出海數(shù)字化那些事（一）：你真的不需要數(shù)據(jù)嗎？

近年來數(shù)字化轉(zhuǎn)型變成一個(gè)非常大的趨勢(shì)，在這個(gè)大趨勢(shì)之下，其實(shí)很多出海的企業(yè)（無論是賣家還是服務(wù)商），常常把一句話掛在嘴邊：“我們有那么多的數(shù)據(jù)，出海要把這些數(shù)據(jù)用起來呀！”

圖片來源：紛析咨詢

確實(shí)賣家們，服務(wù)商們都有很多的數(shù)據(jù)，但這些數(shù)據(jù)在出海的路徑上沒有成為一個(gè)行業(yè)標(biāo)準(zhǔn)。

到底是為什么呢？

會(huì)不會(huì)是——其實(shí)我們根本沒有用好，或者知道數(shù)據(jù)的用法？

你到底擁有的是數(shù)據(jù)垃圾還是數(shù)據(jù)資產(chǎn)，這是一個(gè)問題。

數(shù)據(jù)絕對(duì)不都是資產(chǎn)，更多數(shù)據(jù)是垃圾。

沒有處理過的，其實(shí)只是信息，而不是數(shù)據(jù)。

圖片來源：紛析咨詢

大數(shù)據(jù)時(shí)代的一個(gè)最大的公眾誤解，就是讓人們以為有這么一個(gè)萬(wàn)能的數(shù)據(jù)解構(gòu)者，能夠在容納了海量的數(shù)據(jù)之后，產(chǎn)生出人類所不能企及的智慧與洞察。

但可惜，數(shù)據(jù)越大，可能包含的垃圾越多，大數(shù)據(jù)并不可能化腐朽為神奇，它只能在海量高質(zhì)量數(shù)據(jù)的基礎(chǔ)下產(chǎn)生作用。

但是現(xiàn)實(shí)世界中，并沒有那么多唾手可得的高質(zhì)量數(shù)據(jù)。

大部分的數(shù)據(jù)保質(zhì)期都非常短暫，絕大部分的數(shù)據(jù)還不如Device ID的生命周期長(zhǎng)。比如，DMP中的人的興趣標(biāo)簽、在自有觸點(diǎn)上抓取的用戶行為數(shù)據(jù)、消費(fèi)者提交的leads……

并不長(zhǎng)久的保質(zhì)期，意味著手上握有海量數(shù)據(jù)的廣告主，或許并沒有多少真正可用的數(shù)據(jù)。

或者說，你的數(shù)據(jù)若要成為資產(chǎn)，不可能是死水一潭，而必須不斷更新，有進(jìn)（更新的數(shù)據(jù)）有出（過期的數(shù)據(jù)）。

最常見的一個(gè)誤解，就是我們以為數(shù)據(jù)資產(chǎn)是一個(gè)靜態(tài)的東西，但實(shí)際上，它根本就如同永不停歇的軌道列車——存一潭死水容易，玩轉(zhuǎn)一個(gè)軌道交通系統(tǒng)則太難！

隨著大數(shù)據(jù)與云計(jì)算的發(fā)展，我們企業(yè)能夠獲取的數(shù)據(jù)量越來越大、數(shù)據(jù)維度也越來越豐富。與此同時(shí)，幫助我們挖掘數(shù)據(jù)、分析數(shù)據(jù)的工具也越來越強(qiáng)大，比如大家所熟知的各種云平臺(tái)和大數(shù)據(jù)平臺(tái)。

在模型算法方面，業(yè)界和學(xué)界也投入了很多資源來進(jìn)行開發(fā)和迭代，因此各種新的模型和算法源源不斷地被開發(fā)完善，發(fā)展速度非?？?。

在這個(gè)背景下, 當(dāng)企業(yè)擁有了足夠的數(shù)據(jù)、或者有能力去收集相當(dāng)數(shù)量的數(shù)據(jù)，智能化運(yùn)營(yíng)手段即成為企業(yè)增長(zhǎng)的一大探索點(diǎn)。

建立數(shù)據(jù)資產(chǎn)的難度，也不在于獲取數(shù)據(jù)本身，更在于數(shù)據(jù)體系的規(guī)劃——沒有好的規(guī)劃，獲取來的數(shù)據(jù)就可能不是資產(chǎn)，而是垃圾。

