
没有用户体验,大数据变现都是空谈
互联网上信用消费的兴起,是一个标准的跨界现象,以场景为桥梁,涉及电商和金融供应链的交叉点。电商发展至今,积累了丰富而宝贵的大数据;金融平台通过分析和利用大数据,挖掘新的价值增长点。6月12日,第三方消费金融服务平台闪钱包举办了跨界沙龙,易观、去哪儿、美丽说、瑞丽网、银泰网现身说法,带来对“电商大数据变现”的深入讨论。
从B2C到B2B,大数据变现成主流
说起“电商大数据”,离不开几个关键词:移动互联网、电商物流、互联网金融、用户管理和精准营销。易观流通产业分析师谭乃洵认为:讨论该背景下的产业升级,一个切入点是:回顾近几年电商产业发生了哪些重大变化,再看大数据在背后扮演怎样的角色。
B2C 领域。电商与生俱来就带着大数据光环。相比传统零售和渠道商,B2C平台可以通过获取消费者行为数据、购物偏好、地位位置、联系信息等,对用户进行精准的身份识别和定位。平台上的第三方服务商,比如物流公司、支付公司,也在贡献着包括运营状况、产品服务记录、消费者评论等在内的重要数据。不具备大数据优势的传统商家,一方面自建电商平台,同时跟互联网合作,打造自己的客户管理或会员体系,另一方面借助O2O风口,运用WIFI等技术营造室内交互体系,从而完成数据收集。
物流领域。大数据对电商物流的提效。两年前,阿里、银泰、富春集团共同启动了中国智能物流骨干网,即“菜鸟网络”,体量庞大,计划在5-8年内,实现全中国任何一个区域的24小时配送。打造社会化的物流平台,背后少不了大数据的支持。阿里巴巴2014年“双十一”的包裹数量达到了2.78亿,任何一个独立或松散的物流体系都无法承担。
互联网金融。从去年开始,京东、天猫、苏宁、唯品会等等,一方面向平台上的供应商和卖家推出小额信贷业务,另一方面对消费者推出京东白条、任性付(苏宁)、天猫分期购等服务,也是基于对大数据的分析和利用,电商才敢大胆切入互联网金融。
B2B 领域。B2B有三个发展阶段:第一阶段是信息服务平台,B2B扮演信息撮合者;第二阶段是交易服务平台,企业及买卖双方将交易环节搬到线上;第三阶段是综合性服务平台,包括金融、物流和数据服务。B2B有自己的天然属性,如交易规模较大、决策流程较长、中间环节较为复杂等等,相较于B2C发展缓慢。因而,开展供应链金融,对B2B平台发展不可或缺。一方面,B2B在线交易和金融服务需要完善,通过数据收集打造信用评级和风控模型,供应链金融才能落地;另一方面,B2B的数据本身也会成为一项产品,作为新的盈利点和增值服务,面向平台商家提供。
电商大数据究竟怎么玩?深挖平台用户价值
电商大数据变现的主要途径,是深挖平台用户消费数据的价值。但价值从何而来?如何进行挖掘?对此,闪钱包CEO盛阳认为:作为第三方消费金融服务平台,要负责将金融技术的专业问题解决,帮助电商挖掘和利用数据。
背景。随着大数据的发展,整个电商行业都需要解决方案,不仅针对消费环节,而是产业链的提升。今后,数据将成为一种战略资产。电商发展经过了很多红利阶段,比如人口红利、政策红利、流量红利等等,由于巨头的占领,这些红利也变成了红海。新的蓝海在哪里?移动电商前景广阔,数据管理的时代即将到来。对电商而言,数据红利可以从C2B、O2O等互联网金融的角度去挖掘。
门槛。电商做消费金融的门槛比较高。一方面,大数据挖掘存在困难,单个电商可能成为数据的“孤岛”,其消费数据不足以反映用户的整个信用体系,用户画像不完整,需要打通的数据才有效。另一方面,电商做消费金融的风险较高,例如,央行的征信开口可能只留给银行和金融机构,不太可能对电商开放,同时这种资金的使用成本相对高昂,还要花费很多精力控制坏账。
