数据精准营销的七个关键要素

数据精准营销的七个关键要素
说到大数据精准营销，不得不先提个性化的用户画像，我们针对每一类数据实体，进一步分解可落地的数据维度，刻画TA的每一个特征，在聚集起来形成人群画像。

01用户画像
用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。具体包含以下几个维度：
用户固定特征：性别，年龄，地域，教育水平，生辰八字，职业，星座
用户兴趣特征：兴趣爱好，使用APP，网站，浏览/收藏/评论内容，品牌偏好，产品偏好
用户社会特征：生活习惯，婚恋，社交/信息渠道偏好，宗教信仰，家庭成分
用户消费特征：收入状况，购买力水平，商品种类，购买渠道喜好，购买频次
用户动态特征：当下时间，需求，正在前往的地方，周边的商户，周围人群，新闻事件如何生成用户精准画像大致分成三步。
1采集和清理数据：用已知预测未知
首先得掌握繁杂的数据源。包括用户数据、各式活动数据、电子邮件订阅数、线上或线下数据库及客户服务信息等。这个是累积数据库；这里面最基础的就是如何收集网站／APP用户行为数据。比如当你登陆某网站，其Cookie就一直驻留在浏览器中，当用户触及的动作，点击的位置，按钮，点赞，评论，粉丝，还有访问的路径，可以识别并记录他／她的所有浏览行为，然后持续分析浏览过的关键词和页面，分析出他的短期需求和长期兴趣。还可以通过分析朋友圈，获得非常清晰获得对方的工作，爱好，教育等方面，这比个人填写的表单，还要更全面和真实。
我们用已知的数据寻找线索，不断挖掘素材，不但可以巩固老会员，也可以分析出未知的顾客与需求，进一步开发市场。
2用户分群：分门别类贴标签
描述分析是最基本的分析统计方法，描述统计分为两大部分：数据描述和指标统计。数据描述：用来对数据进行基本情况的刻画，包括数据总数，范围，数据来源。指标统计：把分布，对比，预测指标进行建模。这里常常是Data mining的一些数学模型，像响应率分析模型，客户倾向性模型，这类分群使用Lift图，用打分的方法告诉你哪一类客户有较高的接触和转化的价值。
在分析阶段，数据会转换为影响指数，进而可以做"一对一"的精准营销。举个例子，一个80后客户喜欢在生鲜网站上早上10点下单买菜，晚上6点回家做饭，周末喜欢去附近吃日本料理，经过搜集与转换，就会产生一些标签，包括"80后""生鲜""做饭""日本料理"等等，贴在消费者身上。
3制定策略：优化再调整
有了用户画像之后，便能清楚了解需求，在实际 *** 作上，能深度经营顾客关系，甚至找到扩散口碑的机会。例如上面例子中，若有生鲜的打折券，日本餐馆最新推荐，营销人员就会把适合产品的相关信息，精准推送这个消费者的手机中；针对不同产品发送推荐信息，同时也不断通过满意度调查，跟踪码确认等方式，掌握顾客各方面的行为与偏好。
除了顾客分群之外，营销人员也在不同时间阶段观察成长率和成功率，前后期对照，确认整体经营策略与方向是否正确；若效果不佳，又该用什么策略应对。反复试错并调整模型，做到循环优化。
这个阶段的目的是提炼价值，再根据客户需求精准营销，最后追踪客户反馈的信息，完成闭环优化。
我们从数据整合导入开始，聚合数据，在进行数据的分析挖掘。数据分析和挖掘还是有一些区别。数据分析重点是观察数据，单纯的统计，看KPI的升降原因。而数据挖掘从细微和模型角度去研究数据，从学习集、训练集发现知识规则，除了一些比较商业化的软件SAS，WEKA功能强大的数据分析挖掘软件，这边还是更推荐使用R，Python，因为SAS，SPSS本身比较昂贵，也很难做页面和服务级别的API，而Python和R有丰富的库，可以类似WEKA的模块，无缝交互其他API和程序，这里还需要熟悉数据库，Hadoop等。
02数据细分受众
“颠覆营销”书中提到一个例子，可以引述一下，大家思考一个问题：如果你打算搜集200份有效问卷，依照以往的经验，你需要发多少份问卷，才能达到这个目标？预计用多少预算和时间来执行？
以往的方法是这样的：评估网络问卷大约是5%的回收率，想要保证收到200份的问卷，就必须有20倍的发送量，也就是发出4000份问卷，一个月内如果可以回收，就是不错的表现。
但现在不一样了，在执行大数据分析的3小时内，就可以轻松完成以下的目标：
精准挑选出1%的VIP顾客
发送390份问卷，全部回收
问卷寄出3小时内回收35%的问卷
5天内就回收了超过目标数86%的问卷数
所需时间和预算都在以往的10%以下
这是怎么做到在问卷发送后的3个小时就回收35%？那是因为数据做到了发送时间的"一对一定制化"，利用数据得出，A先生最可能在什么时间打开邮件就在那个时间点发送问卷。
举例来说，有的人在上班路上会打开邮件，但如果是开车族，并没有时间填写答案，而搭乘公共交通工具的人，上班路上的时间会玩手机，填写答案的概率就高，这些都是数据细分受众的好处。
03预 测
“预测”能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。
当我们采集和分析用户画像时，可以实现精准营销。这是最直接和最有价值的应用，广告主可以通过用户标签来发布广告给所要触达的用户，这里面又可以通过上图提到的搜索广告，展示社交广告，移动广告等多渠道的营销策略，营销分析，营销优化以及后端CRM/供应链系统打通的一站式营销优化，全面提升ROI。
我们再说一说营销时代的变迁，传统的企业大多还停留在“营销10”时代，以产品为中心，满足传统的消费者需求，而进入“营销20”，以社会价值与品牌为使命，也不能完全精准对接个性化需求。进入营销30的数据时代，我们要对每个消费者进行个性化匹配，一对一营销，甚至精确算清楚成交转化率，提高投资回报比。

