一个电商的“大数据”生计
本文摘要:订阅专栏撤销订阅 80后产品,人生趣味是互联网、旅游、喝茶62531王欣磊发现,最近,网上超市“1号店”在线购物车的转化率下降了。身为1号店副总裁的他,试图找出其间的原因:缺货,也许是一个直接因素,但除了缺货,其他细节也可能导致购物车转化率的下降。他
订阅专栏撤销订阅 80后产品,人生趣味是互联网、旅游、喝茶

6253

1

王欣磊发现,最近,网上超市“1号店”在线购物车的转化率下降了。身为1号店副总裁的他,试图找出其间的原因:缺货,也许是一个直接因素,但除了缺货,其他细节也可能导致购物车转化率的下降。他知道,这些看起来似乎其实不起眼的细节,通通添加了问题解决的杂乱性。

作为电商产品设计领域的资深人士,王欣磊向来喜欢用数据分析问题。但愈来愈丰厚的数据,也给他带来了新困惑:当一个数字在下降,另外一个数字在上升时,怎么证明这两者间具有相关性?购物车转化率下降的问题,便是一个典型的案例。

在最近兴起的“大数据”研讨中,王欣磊尝试为自己的疑问找到答案,但成果却其实不令人满意。“《大数据时代》那本书中提到,人们不再需要根究数据间的因果关系,而只需要知道相关关系。但在实践操作中,我们怎样判断这种相关关系是一段时间内的偶尔现象,仍是必定的趋势?这是个很大的问题。”

但即便面对种种困惑,“大数据”,对1号店来说仍然是一座金矿,并现已开始从中有所收获。比如,1号店现已在帮商家分析商品之间的关联度,并以之为依据制定营销策略。比如,1号店发现,当可口可乐和奥利奥饼干的关联度特别高时,就能够引荐商家做联合营销。

1号店称,其每天的流量(独立IP)已高达400多万,而每个访客又会看近10个页面。用1号店董事长于刚的话说,除了用户买什么或不买什么,“用户的阅读途径,先看哪一个页面,后看哪一个,通过哪一个链接切换,用查找仍是类目阅读等,1号店通通都能把握”,“基于这些数据,能做的事情太多了”。

发掘每一个用户

精确地说,1号店的“数据发掘”起步于3年多前。彼时,公司购买了数据库房,并建立了自己的BI(商业智能)团队,试图通过建立顾客的行为模型,来提供更精准化的效劳。

不过那时,1号店的重视点还仅仅停留在用户的购买记载和保藏行为上。相比之下,它现在对数据的捕捉,显然更加“精密化”。无论是购买频次,仍是用户的性别、年纪、习惯等,都能协助它分析和跟踪消费模式的微妙变化,进而“投其所好”地完成最大化的出售。

譬如,当一个用户阅读了商品后没有购买,1号店紧接着便会分析整个购物过程“卡”在哪一个环节上。假定商品现已加入了购物车,那么导致用户没有购买的极可能是高运费,1号店极可能会调整运费;假使用户没有购买是因为库存缺货,那么下次库存到货后公司就会提示用户购买;假如用户阅读了许多类似的商品却最终没有购买,那么可以推测用户对这一品类的商品感爱好,只是没有找到自己想要的品牌。这种状况下,只需有新品上架,1号店就会第一时间引荐用户购买。

还有一种多是,商品的价格太高吓退了顾客,那么一旦有关于该商品的促销,1号店就会提示顾客购买。假定顾客仍然没有购买,1号店就假设用户其实不想要这个商品,而是想要类似商品,于是只需有类似的新品推出,公司就会作出引荐。

在此基础上,公司观察到许多用户的购买频次有其规律性,假定一个用户上1号店只购买洗发水,且每三周购买一次,那么一旦用户哪一次没有购买,1号店就会费尽心机地“提示”他。

除了最终购买的商品外,用户的阅读途径相同遭到了注重。在于刚看来,这些看似不经意的行为里蕴含了很多信息。“一个简略例子是,用户进入1号店页面后第一个阅读的商品,就是他的方针商品。假定用户首要阅读了牛奶,那么你就应该引荐他不同品牌的牛奶。”他说道。当然,这里头还有许多引荐的“技巧”——假如用户对某一品牌的牛奶比较忠诚,那么1号店就不该引荐其他品牌的牛奶,而应引荐与牛奶搭配的面包、饼干或早餐谷物等。

那些购买意图性很强的用户,常常会使用查找的方式进入所需商品的页面。关于这一类用户,1号店相同也会“开门见山”地引荐他们的方针商品;另外一些用户喜欢“逛”,他们往往通过类目来选择商品,“比如先买吃的,再买喝的,终究买用的”。关于这类客户,1号店倾向于同时向他展示很多商品,特别是新品,满足其猎奇、“闲逛”的心思;而关于那些被促销页面吸引的用户,公司则会向他们展示热推或促销的商品,以推进其购买。

