精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

當前位置:大數據商業智能BI → 正文

“大數據”噪音不斷 電商如何生存

責任編輯:editor004 |來源:企業網D1Net  2013-10-12 09:52:51 本文摘自:21世紀經濟

王欣磊發現,最近,網上超市“1號店”在線購物車的轉化率下降了。身為1號店副總裁的他,試圖找出其中的原因:缺貨,也許是一個直接因素,但除了缺貨,其他細節也可能導致購物車轉化率的下降。他知道,這些看起來似乎并不起眼的細節,統統增加了問題解決的復雜性。

作為電商產品設計領域的資深人士,王欣磊向來喜歡用數據分析問題。但越來越豐富的數據,也給他帶來了新困惑:當一個數字在下降,另一個數字在上升時,如何證明這兩者間具有相關性?購物車轉化率下降的問題,便是一個典型的案例。

在最近興起的“大數據”研究中,王欣磊嘗試為自己的疑問找到答案,但結果卻并不令人滿意。“《大數據時代》那本書中提到,人們不再需要探究數據間的因果關系,而只需要知道相關關系。但在實際操作中,我們怎樣判斷這種相關關系是一段時間內的偶然現象,還是必然的趨勢?這是個很大的問題。”

但即便面對種種困惑,“大數據”,對1號店來說依然是一座金礦,并已經開始從中有所收獲。比如,1號店已經在幫商家分析商品之間的關聯度,并以之為依據制定營銷策略。比如,1號店發現,當可口可樂和奧利奧餅干的關聯度特別高時,就可以推薦商家做聯合營銷。

1號店稱,其每天的流量(獨立IP)已高達400多萬,而每一個訪客又會看近10個頁面。用1號店董事長于剛的話說,除了用戶買什么或不買什么,“用戶的瀏覽路徑,先看哪個頁面,后看哪個,通過哪個鏈接切換,用搜索還是類目瀏覽等,1號店統統都能掌握”,“基于這些數據,能做的事情太多了”。

挖掘每個用戶

準確地說,1號店的“數據挖掘”起步于3年多前。彼時,公司購買了數據倉庫,并建立了自己的BI(商業智能)團隊,試圖通過建立顧客的行為模型,來提供更精準化的服務。

不過那時,1號店的關注點還僅僅停留在用戶的購買記錄和收藏行為上。相比之下,它目前對數據的捕捉,顯然更加“精細化”。無論是購買頻次,還是用戶的性別、年齡、習慣等,都能幫助它分析和跟蹤消費模式的微妙變化,進而“投其所好”地實現最大化的銷售。

譬如,當一個用戶瀏覽了商品后沒有購買,1號店緊接著便會分析整個購物過程“卡”在哪個環節上。假如商品已經加入了購物車,那么導致用戶沒有購買的很可能是高運費,1號店很可能會調整運費;倘若用戶沒有購買是因為庫存缺貨,那么下次庫存到貨后公司就會提醒用戶購買;如果用戶瀏覽了許多類似的商品卻最終沒有購買,那么可以推測用戶對這一品類的商品感興趣,只是沒有找到自己想要的品牌。這種情況下,只要有新品上架,1號店就會第一時間推薦用戶購買。

還有一種可能是,商品的價格太高嚇退了顧客,那么一旦有關于該商品的促銷,1號店就會提醒顧客購買。假如顧客依然沒有購買,1號店就假設用戶并不想要這個商品,而是想要類似商品,于是只要有類似的新品推出,公司就會作出推薦。

在此基礎上,公司觀察到許多用戶的購買頻次有其規律性,假如一個用戶上1號店只購買洗發水,且每三周購買一次,那么一旦用戶哪一次沒有購買,1號店就會想方設法地“提醒”他。

除了最終購買的商品外,用戶的瀏覽路徑同樣受到了重視。在于剛看來,這些看似不經意的行為里蘊含了大量信息。“一個簡單例子是,用戶進入1號店頁面后第一個瀏覽的商品,就是他的目標商品。假如用戶首先瀏覽了牛奶,那么你就應該推薦他不同品牌的牛奶。”他說道。當然,這里頭還有許多推薦的“技巧”——如果用戶對某一品牌的牛奶比較忠誠,那么1號店就不應推薦其他品牌的牛奶,而應推薦與牛奶搭配的面包、餅干或早餐谷物等。

