历历可“数”：Convertlab数字化营销的云上突破

数据从根本改变了商业策略、业务流程、公司能力、产品和服务。

在数字化营销领域，企业面临着从粗放式向精细化运营能力模式发展，而对数据的有效整合和利用，在很大程度上决定了数字化营销的成败。

一套科学完备的数据应用闭环，正在被企业视为数字化营销的基准路径：以数据为参考，对客户信息进行画像；以客户数据做出判断、决策、预测，将产品与服务进行精准推送；再执行迭代，反馈、补充，形成从数据到决策到执行闭环。

Convertlab联合创始人兼CTO李征

“一旦企业建立好了完整的数据闭环，再从AIPL行为维度与渠道触点苦练内功，其竞争力即能达到不一样高度”。Convertlab联合创始人兼CTO李征认为，基于业务场景应对细分营销数字化需求，企业必须改变基础设施能力，将数据化驱动、AI决策能力融入到数据闭环。

直面数据营销闭环挑战

Convertlab成立于2015年，作为中国一体化营销云的先锋，于2020年完成超一亿元B轮融资。

作为以技术驱动智能营销的“高手”，Convertlab最为擅长的即是为企业营销提供数字化、自动化、智能化的专业服务，帮助企业高效运营海量用户，打造品牌特有的个性化用户体验，实现业务快速增长。

目前，Convertlab已为超过400家知名企业提供企业级服务并获得最佳实践，并在零售、快消、耐消、金融、企业服务等行业内积累了大量客户成功案例。

在李征及其团队看来，上述企业数据应用闭环的各项工作环环相扣，但仍然会面对数据治理和机器学习分而之治这一挑战。

这一挑战所带来的痛点效应，直接在企业的营销业务场景中显现：例如，通常一家企业的机器学习部门由于各类原因，很难快速拿到数据做出迭代，并反馈到整个业务执行闭环中。其根源在于数据权限、数据存储的割裂，也可能存在于数据质量的管理。

事实上，从目前大量的行业经验中不难发现，数据治理和机器学习的分治在相当程度上阻碍了数据应用闭环的建立与运行。

“企业必须要结合数据能力首先把数据质量与数据管理机制做好，才能使机器学习能够更好的与之协同转化。以此为契机，Convertlab与亚马逊云科技一起基于亚马逊云科技“智能湖仓”架构，不仅让数据与机器学习能力实现了更好的衔接，更进一步提升了数据智能管理的应用效率”。李征表示。

云上数智创新成就智慧营销

2021年，Convertlab与亚马逊云科技全面展开合作，共同打造了数据智能营销解决方案，并从解决方案最底层，将亚马逊云科技“智能湖仓”架构价值充分发挥出来，即通过架构统一管理数据，基于统一融合的数据治理底座，实现数据快速调用，并实现高效处理：

首先，Convertlab借助亚马逊云科技的Amazon EMR与Amazon S3，在做数据分析时提供高效稳定的技术基础，将数据价值利用最大化。通过Amazon EMR，Convertlab能够帮助企业在与消费者的互动中，实时调取离线数据集，同时做到实时数据存储和训练。众所周知，Amazon EMR能够简化大数据处理，同时也能做到实时分析和处理海量数据，例如，其可以将集群配置为处理多个PB数据。

Amazon EMR的有效数据存储、分析、处理再到迁移数据的能力，为Convertlab全面提升数据调用处理能力，实现精细化营销奠定了数据应用基础。

其次，Amazon SageMaker为Convertlab提供了极强的模型管理能力，以及机器学习工程化能力。基于此，用户数据不需要做任何跨平台复制，数据专家就可以快速得到数据，快速进行模型的训练和推理，并且得到结果。

同时，基于Amazon SageMaker较为丰富的工具集和高效的弹性数据能力，可以让机器学习模型迭代能力效率提升30%以上，其中Convertlab的20多个AI模型已被头部客户使用，并且实际产生效果。

三是通过Amazon Athena，Convertlab可以帮助企业轻松在各个数据源里快速聚合数据，并且得到一致性的洞察结果。无论数据是在Amazon Redshift上，还是Amazon EMR上，都可以很容易访问这些数据。

维端网注意到，基于亚马逊云科技“智能湖仓”架构，Convertlab实现了三个方面的能力提升：一方面，在亚马逊云科技“智能湖仓”架构之上构建的数据管理平台、营销智能决策平台，完成了基于业务场景的用户画像、客户各渠道的行为采集以及与营销相关的模型库构建，提升了数据管理应用效率。

另一方面，通过双方共同努力，基于亚马逊云科技最新技术栈和“智能湖仓”架构，Convertlab可以支持客户在营销领域进行决策，这其中包括：掌握客户生命周期旅程，了解客户生命周期价值量，并以此帮助客户针对性的推出最佳行动计划以及营销智能解决方案，提升对客户的营销管理能力。

再次，通过双方基于亚马逊云科技“智能湖仓”架构的联合创新，数据流转的时效性大幅提升了32%，也为异构数据减少了更多复杂的处理流程，为AI机器学习动作提供了统一的数据标准。

AI决策创新背后的合作突破

结合客户的业务场景，Convertlab与亚马逊云科技的AI决策创新价值进一步得到体现：

某世界500强零售头部品牌，拥有将近5000万-6000万消费者。Convertlab于2019年开始与其一起合作，通过精细化的数据驱动策略，帮助企业以自动化和策略导向的方法优化用户体验，并且有效提升了用户转化率。

彼时，Convertlab投入12位顶级业务专家于项目12月周期里，基于消费者触点行为共制作了13个场景，电子化渠道GMV提高3%左右。

随着项目的落地推进，数据与场景扩大之势倍增，Convertlab随即决定在2021年联合亚马逊云科技，以及客户一起进行基于AI决策共同创新，8人团队用时3个月时间新增了32个场景，同时整个电子渠道GMV提升比例上升到6.34%。得益于大幅度的人力成本下降以及实际效果产出，该企业已经把整个AI驱动、算法驱动作为整个公司长期发展的重要战略之一。

另一个例子是，某中国TOP3家电品牌，借助Convertlab和亚马逊云科技联合打造的数据管理工具，并通过动态全域智能推销模型，使得前者运用AI动态权益确定客户对权益的喜好，圈选推送人群，相同场景点击率超过3%，增长75%。

李征总结，亚马逊云科技AI决策创新业务场景中，体现了三个重要特点：一是亚马逊云科技“智能湖仓”一体化特点让数据底层的架构支撑能力得以最大限度发挥出来；二是，亚马逊云科技能够帮助用户与伙伴做到更加精准的数据指引，提升加工数据和数据清洗的效率；第三则是亚马逊云科技的技术能力能够快速反馈数据实现迭代调优。

谈及与亚马逊云科技合作的整体印象，李征用“尊重”与“创新”概括了双方的合作。

首先，亚马逊云科技以尊重合作伙伴的态度，与后者共同投入到客户成长中，例如亚马逊云科技会主动与Convertlab团队深入交流，通过新技术的引入或者架构的改造，帮助客户节省成本，并实现业务的提升。

其次，亚马逊云科技很多技术专家将联合创新视为己任，热切的与Convertlab深入技术场景中，例如围绕Amazon EMR、Amazon SageMaker等一些使用场景，帮助Convertlab更快地去掌握和利用好技术，并且将其反映到Convertlab的产品和解决方案中，实现共同突破。