全鏈路大數據

『壹』 優秀的互聯網金融公司，都是怎麼玩大數據風控的

現在一提起互聯網金融行業、Fintech領域，人工智慧、大數據風控的熱度就直線飆升。許多交易規模比較大的互聯網金融公司都在努力發展大數據風控技術，以構建提供普惠金融服務的能力。
那麼，這些優秀的互聯網金融公司，都是怎麼玩大數據風控的呢?
陸金所：KYC 2.0系統
精準判斷投資者的風險承受能力
陸金所自成立起就引進國際領先的第四代風險管理系統，借鑒平安集團經驗，形成了成熟的風險管理數據模型。其近日又推出了KYC 2.0系統，力求通過大數據技術、機器學習以及金融工程等方法，建立完整的互聯網財富管理平台投資者適當性管理體系，在資金端對投資者進行「精準畫像」，並提供智能推薦服務。
據了解，KYC2.0系統在原有的保守、穩健、平衡、成長、進取五大類型基礎上對投資者風險承受力評估結果進行量化，每位用戶都會獲得專屬的風險承受能力分值，又稱「堅果財智分」，對投資者風險承受能力的判斷更精準。
點評：量化數據信息，進行大數據建模。
風控最好的數據還是金融數據，例如年齡、收入、職業、學歷、資產、負債等信用數據，這些數據同信用相關度高，可以反映用戶的還款能力和還款意願，這些數據因子在風控模型中必不可少，權重也很高，是風險評估最好的數據。
所以，陸金所以平安集團經驗為基礎運用到的大數據風控，使用的是圍繞用戶周圍的信用數據，這些數據的特點是和用戶的信用情況高度相關，可以作為一個重要因子進行錄入，對其個人進行打分，再對其進行個體分析，最終得到一個綜合評分，這就對用戶進行了一個精準的風險承受能力評判。
民貸天下：拓寬數據維度
實現純線上智能化服務
民貸天下基於穩健、安全、規范的風控理念，其風控部門確定了「風控從嚴」原則，設定了借款審查、貸中管理、貸後跟蹤等風控流程。目前，民貸天下正全力推進全智能化建設，構造一個完整的、從資產端到平台端的全鏈路大數據風控系統，通過對人工智慧、大數據分析、知識圖譜、區塊鏈等技術的運用，為平台運營及業務發展提供強大動力。
在傳統數據之外，民貸天下還不斷拓展數據維度，如在用戶授權下，對用戶社交數據、訪問時間、相關認證、通訊記錄等數據整合分析，並且與螞蟻金服、芝麻信用、前海徵信、同盾等第三方機構緊密合作，進一步豐富對用戶的數據畫像，使民貸天下的大數據風控系統更加精準，從而實現從客戶申請、受理、審核、授信、放款到貸中貸後管理等純線上智能化服務。
點評：拓寬數據維度，是對傳統風控的補充。
傳統風控模型已經不能適應復雜的現代風險管理環境，特別在數據信息錄入維度上，影響用戶信用評分的信息較多，很多都沒有引入到風險評估流程。而大數據風控可以提供全面的數據(數據的廣度)，強相關數據(數據的深度)，實效性數據(數據的鮮活度)。
民貸天下利用這樣的大數據風控，通過與第三方合作等方式，將內部數據以及原有數據打通和整合之後，就會影響風險評估結果，提升信用風險管理水平，客觀地反映用戶風險水平。這些多維度、全面的信息正是大數據風控的優勢所在，同時也是對傳統風控一個很好的補充，進一步實現智能化服務。
真融寶：以數據介質為主
構建數據和模型演算法的核心技術
真融寶以數據介質為主，利用分布式計算處理數據，以公眾互聯網的全網為平台，以全網收集的數據來補充內部網集成的數據。並且在用戶數據方面，對每個新進用戶建立一份電子檔案，對每名用戶投資需求進行了解登記，並對每一筆資金進行多重備份，形成動態的用戶資金數據。
除此之外，真融寶還利用大數據進行決策，將金融活動轉化為智能數據處理活動，降低人為因素的干擾，提高風險評估、分析和預警能力，大數據提供的信息使得真融寶的決策更加科學智能化，對於風控的精準度控制起到非常大的幫助作用。
點評：數據和模型演算法，可建立實時風險管理視圖。
大數據的數據採集和計算能力，可以幫助企業建立實時的風險管理視圖。藉助於全面多緯度的數據、自我學習能力的風控模型、實時計算結果、壞種子數據，真融寶可以通過大量的數據累積，能夠產生出非常有效的識別客戶的能力，提升量化風險評估能力。
數據、技術、模型、分析將成為信用風險評估的四個關鍵元素，其背後的力量就是大數據的技術和分析能力。真融寶利用大數據的風控能力，實時輸出風險因子信息，提高了風險管理的及時性。
一直以來，風控都是金融機構的生命線。從陸金所、民貸天下、真融寶這三家互聯網金融公司為例，預計在未來，可能每家做借貸類的互聯網金融公司都會發展出屬於自己的一套大數據風控體系，並且隨著互聯創業公司的業務數據越來越大，數據基礎會逐漸扎實。

