現在去哪不談談大數據(BigData)視乎就OUT了，大數據像雷軍的：“風口上的豬”一樣是近兩三年來的一個熱詞，而行業內部目前尚未對其定義達成一致。大數據雖與“海量數據”和“大規模數據”一脈相承，但其本身所涉及的是一個相對更加廣泛而又抽象、含混的概念。我們不妨暫且把其看作為“無法在一定時間內用常規軟件工具對其內容進行抓取、管理和處理的數據集合”。
IBM認為，大數據有5V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)Veracity(真實性)。在產品經理眼里來看，大數據在用戶研究、用戶畫像、產品營運、產品設計等多方面都已得到廣泛應用，其所產生的巨大效用也不容忽視。本文以電商為例介紹4步法把大數據技術用在產品上。
在跨境電商里，有很多平臺，也有很多產品，下面先從eBay相關的數據逐步解析大數據在電商產品中的應用。
7月21日，eBay發布了截至2016年6月30日的2016財年第二季度財報。報告顯示，eBay第二季度總交易額(GMV)為209億美元，營收為22億美元。其中，eBay旗下在線交易市場(Marketplace)為公司的整體表現奠定了基礎，這個平臺的總交易額(GMV)為198億美元，營收為18億美元，同比增長3%。
值得注意的是，在第二季度中，eBay的實時商品上架量首次突破了10億，凸顯了公司為精準向消費者提供的商品的豐富化和多樣化而付出的努力;同時，公司也在不斷改進購物平臺以提高搜索功能，便于消費者查找即數據匹配。
首先：大數據為消費者畫像
作為全球最大的拍賣網站，早在2006年，eBay就意識到大數據所帶來的影響，并開始組建大數據技術分析平臺。該平臺定義了成百上千種類型的數據，并以此對顧客的行為進行跟蹤分析，現在，eBay每日要處理100PB以上的數據，通過分析這些數據，eBay足以準確判斷消費者的購物行為，這就如同在每個消費者面前安裝了攝像頭一般。eBay對顧客的了解非常細致，可以毫不夸張地說，“eBay比用戶還了解用戶”。
eBay擁有全球近2億的注冊用戶，其不僅記錄消費者的日常交易信息，還記錄消費者每一次探索瀏覽的過程，從其設定的成百上千種情景模型中計算出用戶可能的需求。這個模型甚至還區別消費者的年齡，以及其瀏覽的時間、地點及當時的天氣等因素，在智能機器人的學習和分析下，適時地推送給用戶最想要的商品，或者給商家(供應商)提供各式各樣的“情報”，還能做到向商家提供銷售建議。
例如：某個用戶一登錄瀏覽eBay網站，eBAY能很快的推斷出這位用戶潛在的需求，并在綜合各種考量因素后，向他推送商品信息。
其次：搭建大數據預測模型
大數據分析技術對電商產品的影響是革命性的。有了大數據分析技術的支持，電商產品可以很容易從海量的數據中分析出消費者的需求，進而推出更符合消費者需求的產品或服務，這中間還能夠進行針對性的調整和優化，這就是大數據賦予電商產品的新價值。
對于電商產品初創階段來說，可以自己開展大數據產品的研發，也可以利用第三方機構來實現對大數據的利用，比如：GOOGLE和eBay在這方面做得很專業。消費者在使用搜索服務時，他們在無形中就把自己個人的行為、愛好、消費等數據傳給GOOGLE和eBay。基于用戶搜索行為、瀏覽行為、評論歷史和個人資料等數據，通過大數據的挖缺和匹配，它們可以分析消費者的整體需求，進行針對性的產品設計、迭代和營運。
與產品相關的大數據來源很廣，除了各類研究單位發布的大量數據外，互聯網數據、各種傳感器收集的數據等都是重要的來源。不同類型的大數據，其處理方面有所不同，但其處理流程基本上一樣，主要有四個步驟“數據收集、數據集成、數據分析、數據解釋”。如圖： 大數據預測模型，收集到的數據經集成后，轉換成統一標準的數據格式，然后用相應的數據分析方法將其進行分析處理，最后用可視化的技術將結果展現出來。
第一步：數據收集
如前所述，目前大數據來源非常廣泛，常用的收集方法有：百度、搜狗、360和谷歌等搜索引擎的數據檢索工具、各類傳感器、RFID以及條形碼掃描技術等。隨著手機和手環電視等智能終端設備的普及、各類應用軟件的大量下載使用，數據采集的數量和精度不斷提升。
例如：
我在做某范APP的時候，一方面從用戶打開APP的時候就開始收集用戶的數據在得到用戶允許的情況下讀取用戶的通訊錄、然后去服務端匹配用戶的信息、再后進行用戶名、身份證、與手機號的精準匹配、日積月累某范積累了將近2000萬用戶的精準數據，這些用戶打開APP的時候可以實現千人千面。
