《数据驱动从方法到实践》
神策数据联合创始人 & CTO 曹犟
数据可以驱动决策和产品智能，需要建立一个从数据采集、建模、分析到反馈的完整数据闭环。数据采集包括客户端数据、业务端数据、第三方数据以及线下数据，要把 “大、全、细、时” 的原则落实到用户行为、用户数据、业务运行数据、内容数据等数据类型上，数据采集是一切数据应用的根基；建模中最重要的是数据模型的选择，以及储存和处理；而分析与反馈无法分割，用实际场景解释如何做数据分析、如何根据分析结果直接反馈以及反馈时的核心内容。
数据可以驱动决策和产品智能，需要建立一个从数据采集、建模、分析到反馈的完整数据闭环。数据采集包括客户端数据、业务端数据、第三方数据以及线下数据，要把 “大、全、细、时” 的原则落实到用户行为、用户数据、业务运行数据、内容数据等数据类型上，数据采集是一切数据应用的根基；建模中最重要的是数据模型的选择，以及储存和处理；而分析与反馈无法分割，用实际场景解释如何做数据分析、如何根据分析结果直接反馈以及反馈时的核心内容。
首先，营销环境发生巨大变化，变化使数据环境更加成熟、可以获取的数据维度更加繁多，要从多视角深究这种变化。第二，用实际案例向大家展示如何用数据化思维方式，帮助品牌解决具体问题。
马力老师：ASO 的 5 种打法：第一，把用户研究与基础优化紧密结合，寻找有效关键词。第二，品牌大促，做好最后一公里的争夺。第三，关注竞争对手，灵活调整投放策略。第四，推广关键节点，做好应急预案。第五，深入研究作弊行为，做好安全防范。
神策数据分析师朱静芸《消费者全渠道精细化运营方案》中介绍精细化运营的重要概念 “闭环” ，详解从用户分层-活动策划-内部承接-技术和产品-数据分析-策略积累的闭环全流程。
神策数据分析师薛创宇在《数据分析与场景实践之坑位运营》的分享围绕坑位运营起源、数据分析与坑位运营、如何进行坑位运营、实践案例四个方面。他指出坑位运营的目的是流量价值最大化，详解坑位运营中的难点以及如何正确坑位归因，并围绕内容优化、坑位优化两方面来进行坑位运营提供方法论， 同时辅以大量实践案例。
神策数据架构师房东雨 《数据分析与场景实践之“个性化推荐”》 介绍了推荐的主要场景、推荐的流程和方法等干货，强调推荐不只是算法，更是一个系统工程。
神策数据业务咨询专家徐美玲《数据分析之产品应用实践》介绍数据分析方法、数据分析融入业务流程的两大版块。第一板块中介绍了常用数据指标、分析类型和思路、数据指征及维度梳理等；在第二版块中介绍数据分析与业务流程的融合策略，包含需求阶段、产品设计、效果验证、项目复盘、项目迭代等全流程。