最典型的現(xiàn)象，是數(shù)據(jù)源頭構(gòu)建的隨意性。

舉一個(gè)例子，很多企業(yè)有兩大類數(shù)據(jù)，第一類，是企業(yè)的客戶信息，CRM中的客戶數(shù)據(jù)，以及Leads數(shù)據(jù)，這些數(shù)據(jù)已經(jīng)很成熟，它們等同于收入數(shù)據(jù)。第二類，則是各種外部第三方工具“幫助”企業(yè)抓取的，各種營(yíng)銷運(yùn)營(yíng)觸點(diǎn)上的數(shù)據(jù)，這些數(shù)據(jù)最常見的命運(yùn)，就是成為各種各樣的報(bào)表。

最為典型的是數(shù)據(jù)源構(gòu)造的隨意性。

例如，許多企業(yè)擁有兩大類數(shù)據(jù)，第一類數(shù)據(jù)是企業(yè)的客戶信息， CRM中的客戶數(shù)據(jù)，以及與收入數(shù)據(jù)等效的成熟的 Leads數(shù)據(jù)。其次，是各種外部第三方工具“幫助”企業(yè)抓取、各種營(yíng)銷運(yùn)營(yíng)觸點(diǎn)上的數(shù)據(jù)，這些數(shù)據(jù)最常見的命運(yùn)，就是變成各種報(bào)表。

圖片來源：紛析咨詢

那些報(bào)告，很少一部分在短時(shí)間內(nèi)被利用后，會(huì)隨著更多的報(bào)告一起出現(xiàn)，即使人們只看一眼，就進(jìn)入了數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)永遠(yuǎn)不會(huì)打開，直到死亡。

事實(shí)上，這些報(bào)告背后的原始數(shù)據(jù)更有價(jià)值，更接近數(shù)據(jù)資產(chǎn)的一部分，也隨之進(jìn)入企業(yè)精心構(gòu)建的各種“數(shù)據(jù)倉(cāng)庫(kù)”、“數(shù)據(jù)湖”、“大數(shù)據(jù)系統(tǒng)”，然后又同樣陷入沉睡。

圖片來源：紛析咨詢

更有甚者，這些數(shù)據(jù)天生就是由不同部門擁有的不同的第三方工具獲取的，它們之間沒有聯(lián)系，互相獨(dú)立，但都會(huì)信誓旦旦地說：“我的工具可以輸出數(shù)據(jù)，而且可以與其他工具的數(shù)據(jù)進(jìn)行無縫連接?！钡菃栴}是，沒有哪個(gè)工具能容納其他工具的數(shù)據(jù)，每個(gè)人都能輸出數(shù)據(jù)，這是對(duì)的，但是為了最終實(shí)現(xiàn)數(shù)據(jù)打通，這些工具都不會(huì)愿意去做。

不過，商家的老板們還是放心了，畢竟，所有的數(shù)據(jù)都保存在“大數(shù)據(jù)系統(tǒng)”中，就像紙幣存在銀行中一樣安全。當(dāng)需要打通這些數(shù)據(jù)時(shí)，技術(shù)同事是否應(yīng)該將其打通呢？

所以，有一天，當(dāng)老板要求使用某些數(shù)據(jù)時(shí)， IT部門的同事又要在這些系統(tǒng)里寫各種程序翻找數(shù)據(jù)，卻發(fā)現(xiàn)，并非某些數(shù)據(jù)沒有，而是數(shù)據(jù)打不開，或者是無法進(jìn)行下鉆細(xì)分。這樣，萎靡不振的報(bào)告，只能給出一個(gè)大概湊合用的數(shù)據(jù)了。

我們?yōu)槟阗I了這么多的工具，抓到這么多的數(shù)據(jù)，建了這么大的數(shù)據(jù)庫(kù)，居然，跟我說，這是為了你，還是為了你？！

技術(shù)員心里想：“mmp能給一個(gè)大概可以使用的數(shù)據(jù)已經(jīng)拼過老命了！”

但是，我們不知道這其中最諷刺的是，工具越多，壞的數(shù)據(jù)就越多，這是最糟糕的事情。雖然工具雖然強(qiáng)大，但是它們彼此之間并不相關(guān)，工具越多反而越糟；數(shù)據(jù)越多，卻無法打通，越積攢越多，處理越困難，存儲(chǔ)空間就越大。

