一個電商的“大數(shù)據(jù)”生存

王欣磊發(fā)現(xiàn)，最近，網(wǎng)上超市“1號店”在線購物車的轉(zhuǎn)化率下降了。身為1號店副總裁的他，試圖找出其中的原因：缺貨，也許是一個直接因素，但除了缺貨，其他細節(jié)也可能導(dǎo)致購物車轉(zhuǎn)化率的下降。他知道，這些看起來似乎并不起眼的細節(jié)，統(tǒng)統(tǒng)增加了問題解決的復(fù)雜性。
    作為電商產(chǎn)品設(shè)計領(lǐng)域的資深人士，王欣磊向來喜歡用數(shù)據(jù)分析問題。但越來越豐富的數(shù)據(jù)，也給他帶來了新困惑：當一個數(shù)字在下降，另一個數(shù)字在上升時，如何證明這兩者間具有相關(guān)性？購物車轉(zhuǎn)化率下降的問題，便是一個典型的案例。
    在最近興起的“大數(shù)據(jù)”研究中，王欣磊嘗試為自己的疑問找到答案，但結(jié)果卻并不令人滿意?！啊洞髷?shù)據(jù)時代》那本書中提到，人們不再需要探究數(shù)據(jù)間的因果關(guān)系，而只需要知道相關(guān)關(guān)系。但在實際操作中，我們怎樣判斷這種相關(guān)關(guān)系是一段時間內(nèi)的偶然現(xiàn)象，還是必然的趨勢？這是個很大的問題?！?br />     但即便面對種種困惑，“大數(shù)據(jù)”，對1號店來說依然是一座金礦，并已經(jīng)開始從中有所收獲。比如，1號店已經(jīng)在幫商家分析商品之間的關(guān)聯(lián)度，并以之為依據(jù)制定營銷策略。比如，1號店發(fā)現(xiàn)，當可口可樂和奧利奧餅干的關(guān)聯(lián)度特別高時，就可以推薦商家做聯(lián)合營銷。
    1號店稱，其每天的流量（獨立IP）已高達400多萬，而每一個訪客又會看近10個頁面。用1號店董事長于剛的話說，除了用戶買什么或不買什么，“用戶的瀏覽路徑，先看哪個頁面，后看哪個，通過哪個鏈接切換，用搜索還是類目瀏覽等，1號店統(tǒng)統(tǒng)都能掌握”，“基于這些數(shù)據(jù)，能做的事情太多了”。
    挖掘每個用戶
    準確地說，1號店的“數(shù)據(jù)挖掘”起步于3年多前。彼時，公司購買了數(shù)據(jù)倉庫，并建立了自己的BI（商業(yè)智能）團隊，試圖通過建立顧客的行為模型，來提供更精準化的服務(wù)。
    不過那時，1號店的關(guān)注點還僅僅停留在用戶的購買記錄和收藏行為上。相比之下，它目前對數(shù)據(jù)的捕捉，顯然更加“精細化”。無論是購買頻次，還是用戶的性別、年齡、習(xí)慣等，都能幫助它分析和跟蹤消費模式的微妙變化，進而“投其所好”地實現(xiàn)最大化的銷售。
    譬如，當一個用戶瀏覽了商品后沒有購買，1號店緊接著便會分析整個購物過程“卡”在哪個環(huán)節(jié)上。假如商品已經(jīng)加入了購物車，那么導(dǎo)致用戶沒有購買的很可能是高運費，1號店很可能會調(diào)整運費；倘若用戶沒有購買是因為庫存缺貨，那么下次庫存到貨后公司就會提醒用戶購買；如果用戶瀏覽了許多類似的商品卻最終沒有購買，那么可以推測用戶對這一品類的商品感興趣，只是沒有找到自己想要的品牌。這種情況下，只要有新品上架，1號店就會第一時間推薦用戶購買。
    還有一種可能是，商品的價格太高嚇退了顧客，那么一旦有關(guān)于該商品的促銷，1號店就會提醒顧客購買。假如顧客依然沒有購買，1號店就假設(shè)用戶并不想要這個商品，而是想要類似商品，于是只要有類似的新品推出，公司就會作出推薦。
