京公网安备 11010802034615号
经营许可证编号:京B2-20210330
YOHO!有货:大数据下的智慧电商_数据分析师
2012年3月29日,奥巴马政府发布了《大数据研究与发展计划倡议》,宣布启动对大数据的研发计划,6个联邦部门和机构将新投入超过2亿美金推动大数据提取、存储、分析、发现等领域技术与工具的发展。大数据在一个国家层面被人们所知道,并且登上了世界的舞台。
去年12月,亚马逊获得了一项名为“预测式发货”的新专利,可以通过对用户数据的分析,在他们还没有下单购物前,提前发出包裹。“亚马逊似乎在充分利用他们庞大的数据。”美国市场研究公司Forrester Research分析师苏查里塔·穆尔普鲁(Sucharita Mulpuru)说,“根据他们对用户的种种了解,他们便可依据多种因素来预测需求。”
没错,这就是大数据的贡献。如今,在互联网时代,随着电子商务的高速发展,大数据在其领域的重要性越发凸显,也可以说,大数据的存在,让电商变得更加智慧。《互联网周刊》记者与中酒集团常务副总裁王泽旭,YOHO!有货总裁钮丛笑进行了互动,深入了解电商与大数据背后的故事。
大数据让消费更加个性化
在电商领域中,用户行为的信息量十分庞大,根据专注于电商行业用户行为分析的公司的不完全统计,一个用户在选择一个产品之前,平均要浏览 5 个网站、36 个页面,在社会化媒体和搜索引擎上的交互行为也多达数十次。不经过大数据分析,如何将如此庞杂的数据归纳总结,进行统计分析简直是难以想象。
与此同时,大数据也让电商更具个性化。钮丛笑说道:“大数据的本质,从营销层面理解是实现产品的一对一营销,这也是营销的最高境界——专门为一个人定制的产品。此前,我们是一个产品对应一类人,千人千面,随着大数据的不断发展,最理想的状态将是一个产品只对应一个人。”他举了一个例子,在营销过程中,电商企业经常纠结一个事情,例如北方已经到了冬季,南方还在穿着短袖,那么网站页面到底该推什么商品?最好的解决方案就是一边出现冬季页面,一边出现夏季页面。“大数据的核心本质最终就是要解决一对一营销,纯研究数据并没有太大的意义。”
王泽旭则谈到,电商网站每日都会收集大量的数据,由于有了大数据的协助,让中酒的线下经营业更具有特点,例如在门店商品的选择上,酒品有2000多个种类,门店是无法放下的,经过大数据的分析,每个门店的商品陈列、陈列主次、销售结构都是不一样的,这样的经营方式大大提高了商品的转化率。另外,根据网络销售得出的区域用户行为节奏分布,对店面的选址也有帮助,可以知道选址周围人们的喜好分布,得出的促销侧重点也不同。
网络用户的“用户行为信息”(User Behavior Information)是指用户在网站上发生的所有行为,如搜索、浏览、打分、点评、加入购物筐、取出购物筐、加入期待列表(Wish List)、购买、使用减价券和退货等;甚至包括在第三方网站上的相关行为,如比价、看相关评测、参与讨论、社交媒体上的交流、与好友互动等。而个性化的推荐则会提高用户的购买率,降低无用信息的推荐,避免了无用广告的滥用骚扰,无形中就提高了用户体验。
大数据让营销更精准
互联网时代更多的是以用户为中心,大数据的存在则让这种以用户为中心的服务有了更为准确的依据。
钮丛笑谈到,不管什么行业,都会有一个标签,都需要精细化整理自己顾客的属性标签以及商品属性标签,而且在大数据到来之后,这些标签必须能够细化到单个顾客和单个商品。
在电商、零售等行业,成本控制是将利益最大化的关键因素,大数据则为成本控制和精准营销提供了依据。
钮丛笑提到了一个词:计划经济。他谈到,有货上面的销售量都是计划好的,虽然计划经济不如市场经济的调节作用好,但是为了避免销量溢出过度浪费,就可以进行宏观调控。而在大数据帮助下的数据调控也变得更有依据。
去年7月底,有货在上海举办了YO'HOOD潮流新品C2B预售会。新品预售会仅两天,线上线下预购金额就超过了2000万元。“不仅对上新有极高要求的潮流电商需要避免库存风险而尝试C2B模式,其他定位于大众平台的电商有更加迫切的供应链变革要求。”钮丛笑表示,“根据消费者的预购情况,按需生产、限量发布,可以让品牌商直接与消费需求对接,一方面可以有效控制库存周转;另一方面,可以预先抢占下一季度的市场。”
C2B模式虽然能够很好的将需求与企业的供应有机的结合起来,极大的节约成本,但若无数据支持,将造成供应链的极大供给短缺,大数据很好的解决了这个问题。
王泽旭在谈话中也表露了类似的观点,他表示,从IT角度讲,根据对数据的细分可以做到区域经营碎片化,让各地区经营策略不一样,价格选品,都不一样。例如搜索淘宝指数时,会有性别、年龄、星座等等区分的指数,而有意思的是,处女座的消费特征确实有所区别。王泽旭还介绍,中酒网的内部大数据叫做中酒云,每个人都可以在上面检索,其中包括四十多个维度,并且对不同维度进行组合来满足经营需要:比如大学附近销售德国啤酒,老年人比较多的地区销售黄金酒之类。
体验是用户忠诚度保持的关键
在众多电商快速崛起的今天,如何保持用户黏性,增加重复购买率成为了关键。
“我们做的不是一锤子买卖。用打价格战的方式拉拢客户,这样的客户可能会购买一次商品,但是未必会买第二次。”钮丛笑明确表示不会盲目跟风低价,“对于分众电商而言,最重要的不是要卖什么,而是知道不能卖什么。”比如有货虽然出售阿迪达斯品牌商品,但仅限于个别潮流产品线。这就是大数据告诉了企业,应该向什么方向发展,应该做什么样的决策,大数据也让电商更具智慧。
为了更具象的展示如何保持用户活跃,王泽旭展示了其APP产品:当买酒时候,发送自己的位置信息,APP会显示出附近最近的门店,进行下单,很快就能送到。王泽旭认为,即时性消费用户不看促销,常规性消费在意活动促销。销售过程中工具影响了消费,工具时代不是拉新,是守护老客户,一定要避免那些暴力促销。他举了一个例子,“例如我们的微信号名字当中带有酒字,这个微信号平时在朋友圈,发一些他平时生活的动态,并不进行硬推,当某个时段你需要买酒了,也许就会突然想到朋友圈中还有这样一个人。”他表示,大数据更多的应该是一种工具,企业使用这个工具,辅以经验和一些营销的小手段,就能够大大的提高用户体验。
目前,大数据在国内还处于初期阶段,但随着大数据技术以及人才的不断发展,人们也会对其更加重视。大数据不仅仅为企业经营的各个环节提供决策方向和指导,未来,成熟之后的大数据还将让各行各业变得更加智慧。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14