大多數(shù)企業(yè)內(nèi)部，要么沒有數(shù)據(jù)，要么數(shù)據(jù)孤島重重。在數(shù)據(jù)孤島形成的背后，數(shù)據(jù)系統(tǒng)缺乏規(guī)劃。

圖片來源：GrowingIO

有一個(gè)很重要的問題是，既然各種數(shù)據(jù)工具收集的數(shù)據(jù)可以導(dǎo)入到企業(yè)數(shù)據(jù)中臺(tái)，并且都被引導(dǎo)出來了，為什么這些數(shù)據(jù)不能打通呢？

兩個(gè)理由。

第一，缺少打通數(shù)據(jù)所需的主鍵(這正是我們說過的One-ID)。

圖片來源：紛析咨詢

第二，即使有主鍵，對(duì)這么多工具的數(shù)據(jù)表進(jìn)行清理、去重、打通，這是多么龐大和容易出錯(cuò)的工程。Vlookup公式使用 Excel并不那么簡(jiǎn)單。也就是說，理論上沒有問題，落地的可行性很差。多數(shù)情況下，只能是需要什么數(shù)據(jù)，找這些數(shù)據(jù)再暫時(shí)與其他相關(guān)數(shù)據(jù)對(duì)接打通， case by case，暫時(shí)解決就好了。

圖片來源：紛析咨詢

所以，沒有數(shù)據(jù)能力，什么數(shù)據(jù)資產(chǎn)都無從談起。

具體地說，近年來，許多企業(yè)都通過 BI (Business Intelligence，商業(yè)智能)工具獲得了許多有意義的洞察和成長(zhǎng)。

但是因?yàn)?BI工具是由一個(gè)分析員設(shè)計(jì)的，再由一個(gè)操作員來操作的分析工具，所以從人力投入和使用的角度來說， BI工具所做的分析通常并不特別復(fù)雜，可能只是一些低維的，如一維，二維的分析。

相對(duì)來說，我們今天所分享的機(jī)器學(xué)習(xí)和人工智能模型所能處理的數(shù)據(jù)量之大，維度之高，所能挖掘的數(shù)據(jù)與數(shù)據(jù)之間關(guān)系的復(fù)雜性，都遠(yuǎn)遠(yuǎn)超出了我們普通人能夠理解的范圍。

例如，普通的集成學(xué)習(xí)(ensemble model)、深度學(xué)習(xí)、前幾年被人們所熟知的在下棋應(yīng)用中非常成功的強(qiáng)化學(xué)習(xí)模型、 GAN模型等，這些都是去年人們非常關(guān)注的換臉技術(shù)背后的技術(shù)。因此，我們將面臨這樣一個(gè)問題：如何在我們的業(yè)務(wù)系統(tǒng)中應(yīng)用這些理解不良但功能強(qiáng)大的工具。

本文將圍繞這一主題，按下圖分析模型驅(qū)動(dòng)項(xiàng)目的關(guān)鍵步驟，探討一下大家在實(shí)際出海模型操作或出海項(xiàng)目管理過程中少走彎路。

圖片出處：Google

到底什么是數(shù)據(jù)能力？

我們對(duì)此和目前大家在出海上的理解有些不一樣。資料的獲取、處理、運(yùn)用等能力，通常被視為技術(shù)能力。

但是我認(rèn)為，數(shù)據(jù)能力還有另外一個(gè)很重要的方面，就是容易被忽視，從而導(dǎo)致即使把技術(shù)處理好了，企業(yè)仍然沒有數(shù)據(jù)能力。

首先，是一個(gè)數(shù)據(jù)規(guī)劃系統(tǒng)。這個(gè)問題，前面已經(jīng)談過了。為什麼很少有企業(yè)能規(guī)劃出自己的數(shù)據(jù)系統(tǒng)，而更多的企業(yè)卻在不停地堆積數(shù)據(jù)？

由于業(yè)務(wù)需求總是迫在眉睫，成系統(tǒng)地構(gòu)建數(shù)據(jù)系統(tǒng)既需要時(shí)間，也需要大量資源，更需要說服老板，所以不是業(yè)務(wù)部門能夠控制的。于是就有了這幾年開始被炒的數(shù)據(jù)中臺(tái)，而且數(shù)據(jù)中臺(tái)基本上只有阿里騰訊這樣的大廠去忽悠，因?yàn)檫@些大廠都是賣給大老板的東西。