    在此基礎(chǔ)上，公司觀察到許多用戶的購買頻次有其規(guī)律性，假如一個用戶上1號店只購買洗發(fā)水，且每三周購買一次，那么一旦用戶哪一次沒有購買，1號店就會想方設(shè)法地“提醒”他。
    除了最終購買的商品外，用戶的瀏覽路徑同樣受到了重視。在于剛看來，這些看似不經(jīng)意的行為里蘊含了大量信息。“一個簡單例子是，用戶進入1號店頁面后第一個瀏覽的商品，就是他的目標商品。假如用戶首先瀏覽了牛奶，那么你就應(yīng)該推薦他不同品牌的牛奶。”他說道。當然，這里頭還有許多推薦的“技巧”——如果用戶對某一品牌的牛奶比較忠誠，那么1號店就不應(yīng)推薦其他品牌的牛奶，而應(yīng)推薦與牛奶搭配的面包、餅干或早餐谷物等。
    那些購買目的性很強的用戶，常常會使用搜索的方式進入所需商品的頁面。對于這一類用戶，1號店同樣也會“直截了當”地推薦他們的目標商品；另一些用戶喜歡“逛”，他們往往通過類目來選擇商品，“比如先買吃的，再買喝的，最后買用的”。對于這類客戶，1號店傾向于同時向他展示很多商品，特別是新品，滿足其獵奇、“閑逛”的心理；而對于那些被促銷頁面吸引的用戶，公司則會向他們展示熱推或促銷的商品，以推動其購買。
    在1號店上購物的顧客，可能并不知道，自己每一次的購物行為，正幫助這家電商公司逐步了解自己，并為自己描摹出一幅大概的生活圖景。據(jù)王欣磊稱，1號店首先會根據(jù)用戶的購買金額和頻次將其分為四個大群，在用戶大群的基礎(chǔ)上，公司根據(jù)用戶的瀏覽習(xí)慣，為其打上更為細致的“標簽”。這種描繪用戶個人信息及購買偏好的標簽，多達成百上千個，“比如，他是傾向于購買哪一類商品的？他的瀏覽行為是什么，是喜歡搜索還是用類目瀏覽？他喜歡在上班時間購物，還是在周末購物？購買的周期和收貨的習(xí)慣又是什么？”王欣磊說道，在將客戶抽象為一個個具體的標簽后，1號店便能有的放矢地進行營銷。
    他同時坦言，1號店并沒有辦法直接獲得用戶的性別、家庭狀況、收入狀況等信息，但可以通過幾種方式去推測。一個明顯例子是，公司可以根據(jù)用戶的姓名，并結(jié)合一些購買行為，來推測用戶的性別。
    從今年起，中科院的一個研究小組也加入了1號店的客戶數(shù)據(jù)研究中。雙方研究的重點便聚焦在顧客的分群。“他們會將顧客分為忠實顧客、風(fēng)險顧客（較易流失的顧客）和需要提升的顧客，并對不同顧客的行為做進一步的分析。”王欣磊稱。
   “大數(shù)據(jù)”噪音
    除了對消費行為的分析研究，如何借助數(shù)據(jù)讓產(chǎn)品價格更具競爭力同樣重要。眼下，1號店后臺的PIS（價格智能系統(tǒng)）每天實時在線搜索60多個網(wǎng)站和1700多萬種商品的庫存信息和價格信息，并根據(jù)競爭對手的商品價格實時調(diào)整自己的商品價格。
    具體說來，在公司設(shè)置的價格模型中，不同的品類都有相應(yīng)的市場價格策略?！捌┤纾行┢奉惖膬r格要做到業(yè)界領(lǐng)先，有些品類只要不高于競爭對手就行了。有些是我的利潤品類，有些是流量品類?！庇趧偡Q，“我們在價格模型中設(shè)置底價后，系統(tǒng)就會根據(jù)對手的動態(tài)價格自動調(diào)整商品的價格。你知道，1號店有幾百萬種商品，完全沒有辦法用手工設(shè)置價格?！?br />     于剛稱，在1號店較為擅長的食品飲料領(lǐng)域，公司試圖做到價格領(lǐng)先，“尤其是進口牛奶品類，60%的線上銷售都是通過1號店走的”；而在服裝等領(lǐng)域，公司追求的則是毛利。
