如何用大數(shù)據(jù)玩轉(zhuǎn)電商業(yè)？在中國(guó)，通過(guò)大數(shù)據(jù)人物畫像來(lái)實(shí)現(xiàn)流量個(gè)性化已非新鮮事，同時(shí)在大洋彼岸的美國(guó)，目前已經(jīng)更進(jìn)一步，通過(guò)先進(jìn)的數(shù)據(jù)分析平臺(tái)，電商可以通過(guò)社交平臺(tái)等數(shù)據(jù)對(duì)用戶個(gè)性特征進(jìn)行分析，從而實(shí)現(xiàn)更精準(zhǔn)的營(yíng)銷，而且并非“財(cái)大氣粗”的中小企業(yè)也可以享受到這樣的福利。下面山東技校網(wǎng)為大家詳細(xì)介紹一下！
不是所有的行為數(shù)據(jù)都有價(jià)值對(duì)于電商而言，其對(duì)大數(shù)據(jù)分析的主要需求可以體現(xiàn)在兩方面，一是快速反應(yīng)出問(wèn)題所在，二是發(fā)現(xiàn)新的用戶群體。
對(duì)于備受關(guān)注的后者，電商希望通過(guò)智能聯(lián)網(wǎng)分析已有的數(shù)據(jù)，發(fā)掘并預(yù)測(cè)出用戶的興趣所在，刺激用戶購(gòu)買積極性，并將產(chǎn)品推向特定人群。
目前業(yè)界的普通實(shí)現(xiàn)方式是，通過(guò)用戶網(wǎng)絡(luò)上留下的歷史信息、記錄，來(lái)猜測(cè)喜好，例如相關(guān)圖書推薦、機(jī)票航班推薦等，但失算之處可能在于精準(zhǔn)度和推薦時(shí)機(jī)不盡人意，比如用戶已經(jīng)旅行歸來(lái)，系統(tǒng)還在推薦往返機(jī)票。
目前美國(guó)有一種研究方向，通過(guò)非結(jié)構(gòu)化數(shù)據(jù)分析技術(shù)對(duì)用戶進(jìn)行個(gè)性化維度分析，包括對(duì)用戶在網(wǎng)絡(luò)上更新的個(gè)人狀態(tài)信息進(jìn)行分析，如Twitter、Facebook，推定用戶個(gè)性及特征，以精準(zhǔn)定義個(gè)人并實(shí)現(xiàn)標(biāo)簽化，同時(shí)反饋給商家并與目標(biāo)市場(chǎng)用戶相匹配，從而實(shí)現(xiàn)產(chǎn)品的關(guān)聯(lián)。
對(duì)此，美國(guó)數(shù)據(jù)分析科學(xué)家、Taste Analytics創(chuàng)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(tǒng)的方式需要基于大量的行為數(shù)據(jù)進(jìn)行分析，并相信所有的動(dòng)作具有價(jià)值，但事實(shí)卻并非這樣，容易造成對(duì)精準(zhǔn)度和時(shí)機(jī)的把握不盡人意;而通過(guò)對(duì)人在網(wǎng)絡(luò)上留下的真實(shí)語(yǔ)言、說(shuō)話方式、評(píng)價(jià)內(nèi)容等進(jìn)行個(gè)性化維度分析，更貼近人真實(shí)的本性，這當(dāng)然也包括購(gòu)買喜好，只有這樣才能實(shí)現(xiàn)更加準(zhǔn)確的產(chǎn)品購(gòu)買需求挖掘。
電商商戶的“福利”
目前，該分析技術(shù)在電商平臺(tái)上更能直接釋放效力的方式，便是針對(duì)中小型商戶的解決方案：對(duì)用戶產(chǎn)品評(píng)價(jià)進(jìn)行分析，來(lái)優(yōu)化產(chǎn)品、提升用戶體驗(yàn)。
Derek Wang舉例道，通過(guò)Taste Analytics Signals數(shù)據(jù)分析平臺(tái)，亞馬遜平臺(tái)上的耳機(jī)商戶，可以對(duì)平臺(tái)上用戶的產(chǎn)品評(píng)價(jià)及Facebook上的留言進(jìn)行語(yǔ)義分析，得出對(duì)耳機(jī)品牌、電池壽命、品種型號(hào)的用戶反饋，以及不同產(chǎn)品間如Bose與Sony的產(chǎn)品分析。
這對(duì)于美國(guó)為數(shù)眾多的亞馬遜、新蛋、易貝商戶而言無(wú)疑十分受用，其可以及時(shí)對(duì)產(chǎn)品和銷售過(guò)程進(jìn)行優(yōu)化。
另一個(gè)典型應(yīng)用是電商平臺(tái)本身。美國(guó)某著名的大型家居銷售企業(yè)，在其電商網(wǎng)絡(luò)平臺(tái)上，通過(guò)刺激網(wǎng)絡(luò)流量來(lái)買賣產(chǎn)品。利用數(shù)據(jù)分析平臺(tái)，其不僅發(fā)現(xiàn)并解決了用戶消費(fèi)時(shí)信用卡連刷2次的問(wèn)題，同時(shí)觀察到網(wǎng)絡(luò)流量在一周中的不平均分布，后續(xù)通過(guò)市場(chǎng)促銷，改變了市場(chǎng)營(yíng)銷過(guò)程。
