不是所有的行為數據都有價值對于電商而言，其對大數據分析的主要需求可以體現在兩方面，一是快速反應出問題所在，二是發現新的用戶群體。
對于備受關注的后者，電商希望通過智能聯網分析已有的數據，發掘并預測出用戶的興趣所在，刺激用戶購買積極性，并將產品推向特定人群。
目前業界的普通實現方式是，通過用戶網絡上留下的歷史信息、記錄，來猜測喜好，例如相關圖書推薦、機票航班推薦等，但失算之處可能在于精準度和推薦時機不盡人意，比如用戶已經旅行歸來，系統還在推薦往返機票。
目前美國有一種研究方向，通過非結構化數據分析技術對用戶進行個性化維度分析，包括對用戶在網絡上更新的個人狀態信息進行分析，如Twitter、Facebook，推定用戶個性及特征，以精準定義個人并實現標簽化，同時反饋給商家并與目標市場用戶相匹配，從而實現產品的關聯。
對此，美國數據分析科學家、Taste Analytics創始人及全美五大可視化研究中心的Derek Wang(汪曉宇)博士表示，傳統的方式需要基于大量的行為數據進行分析，并相信所有的動作具有價值，但事實卻并非這樣，容易造成對精準度和時機的把握不盡人意;而通過對人在網絡上留下的真實語言、說話方式、評價內容等進行個性化維度分析，更貼近人真實的本性，這當然也包括購買喜好，只有這樣才能實現更加準確的產品購買需求挖掘。
電商商戶的“福利”
目前，該分析技術在電商平臺上更能直接釋放效力的方式，便是針對中小型商戶的解決方案：對用戶產品評價進行分析，來優化產品、提升用戶體驗。
Derek Wang舉例道，通過Taste Analytics Signals數據分析平臺，亞馬遜平臺上的耳機商戶，可以對平臺上用戶的產品評價及Facebook上的留言進行語義分析，得出對耳機品牌、電池壽命、品種型號的用戶反饋，以及不同產品間如Bose與Sony的產品分析。
這對于美國為數眾多的亞馬遜、新蛋、易貝商戶而言無疑十分受用，其可以及時對產品和銷售過程進行優化。
另一個典型應用是電商平臺本身。美國某著名的大型家居銷售企業，在其電商網絡平臺上，通過刺激網絡流量來買賣產品。利用數據分析平臺，其不僅發現并解決了用戶消費時信用卡連刷2次的問題，同時觀察到網絡流量在一周中的不平均分布，后續通過市場促銷，改變了市場營銷過程。
(用Taste Analytics Signals平臺對Amazon某熱銷汽水的分析結果)
決策在數據之上而非數據本身
用戶的特征來自于文本分析，用戶在網絡上說的每一句話都將可能成為分析點。無疑更多的數據將有力于對用戶行為進行匹配，提高分析準確性，而這方面社交平臺則提供了一個很好的非結構化數據的來源。
事實上，美國電商本身已經在開始著手整合社交網絡的數據信息，例如閃購網站Myhabit建議用戶通過亞馬遜賬號登陸;電商Macys需要用Facebook賬號登陸(這樣的整合在國內也并不鮮見)。對于用戶，這樣的登陸方式更方便快捷;對于商戶，可以將個人信息關聯起來;而對于大數據技術/服務提供商，數據分析服務便可以由此展開，進行深度數據挖掘。
在Derek Wang看來，此項圍繞人的非結構化數據分析平臺服務，不僅能提升結果的準確性，更重要的是它建立的不是一個推薦系統，而是一個增強智慧的過程。畢竟僅基于既有行為的數據分析會導致可能的失敗，小到上述提及的機票推薦，大到金融領域采用數學模型的危險性在次貸危機中已經暴露無疑。
“由機器提取的數據內涵，通過圖像的方法展示給企業決策者，決策者通過與機器互動后做出決定。數據分析平臺是輔助企業決策者的工具，也是它的價值所在。” Derek Wang說道。
