<6>裁缝的故事:达摩盘×御膳房

裁缝的故事

最近一直忙于组织阿里妈妈数据科学家大赛,比赛的赛制啥的就不说了,总之是数据手段解决营销问题。比较有意思的是,因为达摩盘和御膳房共同为这次比赛提供数据服务,所以,营销人就有了一个疑惑,达摩盘和御膳房到底是啥关系?区别在哪?

这个问题曾经也困扰过我,最近,我终于想到了一个更简单的方法来说明这两者的业务逻辑。

不过,需要说明的是,以下所有的定义和描述,都是基于营销推广需求方的角度出发,因而难免会有所偏颇,还请留心。但对我来说已经足够了,毕竟,产品和服务的最终目标都是满足需求,不是吗?

达摩盘和御膳房的定义我就不引用了,请自行搜索。两个概念,除了不明觉厉之外,大概只能看出达摩盘主要面向营销需求,而御膳房的适用范围则更广泛。从某个角度来说,这一感觉已经指明了两者之间的重大区别。

需要说明的是,达摩盘这个名字,本身就来自于DMP(Data Management Platform数据管理平台)这一营销概念的音译。

原料加工厂×来料加工厂

如果我们把数据视为棉花、化纤、真丝、皮毛、金属这样的原料,那么,御膳房就是一个原料加工厂,通过工业化处理,这些原料变成了棉布、棉线、混纺布、的确凉、丝绸、皮革、纽扣、拉链等等面料和辅料。

现在,假如你需要一件衣服(营销推广需求,下同),那么,你就需要有一个技艺高超的裁缝(BI、ISV,下同),这个裁缝师傅通过详细的询问了解了你对衣服的需求,并且对各种面料和辅料都有丰富的知识,知道如何去处理这些材料。

接下去,这个既了解需求、又掌握处理技术的裁缝,就会通过一定的流程,手工给你打造出你需要的衣服。

但是,很快你会发现,这种方式对于裁缝的水平要求非常高,因而你需要花费大量的时间和金钱去培养或者发现这样的好裁缝。你需要的衣服越好,生产难度越高,那么,在好裁缝身上花费的时间成本和资金成本就越高。

那么,有没有办法,让更多的人都可以更方便地穿上衣服呢?

这时候,一个商人发现了这个需求,他就开设了一家称之为达摩盘的来料加工厂,这个工厂里面有一条流水线(数据处理),他把人们对衣服的需求细分成很多按钮(人群标签),人们只要点击这些按钮(选择人群标签),半成品的衣服就会从流水线上被生产出来。

因为这条流水线,所以,哪怕是最蹩脚的裁缝,只需要根据你的需求点击那个按钮就可以生产出一件半成品,并且在这个半成品基础上,只要稍加修饰,就能完成最后的衣服。

不仅如此,因为这件衣服是根据你的需求生产出来的,所以,这种模式就被商人骄傲地称之为“(人群)定向投放”。

好裁缝×蹩脚裁缝

那么,有了流水线,那些好裁缝就无事可干了吗?

当然不是,因为开发流水线是有成本的,目前为止,商人只开发了衣服的流水线,还有裤子、皮带、丝巾、内衣(其他需求)等等一系列的流水线等待开发。因而,人们如果需要其他的产品,要么等待商人开发其他流水线,要么,就得自己找个好裁缝来实现这个需求。

毕竟,对于好裁缝来说,御膳房能够提供多少面料和辅料,他就能满足顾客的多少种需求,这个需求几无上限。

好裁缝和蹩脚裁缝的区别在于,好裁缝具备非常精密的计算能力,在满足顾客需求的同时,还能够处理好大部分的面料和辅料,而蹩脚裁缝则只具备处理半成品的能力。

但在今天中国,具备资金实力和技术能力去使用好裁缝的公司相对还是非常少的,大部分的公司,特别是中小公司,需求最大的恰恰不是好裁缝,而是蹩脚裁缝。

印象中,LinkedIn的商业分析部总监张溪梦曾经说过,大数据之所以称为大,不仅仅是因为量大。只有更多的人简单直接快速地通过one click获取数据决策支持,达到相当的使用规模,才能称为大数据。

流水线的贡献就在于,通过简化和隐藏背后复杂的技术原理,用简单的方式,让更多的蹩脚裁缝能够帮助中小公司穿上更符合需求的衣服。

也就是说,蹩脚裁缝服务的顾客体量都要更小,但是因为技术难度低,因而惠及的顾客规模也更大,甚至可以说,即使是好裁缝,也会经常存在对半成品衣服的需求。

数据交换+第一方数据

当然,也会出现一种情况。

御膳房提供的原始面料里面唯独没有红色面料,达摩盘因为所有面料都来自于御膳房,因而也就没有了红色面料。

但是,这个时候顾客又需要红色面料生产的衣服。那么,这该怎么办呢?

一种办法,御膳房或达摩盘向其他加工厂或者裁缝购买红色面料;另一种办法,他们拿别家工厂颜色缺失的面料去换。

通过购买或者交换,不同加工厂或裁缝的面料就能够流通起来,这样,顾客就能拿到真正属于自己的衣服了。

这就是数据交换的意义。

还有一种情况。

顾客并不能清晰地表达自己想要什么衣服,于是,加工厂还提供了另外一种服务,顾客可以上传自己的衣服照片(第一方数据),上传的照片越多、角度越多,加工厂就对顾客想要的衣服了解越深,最后生产出来的面料或者衣服就会更符合顾客的需求。

小结

以上就是我所总结的御膳房和达摩盘在业务关系和业务逻辑上的区别。当然,还是必须强调下:

1、所有这些定义和描述都基于营销推广需求,而御膳房和达摩盘真实的涵盖业务要比文中描述为多;

2、为了便于理解,文中难免有简化和弱化的部分,更深层的业务逻辑远比文中所述要更宏大和趋势的多;

3、另外还有一个比喻,我觉得也很妙,达摩盘就是一个按钮,而御膳房就是按钮下面被隐藏的电路板,你可以直接点击按钮点亮电灯,也可以更直接地去修改电路板实现更多功能;

4、我们需要更多的裁缝,不管是好裁缝还是蹩脚裁缝;

5、以上所有内容仅代表个人观点,和所在公司无关。如有雷同,定属抄袭。


人了解世界的时候,都是先问who & where,慢慢学会问why,当对答案不满足的时候就开始问how,所以,knowhow才是人对世界的回答。谢谢关注Knowhow_Ho,何夕一言堂,这是我对世界的回答,一家之言,不求正确,但求有所启发。


*本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可*
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,271评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,275评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,151评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,550评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,553评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,559评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,924评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,580评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,826评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,578评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,661评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,363评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,940评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,926评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,156评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,872评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,391评论 2 342

推荐阅读更多精彩内容