(用Taste Analytics Signals平臺(tái)對(duì)Amazon某熱銷汽水的分析結(jié)果)
決策在數(shù)據(jù)之上而非數(shù)據(jù)本身
#p#分頁(yè)標(biāo)題#e#
用戶的特征來(lái)自于文本分析，用戶在網(wǎng)絡(luò)上說(shuō)的每一句話都將可能成為分析點(diǎn)。無(wú)疑更多的數(shù)據(jù)將有力于對(duì)用戶行為進(jìn)行匹配，提高分析準(zhǔn)確性，而這方面社交平臺(tái)則提供了一個(gè)很好的非結(jié)構(gòu)化數(shù)據(jù)的來(lái)源。
事實(shí)上，美國(guó)電商本身已經(jīng)在開始著手整合社交網(wǎng)絡(luò)的數(shù)據(jù)信息，例如閃購(gòu)網(wǎng)站Myhabit建議用戶通過(guò)亞馬遜賬號(hào)登陸;電商Macys需要用Facebook賬號(hào)登陸(這樣的整合在國(guó)內(nèi)也并不鮮見)。對(duì)于用戶，這樣的登陸方式更方便快捷;對(duì)于商戶，可以將個(gè)人信息關(guān)聯(lián)起來(lái);而對(duì)于大數(shù)據(jù)技術(shù)/服務(wù)提供商，數(shù)據(jù)分析服務(wù)便可以由此展開，進(jìn)行深度數(shù)據(jù)挖掘。
在Derek Wang看來(lái)，此項(xiàng)圍繞人的非結(jié)構(gòu)化數(shù)據(jù)分析平臺(tái)服務(wù)，不僅能提升結(jié)果的準(zhǔn)確性，更重要的是它建立的不是一個(gè)推薦系統(tǒng)，而是一個(gè)增強(qiáng)智慧的過(guò)程。畢竟僅基于既有行為的數(shù)據(jù)分析會(huì)導(dǎo)致可能的失敗，小到上述提及的機(jī)票推薦，大到金融領(lǐng)域采用數(shù)學(xué)模型的危險(xiǎn)性在次貸危機(jī)中已經(jīng)暴露無(wú)疑。
“由機(jī)器提取的數(shù)據(jù)內(nèi)涵，通過(guò)圖像的方法展示給企業(yè)決策者，決策者通過(guò)與機(jī)器互動(dòng)后做出決定。數(shù)據(jù)分析平臺(tái)是輔助企業(yè)決策者的工具，也是它的價(jià)值所在。” Derek Wang說(shuō)道。
不謀而合，《紐約時(shí)報(bào)》資深撰稿人史蒂夫·洛爾曾著書大數(shù)據(jù)時(shí)評(píng)論，雖然決策活動(dòng)對(duì)數(shù)據(jù)與分析的倚重與日俱增是大勢(shì)所趨，但同時(shí)還要讓常識(shí)發(fā)揮應(yīng)有的作用，經(jīng)驗(yàn)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(shù)據(jù)分析基礎(chǔ)之上。
機(jī)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(xiàn)方式，使得電商及商戶的內(nèi)部分析師即使沒有IT背景，也可以輕松地掌握產(chǎn)品動(dòng)態(tài)，從而幫助其贏得市場(chǎng)。
大數(shù)據(jù)確有裨益，但并不是所有企業(yè)都能成功掘金大數(shù)據(jù);只有那些富有遠(yuǎn)見、重視系統(tǒng)且敢于投資的公司才會(huì)有所斬獲。對(duì)于零售業(yè)而言，有三個(gè)重要戰(zhàn)略可幫助電子商務(wù)成功運(yùn)用大數(shù)據(jù)。
正確理解大數(shù)據(jù)
不必糾結(jié)于大數(shù)據(jù)到底是什么，試圖計(jì)算出多少數(shù)據(jù)才算大數(shù)據(jù)是不明智的。首先，沒有確切的數(shù)字或數(shù)量級(jí)可用作數(shù)據(jù)量的分界線，因?yàn)榇髷?shù)據(jù)不在“量”，而在“全”。通過(guò)對(duì)全面數(shù)據(jù)的分析可以發(fā)現(xiàn)相應(yīng)的趨勢(shì)，進(jìn)一步預(yù)測(cè)未來(lái)。想要掌握大數(shù)據(jù)，必須具備“大數(shù)據(jù)”的思維模式，即關(guān)注于那些已幫助完成了某項(xiàng)任務(wù)的數(shù)據(jù)。從龐大的歷史數(shù)據(jù)中尋找規(guī)律，從而預(yù)測(cè)未來(lái);或者找出有關(guān)因素，對(duì)搜索佳數(shù)據(jù)的系統(tǒng)進(jìn)行改善，獲得正確數(shù)據(jù)取得大利益。
如何獲取大數(shù)據(jù)?
