人媒互动的历史作用（1-4）3

　　具体或可再呈若干层次：用户/客户体验优化层。主要是通过数据来监控和优化用户/客户的体验情况。既运用了结构化的数据，也运用了非结构化的数据。

　　前者更多的是应用各种用户(客户)体验监测的模型或者工具，后者更多的是通过监测微博、论坛和企业内部的客户反馈系统的文本来发现负面的口碑，以便及时优化产品或服务。

　　作为数字读物这可能是最基本的功能，令读者得到充分地体验。又如业务运营监控层。这层面做出的工具好比是体温计、血压计、B超、CT等工具，用这些工具就能快速透视企业运营中那些模块产生的问题。数字读物建设管理离不开内部必要的控制措施。还有精细化运营和精细化营销层。也有构建基于用户的数据提取和运营工具。运营和营销人员通过简单的条件配置(如选择男性、18-24岁以及特定兴趣爱好)，便可把数据(用户/客户)提取出来，对数据背后的用户/客户进行营销或运营活动;通过数据挖掘的手段提升客户对活动的响应(如点击率)等等;通过数据挖掘的手段进行客户生命周期管理。客户个性化推荐，主要是用个性化推荐算法实现根据用户不同的兴趣和需求展开针对个性化消费的营销，以实现推广资源效率和效果最大化。

　　三是以数据分析辅助推动市场营销或社会信息传播。

　　这一层面是通过真实、完整的数据分析和挖掘来辅助推动产品的营销传播，主要有两种实现方式：一种是好玩的数据信息图谱，相信公众都不喜欢看产品的公关软文，而更喜欢看各种有趣令人娱愉，所谓爽心悦目的内容。

　　尤其是在网络上传播，10-29岁的网民占所有中国网民的一半多(55%，CNNIC 2013年数据)，而这些用户偏年轻、涉世浅、阅历少，更喜欢真实、完整甚至，有些涉性的内容。淘宝，曾经通过统计网民购买胸罩大尺码的用户地区分布，发现西安的网民相对比例最多，并发布了这个数据，称西安女生胸部最大，引起不少青年网民点击传播。而腾讯在2014年3月份则基于8亿多活跃用户首次披露“逃离北上广”数据图，发现11%的用户在春节后逃离了北上广。比如，百度指数或百度过年期间做的迁徙地图。百度东莞8小时迁徙图的数据中可以看到，离开东莞后，去香港的人最多。社会传播需要社会性话题辅助营销过程。

　　四、业务宏观经营形势分析和社会经济文化战略分析层。

　　严格意义上说，这两个层面跟很多传统的战略分析、经营分析层面的方法论相似，最大的差异是数据来自于浩繁混沌的原始无序的大数据。从发展角度看，凡事不会一成不变，凡事都有开始。关键是要分清矛盾的焦点，以下几个方面尤其需要注意：

　　一是有很多机构组织企事业单位错误的把“业务运营监控层”和“用户/客户体验优化层”做的事情放在经营分析或者战略分析层来做。

　　在实践过程中"业务运营监控层”和“用户/客户体验优化层”更多的是通过程序、算法和数据流支撑来实现的，“战略分析”、“经营分析”更多的是人来实现。很多企业把电脑能做的事情交给了人来做，这样导致发现问题的效率较低。能用电脑做的事情尽量用电脑来做，在此基础上让人来做人类更擅长的经验分析和战略判断;当然人的分析工作判断质量是由具体文本化语句体现的，属于写作学范畴，不在这展开。这里要表达的是，目的不同媒介不同，效果、过程当然也不同。

　　二是在飞速发展的互联网领域，在业务拓展的战略方向选择上，数据很难清晰预测业务的大发展方向。

　　如果有人说，〈微信〉这个大方向是通过数据挖掘和分析研究出来的，估计没人相信。从媒介本质上来说，数据在精细化传播及营销和运营中能起到比较好的作用，但在产品策划、广告创意等创意性的事情上，起到的作用较小，产品策划毕竟需要产品专家对用户及用户活动分析，找到最佳的产品效益路径来实现效益最大化的目标。一旦产品创意出来，就可以通过实际灰度测试，用数据验证效果。如果能利用数据通过机器、算法、或者人工的手段，把现状和问题及原因洞悉的特别清楚已经很不错了，这种分工合作的结果是决策层获得网络系统自动生成的宝贵财产，因为企业就可以基于这些情况进行更好的系统战略决策了。大数据在各类组织机构需要完整有效的落地方案，这已经是当前中国社会不争的现实。