用户。真正的网购用户什么样?去年国内网购用户达到3.6亿,其中大多数是90后。在消费习惯上,90后会为“喜欢”而买单,而不是攒够钱再买;在购买种类上,90后偏爱一些独立、奢侈的品牌;在信用消费上,很多 90后和更年轻的人拿不到信用卡。在传统银行和征信机构,因为缺少数据而无法给这些人授信。所以闪白条应运而生。
服务。基于对互联网消费心态的服务,闪白条的授信、支付、还款都在网上操作完成,不会借助线下和人工。此外,闪白条还以全网的电商平台为应用场景,提供个人信用赊购服务,最终让用户能够“即看即买”和“先消费、后付账”。
风控。风控是各方对消费金融的关注重点。在数据采集上,闪白条主要有四个来源:第一,用户在电商过往消费的行为数据;第二,网络爬虫获取用户在互联网上的数据;第三,用户填写的一些个人信息;第四,与其它信用机构进行合作。在风控模型上,闪白条通过自有技术模型,将数据源结构化,进行黑名单筛选,最后给用户全方位画像,得出整体评估结论。用户获得授信后,就可以进行信用消费。
在消费金融领域,京东白条和阿里花呗出现较早,但目标用户仅仅针对电商平台内部。另一类针对大学生分期的趣分期和分期乐产品,目标用户群体则相对较窄。闪钱包/闪白条是针对全网用户发放“白条”,支持所有的电商,比如目前和去哪儿网合作的“拿去花”、和美丽说合作的“白付美”,都是闪钱包针对电商各自的使用场景开发的分期产品。
永远站在用户这端,数据价值才能变现
从电商角度来看,与金融平台合作打造支付工具,不仅能提升用户的消费体验,还对活络电商平台的整体资金链有很大好处。为此,去哪儿网运营总监蔡昌茂分享了自身的电商策略及与闪白条的合作经历。
比价原则。为了迎合大数据互联网金融,去哪儿网做了最擅长的事情:竞价搜索。和“给用户价格最低的机票”一个道理,也会根据所有授信机构给用户的金额及收取的利息,帮用户挑选最合适的授信机构。比如,一个授信机构给你6万的额度,年化利益为16%;另一家给你的额度是5万,但年化利息只要11%,会帮用户选价格最低的。
用户画像。去哪儿网的用户,40%来自一线城市,68%为高学历,52% 是女性,26%的人每年旅行花费在2万元以上。这些用户对授信机构是很好的用户群。对于用户数据,去哪儿网本身有一个风控模型,将两次筛选后的核心用户,输送给授信机构,一方面保护了用户隐私,一方面增加了授信的成功率。
跟谁合作。站在电商的角度,如果把数据共享给阿里,天下的生意可能都被马云做了。选择闪白条,第一,是为了用户,为用户选择最便宜、体验最好的;第二,帮助平台上的供应商,获取更多用户,挣更多合理的钱。跟闪白条做了两件事:一个是针对贷款类用户的合作;二是用户提前付过来的钱,帮他们做理财,因为预定机票和酒店的用户,一般会提前1-2周就把钱付过来,如果将理财的反向受益补贴给客户,他们的花费会更低。
无论旅游产品还是金融产品,去哪儿网坚持的原则就是“永远站在用户这端,给用户谋福利”。当然,也会站在供应商的角度,去哪儿网所有产品都是实名交易,信用产品也是帮供应商增加收入。在交易环节中,授信的金额是不能套现的,也只能在去哪儿网使用,并且是用户本人才能使用。至于授信机构的钱从哪来,想将前端理财的钱导入到供应商那里,并在去哪儿平台上实现闭环。
从互联网金融的发展趋势上看,除了去哪儿网,今后还会有更多电商,选择像闪钱包这类的第三方金融服务平台进行合作,这也是大数据下消费金融反哺电商的重点表现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14