在1号店上购物的顾客,可能其实不知道,自己每一次的购物行为,正协助这商公司逐步了解自己,并为自己描摹出一幅大约的日子图景。据王欣磊称,1号店首要会依据用户的购买金额和频次将其分为四个大群,在用户大群的基础上,公司依据用户的阅读习惯,为其打上更为详尽的“标签”。这种描绘用户个人信息及购买偏好的标签,多达到百上千个,“比如,他是倾向于购买哪一类商品的?他的阅读行为是什么,是喜欢查找仍是用类目阅读?他喜欢在上班时间购物,仍是在周末购物?购买的周期和收货的习惯又是什么?”王欣磊说道,在将客户笼统为一个个详细的标签后,1号店便能对症下药地进行营销。

他同时坦言,1号店并没有方法直接取得用户的性别、家庭状况、收入状况等信息,但可以通过几种方式去推测。一个显着例子是,公司可以依据用户的姓名,并结合一些购买行为,来推测用户的性别。

从本年起,中科院的一个研讨小组也加入了1号店的客户数据研讨中。两边研讨的重点便聚焦在顾客的分群。“他们会将顾客分为忠诚顾客、风险顾客(较易流失的顾客)和需要提高的顾客,并对不同顾客的行为做进一步的分析。”王欣磊称。

“大数据”噪音

除了抵消费行为的分析研讨,怎么借助数据让产品价格更具竞争力相同重要。眼下,1号店后台的PIS(价格智能体系)每天实时在线查找60多个网站和1700多万种商品的库存信息和价格信息,并依据竞争对手的商品价格实时调整自己的商品价格。

详细说来,在公司设置的价格模型中,不同的品类都有相应的市场价格策略。“譬如,有些品类的价格要做到业界抢先,有些品类只需不高于竞争对手就好了。有些是我的利润品类,有些是流量品类。”于刚称,“我们在价格模型中设置底价后,体系就会依据对手的动态价格主动调整商品的价格。你知道,1号店有几百万种商品,完全没有方法用手工设置价格。”

于刚称,在1号店较为拿手的饮料领域,公司试图做到价格抢先,“尤其是进口牛奶品类,60%的线上出售都是通过1号店走的”;而在服装等领域,公司寻求的则是毛利。

虽然这些做法看起来自作掩饰,但跟着1号店的数据量越积越多,它也开始面对新的烦恼:比如,应该怎样将海量的数据进行过滤,去芜存菁?王欣磊其实不讳言,“数据的纯洁性是一个很大的问题。”

不难了解,当公司因为促销而使得销量大增时,消费者在那一特定阶段的行为与未来的趋势无关;此外,一些季节性、节假期的数据也要过滤,而那些因为竞争对手的促销导致销量俄然下滑的数据也要剔除在外。

除了外部搅扰,消费者的个人操作中也包括着不少无效行为,这相同被视为一种“数据噪音”。于刚发现,有的用户上1号店其实不是为了购物,而朴实是为了测试网站,“他注册之后,往往下一个订单后撤销,再下一个订单再撤销,这些用户肯定不在我们的研讨规模”。

相比之下,更大的难题在于,线下批发商对线上数据的搅扰。据王欣磊称,一些区域的线下批发商多是因为线上渠道的价格更廉价,于是通过各种渠道拿到优惠券在线上购买,再将货品转移到线下去卖。“批发用户具有很多的注册账号,这对我们很晦气,也给数据带来很大的搅扰。”他指出,“我们会通过技能的手法去防批发,其实不断地整理数据。但怎么去验证真实的消费者数据,现在仍旧是个很大的应战。”

收集数据的下一步,是对数据进行分析宽和答。事实上,面对同一组数据,不同的人从不同的角度分析,会得出全然不同的结论。也有人认为,跟着数据量的增大,研讨的精确性一开始会随之上升,但很快就会趋平。眼下,业界亦并没有构成放之四海而皆准的解读方法。从这个角度看,怎么正确地解读数据,让数据模型愈来愈精确,是摆在所有电商企业面前的难题。

在杂乱的模型之上,算法相同重要。1号店需要在极短的时间内,通过算法解读用户的行为,并在得到结论后做出实时的引荐。用于刚的话说,“当一个顾客用查找来选择商品时,我们的后台需要为这一查找做支撑,算法得十分快才行——不然用户等候的时间一长,就会不耐性。”

不难发现,1号店对大数据的研讨和运用,仍处于探索阶段,而在全球规模内,这仍然是一个新鲜的应用。很多时分,于刚会对新的数据应用感到兴奋,但有时,他也会显得无能为力——在他看来,学术界如今已做了很多关于大数据的前瞻性研讨,企业界则尝试着很多的应用,但两者间的关联其实不大,乃至朝着判然不同的方向前行。换言之,在学术研讨与实践应用中,尚有很大的鸿沟。

“我们需要把这两者有机地结合起来,把研讨的成果放到实践中去,我觉得,这是最难的一点,也是最需要花力气的。”于刚说。


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容