『貳』 全鏈路營銷是什麼意思

全鏈路營銷：實現「品—傳—銷」

阿里媽媽（Alimama）隸屬阿里巴巴集團，是國內領先的大數據營銷平台，擁有阿里巴巴集團的核心商業數據。每天有超過50億推廣流量完成超過3億件商品推廣展現，覆蓋高達98%的網民，實現數字媒體（PC端+無線端+互聯網電視端）。

2016年，阿里媽媽為商家打造基於「品」、「傳」、「銷」一體的全鏈路營銷解決方案，包括國內首個智能營銷展示平台「智鑽」；集合品牌專區+一夜霸屏+人群、專門為品牌客戶量身定製的「品銷寶」；數據化媒體商業流量管理平台AFP以及全民互動分享的營銷產品「分享賺」。

(2)全鏈路大數據擴展閱讀：

阿里模式

1、經營模式

阿里媽媽網站從2007年建立以來，一直以大膽、敢於創新的經營模式不斷發展變化著。

不斷地順應要求，改革網站的服務，並充分共用阿里巴巴網站和淘寶網站的客戶資源和網路產品資源，及時為商家和個人推出較新的廣告位和廣告信息，並推出按時長計費廣告、推介廣告、按成交計費廣告和按點擊計費等多種收費模式，充分考慮到客戶需求和計費方式的方便和利於操作性，很容易吸引較多的客戶。

2、技術模式

阿里媽媽主要是基於阿里巴巴網站技術模式，定位於系統運行的持續穩定性和安全性方面，阿里媽媽作為信息、廣告中介服務平台。

它的系統運行要求是嚴格的，通信系統採用互聯網和通訊網，在伺服器的構建上要保證交易信息在通信網路上的安全傳遞，並且保證資料庫伺服器的絕對安全，防止網路黑客的闖入破壞。

它的系統在抗侵入性、邊界伺服器、採用加密技術的信息完整性、用戶和話路的鑒別服務等方面有嚴格的要求。

基於阿里巴巴的阿里媽媽在身份驗證和安全監控上也有一些大的作為。在系統應用軟體方面，採用了網上信用管理系統、身份認證管理系統、網路監控管理系統和網路安全管理系統等，最大程度上來保證網站安全、數據安全、交易安全。

『叄』 怎麼看客戶經營大數據解決方案

WakeData客戶經營大來數據用數據連自接企業和客戶。而客戶經營大數據解決方案是指企業經營涉及的用戶群，全鏈路全場景全渠道的用戶數據，經過數據打通和數據加工處理，運用於精準營銷、客流運營、提升復購率、提升客單價、推薦服務和經營分析的大數據活動。幫助企業解決企業數據分散、割裂、場景多、採集難、無法打通、無法價值化、無法應用的尷尬。

『肆』 大數據培訓有哪些

1、北京千鋒教育

千鋒教育全稱北上海千鋒互聯科技有限公司一直「用良心做教育」，是中國移動互聯網研發人才一體化服務的領導者，打造移動互聯網高端研發人才服務。

『伍』 當下大數據發展的 8 個要點

作者 | 章劍鋒

筆者從 2008 年開始工作到現在也有 11 個年頭了，一路走來都在和數據打交道，做過大數據底層框架內核的開發（Hadoop，Pig，Tez，Spark，Livy），也做過上層大數據應用開發（寫 MapRece Job 做 ETL ，用 Hive 做 Ad hocquery，用 Tableau 做數據可視化，用 R 做數據分析）。今天我想藉此機會和大家聊聊我所理解的大數據現狀和未來。