那些購買目的性很強的用戶,常常會使用搜索的方式進入所需商品的頁面。對于這一類用戶,1號店同樣也會“直截了當”地推薦他們的目標商品;另一些用戶喜歡“逛”,他們往往通過類目來選擇商品,“比如先買吃的,再買喝的,最后買用的”。對于這類客戶,1號店傾向于同時向他展示很多商品,特別是新品,滿足其獵奇、“閑逛”的心理;而對于那些被促銷頁面吸引的用戶,公司則會向他們展示熱推或促銷的商品,以推動其購買。

在1號店上購物的顧客,可能并不知道,自己每一次的購物行為,正幫助這家電商公司逐步了解自己,并為自己描摹出一幅大概的生活圖景。據王欣磊稱,1號店首先會根據用戶的購買金額和頻次將其分為四個大群,在用戶大群的基礎上,公司根據用戶的瀏覽習慣,為其打上更為細致的“標簽”。這種描繪用戶個人信息及購買偏好的標簽,多達成百上千個,“比如,他是傾向于購買哪一類商品的?他的瀏覽行為是什么,是喜歡搜索還是用類目瀏覽?他喜歡在上班時間購物,還是在周末購物?購買的周期和收貨的習慣又是什么?”王欣磊說道,在將客戶抽象為一個個具體的標簽后,1號店便能有的放矢地進行營銷。

他同時坦言,1號店并沒有辦法直接獲得用戶的性別、家庭狀況、收入狀況等信息,但可以通過幾種方式去推測。一個明顯例子是,公司可以根據用戶的姓名,并結合一些購買行為,來推測用戶的性別。

從今年起,中科院的一個研究小組也加入了1號店的客戶數據研究中。雙方研究的重點便聚焦在顧客的分群。“他們會將顧客分為忠實顧客、風險顧客(較易流失的顧客)和需要提升的顧客,并對不同顧客的行為做進一步的分析。”王欣磊稱。

“大數據”噪音

除了對消費行為的分析研究,如何借助數據讓產品價格更具競爭力同樣重要。眼下,1號店后臺的PIS(價格智能系統)每天實時在線搜索60多個網站和1700多萬種商品的庫存信息和價格信息,并根據競爭對手的商品價格實時調整自己的商品價格。

具體說來,在公司設置的價格模型中,不同的品類都有相應的市場價格策略。“譬如,有些品類的價格要做到業界領先,有些品類只要不高于競爭對手就行了。有些是我的利潤品類,有些是流量品類。”于剛稱,“我們在價格模型中設置底價后,系統就會根據對手的動態價格自動調整商品的價格。你知道,1號店有幾百萬種商品,完全沒有辦法用手工設置價格。”

于剛稱,在1號店較為擅長的食品飲料領域,公司試圖做到價格領先,“尤其是進口牛奶品類,60%的線上銷售都是通過1號店走的”;而在服裝等領域,公司追求的則是毛利。

盡管這些做法看起來無懈可擊,但隨著1號店的數據量越積越多,它也開始面臨新的煩惱:比如,應該怎樣將海量的數據進行過濾,去蕪存菁?王欣磊并不諱言,“數據的純潔性是一個很大的問題。”

不難理解,當公司由于促銷而使得銷量大增時,消費者在那一特定階段的行為與未來的趨勢無關;此外,一些季節性、節假日的數據也要過濾,而那些因為競爭對手的促銷導致銷量突然下滑的數據也要剔除在外。

除了外部干擾,消費者的個人操作中也包含著不少無效行為,這同樣被視為一種“數據噪音”。于剛發現,有的用戶上1號店并不是為了購物,而純粹是為了測試網站,“他注冊之后,往往下一個訂單后取消,再下一個訂單再取消,這些用戶肯定不在我們的研究范圍”。

相比之下,更大的難題在于,線下批發商對線上數據的干擾。據王欣磊稱,一些地區的線下批發商可能是因為線上渠道的價格更便宜,于是通過各種渠道拿到優惠券在線上購買,再將貨品轉移到線下去賣。“批發用戶擁有很多的注冊賬號,這對我們很不利,也給數據帶來很大的干擾。”他指出,“我們會通過技術的手段去防批發,并不斷地清理數據。但如何去驗證真正的消費者數據,目前依舊是個很大的挑戰。”

