京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电商品质化升级 大数据成平台品控利器
作为连接消费者和商品的纽带,电商平台对商品品质的管控关系到消费者的权益能否落实。在保证品质的过程中,平台方一面要协助保障消费者权益,另一面也要对入驻的商家和商品负责,其角色的重要性可见一斑。
平台方如何更好地履行职责?京东集团无界零售赋能事业部品质提升部高级总监陈宇向媒体讲述了京东的品控经验。
加强监管 多环节引入数据支持
目前京东商城的自营商品占了较大比重,这一部分商品的管理已经非常成熟。对于第三方商家的管控成为重点。陈宇表示,对于平台入驻的第三方商家,京东考量其商品质量是否有保证会分为三步:第一,与政府监管机构沟通了解商家的信用情况;第二,会审查申请经营的品类资质;第三,在经营过程中的监管体系。前两步主要是在入驻之前进行,第三步则是成功入驻之后。
为了更加有效的进行管控,京东在多个环节引入了大数据。例如,京东会跟一些政府机关打通数据库,拿到类似于黑名单或者违规经营的名单,杜绝这样的商家入驻平台。同时还有大量的用户行为数据的收集和整理。
“电商只能靠大数据,只能靠系统化,必须是在研发和技术上大量投入。”陈宇说,“希望未来借助国家机构的数据,一起与国家共同建立企业诚信和个人诚信档案库。”
海外购是公认的品质控制难点,在这一点上,京东从2017年9月份开始,对全球购进行了一次大规模的质量提升行动,把店铺重新入驻的规则包括资质进行了梳理。陈宇认为,最终,京东所定义的全球购,是尽可能的去跟品牌方合作,引进国外当地的品牌方。同时通过海外机构,包括与当地的使馆和商业协会合作,让他们来协助认证那些在京东开全球购的店铺。
赋能商家 除劣同时更要扶优
“京东不仅仅只是一个平台,而希望能带给商家更多,希望能以我们的能力去向商家输出”,陈宇表示。京东秉持对假货的态度零容忍,但是对于质量不合格的产品,处罚之外,京东会帮助商家一块找问题的根源。
以标识或者标签不规范最后抽检后定义商品不合格为例,规模较大的工厂对于规范的理解没有问题,而中小的企业质量管理人员或者生产人员对规范理解可能存在一定的偏差,这些问题是通过平台帮助商家改善的。
“我们去年开始做了标签专项提升的试点,下半年试点效果比较好,今年会大力推广以帮助我们平台上的生产企业和第三方将标签规范化。” 陈宇说。
对于京东来讲,前几年更多关注于如何在这个平台去防范一些不合格的商品和不规范的商家,也就是“除劣”,而今年关注的重点在于怎么把优秀的东西展示出来,让用户能很容易的选到,也就是“扶优”。商品质量的把关一定要严格,但是同时把更多优质的商品推荐给用户,让其成为消费者的首选,为品质管控提供了新的思路。
“原来光去看排名,或者竞价广告这种是不可取的。现在京东对于这个品类定好标准,搜索加一些权重,相当于京东来认证优质的企业和产品。”陈宇表示,一方面,用户买的时候这些商品会有京东的背书和把关,会更省时更省心。另一方面,购买次数越多,京东后台就会有更多数据,有些数据很高的商品当月的销售量涨了百分之五、六百,让优质的商品更受欢迎。
随着315的临近,品质问题的关注会达到一个新的高度,电商打假刻不容缓。陈宇呼吁:整个中国电商应该是一个整体,希望各个平台联起手来,不要各自为战,而是形成一种联盟,让一地造假在多地无法生存。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19