大數(shù)據(jù)被炒熱和巨無(wú)霸企業(yè)在其中獲得的巨大商業(yè)價(jià)值密不可分，但這并不意味著大數(shù)據(jù)是只有大公司才買得起的“獨(dú)有玩偶”。小公司也能擁有自己的“大數(shù)據(jù)”。雖然大多數(shù)電商企業(yè)仍處于起步階段，但它們也可以收集數(shù)據(jù)，挖掘優(yōu)秀人才幫助做出更加明智的決定。數(shù)據(jù)分析可以從小數(shù)據(jù)開始、效果立竿見影，隨后發(fā)展成為大數(shù)據(jù)。即使一家小咖啡廳也能通過(guò)探尋顧客的飲用習(xí)慣、信用卡記錄以及在線定位設(shè)置而建立自己的“大數(shù)據(jù)”。
盡管中小型企業(yè)還未完全配備企業(yè)先進(jìn)的大數(shù)據(jù)線上工具和模式，但他們?nèi)阅軓谋竟練v史數(shù)據(jù)中找出規(guī)律。例如，有了一兩個(gè)月推廣促銷活動(dòng)的歷史數(shù)據(jù)后，服裝電商公司就可以開始分析各個(gè)品類的銷售表現(xiàn)情況，掌握一周或一個(gè)月內(nèi)的暢銷和滯銷的銷售品類信息，同時(shí)清楚了解長(zhǎng)期內(nèi)的平均增長(zhǎng)率和復(fù)合增長(zhǎng)率。這樣的數(shù)據(jù)分析方法能提供產(chǎn)品銷售額和產(chǎn)品銷售表現(xiàn)的衡量指標(biāo)，從而找出產(chǎn)品銷售模式和趨勢(shì)，做出下一步商業(yè)決策。這樣將幫助企業(yè)實(shí)現(xiàn)更大的銷售額，同時(shí)，無(wú)論有無(wú)市場(chǎng)推廣活動(dòng)，都可以監(jiān)控產(chǎn)品的銷售表現(xiàn)。
整合零售策略與大數(shù)據(jù)
#p#分頁(yè)標(biāo)題#e#
從企業(yè)的角度來(lái)看，大數(shù)據(jù)的大價(jià)值在于零售策略與大數(shù)據(jù)技術(shù)相結(jié)合。目前，由于消費(fèi)者對(duì)于他們所希望的購(gòu)物時(shí)間與購(gòu)物方式的要求越來(lái)越高，現(xiàn)代零售業(yè)已變得愈發(fā)復(fù)雜。因此，零售商需要更加聰明地來(lái)服務(wù)顧客，更加靈活地選用庫(kù)存和配送訂單的地點(diǎn)，更加明確如何使用搜集到的顧客數(shù)據(jù)進(jìn)行線上線下的交叉銷售和追加銷售。為了達(dá)成這一目的，零售商需要借助一個(gè)定制軟件來(lái)制定以顧客為導(dǎo)向、基于數(shù)據(jù)的策略，以便于為顧客提供個(gè)性化服務(wù)。
此外，企業(yè)必須將零售策略與數(shù)據(jù)分析大程度地相匹配，保證銷售計(jì)劃的實(shí)現(xiàn)。大數(shù)據(jù)大的特點(diǎn)之一就是在于能夠高速更新和處理信息。根據(jù)這一特性，商業(yè)數(shù)據(jù)一旦生成，就可以進(jìn)行相應(yīng)策略的制定，幫助公司贏得時(shí)間與空間調(diào)整市場(chǎng)策略，以充分地發(fā)揮自身優(yōu)勢(shì)。這就像防洪預(yù)警：上游一旦有所警示，下游就應(yīng)立即作出回應(yīng)調(diào)整。例如，涉足線上的傳統(tǒng)零售商，在一組貨品的15分鐘促銷時(shí)間內(nèi)，往往會(huì)準(zhǔn)備三套應(yīng)變策略，以確保商品按計(jì)劃銷售。 通過(guò)整合零售策略和大數(shù)據(jù)，企業(yè)將能夠吸引更多消費(fèi)者、為他們提供定制化服務(wù)，從而提升產(chǎn)品銷售表現(xiàn)、增加銷售額，進(jìn)而擴(kuò)大收益。