另外一方面從線下7千家門店收集，從用戶進入門店，到用戶掃碼連接店內WIFI、到用戶掃碼定制服裝、到用戶在線支付等均進行收集。
第二步：數據集成
數據集成階段的主要任務是對數據采用合適的方法進行適當的處理，去噪和進一步的集成存儲。
由于數據來源廣泛，注定了大數據的多樣性特征(即Varicty)，這就決定了如果這些數據不經過初步處理，進行高質量的數據分析將會非常困難。因此，在采集數據后，一般還要進行數據處理與集成將這些多樣化的數據轉換為便于處理的較為單一結構的數據。當然，并不是所有數據都是有效的和相關性高的，這些數據還需要“去噪”，才能保證數據的有效性和可靠度。
例如：某范的線下商場，有部分客戶去商場的時間就5-15分鐘，而且沒有產生購買行為，那么這些客戶去干啥了呢。經過大數據分析，這個客戶直奔WC了。因為我們在WC旁專設了一個WIFI連接點。收集到了這些數據接下來可以改善用戶商城的購物和不購物體驗(品牌印象分增加)，因為某范的門店一般開在一地的市中心繁華地段，這個地段很難找到WC，發現這個情況后，某范線下店在寸土寸金的地段都要求配備WC設施以方便用戶。這樣至少給去WC路上兩旁的商品帶來多曝光的機會。
第三步：數據分析
大數據預測模型最核心的一步就是數據分析，因為凌亂的數據是沒有價值的，只有通過數據分析步驟，才能挖掘到大數據的真正價值。在數據分析階段，根據不同的應用需求，數據分析各有不同，常用的方法有數據挖掘、機器學習、智能算法、統計分析等，其中數據分析關鍵的一點是設定核心任務。
在數據分析方面，Google公司無疑是做得最先進的一個，其于2006年率先提出了“云計算”的概念，其內部各種數據的應用都是依托Google自己內部研發的一系列云計算技術，例如：分布式文件系統DFS、分布式數據庫BigTable、批處理技術MapReduce，以及開源實現平臺Hadoop等，這些技術平臺的產生，提供了對大數據進行處理、分析的很好的手段。
第四步：數據解釋
從數據的質量來說，數據的處理與分析過程是保證最終數據高質量的關鍵步驟，但對于最終的數據用戶而言，如何獲得直觀的和有用的數據才是其最關心的。因此，如何通過數據解釋步驟，對大數據分析結果進行解釋與展示也非常重要。
隨著數據量的變大以及對用戶數據分析維度的增加，傳統的以文本形式輸出的數據展示方式已不能滿足數據用戶的需求，一種被稱為“數據可視化技術”數據展示方式開始出現，常見的方式有基于集合的可視化技術、基于圖標的可視化技術、基于圖像的可視化技術等，在數據可視化技術的幫助下，用戶可以很形象的獲得數據分析結果，對結果的理解和接受也更直觀。
再次：大數據模型的特點
在大數據預測模型的支持下，電商產品的運營可以從以前的憑感覺到更具“科學性”。
現在互聯網產品運營既講求科學性，又追求藝術性。其中，“科學性”體現在營運管理過程中存在著一些基本的客觀規律，有一套分析問題和解決問題的方法論，還體現在建立在各種營運數據的搜集與分析的基礎上的營運管理決策，大數據的到來加速了營運管理的科學性進程，使電商產品開展“精確化”的營運管理成為可能，電商產品對其營運管理活動的各個環節的把握能夠更為精確，使往日紛繁復雜的和難于決策的電商產品營運管理活動逐漸演變為一系列的數據挖掘與相關分析，使營運管理真正成為“建立在科學基石上的藝術”，從而真正走進科學營運的殿堂。如圖：大數據營運創新的鉆石模型
通過大數據預測模型，電商平臺的運營管理更加有“預見性”。例如;當你打開Facebook時，就會看到Facebook會為你推薦，你可能認識的人。
由于電商市場的各種不確定性，比如顧客需求差異、東西部文化的差異、競爭更加激烈等因素，產品對市場研判和有效預測越來越困難。大數據分析技術的出現改變了這種現狀，通過收集各類數據信息，在各種數據分析技術和建模分析技術的支持下，能夠比較簡單的挖掘出各種看似毫不相關的數據之間的關系，從而對目標區域的市場需求和趨勢做出準確的判斷。因此，大數據預測模型可以提升電商產品適應性營運管理活動的“預見性”。
然后：基于消費者及各種經濟數據，大數據不僅可以為“消費者畫像”，還可以給產品提供各式各樣的“情報”。比如，產品希望把Bra賣到新疆，通過大數據分析可以大致預測到，這種商品最好多準備大號的，一個月可以賣出多少產品，定價應該在什么范圍內，市面上還有多少商家在賣同樣的產品，他的市場占有率大概是多少。目前，利用大數據預測需求無論是產品設計，還是產品方法，都能夠實現，產品經理綜合運用大數據思維進行互聯網產品迭代設計一定可以事半功倍。
京公網安備 11010502049343號