首先讓我們來聊聊什麼是大數據。大數據這個概念已經出來很多年了（超過10年），但一直沒有一個准確的定義（也許也並不需要）。數據工程師（DataEngineer）對大數據的理解會更多從技術和系統的角度去理解，而數據分析人員（Data Analyst）對大數據理解會從產品的角度去理解，所以數據工程師（Data Engineer) 和數據分析人員（Data Analyst）所理解的大數據肯定是有差異的。我所理解的大數據是這樣的，大數據不是單一的一種技術或者產品，它是所有與數據相關的綜合學科。看大數據我會從 2 個維度來看，一個是數據流的維度（下圖的水平軸），另外一個是技術棧的維度（下圖的縱軸）。

其實我一直不太喜歡張口閉口講「大數據」，我更喜歡說「數據」。因為大數據的本質在於「數據」，而不是「大」。由於媒體一直重點宣揚大數據的「大」，所以有時候我們往往會忽然大數據的本質在「數據」，而不是「大」，「大」只是你看到的表相，本質還是數據自身。

在我們講清楚大數據的含義之後，我們來聊聊大數據目前到底處在一個什麼樣的位置。從歷史發展的角度來看，每一項新技術都會經歷下面這樣一個技術成熟度曲線。

當一項新技術剛出來的時候人們會非常樂觀，常常以為這項技術會給人類帶來巨大的變革，對此持有過高的期望，所以這項技術一開始會以非常快的速度受到大家追捧，然後到達一個頂峰，之後人們開始認識到這項新技術並沒有當初預想的那麼具有革命性，然後會過於悲觀，之後就會經歷泡沫階段。等沉寂一定階段之後，人們開始回歸理性，正視這項技術的價值，然後開始正確的應用這項技術，從此這項技術開始走向穩步向前發展的道路。（題外話，筆者在看這幅圖的時候也聯想到了一個男人對婚姻看法的曲線圖，大家自己腦補）。

1、從大數據的歷史來看，大數據已經經歷了 2 個重要階段

兩個重要階段是指過高期望的峰值和泡沫化的底谷期 。現在正處於穩步向前發展的階段。我們可以從 googletrend 上 big data 的曲線就能印證。大數據大約從 2009 年開始走向人們的視野，在 2015 年左右走向了頂峰，然後慢慢走向下降通道（當然這張曲線並不會和上面這張技術成熟度曲線完全擬合，比如技術曲線處在下降通道有可能會使討論這項技術的搜索量增加）。

接下來我想講一下我對大數據領域未來趨勢的幾個判斷。

2、數據規模會繼續擴大，大數據將繼續發揚光

前面已經提到過，大數據已經度過了過高期望的峰值和泡沫化的底谷期，現在正在穩步向前發展。做這樣判斷主要有以下 2 個原因：

上游數據規模會繼續增長，特別是由於 IOT 技術的發展和成熟，以及未來 5G 技術的鋪開。在可預測的未來，數據規模仍將繼續快速增長，這是能夠帶動大數據持續穩定向前發展的基本動力。 下游數據產業還有很多發展的空間，還有很多數據的價值我們沒有挖掘出來。

雖然現在人工智慧，區塊鏈搶去了大數據的風口位置，也許大數據成不了未來的主角，但大數據也絕對不是跑龍套的，大數據仍將扮演一個重要而基礎的角色。可以這么說，只要有數據在，大數據就永遠不會過時。我想在大部分人的有生之年，我們都會見證大數據的持續向上發展。

3、數據的實時性需求將更加突出

之前大數據遇到的最大挑戰在於數據規模大（所以大家會稱之為「大數據」），經過工業界多年的努力和實踐，規模大這個問題基本已經解決了。接下來幾年，更大的挑戰在於速度，也就是實時性。而大數據的實時性並不是指簡單的傳輸數據或者處理數據的實時性，而是從端到端的實時，任何一個步驟速度慢了，就影響整個大數據系統的實時性。所以大數據的實時性，包括以下幾個方面：