大数据下的营销颠覆经典的营销4P理论，Product，Price，Place，Promotion，取而代之的是新的4P，People，Performance，Process，Prediction。在大数据时代，线下地理的竞争边界早就不存在，比的是早一步的先知能力，利用大数据，从顾客真实交易数据中，预测下一次的购买时间。 营销30时代关键词就是“预测”。
预测营销能够让你专注于一小群客户，而这群客户却能代表特定产品的大多数潜在买家。以上图为例，你可以将营销活动的目标受众锁定为20万潜在客户或现有客户，其中包括特定产品的大多数买家（4万人）。你还可以拨出部分预算用于吸引更小的客户群（比如20% 的客户），而不是整个客户群，进而优化你的支出。
过去我们看数据可能是被动的方式，但预测营销强调是决策价值，比如购买时间，你该看的不是她最后的购买日期，而是下次购买的时间，看未来的存活概率，最后生成客户终身价值（CLV）。预测营销催生了一种新的数据驱动营销方式，就是以客户为中心，核心在于帮助公司完成从以产品或渠道为中心到以客户为中心的转变。
04精准推荐
大数据最大的价值不是事后分析，而是预测和推荐，我就拿电商举例，"精准推荐"成为大数据改变零售业的核心功能。譬如服装网站Stitch fix例子，在个性化推荐机制方面，大多数服装订购网站采用的都是用户提交身形、风格数据+编辑人工推荐的模式，Stitch Fix不一样的地方在于它还结合了机器算法推荐。这些顾客提供的身材比例，主观数据，加上销售记录的交叉核对，挖掘每个人专属的服装推荐模型。 这种一对一营销是最好的服务。
数据整合改变了企业的营销方式，现在经验已经不是累积在人的身上，而是完全依赖消费者的行为数据去做推荐。未来，销售人员不再只是销售人员，而能以专业的数据预测，搭配人性的亲切互动推荐商品，升级成为顾问型销售。
05技术工具
关于预测营销的技术能力，有几种选择方案：
1、使用预测分析工作平台，然后以某种方法将模型输入活动管理工具；
2、以分析为动力的预测性活动外包给市场服务提供商；
3、评估并购买一个预测营销的解决方案，比如预测性营销云和多渠道的活动管理工具。
但无论哪条路，都要确定三项基本能力：
1）连接不同来源的客户数据，包括线上，线下，为预测分析准备好数据 ；
2）分析客户数据，使用系统和定制预测模型，做高级分析 ；
3）在正确时间，正确客户，正确的场景出发正确行为，可能做交叉销售，跨不同营销系统。
06预测模型
预测客户购买可能性的行业标准是RFM模型（最近一次消费R，消费频率F，消费金额M），但模型应用有限，本质是一个试探性方案，没有统计和预测依据。“过去的成绩不能保证未来的表现”，RFM只关注过去，不去将客户当前行为和其他客户当前行为做对比。这样就无法在购买产品之前识别高价值客户。
我们聚焦的预测模型，就是为了在最短时间内对客户价值产生最大影响。这里列举一些其他模型参考：
参与倾向模型，预测客户参与一个品牌的可能性，参与定义可以多元，比如参加一个活动，打开电子邮件，点击，访问某页面。可以通过模型来确定EDM的发送频率。并对趋势做预测，是增加还是减少活动。
