隨著互聯網人口紅利的消失，存量時代來臨，企業增長必須靠消費者的精細化運營來實現。對於多品牌大企業而言，強大的消費者人群資產於企業而言，是機會優勢，同時也是挑戰。對於在2017年已經擁有雅士利、Arla、瑞哺恩、多美滋和朵拉小羊五大品牌的雅士利集團而言更是如此。
雅士利從最初的嬰幼兒奶粉發展做起，同時也覆蓋了成人奶粉等多個品牌、多個業務；2010年11月1日於香港交易所主板上市。

當集團變得越來越大，簡單的業務溝通變得複雜。
- 集團業務口徑不統一，溝通困難
不同品牌線有自己的系統，不同系統之間有自己的口徑，蒐集數據通道也存在差異。任何一個跨部門的溝通，都需要花費大量時間蒐集數據，有時還會花大功夫去核對口徑。
- 難以實現企業數據統一的彙總、管理、使用
由於數據分散，口徑有差異，如果無法實現統一的彙總管理和使用，數據孤島問題必然成為業務高速發展的攔路虎。經多方調研瞭解後，雅士利最終決定利用阿里巴巴的品牌全域數據中臺解決方案，來解決自己多品牌、全域分析的需求。

以下的案例為雅士利利用AIPL模型，並結合Quick BI實現品牌人群資產定量化分析的思路和示例。

AIPL模型結合雅士利業務

從用戶對產品的認知-->興趣-->購買-->忠誠的階段，定義出關鍵的用戶獲取力、轉化力、價值力這三個方面，從這三個方面出發，結合雅士利的業務實況，以及業務實際查看習慣，構建自上而下的分析看板。

品牌人群資產鏈路化可以直接指導相應的運營動作，以積累越來越多的人群資產為指導目標，對於所處鏈路中不同位置的人群，採用對應的溝通內容和渠道，儘快推動“A人群“—>“I人群“—>“P人群“—>“L人群”各鏈路人群高效流轉，積累越來越多的“L人群”。

問題分析舉例：假設此鏈路存在問題，就要分析是否是“A人群”太少？還是“I人群”到“P人群”轉化率過低？
1.“A人群”太少：是否是品牌缺少曝光？現在的廣告位是否存在問題？是觸達用戶的問題還是傳播內容材料的問題？
2.“I人群”到“P人群”轉化率過低：是否缺少銷售轉化機制，還是當前機制存在問題？是貨品推送問題還是渠道流量存在問題（劣質流量）？
根據以上問題的分析延展，結合數據反饋的結果再做相應的業務運營優化動作或調整動作，真正實現以消費者為中心的精細化運營，從而提升營收目標。

實際案例效果與說明

1.示例一：消費者分層整體概覽
 頁面名稱：品牌門戶_消費者總覽
 分析目標：讓高層級用戶可以從整體的角度把控不同品牌的當前分層用戶的現狀，以及判斷趨勢是否正常。
 分析思路：首先看到整體上不同品牌在對應時點的上的用戶情況，再看在近期這些用戶的整體變化趨勢，以及對比前日與前周的變化情況，確定是否存在異常情況。

 如何結合Quick BI滿足分析需求：
（1） 查詢控件的範圍有限定，從而實現看某一天數據與某段時間數據的需求。

（2） 使用tab容器功能，實現不同主題組件在同一容器中可快速切換，方便了用戶的日常查看。

2.示例二：品牌力直接帶來會員粉絲轉化能力分析

 頁面名稱：品牌轉化力_會員粉絲
 分析目標：讓業務運營人員直接看到粉絲與會員累計量以及近期新增量，同時判斷整體粉絲的質量水平。
 分析思路：首先可以看到當前會員與粉絲總量以及最近30天新增會員與分析；再看到從不同渠道轉化來的粉絲數以及處在不同階段的粉絲數，以及不同時間來的粉絲質量如何（粉絲主動傳播行為）。