不謀而合，《紐約時報》資深撰稿人史蒂夫·洛爾曾著書大數據時評論，雖然決策活動對數據與分析的倚重與日俱增是大勢所趨，但同時還要讓常識發揮應有的作用，經驗與直覺仍然在決策中占有一席之地，而好的直覺又往往建立在大量數據分析基礎之上。
機器與人分工合作才更好，更加值得一提的是，直觀的圖像可視化的呈現方式，使得電商及商戶的內部分析師即使沒有IT背景，也可以輕松地掌握產品動態，從而幫助其贏得市場。
大數據確有裨益，但并不是所有企業都能成功掘金大數據;只有那些富有遠見、重視系統且敢于投資的公司才會有所斬獲。對于零售業而言，有三個重要戰略可幫助電子商務成功運用大數據。
正確理解大數據
不必糾結于大數據到底是什么，試圖計算出多少數據才算大數據是不明智的。首先，沒有確切的數字或數量級可用作數據量的分界線，因為大數據不在“量”，而在“全”。通過對全面數據的分析可以發現相應的趨勢，進一步預測未來。想要掌握大數據，必須具備“大數據”的思維模式，即關注于那些已幫助完成了某項任務的數據。從龐大的歷史數據中尋找規律，從而預測未來;或者找出有關因素，對搜索最佳數據的系統進行改善，獲得正確數據取得最大利益。
如何獲取大數據?
大數據被炒熱和巨無霸企業在其中獲得的巨大商業價值密不可分，但這并不意味著大數據是只有大公司才買得起的“獨有玩偶”。小公司也能擁有自己的“大數據”。雖然大多數電商企業仍處于起步階段，但它們也可以收集數據，挖掘優秀人才幫助做出更加明智的決定。數據分析可以從小數據開始、效果立竿見影，隨后發展成為大數據。即使一家小咖啡廳也能通過探尋顧客的飲用習慣、信用卡記錄以及在線定位設置而建立自己的“大數據”。
盡管中小型企業還未完全配備企業先進的大數據線上工具和模式，但他們仍能從本公司歷史數據中找出規律。例如，有了一兩個月推廣促銷活動的歷史數據后，服裝電商公司就可以開始分析各個品類的銷售表現情況，掌握一周或一個月內的最暢銷和最滯銷的銷售品類信息，同時清楚了解長期內的平均增長率和復合增長率。這樣的數據分析方法能提供產品銷售額和產品銷售表現的衡量指標，從而找出產品銷售模式和趨勢，做出下一步商業決策。這樣將幫助企業實現更大的銷售額，同時，無論有無市場推廣活動，都可以監控產品的銷售表現。
整合零售策略與大數據
從企業的角度來看，大數據的最大價值在于零售策略與大數據技術相結合。目前，由于消費者對于他們所希望的購物時間與購物方式的要求越來越高，現代零售業已變得愈發復雜。因此，零售商需要更加聰明地來服務顧客，更加靈活地選用庫存和配送訂單的地點，更加明確如何使用搜集到的顧客數據進行線上線下的交叉銷售和追加銷售。為了達成這一目的，零售商需要借助一個定制軟件來制定以顧客為導向、基于數據的策略，以便于為顧客提供個性化服務。
此外，企業必須將零售策略與數據分析最大程度地相匹配，保證銷售計劃的實現。大數據最大的特點之一就是在于能夠高速更新和處理信息。根據這一特性，商業數據一旦生成，就可以進行相應策略的制定，幫助公司贏得時間與空間調整市場策略，以最充分地發揮自身優勢。這就像防洪預警：上游一旦有所警示，下游就應立即作出回應調整。例如，涉足線上的傳統零售商，在一組貨品的15分鐘促銷時間內，往往會準備三套應變策略，以確保商品按計劃銷售。 通過整合零售策略和大數據，企業將能夠吸引更多消費者、為他們提供定制化服務，從而提升產品銷售表現、增加銷售額，進而擴大收益。
京公網安備 11010502049343號