谭安林，腾讯高级工程师，2015年加入腾讯，8年互联网从业经历，从事大数据平台与产品开发相关工作；先后参与广告、金融等领域产品项目，目前负责行为预测解决方案，帮助客户盘活现有客群、挖掘潜在高价值新客。目前我们的产品包括：智能客服、大数据套件、腾讯移动分析、腾讯移动推送等。
商业是一个价值交换的事情，并不是一个等价交换的事情，我们因为信息不对称，很有可能导致一些效应：赢者通吃。大家买一个什么东西，可能比较关注的是市场知名度比较高的，这种会导致有一些同样的质量，甚至质量更高更便宜的产品，他们曝光度没有那么高，他们销售的时候并不占优势。我们作为一个数据团队，希望基于通信技术，大数据技术提供数字化智能化的服务，提升我们营销的价值点。
大家目的都是赚钱。我们要去解决这种沟通的一致性，信息的不对称。我们去淘宝或者京东买一个东西，如果质量出现问题就会找他们人工客服，出现什么问题帮我们解决。还有一种大家在订机票订酒店的时候会用到线上的服务，就是人工呼叫，还有越来越多文本类或者语音类机器人持续提供这种福利。
我们现在这种工具，并不能直接解决营销上的问题。比如教育行业，每一个学生成绩模型是不一样的，有些数学比较好，有些语文比较差，我们需要因材施教，为标准化产品对接，也就是说教育行业会有很多细分场景，我们要去做一个具体场景的推销，一个宣传，以及让我们用户可以从注册到转化。这一块流程非常长，假如我们打电话给一个客户，用户说我们有一个数据产品非常不错，你孩子听了之后可能从80分变成90后，刚开始听的时候会很感兴趣，过了一天或者晚上，他的邻居说有个张老师他的课程还不错，这时候就会导致你整个营销链路断了，在整个过程之中，我们希望能够解决一些数据能力，通信的能力，去持续的为我们客户解决服务，从售前到售中售后都可以贯穿。
我们在做的一个事情，有相应的客户在用，我们从售前给我们客户寻找到一个高价值的人群，可以让他针对性的做一些营销，本来是有30万的营销经费，如果说直接找到一批可以转换的一批人，可以定点的做相应的短信投放，去做呼叫，提高我们的ROI，我们行业客户就会去买单。
在这里我们可以看到售前主要是行为的预测，行为预测我们会支持两种模式，一种模式是对线索的评分，我们在做一些线下宣传，线下活动推广的时候，我们会收集到一些用户一些联系方式，通过这些联系方式电话号码给他做一个评分，根据大数据上面一些特征判断他是否可能被我们转化，是否会在我们产品上面进行付费。还有一块是大家也去投过广告，不管是2B还是2C，大家都会投一些广告，给到曝光人群，点击你目标网站的人群也是线索人群。
另外一个就是大盘，我们会告诉你互联网上可能存在某些人群，哪些人是你的潜在人群。这里我们第一个阶段做的是售前行为预测，包括一些挖掘，评分了之后就会告诉客户，高价值的这些人可以拿去做直接的外呼，一对一的外呼，这个成功率非常高。我们其他的高价值转换只占10%，最多占20%。那么有人想问了，还有70%、80%的用户群体是直接放弃吗，当然不是，这些人群我们希望可以结合短信，还有外呼渠道做一个渐进式的立项评估，以及促进转化意愿的提升。
如果说一个用户已经转化了，他掏钱了，买了十节课，在十节课过程中会去学，我们后面会给他提供售后客服服务，所以这不仅仅是一个被动服务。我们后面会讲到怎样反哺前面两个环节，融合数据的能力。
刚才一直在提教育，今天也是会主要以教育这个行业讲这个事情。我们在教育行业做行为预测，预测一个用户发生注册，或者是购买某一类产品。我们会从两大维度，一个是付费的意愿，一个是付费能力来进行评估。大家可以看到，我们的期望留学型和素质教育型还有望子成龙型人群，他们付费意愿会非常高，实际上在我们一些案例里面表现出来付费转换率也是很好的，还有一个就是打拼江山型，这种付费意愿并不那么高，但是他有钱，只要成一单，客单价相对来说比较高。对我们客单价比较高的产品来说，打拼江山型的人群对他们来说非常有价值，我们也是对不同行业，不同具体客户进行这种不同的定制化的建模，进一步做支持。
刚才说的线索评分部分，会结合线上线下两个环节，我们以前做的更多是线上，当前也在做线下这部分。