    盡管這些做法看起來無懈可擊，但隨著1號店的數(shù)據(jù)量越積越多，它也開始面臨新的煩惱：比如，應(yīng)該怎樣將海量的數(shù)據(jù)進行過濾，去蕪存菁？王欣磊并不諱言，“數(shù)據(jù)的純潔性是一個很大的問題?！?br />     不難理解，當公司由于促銷而使得銷量大增時，消費者在那一特定階段的行為與未來的趨勢無關(guān)；此外，一些季節(jié)性、節(jié)假日的數(shù)據(jù)也要過濾，而那些因為競爭對手的促銷導(dǎo)致銷量突然下滑的數(shù)據(jù)也要剔除在外。
    除了外部干擾，消費者的個人操作中也包含著不少無效行為，這同樣被視為一種“數(shù)據(jù)噪音”。于剛發(fā)現(xiàn)，有的用戶上1號店并不是為了購物，而純粹是為了測試網(wǎng)站，“他注冊之后，往往下一個訂單后取消，再下一個訂單再取消，這些用戶肯定不在我們的研究范圍”。
    相比之下，更大的難題在于，線下批發(fā)商對線上數(shù)據(jù)的干擾。據(jù)王欣磊稱，一些地區(qū)的線下批發(fā)商可能是因為線上渠道的價格更便宜，于是通過各種渠道拿到優(yōu)惠券在線上購買，再將貨品轉(zhuǎn)移到線下去賣?！芭l(fā)用戶擁有很多的注冊賬號，這對我們很不利，也給數(shù)據(jù)帶來很大的干擾?！彼赋?，“我們會通過技術(shù)的手段去防批發(fā)，并不斷地清理數(shù)據(jù)。但如何去驗證真正的消費者數(shù)據(jù)，目前依舊是個很大的挑戰(zhàn)?！?br />     收集數(shù)據(jù)的下一步，是對數(shù)據(jù)進行分析和解答。事實上，面對同一組數(shù)據(jù)，不同的人從不同的角度分析，會得出全然不同的結(jié)論。也有人認為，隨著數(shù)據(jù)量的增大，研究的準確性一開始會隨之上升，但很快就會趨平。眼下，業(yè)界亦并沒有形成放之四海而皆準的解讀方法。從這個角度看，如何正確地解讀數(shù)據(jù)，讓數(shù)據(jù)模型越來越準確，是擺在所有電商企業(yè)面前的難題。
    在復(fù)雜的模型之上，算法同樣重要。1號店需要在極短的時間內(nèi)，通過算法解讀用戶的行為，并在得到結(jié)論后做出實時的推薦。用于剛的話說，“當一個顧客用搜索來挑選商品時，我們的后臺需要為這一搜索做支持，算法得非常快才行——否則用戶等待的時間一長，就會不耐煩。”
    不難發(fā)現(xiàn)，1號店對大數(shù)據(jù)的研究和運用，仍處于摸索階段，而在全球范圍內(nèi)，這依然是一個新鮮的應(yīng)用。很多時候，于剛會對新的數(shù)據(jù)應(yīng)用感到興奮，但有時，他也會顯得力不從心——在他眼里，學(xué)術(shù)界如今已做了很多關(guān)于大數(shù)據(jù)的前瞻性研究，企業(yè)界則嘗試著大量的應(yīng)用，但兩者間的關(guān)聯(lián)并不大，甚至朝著截然不同的方向前行。換言之，在學(xué)術(shù)研究與實際應(yīng)用中，尚有很大的鴻溝。
    “我們需要把這兩者有機地結(jié)合起來，把研究的結(jié)果放到實踐中去，我覺得，這是最難的一點，也是最需要花力氣的?！?