于是，也就有了在市場(chǎng)和運(yùn)營(yíng)系統(tǒng)中同樣被追捧的 CDP。本質(zhì)上， CDP是一個(gè)多渠道多接觸的數(shù)據(jù)獲取、組織、應(yīng)用系統(tǒng)，以及自帶的數(shù)據(jù)打通整合功能，因此，它本身也是一個(gè)自帶數(shù)據(jù)系統(tǒng)的工具，天然就是反數(shù)據(jù)孤島。

盡管這兩種方法都有助于數(shù)據(jù)規(guī)劃，但我對(duì)數(shù)據(jù)中臺(tái)和 CDP的看法不同。這篇文章沒有提到具體的原因，有時(shí)間的話我們會(huì)再講一篇我們的看法。下面簡(jiǎn)單的解釋一下，數(shù)據(jù)中臺(tái)，很多企業(yè)基礎(chǔ)不行，做不來，用不上。相對(duì)來說， CDP比較容易使用，業(yè)務(wù)領(lǐng)域也更加集中，使用的可能性也更大，雖然還不簡(jiǎn)單，但至少比Database中的臺(tái)面要現(xiàn)實(shí)。

其次，是數(shù)據(jù)運(yùn)營(yíng)系統(tǒng)。

對(duì)這一點(diǎn)，企業(yè)比以往更缺乏認(rèn)識(shí)。何謂數(shù)據(jù)操作系統(tǒng)？簡(jiǎn)言之，就是沒有操作，沒有數(shù)據(jù)，沒有數(shù)據(jù)資產(chǎn)。

最為典型的是：我們通常認(rèn)為數(shù)據(jù)獲取是技術(shù)性的。但是，事實(shí)上，這更是一項(xiàng)業(yè)務(wù)。就拿它來說在我們建站的獨(dú)立站上，我花了一百萬(wàn)購(gòu)買了大量的流量，然后進(jìn)入我的觸點(diǎn)。您花費(fèi)相同的錢購(gòu)買相同的流量，然后進(jìn)入獨(dú)立站。我們獨(dú)立站有很多設(shè)計(jì)都是為用戶提供交互的，而你的獨(dú)立站，基本上就是讓用戶瀏覽圖片和文本。兩者在數(shù)據(jù)收集方面都有明顯的不同：我的設(shè)計(jì)能夠收集到更多的用戶交互行為數(shù)據(jù)，而在此基礎(chǔ)上，是靠操作能力。

圖片來源：紛析咨詢

另外，要打通數(shù)據(jù)，還需要操作。

和許多企業(yè)的認(rèn)識(shí)不同，打通數(shù)據(jù)并不主要是一項(xiàng)技術(shù)工作，而是需要讓用戶留下聯(lián)系方式，通過聯(lián)系方式打通不同平臺(tái)和接觸點(diǎn)的不同 ID。我們之前提到過，聯(lián)系方式是連接數(shù)據(jù)所必須使用的主鍵。除了這些以外，其他打通數(shù)據(jù)的方法，都是不實(shí)際或不可靠的。

但要想得到消費(fèi)者的聯(lián)系方式，不能偷也不能搶，一定要讓消費(fèi)者愿意提供，這還需要靠操作。也就是，過去我們策劃的營(yíng)銷系統(tǒng)，或者是特定于一項(xiàng)活動(dòng)的營(yíng)銷，很少考慮如何獲得數(shù)據(jù)，如何應(yīng)用數(shù)據(jù)。但如今，營(yíng)銷系統(tǒng)，或營(yíng)銷活動(dòng)，如果無法獲取足夠的消費(fèi)者數(shù)據(jù)，那么其價(jià)值就折損了一半。

即便這些數(shù)據(jù)有條不紊，也沒有任何意義。沒有對(duì)數(shù)據(jù)的應(yīng)用進(jìn)行仔細(xì)考慮，數(shù)據(jù)就會(huì)最終過期，并被扔進(jìn)垃圾堆。