钱包模型，就是为每个客户预测最大可能的支出，定义为单个客户购买产品的最大年度支出。然后看增长模型，如果当前的总目标市场比较小，但未来可能很大，就需要去发现这些市场。
价格优化模型，就是能够去最大限度提升销售，销量或利润的架构，通过价格优化模型为每个客户来定价，这里需要对你想要的产品开发不同的模型，或者开发通用，可预测的客户价格敏感度的模型，确定哪一块报价时对客户有最大的影响。
关键字推荐模型，关键字推荐模型可以基于一个客户网络行为和购买记录来预测对某个内容的喜爱程度，预测客户对什么热点，爆款感兴趣，营销者使用这种预测结果为特定客户决定内容营销主题。
预测聚集模型，预测聚集模型就是预测客户会归为哪一类。
07AI在营销领域的应用
去年人工智能特别火，特别是深度学习在机器视觉，语言识别，游戏AI上的突飞猛进，以至于人们开始恐慌人工智能是不是已经可以接管人类工作，我个人是对新技术有着强烈的兴趣，也非常看好新科技，数据与现实的关联。
我以前在国外零售店买单的时候经常被询问“你有没有购物卡”，当我说没有收银员会赶紧劝我免费开通，有打折优惠，只需要填个手机号和邮箱，后面就可以针对我的购买记录做营销活动，而当我下次进来，他们就让我报出电话号码做消费者识别，当时我想如果做到人脸识别，岂不是更方便，刷脸就可以买单。而这个场景在去年也有了实验，蚂蚁金服研发出了一个生物识别机器人，叫蚂可Mark，据说其认脸能力已经超越了人类肉眼的能力。还有VR购物，Amazon推出的无收银员商店Amazon Go，通过手势识别，物联网和后续数据挖掘等技术实现购物体验。
针对营销领域，主要有以下三种预测营销技术：
1、无监督的学习技术
无监督学习技术能识别数据中的隐藏模式，也无须明确预测一种结果。比如在一群客户中发现兴趣小组，也许是滑雪，也许是长跑，一般是放在聚类算法，揭示数据集合中 真实的潜在客户。所谓聚类，就是自动发现重要的客户属性，并据此做分类。
2、 有监督的学习技术
通过案例训练机器，学习并识别数据，得到目标结果，这个一般是给定输入数据情况下预测，比如预测客户生命周期价值，客户与品牌互动的可能性，未来购买的可能性。
3、强化学习技术
这种是利用数据中的潜质模式，精准预测最佳的选择结果，比如对某用户做促销应该提供哪些产品。这个跟监督学习不同，强化学习算法无须仅需输入和输出训练，学习过程通过试错完成。
从技术角度看，推荐模型应用了协同过滤，贝叶斯网络等算法模型。强化学习是被Google Brain团队的负责人Jeff Dean认为是最有前途的AI研究方向之一。最近Google的一个AI团队DeepMind发表了一篇名为《学会强化学习》的论文。
按团队的话来说，叫做“学会学习”的能力，或者叫做能解决类似相关问题的归纳能力。除了强化学习，还在迁移学习。迁移学习就是把一个通用模型迁移到一个小数据上，使它个性化，在新的领域也能产生效果，类似于人的举一反三、触类旁通。
强化学习加上迁移学习，能够把小数据也用起来，我认为是很激动人心的，通过AI来创造AI，数据科学家的部分工作也可以让机器来实现了。