收集數據的下一步,是對數據進行分析和解答。事實上,面對同一組數據,不同的人從不同的角度分析,會得出全然不同的結論。也有人認為,隨著數據量的增大,研究的準確性一開始會隨之上升,但很快就會趨平。眼下,業界亦并沒有形成放之四海而皆準的解讀方法。從這個角度看,如何正確地解讀數據,讓數據模型越來越準確,是擺在所有電商企業面前的難題。

在復雜的模型之上,算法同樣重要。1號店需要在極短的時間內,通過算法解讀用戶的行為,并在得到結論后做出實時的推薦。用于剛的話說,“當一個顧客用搜索來挑選商品時,我們的后臺需要為這一搜索做支持,算法得非常快才行——否則用戶等待的時間一長,就會不耐煩。”

不難發現,1號店對大數據的研究和運用,仍處于摸索階段,而在全球范圍內,這依然是一個新鮮的應用。很多時候,于剛會對新的數據應用感到興奮,但有時,他也會顯得力不從心——在他眼里,學術界如今已做了很多關于大數據的前瞻性研究,企業界則嘗試著大量的應用,但兩者間的關聯并不大,甚至朝著截然不同的方向前行。換言之,在學術研究與實際應用中,尚有很大的鴻溝。

“我們需要把這兩者有機地結合起來,把研究的結果放到實踐中去,我覺得,這是最難的一點,也是最需要花力氣的。”于剛說。

關鍵字:數據挖掘推薦商家電商大數據

本文摘自:21世紀經濟

x “大數據”噪音不斷 電商如何生存 掃一掃
分享本文到朋友圈
當前位置:大數據商業智能BI → 正文

“大數據”噪音不斷 電商如何生存

責任編輯:editor004 |來源:企業網D1Net  2013-10-12 09:52:51 本文摘自:21世紀經濟

王欣磊發現,最近,網上超市“1號店”在線購物車的轉化率下降了。身為1號店副總裁的他,試圖找出其中的原因:缺貨,也許是一個直接因素,但除了缺貨,其他細節也可能導致購物車轉化率的下降。他知道,這些看起來似乎并不起眼的細節,統統增加了問題解決的復雜性。

作為電商產品設計領域的資深人士,王欣磊向來喜歡用數據分析問題。但越來越豐富的數據,也給他帶來了新困惑:當一個數字在下降,另一個數字在上升時,如何證明這兩者間具有相關性?購物車轉化率下降的問題,便是一個典型的案例。

在最近興起的“大數據”研究中,王欣磊嘗試為自己的疑問找到答案,但結果卻并不令人滿意。“《大數據時代》那本書中提到,人們不再需要探究數據間的因果關系,而只需要知道相關關系。但在實際操作中,我們怎樣判斷這種相關關系是一段時間內的偶然現象,還是必然的趨勢?這是個很大的問題。”

但即便面對種種困惑,“大數據”,對1號店來說依然是一座金礦,并已經開始從中有所收獲。比如,1號店已經在幫商家分析商品之間的關聯度,并以之為依據制定營銷策略。比如,1號店發現,當可口可樂和奧利奧餅干的關聯度特別高時,就可以推薦商家做聯合營銷。

1號店稱,其每天的流量(獨立IP)已高達400多萬,而每一個訪客又會看近10個頁面。用1號店董事長于剛的話說,除了用戶買什么或不買什么,“用戶的瀏覽路徑,先看哪個頁面,后看哪個,通過哪個鏈接切換,用搜索還是類目瀏覽等,1號店統統都能掌握”,“基于這些數據,能做的事情太多了”。

挖掘每個用戶

準確地說,1號店的“數據挖掘”起步于3年多前。彼時,公司購買了數據倉庫,并建立了自己的BI(商業智能)團隊,試圖通過建立顧客的行為模型,來提供更精準化的服務。

不過那時,1號店的關注點還僅僅停留在用戶的購買記錄和收藏行為上。相比之下,它目前對數據的捕捉,顯然更加“精細化”。無論是購買頻次,還是用戶的性別、年齡、習慣等,都能幫助它分析和跟蹤消費模式的微妙變化,進而“投其所好”地實現最大化的銷售。