信息流動(dòng)應(yīng)用的話題太多，但具體到數(shù)字營(yíng)銷和運(yùn)營(yíng)領(lǐng)域，應(yīng)用場(chǎng)景也是多種多樣。

例如，現(xiàn)在企業(yè)自己獲取的其中一方消費(fèi)者數(shù)據(jù)有很多應(yīng)用場(chǎng)景：利用第一方數(shù)據(jù)進(jìn)行廣告投放、整合消費(fèi)者多觸點(diǎn)(反向營(yíng)銷)、私域生態(tài)私域運(yùn)營(yíng)、動(dòng)態(tài)營(yíng)銷自動(dòng)化、目標(biāo)明確的推薦、消費(fèi)者/客戶生命周期運(yùn)營(yíng)，等等。

這個(gè)狀況和你的生意有關(guān)嗎？

更有甚者，數(shù)據(jù)最終會(huì)以報(bào)告的形式出現(xiàn)在老板的屏幕上，即使是大數(shù)據(jù)，也會(huì)被理解為“dashboard大屏”，就像沒有顯示，沒有數(shù)據(jù)，也不存在。

遠(yuǎn)離數(shù)據(jù)報(bào)告、 dashboard、 BI或數(shù)據(jù)挖掘，數(shù)據(jù)資產(chǎn)遠(yuǎn)不是數(shù)據(jù)報(bào)告、 BI或數(shù)據(jù)挖掘，而是真正能應(yīng)用到特定場(chǎng)景、驅(qū)動(dòng)特定業(yè)務(wù)(尤其是客戶運(yùn)營(yíng))的物質(zhì)。既然不能釋放更多的能量，為什么還要說它的資產(chǎn)？

所以，數(shù)據(jù)資產(chǎn)的邏輯描述如下：

上圖：傳統(tǒng)的消費(fèi)市場(chǎng)運(yùn)營(yíng)系統(tǒng)只是藍(lán)框中的一部分，但是為了積累數(shù)據(jù)資產(chǎn)，必然要包含更多的數(shù)據(jù)運(yùn)營(yíng)部分。

運(yùn)用數(shù)據(jù)需要花費(fèi)大量的時(shí)間和精力來規(guī)劃數(shù)據(jù)系統(tǒng)，需要花費(fèi)大量的時(shí)間和精力來開發(fā)具有抵抗數(shù)據(jù)孤島能力的工具，但是更重要的是，還需要花費(fèi)大量的時(shí)間和能力來建立自己的操作系統(tǒng)，以及擁有將數(shù)據(jù)與業(yè)務(wù)結(jié)合起來的戰(zhàn)略人才。這一切，都很寒冷。

因此，將數(shù)據(jù)轉(zhuǎn)化為資產(chǎn)并不是一夜之間的事情，也沒有幾個(gè)數(shù)據(jù)系統(tǒng)工具可以解決。實(shí)際上，這是當(dāng)今企業(yè)數(shù)字化轉(zhuǎn)型的核心問題。

說到這兒，今天的主題，也就是如何應(yīng)用數(shù)據(jù)資產(chǎn)來做一個(gè)開場(chǎng)白。而下一個(gè)問題，則是許多出海朋友共同關(guān)心的一個(gè)話題——如何出海路上，應(yīng)用數(shù)據(jù)資產(chǎn)。

數(shù)據(jù)采集及標(biāo)準(zhǔn)化

當(dāng)我們擁有大體方案后，下一步就是進(jìn)行數(shù)據(jù)采集。我們提前部署了客戶數(shù)據(jù)平臺(tái)（CDP） ，當(dāng)獨(dú)立站用戶數(shù)據(jù)已經(jīng)封裝在我們的客戶數(shù)據(jù)平臺(tái)中。這些標(biāo)準(zhǔn)化后的數(shù)據(jù)是可以直接使用的。

而對(duì)于新的客戶，除了數(shù)據(jù)拉通外，我們還需要進(jìn)行數(shù)據(jù)清洗與流程標(biāo)準(zhǔn)化，這個(gè)階段的速度會(huì)相對(duì)緩慢。

數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是整個(gè)建模過程中最耗費(fèi)時(shí)間，也是實(shí)現(xiàn)項(xiàng)目成功、確保模型精確度的關(guān)鍵一步。