快速獲取和傳輸數據 快速計算處理數據 實時可視化數據 在線機器學習，實時更新機器學習模型

目前以 Kafka，Flink 為代表的流處理計算引擎已經為實時計算提供了堅實的底層技術支持，相信未來在實時可視化數據以及在線機器學習方面會有更多優秀的產品涌現出來。當大數據的實時性增強之後，在數據消費端會產生更多有價值的數據，從而形成一個更高效的數據閉環，促進整個數據流的良性發展。

4、大數據基礎設施往雲上遷移勢不可擋

目前IT基礎設施往雲上遷移不再是一個大家還需要爭論的問題，這是大勢所趨。當然我這邊說的雲並不單單指公有雲，也包括私有雲，混合雲。因為由於每個企業的業務屬性不同，對數據安全性的要求不同，不可能把所有的大數據設施都部署在公有雲上，但向雲上遷移這是一個未來註定的選擇。目前各大雲廠商都提供了各種各樣的大數據產品以滿足各種用戶需求，包括平台型（PAAS) 的 EMR ，服務型 (SAAS) 的數據可視化產品等等。大數據基礎設施的雲化對大數據技術和產品產生也有相應的影響。大數據領域的框架和產品將更加 Cloud Native 。

計算和存儲的分離。我們知道每個公有雲都有自己對應的分布式存儲，比如 AWS 的 S3 。 S3 在一些場合可以替換我們所熟知的 HDFS ，而且成本更低。而 S3 的物理存儲並不是在 EC2 上面，對 EC2 來說， S3 是 remote storage 。所以如果你要是 AWS 上面做大數據開發和應用，而且你的數據是在 S3 上，那麼你就自然而然用到了計算和存儲的分離。 擁抱容器，與 Kubernate 的整合大勢所趨，我們知道在雲環境中 Kuberneate 基本上已經是容器資源調度的標准。 更具有彈性（Elastic）。 與雲上其他產品和服務整合更加緊密。

5、大數據產品全鏈路化

全鏈路化是指提供端到端的全鏈路解決方案，而不是簡單的堆積一些大數據產品組件。以 Hadoop 為代表的大數據產品一直被人詬病的主要問題就是用戶使用門檻過高，二次開發成本太高。全鏈路化就是為了解決這一問題，用戶需要的並不是 Hadoop，Spark，Flink 等這些技術，而是要以這些技術為基礎的能解決業務問題的產品。 Cloudera 的從 Edge 到 AI 是我比較認同的方案。大數據的價值並不是數據本身，而是數據背後所隱藏的對業務有影響的信息和知識。下面是一張摘自 wikipedia 的經典數據金字塔的圖。

大數據技術就是對最原始的數據進行不斷處理加工提煉，金字塔每上去一層，對應的數據量會越小，同時對業務的影響價值會更大更快。而要從數據（Data) 最終提煉出智慧（Wisdom），數據要經過一條很長的數據流鏈路，沒有一套完整的系統保證整條鏈路的高效運轉是很難保證最終從數據中提煉出來有價值的東西的，所以大數據未來產品全鏈路化是另外一個大的趨勢。

6、大數據技術往下游數據消費和應用端轉移

上面講到了大數據的全鏈路發展趨勢，那麼這條長長的數據鏈路目前的狀況是如何，未來又會有什麼樣的趨勢呢？

我的判斷是未來大數據技術的創新和發力會更多的轉移到下游數據消費和應用端。之前十多年大數據的發展主要集中在底層的框架，比如最開始引領大數據風潮的 Hadoop ，後來的計算引擎佼佼者 Spark，Flink 以及消息中間件 Kafka ，資源調度器 Kubernetes 等等，每個細分領域都涌現出了一系列優秀的產品。總的來說，在底層技術框架這塊，大數據領域已經基本打好了基礎，接下來要做的是如何利用這些技術為企業提供最佳用戶體驗的產品，以解決用戶的實際業務問題，或者說未來大數據的側重點將從底層走向上層。之前的大數據創新更偏向於 IAAS 和 PAAS ，未來你將看到更多 SAAS 類型的大數據產品和創新。從近期一些國外廠商的收購案例，我們可以略微看出一些端倪。1、2019 年 6 月 7 日，谷歌宣布以 26 億美元收購了數據分析公司 Looker，並將該公司並入 Google Cloud。2、2019 年 6 月 10 日，Salesforce 宣布以 157 億美元的全股票交易收購 Tableau ，旨在夯實在數據可視化以及幫助企業解讀所使用和所積累的海量數據的其他工具方面的工作。3、2019 年 9 月初，Cloudera 宣布收購 Arcadia Data 。 Arcadia Data 是一家雲原生 AI 驅動的商業智能實時分析廠商。面對最終用戶的大數據產品將是未來大數據競爭的重點，我相信會未來大數據領域的創新也將來源於此，未來 5 年內大概率至少還會再出一個類似 Looker 這樣的公司，但是很難再出一個類似 Spark 的計算引擎。