3.示例三：新會員轉化分析
 頁面名稱：新客會員轉化分析
 分析目標：瞭解雅士利對於新客群的復購轉化能力和轉化原因，促進新客的精準轉化
 分析思路：劃分渠道、年齡層、用戶所處段位，來分析用戶的二次、三次復購量，以及三次復購比率以及環比增長率。從而發現在一定時間段內，某渠道、某年齡段、某段位用戶的復購率情況是較高還是偏低，對比上期是什麼狀況。

4.更多結合QuickBI滿足業務需求示例
 豐富圖表樣式更加清晰一目瞭然
除了常用條形圖組合圖發現組合趨勢變化，極座標圖也會幫助用戶快速歸因復購影響
力最大的因素，從而發現相應舉措的影響程度，針對影響力小的舉措分析舉措是否到位，是否需要調整；針對影響力大的可以考慮加大頻率或複用推廣到其他品牌。

 聯動鑽取讓分析更加流暢

在做品牌獲取力分析，追蹤商品收藏加購時，通過品牌大系列，鑽取到的各系列商品狀況，再聯動到排行榜上，直接追蹤到收藏/加購用戶最多/最少的商品，從而發現用戶加購收藏最多的商品，發現獲取力做強/較差的商品。

數據建模

QuickBI數據建模只需兩步，輕鬆搞定數據從無到有（獲取數據），從有到優（創建數據集）；易學習易操作，可視化方式讓沒有變成能力的數據人也可輕鬆搞定。

1.數據源對接
（1）雲數據庫：支持各種雲數據庫-RDS、ADB、Hive、Presto...

（2）自建數據源：常用主流數據源均支持-MySQL、SQL server、Oracle、vertica...

（3）本地文件：Excel、CSV均支持，同時也可對追加上傳。

2.數據集
 即席分析SQL
SQL相比數據表來創建數據集，具有更高的靈活度，可實現：
（1）可從多個數據表上獲取指定數據（字段），按條件彙總到1張數據集上，不需要開發將所有數據都存放在1張表上。
（2）數據規範化和數據歸一化處理。
（3）提高複雜函數的運算效率。

 數據集關聯
除了使用即席分析SQL外，還可以通過數據集關聯來完成多個來源數據整合；
例如：店鋪銷售額和品牌銷售額分別在不同的表中，通過品牌名稱和時間進行關聯，即可在店鋪表數據中獲得品牌數據。（關聯小技巧：選擇顆粒度更小的表作為基礎表，在這個數據集上進行左關聯）

 衍生指標
數據集本身可通過字段拖拽，函數計算等完成衍生指標的添加：
（1）度量之間的簡單四則運算和函數運算，包括case when / if的判斷，sum、average的聚合等；
（2）維度的字段提取以及文本操作；
（3）時間的特殊處理：例如時間的年月提取，度量在計算公式時可能用到的不同時間的數據獲取。也可以對周字段自定義開始時間。

方案價值

結合雅士利業務自身特性，綜合利用生意參謀的生意數據和數據銀行的消費者指標數據，品牌實現了導購、門店、積分、營銷活動等多個業務場景的數據化方案，並實現在QuickBI中展示集團、以及各個子品牌的QBI數據門戶，提供數據的全局分析視角。以數據助力雅士利零售業務實現飛速增長。
2019年雙11，雅士利通過品牌全域數據中臺實現了短期快速提效的紮實效果，營銷提效實現了去年同期增長92%。而旗下的新生羊奶粉品牌——朵拉小羊，更是利用品牌全域數據中臺，實現了從0到1的成長突破。朵拉小羊是雅士利旗下的子品牌，聚焦在窄眾細分的羊奶粉市場。2019年6月份才進軍天貓，起初體量不盡如人意。應用品牌全域數據中臺能力後，該品牌在雙11期間，實現了消費者總量增幅達74倍，目標GMV完成率118%，主推單品銷售提升1000%+。

---

免費試用Quick BI
一個實操案例帶你快速入門Quick BI
更多Quick BI乾貨資料，可關注本賬號~