▌ 数字化转型案例

◆德国汉高集团与阿里1688达成年度营销战略合作

1月26日消息，德国百年化工巨头汉高集团与阿里1688达成年度营销战略合作，成为首家与1688数字营销平台达成年度战略合作的化工企业。1688数字营销将基于线上线下全域营销产品矩阵，依靠生态化服务体系，为汉高提供行业化个性化的全年营销解决方案，通过增值服务权益、特色营销场景、服务培训支持、产品数据优势、1&N品牌及经销商联合营销工具等结合全方位赋能，助力汉高更好应对客户日益增长的数字化需求，进一步挖掘市场潜力。

◆联合利华与京东超市达成战略合作

日前，联合利华与京东超市达成战略合作，将在品类建设、营销共创、 科技 驱动、无界零售等方面开展合作。根据协议，2019年联合利华将在京东超市推出多个新品，打造京东专属产品线，京东超市将加速向联合利华开放“用户运营中心”工具使用，帮助双方加速精准营销。此外，联合利华将在2019年上半年落地协同仓等战略合作项目，加速双方全面协同项目落地。

◆房企碧桂园要转型高 科技 企业

1月21日碧桂园集团2019年度会议上，碧桂园董事会主席杨国强表示，我们现在要朝着一个高 科技 企业去做，这是我们未来强大竞争力的源泉，未来我们的三个重点是：地产、农业、机器人。2018年以来，碧桂园不惜重金发力进军机器人、现代农业和新零售等风口领域，从建筑机器人到现代农业，碧桂园的新布局无不是围绕“房”和“地”进行。

◆海尔携手科思创共建数字化联合实验室

近日，全球大型家电品牌海尔与德国材料生产商科思创在青岛正式签订合作协议，依托海尔工业智能研究院，共建“海尔-科思创数字化联合实验室”。该实验室将致力于研发家电生产过程中与聚氨酯工艺相关的数字化解决方案，旨在为化工行业数字化转型树立新标杆。通过“海尔-科思创数字化联合实验室”，双方将在生产线数据获取、在线质量监测、数据分析和挖掘以及工艺流程优化等多个领域联合研发解决方案。

◆百丽国际去中心化推动数字化转型

近日，百丽国际执行董事李良在接受采访时表示，百丽数字化转型的总体思路是去中心化，将数字化工具的运用推到前端去。在李良看来，传统鞋业零售存在“数据割裂”的三大痛点：第一，底层数据是割裂的，商场数据无法及时反馈品牌和商家；第二，不同区域、不同渠道、不同门店的数据是割裂的，无法形成有效的“数据对齐”；第三，反应机制是割裂的，宏观数据和微观决策之间是割裂的，数据无法快速帮助一线销售人员回答问题，无法指导供应链及时调整。

◆中海油试水数字化转型

1月23日，中海油公布新一年的经营策略和发展战略。2019年，中海油计划增加资本开支，而油气增储上产、数字化转型以及 探索 海上风电将是工作要点。中海油管理层表示，关于数字化以及智能化，基于此前积累的带昂勘探开发的资料完善数据库，对未来勘探研究、开发策略形成指导，同时也会利用人工智能技术对海上作业提供远程支持，通过智能油田以及云平台的建设， 探索 业务数字化创新。

▌人工智能

◆华中 科技 大学成立人工智能研究院

1月26日，华中 科技 大学人工智能与自动化学院、人工智能研究院正式成立，副省长陈安丽和华中 科技 大学党委书记邵新宇、校长李元元共同揭牌。目前，华中 科技 大学在人工智能领域学术产量居国内第八位，成果质量居国内第六位。对标国家战略，服务湖北发展，华中 科技 大学深化产教融合、校企合作，以原自动化学院为主体，健全机构，创新体制，成立人工智能与自动化学院、人工智能研究院。

◆海龙大厦完成电子卖场转型升级

随着互联网时代的来临，海龙电子城也加快“改造升级”，开启转型之路。海龙大厦由以前的电子卖场转型升级为全国首家智能硬件创新中心，期间经历了疏解电子产品销售商户、回租回购小业主产权、加强产业升级调整，引入了地平线、旷视 科技 、硬蛋 科技 等在人工智能产业的领军企业，人工智能、孵化器等 科技 创新企业达到了90%以上，转型效果明显。