7、底層技術的集中化和上層應用的全面開花

學習過大數據的人都會感嘆大數據領域的東西真是多，特別是底層技術，感覺學都學不來。經過多年的廝殺和競爭，很多優秀的產品已經脫穎而出，也有很多產品慢慢走向消亡。比如批處理領域的 Spark 引擎基本上已經成為批處理領域的佼佼者，傳統的 MapRece 除了一些舊有的系統，基本不太可能會開發新的 MapRece 應用。 Flink 也基本上成為低延遲流處理領域的不二選擇，原有的 Storm 系統也開始慢慢退出歷史舞台。同樣 Kafka 也在消息中間件領域基本上占據了壟斷地位。未來的底層大數據生態圈中將不再有那麼多的新的技術和框架，每個細分領域都將優勝劣汰，走向成熟，更加集中化。未來更大的創新將更多來來自上層應用或者全鏈路的整合方面。在大數據的上層應用方面未來將會迎來有更多的創新和發展，比如基於大數據上的BI產品， AI 產品等等，某個垂直領域的大數據應用等等，我相信未來我們會看到更多這方面的創新和發展。

8、開源閉源並駕齊驅

大數據領域並不是只有 Hadoop，Spark，Flink 等這類大家耳熟能詳的開源產品，還有很多優秀的閉源產品，比如 AWS 上的 Redshift ，阿里的 MaxCompute 等等。這些產品雖然沒有開源產品那麼受開發者歡迎，但是他們對於很多非互聯網企業來說是非常受歡迎的。因為對於一個企業來說，採用哪種大數據產品有很多因素需要考慮，否開源並不是唯一標准。產品是否穩定，是否有商業公司支持，是否足夠安全，是否能和現有系統整合等等往往是某些企業更需要考慮的東西，而閉源產品往往在這類企業級產品特性上具有優勢。

最近幾年開源產品受公有雲的影響非常大，公有雲可以無償享受開源的成果，搶走了開源產品背後的商業公司很多市場份額，所以最近很多開源產品背後的商業公司開始改變策略，有些甚至修改了 Licence 。不過我覺得公有雲廠商不會殺死那些開源產品背後的商業公司，否則就是殺雞取卵，殺死開源產品背後的商業公司，其實就是殺死開源產品的最大技術創新者，也就是殺死開源產品本身。我相信開源界和公有雲廠商最終會取得一個平衡，開源仍然會是一個主流，仍然會是創新的主力，一些優秀的閉源產品同樣也會占據一定的市場空間。

最後我想再次總結下本文的幾個要點：

1、目前大數據已經度過了最火的峰值期和泡沫化的底谷期，現在正處於穩步向前發展的階段。2、數據規模會繼續擴大，大數據將繼續發揚光大3、 數據的實時性需求將更加突出4、大數據基礎設施往雲上遷移勢不可擋5、大數據產品全鏈路化6、大數據技術往下游數據消費和應用端轉移7、底層技術的集中化和上層應用的全面開花8、開源閉源並駕齊驅

『陸』 大數據操作系統哪家的好百分點的有什麼優勢

百分點的大數據操作系統據有全鏈路數據生命周期管理，統一的數據治理體系，提供便捷的數據開放共享平台，還有一站式模型生命周期管理等，技術專業，比較推薦

『柒』 客戶經營大數據是什麼

WakeData惟客數據提出的概念，這套方案包含了大數據平台、中台工具、中台應用三大模塊的應用和服務，很適合一些需要做線下數字化轉型的企業。

『捌』 網路全鏈路營銷是什麼

全鏈路整合營銷是圍點營銷從整合營銷細化出來的一種營銷戰術，在這些碎片化中根據一定的規則來鏈接用戶行為習慣

『玖』 數據驅動全鏈路啥意思

數據驅動業務增長」是以企業產品業務線海量數據的收集、存儲、可視化、分析、挖掘作為核心支撐的，全體業務線人員參與的，以精準、細分和精細化為特點的運營戰略。

即針對運營、產品、市場、客服等部門的運營數據，通過可視化、可量化、可細化、可預測等一系列數據分析方法論以及理論、經驗等來進行業務分析，挖掘業務增長點。

具體的主要以「產品以及官網流量數據分析、目標用戶行為數據分析、目標用戶群轉化分析、活動營銷策劃推廣數據分析、用戶畫像數據分析、產品功能優化迭代、競爭調研以及監控數據分析、渠道效果分析等」。

