
大数据下商业模式如何创新
手中掌握大量消费者数据的银行、电信运营商、电商和院线,是如何有效利用大数据做商业模式创新的?近期,《世界经理人》与清华经管学院院长助理、市场营销系陈煜波教授、万达电影院线股份有限公司总经理曾茂军、中国移动集团市场部副总经理陆文昌、唯品会(中国)有限公司产品运营副总裁魏燕翔等嘉宾生动对话,生动展示了在大数据实践应用的前沿体验,共同探讨未来创新的可能性。
世界经理人:目前人们探讨较多的是B2C的数据掌握和运用,那么B2B企业怎么通过大数据系统把顾客和竞争对手的互动挖掘出来呢?未来的营销怎么可以做得更到位?
话题讨论:数据化决策流程比数据分析更重要?
陈煜波:我们过去的产品市场,渠道商是一个主要供应商或者几个供应商对几个主要的零售商,卖家足不出户就能把产品卖到全世界任何角落。在第三方平台通过外贸电商的数据,如何挖掘最有价值的卖家?在电子商务平台的卖家,了解顾客和市场信息最主要的手段就是跟顾客和竞争对手之间互动。
我们根据数据做了隐形的社会网络图,如果只是孤立的点,就是卖家跟卖家之间没有共享买家;如果有连接点,就是卖家跟其他卖家共享买家,可以从买家那里学习到其他卖家的信息。卖家在隐形的社会价值里所处的位置很重要。我们通过模型研究发现有两种卖家,A跟左边这串卖家共享客户,又跟右边这两串卖家共享客户,A处于中介位置;D跟他的卖家共享信息,它的卖家之间也共享买家,所以D就处在一个非常闭合的位置,A和D代表了两种不同竞争力的卖家。
我们发现如果客户来自发达国家,中介位置的卖家更容易成功,而对那些新兴市场而言,闭合位置的卖家更容易成功。金融危机后,中介位置对发达国家变得不那么重要,而闭合位置对所有国家市场变的越来越重要。如果用大数据把几百万商家之间的关系挖掘出来,能够发现整个市场是如何相互连接的。大数据背后的网络互联关系可以提供前所未有的顾客洞察和商业机会。我们过去跟顾客打交道的时候只拥有自己客户的数据,现在更多的是我们的客户是跟其他卖家互联的关系,关键是怎么把互联的关系挖掘出来。
魏燕翔:我们唯品会也算B2B,我们如果不做好上游供应商的管理,就无货可卖。为了实现销售,电商行业的很多岗位和职能都被重新定义。互联网营销是基于渠道和内容的,但中国的企业跟客户沟通时往往自说自话,我们假定用户理解了。做产品设计时,页面的设计和搜索框的摆放,都默认为买家理解了,其实买家的浏览习惯是需要被引导的。
我们需要在客户经营方面设计更多巧妙的机制,以带来正向的改变。目前很多营销仍然是简单粗暴的价格战,甚至很多时候是没有节操、没有底线去竞争,没有在过程中给消费者带来真正的价值。这些年各行业成本不断增加,如果你不精细化去维护客户的生命周期,不去为客户创造更多价值,恐怕很难活下去。
世界经理人:数据整合和应用对我们未来做精确的市场营销有非常大的帮助,但是在大数据的分析和运用上到底是“鸡生蛋”还是“蛋生鸡”?
陆文昌:市场竞争的决策不是拍脑袋而是基于数据管理。中国的无线数据流量2012年只有1ZB,2013年已经达到2ZB。中国移动的数据相对比较丰富,而且时间也长,数据量大既是一种机会,也是一个难题。我们看的数据是高纬度的,同样的数据在中国移动和广发银行看是不一样的,所以我们认为整个数据处理和积累的过程是非常艰苦漫长的,很难说是“鸡生蛋”还是“蛋生鸡”,因为确实这些痕迹都是真实的,没有作假,但是未必能全面表达他的意图和意愿。不是说营销人员盲目地拿着数据冲上去,而是在不断地精选,立足于信息采集、社交网络分级技术、舆情、网络自动开发处理、搜索这六个关键技术,最终会选择一个合适的方式,把客户纳入CRM体系做全生命周期管理。
魏燕翔:无论你是否用数据做决策,数据其实都在那儿,只是挖掘的意识不够。数据里面有很多噪音,不是所有数据都有价值。我们发现,每个企业不管多大规模,是什么性质,能掌握的消费者信息只是其中一部分,如果消费行为没有拿到,就无法挖掘数据潜力。每个行业都有指标来做持续的运营改善,这些指标是实现商业目标最核心的撬动杠杆,没有抓住核心指标会浪费资源和时间。
今天的数据越来越强调时效性和场景化。以前我们常依托消费者过去的历史数据做现在的判断,但当社会化媒体网络兴起后,消费者决策的路径以及过往行为对现在的影响,时效性越来越强,特别是像闪购、特卖这样的网站,商品档期经常替换,很难用上个月的数据假定这个月的结果或者表现,因为有太多变量因素存在。今天做一个商业动作的时候,它的权重已经远远不如过往,时效性变得特别重要。时效性和场景化也对数据采集、数据分析和数据决策带来新的影响。
我们常常花很多时间用问卷调查,甚至花很多钱请第三方调研公司给出报告,但是常常忘记最简单、最直接的方法是给客户打电话或者拜访客户,你就可以知道他真实的感受。因此,做运营段改善的时候,我们需要找到工具能够真实再现用户的行为。今天的互联网企业要面临的挑战是怎么样能够设计出好的结构应对周边的态势,怎么前瞻性地用一种快速试错或者精益创业的理念,实现产品端的迭代和服务的迭代。我个人认为数据化决策的流程比数据分析更重要。
世界经理人:谈到开放和融合,大数据时代企业应该如何做跨界的数据营销?未来营销手段中媒介的使用会发生多大的变化?