以零售行業(yè)為例，假設(shè)某零售客戶希望能夠預(yù)測(cè)哪些用戶會(huì)到店購(gòu)買，或者預(yù)測(cè)他們未來會(huì)購(gòu)買哪個(gè)品牌、哪個(gè)品類等等。

通常情況下，我們所采集的零售數(shù)據(jù)都是一些交易數(shù)據(jù)，這些數(shù)據(jù)記錄了一筆又一筆的用戶消費(fèi)信息。

我們要做的是預(yù)測(cè)未來哪些用戶會(huì)產(chǎn)生購(gòu)買轉(zhuǎn)化行為，而過往的用戶消費(fèi)數(shù)據(jù)可能蘊(yùn)含著這些信息。因此我們需要把這些交易數(shù)據(jù)轉(zhuǎn)化為用戶特征和商品特征，以便輸入到我們的預(yù)測(cè)模型中。

算法-模型驗(yàn)證-輸出管理

在預(yù)測(cè)哪些用戶可能會(huì)轉(zhuǎn)化的場(chǎng)景中，我們通常采用 1 或 0 的二分類模型。

當(dāng)場(chǎng)景比較復(fù)雜、牽涉到種類較多的商品或物品時(shí)，我們可以做一些多分類模型深入展開。比如做電商平臺(tái)的購(gòu)買推薦時(shí)，面對(duì)過多的商品種類，可以通過個(gè)性化推薦實(shí)現(xiàn)“千人千面”的推薦效果。

基于以上四個(gè)步驟初步搭建好模型后，我們需要做很多的離線檢驗(yàn)以進(jìn)行模型驗(yàn)證。

整個(gè)過程結(jié)束以后，我們會(huì)對(duì)驗(yàn)證后的模型做一些畫像，以更好地理解模型背后的邏輯。同時(shí)，模型畫像也能夠幫助我們確定整體的營(yíng)銷策略。

激活及在線檢驗(yàn)

至此，大家對(duì)這個(gè)模型也有一定程度的了解、精度也能得到保障，模型就可以上線了。上線后，我們也會(huì)在線上做一些相應(yīng)的檢測(cè)，并把整個(gè)流程固化下來，使它變成一個(gè)自動(dòng)化模型產(chǎn)品。同時(shí)，我們也會(huì)依照業(yè)務(wù)的需求以一定的節(jié)奏讓模型保持自動(dòng)更新。

一個(gè)成功的數(shù)據(jù)模型，往往是商業(yè)洞察、數(shù)據(jù)、算法三者相互作用的結(jié)果。業(yè)務(wù)目標(biāo)決定了我們需要采集什么數(shù)據(jù)、使用什么算法、做什么驗(yàn)證以及制定什么策略。總而言之，業(yè)務(wù)目標(biāo)是一個(gè)根本性的驅(qū)動(dòng)因素。

業(yè)務(wù)場(chǎng)景通常來說是多種多樣的，因此我們需要根據(jù)客戶的需求對(duì)建模過程進(jìn)行一些微調(diào)。

對(duì)于用戶運(yùn)營(yíng)的同學(xué)，他們可能需要拉新、留存、預(yù)測(cè)流失用戶并作出預(yù)警；對(duì)于業(yè)務(wù)前端的同學(xué)，他們需要制定合理的定價(jià)策略并進(jìn)行促銷；對(duì)于負(fù)責(zé)廣告業(yè)務(wù)的同學(xué)，他們需要評(píng)估廣告渠道的效率，以此產(chǎn)生一些關(guān)于營(yíng)銷組合的洞察，便于制定下一階段的廣告預(yù)算和分配策略。

還有一些與供應(yīng)鏈相關(guān)的場(chǎng)景，比如訂單評(píng)估不準(zhǔn)確導(dǎo)致庫(kù)存積壓或商品脫銷。這時(shí)我們就需要更精確的需求預(yù)測(cè)來構(gòu)建一個(gè)更加理想的供應(yīng)鏈，把合理數(shù)量的商品在合適的時(shí)間運(yùn)送至正確的地點(diǎn)。

（來源：JaronTam）

以上內(nèi)容屬作者個(gè)人觀點(diǎn)，不代表雨果跨境立場(chǎng)！本文經(jīng)原作者授權(quán)轉(zhuǎn)載，轉(zhuǎn)載需經(jīng)原作者授權(quán)同意。?