譬如,當一個用戶瀏覽了商品后沒有購買,1號店緊接著便會分析整個購物過程“卡”在哪個環節上。假如商品已經加入了購物車,那么導致用戶沒有購買的很可能是高運費,1號店很可能會調整運費;倘若用戶沒有購買是因為庫存缺貨,那么下次庫存到貨后公司就會提醒用戶購買;如果用戶瀏覽了許多類似的商品卻最終沒有購買,那么可以推測用戶對這一品類的商品感興趣,只是沒有找到自己想要的品牌。這種情況下,只要有新品上架,1號店就會第一時間推薦用戶購買。

還有一種可能是,商品的價格太高嚇退了顧客,那么一旦有關于該商品的促銷,1號店就會提醒顧客購買。假如顧客依然沒有購買,1號店就假設用戶并不想要這個商品,而是想要類似商品,于是只要有類似的新品推出,公司就會作出推薦。

在此基礎上,公司觀察到許多用戶的購買頻次有其規律性,假如一個用戶上1號店只購買洗發水,且每三周購買一次,那么一旦用戶哪一次沒有購買,1號店就會想方設法地“提醒”他。

除了最終購買的商品外,用戶的瀏覽路徑同樣受到了重視。在于剛看來,這些看似不經意的行為里蘊含了大量信息。“一個簡單例子是,用戶進入1號店頁面后第一個瀏覽的商品,就是他的目標商品。假如用戶首先瀏覽了牛奶,那么你就應該推薦他不同品牌的牛奶。”他說道。當然,這里頭還有許多推薦的“技巧”——如果用戶對某一品牌的牛奶比較忠誠,那么1號店就不應推薦其他品牌的牛奶,而應推薦與牛奶搭配的面包、餅干或早餐谷物等。

那些購買目的性很強的用戶,常常會使用搜索的方式進入所需商品的頁面。對于這一類用戶,1號店同樣也會“直截了當”地推薦他們的目標商品;另一些用戶喜歡“逛”,他們往往通過類目來選擇商品,“比如先買吃的,再買喝的,最后買用的”。對于這類客戶,1號店傾向于同時向他展示很多商品,特別是新品,滿足其獵奇、“閑逛”的心理;而對于那些被促銷頁面吸引的用戶,公司則會向他們展示熱推或促銷的商品,以推動其購買。

在1號店上購物的顧客,可能并不知道,自己每一次的購物行為,正幫助這家電商公司逐步了解自己,并為自己描摹出一幅大概的生活圖景。據王欣磊稱,1號店首先會根據用戶的購買金額和頻次將其分為四個大群,在用戶大群的基礎上,公司根據用戶的瀏覽習慣,為其打上更為細致的“標簽”。這種描繪用戶個人信息及購買偏好的標簽,多達成百上千個,“比如,他是傾向于購買哪一類商品的?他的瀏覽行為是什么,是喜歡搜索還是用類目瀏覽?他喜歡在上班時間購物,還是在周末購物?購買的周期和收貨的習慣又是什么?”王欣磊說道,在將客戶抽象為一個個具體的標簽后,1號店便能有的放矢地進行營銷。

他同時坦言,1號店并沒有辦法直接獲得用戶的性別、家庭狀況、收入狀況等信息,但可以通過幾種方式去推測。一個明顯例子是,公司可以根據用戶的姓名,并結合一些購買行為,來推測用戶的性別。

從今年起,中科院的一個研究小組也加入了1號店的客戶數據研究中。雙方研究的重點便聚焦在顧客的分群。“他們會將顧客分為忠實顧客、風險顧客(較易流失的顧客)和需要提升的顧客,并對不同顧客的行為做進一步的分析。”王欣磊稱。

“大數據”噪音

除了對消費行為的分析研究,如何借助數據讓產品價格更具競爭力同樣重要。眼下,1號店后臺的PIS(價格智能系統)每天實時在線搜索60多個網站和1700多萬種商品的庫存信息和價格信息,并根據競爭對手的商品價格實時調整自己的商品價格。

具體說來,在公司設置的價格模型中,不同的品類都有相應的市場價格策略。“譬如,有些品類的價格要做到業界領先,有些品類只要不高于競爭對手就行了。有些是我的利潤品類,有些是流量品類。”于剛稱,“我們在價格模型中設置底價后,系統就會根據對手的動態價格自動調整商品的價格。你知道,1號店有幾百萬種商品,完全沒有辦法用手工設置價格。”

