一个电商的“大数据”生存

0 评论 6509 浏览 1 收藏 13 分钟

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,试图找出其中的原因: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,这些看起来似乎并不起眼的细节,统统增加了问题解决的复杂性。

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。但越来越丰富的数据,也给他带来了新困惑:当一个数字在下降,另一个数字在上升时,如何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”研究中,王欣磊尝试为自己的疑问找到答案,但结果却并不令人满意。“《大数据时代》那本书中提到,人们不再需要探究数据间的因果关系,而只需要知道相关关系。但在实际操作中,我们怎样判断这种相关关系是一段时间内的偶然现象,还是必然的趋势?这是个很大的问题。”

但即便面对种种困惑,“大数据”,对1号店来说依然是一座金矿,并已经开始从中有所收获。比如,1号店已经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,就可以推荐商家做联合营销。

1号店称,其每天的流量(独立IP)已高达400多万,而每一个访客又会看近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,“用户的浏览路径,先看哪个页面,后看哪个,通过哪个链接切换,用搜索还是类目浏览等,1号店统统都能掌握”,“基于这些数据,能做的事情太多了”。

挖掘每个用户

准确地说,1号店的“数据挖掘”起步于3年多前。彼时,公司购买了数据仓库,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,来提供更精准化的服务。

不过那时,1号店的关注点还仅仅停留在用户的购买记录和收藏行为上。相比之下,它目前对数据的捕捉,显然更加“精细化”。无论是购买频次,还是用户的性别、年龄、习惯等,都能帮助它分析和跟踪消费模式的微妙变化,进而“投其所好”地实现最大化的销售。

譬如,当一个用户浏览了商品后没有购买,1号店紧接着便会分析整个购物过程“卡”在哪个环节上。假如商品已经加入了购物车,那么导致用户没有购买的很可能是高运费,1号店很可能会调整运费;倘若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醒用户购买;如果用户浏览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兴趣,只是没有找到自己想要的品牌。这种情况下,只要有新品上架,1号店就会第一时间推荐用户购买。

还有一种可能是,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号店就会提醒顾客购买。假如顾客依然没有购买,1号店就假设用户并不想要这个商品,而是想要类似商品,于是只要有类似的新品推出,公司就会作出推荐。

在此基础上,公司观察到许多用户的购买频次有其规律性,假如一个用户上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号店就会想方设法地“提醒”他。

除了最终购买的商品外,用户的浏览路径同样受到了重视。在于刚看来,这些看似不经意的行为里蕴含了大量信息。“一个简单例子是,用户进入1号店页面后第一个浏览的商品,就是他的目标商品。假如用户首先浏览了牛奶,那么你就应该推荐他不同品牌的牛奶。”他说道。当然,这里头还有许多推荐的“技巧”——如果用户对某一品牌的牛奶比较忠诚,那么1号店就不应推荐其他品牌的牛奶,而应推荐与牛奶搭配的面包、饼干或早餐谷物等。

那些购买目的性很强的用户,常常会使用搜索的方式进入所需商品的页面。对于这一类用户,1号店同样也会“直截了当”地推荐他们的目标商品;另一些用户喜欢“逛”,他们往往通过类目来选择商品,“比如先买吃的,再买喝的,最后买用的”。对于这类客户,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”的心理;而对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,以推动其购买。

在1号店上购物的顾客,可能并不知道,自己每一次的购物行为,正帮助这家电商公司逐步了解自己,并为自己描摹出一幅大概的生活图景。据王欣磊称,1号店首先会根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,公司根据用户的浏览习惯,为其打上更为细致的“标签”。这种描绘用户个人信息及购买偏好的标签,多达成百上千个,“比如,他是倾向于购买哪一类商品的?他的浏览行为是什么,是喜欢搜索还是用类目浏览?他喜欢在上班时间购物,还是在周末购物?购买的周期和收货的习惯又是什么?”王欣磊说道,在将客户抽象为一个个具体的标签后,1号店便能有的放矢地进行营销。

他同时坦言,1号店并没有办法直接获得用户的性别、家庭状况、收入状况等信息,但可以通过几种方式去推测。一个明显例子是,公司可以根据用户的姓名,并结合一些购买行为,来推测用户的性别。

从今年起,中科院的一个研究小组也加入了1号店的客户数据研究中。双方研究的重点便聚焦在顾客的分群。“他们会将顾客分为忠实顾客、风险顾客(较易流失的顾客)和需要提升的顾客,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

除了对消费行为的分析研究,如何借助数据让产品价格更具竞争力同样重要。眼下,1号店后台的PIS(价格智能系统)每天实时在线搜索60多个网站和1700多万种商品的库存信息和价格信息,并根据竞争对手的商品价格实时调整自己的商品价格。

具体说来,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领先,有些品类只要不高于竞争对手就行了。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,系统就会根据对手的动态价格自动调整商品的价格。你知道,1号店有几百万种商品,完全没有办法用手工设置价格。”

于刚称,在1号店较为擅长的食品饮料领域,公司试图做到价格领先,“尤其是进口牛奶品类,60%的线上销售都是通过1号店走的”;而在服装等领域,公司追求的则是毛利。

尽管这些做法看起来无懈可击,但随着1号店的数据量越积越多,它也开始面临新的烦恼:比如,应该怎样将海量的数据进行过滤,去芜存菁?王欣磊并不讳言,“数据的纯洁性是一个很大的问题。”

不难理解,当公司由于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、节假日的数据也要过滤,而那些因为竞争对手的促销导致销量突然下滑的数据也要剔除在外。

除了外部干扰,消费者的个人操作中也包含着不少无效行为,这同样被视为一种“数据噪音”。于刚发现,有的用户上1号店并不是为了购物,而纯粹是为了测试网站,“他注册之后,往往下一个订单后取消,再下一个订单再取消,这些用户肯定不在我们的研究范围”。

相比之下,更大的难题在于,线下批发商对线上数据的干扰。据王欣磊称,一些地区的线下批发商可能是因为线上渠道的价格更便宜,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。“批发用户拥有很多的注册账号,这对我们很不利,也给数据带来很大的干扰。”他指出,“我们会通过技术的手段去防批发,并不断地清理数据。但如何去验证真正的消费者数据,目前依旧是个很大的挑战。”

收集数据的下一步,是对数据进行分析和解答。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,随着数据量的增大,研究的准确性一开始会随之上升,但很快就会趋平。眼下,业界亦并没有形成放之四海而皆准的解读方法。从这个角度看,如何正确地解读数据,让数据模型越来越准确,是摆在所有电商企业面前的难题。

在复杂的模型之上,算法同样重要。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推荐。用于刚的话说,“当一个顾客用搜索来挑选商品时,我们的后台需要为这一搜索做支持,算法得非常快才行——否则用户等待的时间一长,就会不耐烦。”

不难发现,1号店对大数据的研究和运用,仍处于摸索阶段,而在全球范围内,这依然是一个新鲜的应用。很多时候,于刚会对新的数据应用感到兴奋,但有时,他也会显得力不从心——在他眼里,学术界如今已做了很多关于大数据的前瞻性研究,企业界则尝试着大量的应用,但两者间的关联并不大,甚至朝着截然不同的方向前行。换言之,在学术研究与实际应用中,尚有很大的鸿沟。

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

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!