◆西安交大成立人工智能学院

1月21日，西安交通大学举行“人工智能学院”揭牌仪式。全球人工智能领域顶尖青年学者，北京旷视 科技 有限公司首席科学家、研究院院长孙剑被授予西安交大人工智能学院院长职务。学院将充分发挥西安交大在人工智能领域的学科发展和人才培养优势，形成高端人才积聚效应， 探索 智能产业产学研合作的新模式。

▌物联网

◆康佳携手阿里在物联网时代突围

近日，由康佳互联网事业部主办的“易的N次方”2019康佳互联网战略发布会暨年度营销盛典上，阿里巴巴和康佳集团宣布双方达成战略合作，阿里入股康佳集团旗下易平方和开开视界。2019年，康佳的互联网战略是发力“五大场景”，即在家庭场景、商旅场景、社区场景、景区场景和办公场景全面构建人与屏之间的“情景交融”。

◆华为5G重磅发布

1月24日，华为在北京举办5G发布会暨2019世界移动大会预沟通会，发布了全球首款5G基站核心芯片——华为天罡，致力打造极简5G，助推全球5G大规模快速部署。目前，华为已经获得30个5G商用合同，25,000多个5G基站已发往世界各地。同时，华为正式面向全球发布了5G多模终端芯片和基于该芯片的首款5G商用终端，带来首屈一指的高速连接体验，让万物互联的智慧世界与人们的生活更近了一步。

◆博世与雅观 科技 达成物联网战略合作协议

1月22日，博世安防通讯系统携手国内AIoT全屋智能前沿企业——杭州雅观 科技 共同签署战略合作协议，双方将在IoT物联网及相关领域结成长期、全面的战略伙伴合作关系，共同打造全屋智能体验，推动全屋智能行业发展。根据协议，双方将就博世ZigBee智能无线红外人体移动传感器以及博世ZigBee智能无线多功能传感器，接入雅观 科技 全屋智能解决方案进行合作。

◆菜鸟网络启用首个物联网机器人分拨中心

1月22日，菜鸟网络宣布，全国首个物联网机器人分拨中心在南京启用。机器人通过在分拨中心内移动，去往南京60多个配送网点的包裹按序分类，方便快递员配送。菜鸟柔性自动化工程师钟翔介绍，这一系统以 IoT 技术为核心，应用计算机视觉、多智能体机器人调度技术，实现了大件包裹在整个分拨中心内的全程可控、智能识别以及快速分拨。

▌区块链

◆腾讯与贵阳将在云计算、AI 和区块链等领域进行深度合作

1月26日，腾讯与贵阳市人民政府今天签署了深化合作协议，两方将发展数字经济，打造“数智贵阳”。腾讯将提供云计算、大数据、区块链、人工智能等领域的技术和经验。腾讯云还同步为“数智贵阳”提供底层区块链技术，打造贵阳“网络身份链凭证中心”，建成后将实现一经上链，在个人、企业授权的情况下处处使用，快速验证。

◆中信银行落地山东首笔区块链国内信用证福费廷业务

近日，中信银行济南分行成功为客户办理了辖内首笔区块链国内信用证福费廷业务，成为省内首家开展区块链福费廷业务的银行。2018年9月，中信银行与中国银行、民生银行合力开发了区块链福费廷交易平台。该平台通过运用区块链、大数据等技术手段，能有效解决了传统银行间资产交易存在的诸多弊端，可极大地提高交易效率，提升银行间资产交易的安全性，有效降低交易成本。

◆日本每日新闻社成立区块链实验室

1月22日，区块链风投公司Gaudiy与日本每日新闻社开始共同研究区块链技术及其开发。每日新闻社推出“每日新闻 Blockchain Lab”(简称MBL)，以研究和开发区块链在服务及新闻业的应用。MBL的目标是通过区块链技术构建信息的信任基础，为新闻的健全发展和公正做贡献。

▌大数据

◆山东省文化和 旅游 大数据研究中心成立

近日，山东省文化和 旅游 厅与济南大学战略合作签约仪式在济南大学举行，“山东省文化和 旅游 大数据研究中心”揭牌。双方在协议中约定，将本着资源共享、优势互补、务实重效、共同发展的原则，就建设山东省文化和 旅游 大数据研究中心和山东文化 旅游 研究等事宜，建立长期稳定的合作关系，共同致力于山东文旅融合大发展。