而面對海量的數據，還是有很多人不知道從如何著手、如何開展，如何得出結論。

下面梳理探討一下「數據驅動業務增長」的底層邏輯思維，希望在數據驅動業務增長的實際應用中能給大家擴展一下思路。

01
那麼，首先來看一下何為「底層邏輯」呢？

底層邏輯，廣義上關於某種事物的認知，狹義上對於具體到某個產品的規則。在《底層邏輯》這本書里如是寫道：所謂底層邏輯，就是從事物的底層、本質出發，尋找解決問題路徑的思維方法。底層邏輯越堅固，解決問題的能力也就越強。

其實當我們在思考問題時，首先的核心切入點，從這個點開始思考所作出之後的決定，當圍繞著底層邏輯思考時，做出的決定才是和初心一致，最貼合內心的，也是真實的人性反饋。

而在商業系統里的定位就是從底層邏輯為思考核心。比如騰訊，在早期，它的底層邏輯就是創造一個可以讓人與人交流的軟體。從這個邏輯上確定的定位就是「連接」。連接人與人，連接人與物，連接物與物，連接世界就是從這個底層邏輯上生發出來的商業路徑。

也可以說，底層邏輯是事物基本的驅動力（在這里不做詳情探討，只要了解底層邏輯的概念）。

02
接下來，我們來看一下以數據驅動業務增長的3個底層邏輯。

1. 數據分析基本步驟

所有數據分析都應該以業務場景為起始思考點，以業務決策作為終點。都繞不開是多少、是什麼、為什麼、會怎樣、又如何。

基於此，數據分析的五個基本步驟：

第一步，首先挖掘業務含義，理解數據分析的背景、前提以及想要關聯的業務場景結果是什麼。
第二步，需要收集整理數據，梳理用戶行為路徑。
第三步，從業務場景中拆分出需要的數據，將數據可視化，落地分析原因。
第四步，從數據結果中，判斷提煉出業務洞察，預測可能會發生的結果。
第五步，根據數據結果洞察分析，最終產出業務決策。
例如，互聯網HR考勤類網站，渠道運營在網路和 360搜索上都有持續的廣告投放，為官網引流。

最近領導建議嘗試投放神馬搜索渠道獲取流量，另外也需要評估是否加入知乎、今日頭條進行深度廣告投放。

在這種多渠道的投放場景下，如何進行深度決策？我們按照上面數據分析流程的五個基本步驟來拆解一下這個問題。

第一步：挖掘業務含義

首先要了解渠道人員想優化什麼，並以此為北極星指標去衡量。

對於渠道效果評估，重要的是業務轉化：對hr考勤類網站來說，是否「創建企業」要遠重要於 「訪問用戶數量」 。所以無論是神馬移動搜索還是知乎、今日頭條渠道，重點在於如何通過數據手段衡量轉化效果；也可以進一步根據轉化效果，優化不同渠道的運營策略。

『拾』 全鏈路營銷有哪些

全鏈路營銷：實現「品—傳—銷」

阿里媽媽（Alimama）隸屬阿里巴巴集團，是國內領先的大數據營銷平台，擁有阿里巴巴集團的核心商業數據。每天有超過50億推廣流量完成超過3億件商品推廣展現，覆蓋高達98%的網民，實現數字媒體（PC端+無線端+互聯網電視端）。

2016年，阿里媽媽為商家打造基於「品」、「傳」、「銷」一體的全鏈路營銷解決方案，包括國內首個智能營銷展示平台「智鑽」；集合品牌專區+一夜霸屏+人群、專門為品牌客戶量身定製的「品銷寶」；數據化媒體商業流量管理平台AFP以及全民互動分享的營銷產品「分享賺」。

「內容+流量+電商」