于剛稱,在1號店較為擅長的食品飲料領域,公司試圖做到價格領先,“尤其是進口牛奶品類,60%的線上銷售都是通過1號店走的”;而在服裝等領域,公司追求的則是毛利。

盡管這些做法看起來無懈可擊,但隨著1號店的數據量越積越多,它也開始面臨新的煩惱:比如,應該怎樣將海量的數據進行過濾,去蕪存菁?王欣磊并不諱言,“數據的純潔性是一個很大的問題。”

不難理解,當公司由于促銷而使得銷量大增時,消費者在那一特定階段的行為與未來的趨勢無關;此外,一些季節性、節假日的數據也要過濾,而那些因為競爭對手的促銷導致銷量突然下滑的數據也要剔除在外。

除了外部干擾,消費者的個人操作中也包含著不少無效行為,這同樣被視為一種“數據噪音”。于剛發現,有的用戶上1號店并不是為了購物,而純粹是為了測試網站,“他注冊之后,往往下一個訂單后取消,再下一個訂單再取消,這些用戶肯定不在我們的研究范圍”。

相比之下,更大的難題在于,線下批發商對線上數據的干擾。據王欣磊稱,一些地區的線下批發商可能是因為線上渠道的價格更便宜,于是通過各種渠道拿到優惠券在線上購買,再將貨品轉移到線下去賣。“批發用戶擁有很多的注冊賬號,這對我們很不利,也給數據帶來很大的干擾。”他指出,“我們會通過技術的手段去防批發,并不斷地清理數據。但如何去驗證真正的消費者數據,目前依舊是個很大的挑戰。”

收集數據的下一步,是對數據進行分析和解答。事實上,面對同一組數據,不同的人從不同的角度分析,會得出全然不同的結論。也有人認為,隨著數據量的增大,研究的準確性一開始會隨之上升,但很快就會趨平。眼下,業界亦并沒有形成放之四海而皆準的解讀方法。從這個角度看,如何正確地解讀數據,讓數據模型越來越準確,是擺在所有電商企業面前的難題。

在復雜的模型之上,算法同樣重要。1號店需要在極短的時間內,通過算法解讀用戶的行為,并在得到結論后做出實時的推薦。用于剛的話說,“當一個顧客用搜索來挑選商品時,我們的后臺需要為這一搜索做支持,算法得非??觳判?mdash;—否則用戶等待的時間一長,就會不耐煩。”

不難發現,1號店對大數據的研究和運用,仍處于摸索階段,而在全球范圍內,這依然是一個新鮮的應用。很多時候,于剛會對新的數據應用感到興奮,但有時,他也會顯得力不從心——在他眼里,學術界如今已做了很多關于大數據的前瞻性研究,企業界則嘗試著大量的應用,但兩者間的關聯并不大,甚至朝著截然不同的方向前行。換言之,在學術研究與實際應用中,尚有很大的鴻溝。

“我們需要把這兩者有機地結合起來,把研究的結果放到實踐中去,我覺得,這是最難的一點,也是最需要花力氣的。”于剛說。

關鍵字:數據挖掘推薦商家電商大數據

本文摘自:21世紀經濟

電子周刊
回到頂部

關于我們聯系我們版權聲明隱私條款廣告服務友情鏈接投稿中心招賢納士

企業網版權所有 ©2010-2024 京ICP備09108050號-6 京公網安備 11010502049343號

^
  • <menuitem id="jw4sk"></menuitem>

    1. <form id="jw4sk"><tbody id="jw4sk"><dfn id="jw4sk"></dfn></tbody></form>
      主站蜘蛛池模板: 阳城县| 文山县| 昌平区| 民丰县| 晋州市| 新平| 晋宁县| 平阴县| 日土县| 邢台市| 清镇市| 罗江县| 正镶白旗| 福清市| 阜南县| 奈曼旗| 白河县| 光山县| 新民市| 九龙城区| 廉江市| 枣庄市| 江达县| 肇州县| 罗山县| 乡城县| 宣威市| 和田县| 玉龙| 托克逊县| 万载县| 莒南县| 凌海市| 疏附县| 明星| 绵竹市| 沭阳县| 荥阳市| 宜良县| 桃园县| 静海县|