◆河南启动首个大数据信用融资服务平台

1月22日消息，在日前举办的河南省2019年重大项目银企对接会上，河南启动全省首个大数据信用融资服务平台——“信豫融”。该平台通过与工商、税务、不动产登记、海关、司法、环保、医保、社保等涉企经营和监管的信用信息实现实时共享，运用互联网、大数据、云计算和人工智能等新技术为金融机构、企业提供一站式信用大数据服务。

◆首个融媒体与大数据研究中心落户中国人民大学

1月22日，首个融媒体与大数据研究中心在中国人民大学举行挂牌仪式，成为国内首个以打造产学研相结合为特色的融媒体与大数据合作交流平台。中国人民大学文化产业研究院执行院长曾繁文表示，该研究中心首先要下大力气做好智库建设，成为融媒体发展和舆情大数据建设的核心智库。其次，整合资源做融媒体建设解决方案的提供商。同时，强化研究中心的辐射引领作用，为更多的地方政府和县域融媒体发展服务。

▌云计算

◆IDC公布中国云计算厂商份额数据

1月21日消息，市场研究机构IDC公布了2018年上半年中国公有云厂商市场份额数据。数据显示，阿里云、腾讯云和中国电信分列前三，分别是43%、112%和74%。阿里云的市场份额达到了第二名到第九名市场份额的总和，占据了中国云计算市场的半壁江山，这也是阿里云连续三年位居中国市场第一年。

◆启明星辰增资易捷思达，布局云计算

近日，启明星辰发布公告，为加强在信息安全方向布局的发展战略，决定由全资子公司向易捷思达增资5000万元。易捷思达成立于2014 年2月，由IBM中国研发中心OpenStack 核心研发团队创建，为企业级客户提供云计算产品与服务。启明星辰增资易捷思达，一方面，将利用易捷思达在云方面的积累，结合公司自身安全的能力，大力实践云安全；另一方面，公司提出的安全独立运营、安全技术的互联网+、人工智能化战略与云计算密不可分。

▌网络安全

◆爱尔兰调查Twitter数据泄露事件

1月26日消息，爱尔兰正在对Twitter的数据泄露事件发起调查。此前该机构收到Twitter的通知，称这家社交媒体网络发生了数据泄露事件。欧洲《通用数据保护条例》第33条规定，如果发生个人数据泄露事件，相关公司必须在了解情况后的72小时内上报监管方，并明确规定了要提交的资料数据和类型。违反隐私法可能会被处以最高达全球营收4%或2000万欧元的处罚，具体以数额更高者为准，而此前的罚款仅有数十万欧元。

◆国家网络安全产业园正式揭牌

1月21日，网络安全产业园入园企业座谈会在京举行, 在座谈会上，国家网络安全产业园区正式揭牌，包括360企业安全集团在内的10家网络安全企业签约入驻。国家网络安全产业园区的目标是将北京市建设成为国内领先、世界一流的网络安全产业集聚中心。预计，到2020年，产业园区内企业收入规模达到1000亿元；到2025年，将依托产业园区建成我国网络安全产业“五个基地”。

对于苏宁易购的成功案例，我们可以得到以下一些启示：

1 抓住市场机遇：苏宁易购凭借先进的技术和强大的资源优势，抓住电商行业的快速发展机遇，并积极拓展线上销售业务，实现了快速增长和成功转型。

2 以用户为中心：苏宁易购坚持以用户为中心的营销理念，注重用户体验和服务提升。通过不断创新和优化，提高产品质量、配送速度和售后服务，赢得了消费者的信任和忠诚度。

3 多元化营销策略：苏宁易购采用多元化的营销策略，如品牌推广、促销活动、社交媒体营销等，全面覆盖各个方面，从而提高消费者对公司的认知度和好感度，促进销售业绩的提升。

4 投资科技创新：苏宁易购注重科技创新，加大投入研发，不断引进新技术和新领域，积极探索智慧零售、物联网等新兴市场，提高企业的竞争力和抗风险能力。

综上所述，苏宁易购的成功经验告诉我们，要抓住市场机遇，以用户为中心，采用多元化的营销策略，并加大对科技创新的投入，从而有效提高企业的市场竞争力和业务表现。

---