陆文昌:我们在公司战略上有两个洞察,即通话量快速衰减,流量快速增长。我们的核心战略就是启动“数字服务”,做内容和应用。内容是音乐、阅读、视频等一系列服务,这确实是一个互联网的基因和灵活的机制。第二个就是应用,我们面向转型和数字服务最重要的核心目标就是启动应用,定位到数字服务,我们不会去做产业链上下游的整合和延伸,我们的体制机制甚至人才团队支持不了。我们要不断地精细化运营数据并开放给各行各业。
全世界的潮流都是希望做融合,如果我们融合更多电影的数据,包括银行的数据和唯品会的数据,相信对用户观察的错判率会越来越小,清晰的速度越来越快。今天数据走向开放也仅仅是第一步,希望在未来的过程中有更多异业或者其他行业的共识,然后大家慢慢去合作,重新再去提 炼,更全面、更精准的识别消费者。
清华成立了数据科学研究院,我们希望通过这种战略合作关系,让全国的青年才俊在我们这个平台上共享信息。大数据时代大家没有必要刺刀相向,合作可以让数据越用越精准、越用越丰富,大家没有必要按照竞争时代的思维习惯,不断地制造壁垒来发展自己而限制对手。在应用层面上我们愿意跟各行各业共享数据,无论是B2B或者B2C都会有非常大的合作机会。
曾茂军:电影院的价值是什么?电影是文化消费的产业,电影院是文化承载的空间,是跨界合作的起点。现在我们25%以上的收入来自跨界合作,下一步我们还会有更多跨界合作。比如说《中国好声音》就是在万达影线首播。最好的电影院上演的不仅仅是电影,还有我们的故事,心与心的距离在这里悄悄地被拉近。
去年万达院线在深圳做了好多次跨界合作的案例,其中有新影城开张为了快速打开市场,就跟招商银行合作。因为我们的主要客户是集中在20~30岁之间,招商银行的消费者跟我们重合度很高,合作非常多。比如某一个动画片适合做游戏,我们知道向哪些人推荐;喜欢好莱坞影片的年轻人,想学英语的占40%以上;喜欢看iMax电影的消费者换车频率很高,我们和汽车厂商做整合营销,效果很好,这些都是跨界合作。
我们对所有的活动要进行数据分析和总结,跨界的规则是我们先找到共同点,关注某一类人,关注某一个年龄段的人对哪一种类型的消费感兴趣。如果中国移动积分好几十亿花不完怎么办?我们可以在电影首映式给移动用户一些折扣,通过合作给移动会员带来更多增值服务。
我觉得中国移动掌握了通讯的前端,现在有NFC进场通讯技术,所以我们可以通过陆总知道消费者的行为,通过历史数据分析,我们知道看电影的人可能喜欢某一种餐饮、对某一些时尚品牌非常感兴趣,我们之间可以做异业的合作。
陈煜波:我们正处在一个市场巨变的临界点,大数据让不同行业的数据进行跨界和融合,而零售行业也在与媒体融合。万达的电影就是最好的媒体,中国移动每一个手机都是媒体,跨界目的就是把其他行业当作媒体为我们客户服务。跨市场的网络效应很关键,每个客户会跟很多行业发生关系,经济学中把这种现象叫作双边市场,实际上是多边市场,用很多其他的行业作为媒体来服务我的主业,所以将来的媒体无处不在,会有更多新的业态和商业模式出现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09