
讓商家選址更有“數(shù)”百度大數(shù)據(jù)新勢能爆發(fā)
在一個(gè)愈來愈講究用數(shù)字說話的時(shí)代,大數(shù)據(jù)的概念如同這個(gè)盛夏般持續(xù)火熱。曾在春運(yùn)遷徙、高考作文預(yù)測表現(xiàn)優(yōu)異的百度大數(shù)據(jù)如今又將應(yīng)用領(lǐng)域拓展了。在近日召開的中國云計(jì)算大會(huì)上,百度展示了一套利用大數(shù)據(jù)能夠幫助客戶自動(dòng)確定最優(yōu)店鋪選址的解決方案。該方案由百度研究院大數(shù)據(jù)實(shí)驗(yàn)室(BigDataLab,BaiduResearch)的數(shù)據(jù)科學(xué)家研發(fā),能夠精準(zhǔn)發(fā)現(xiàn)明確的消費(fèi)者,自動(dòng)挖掘出未覆蓋的需求分布,通過機(jī)器學(xué)習(xí)優(yōu)化算法自動(dòng)尋找最優(yōu)的店鋪位置。這讓與會(huì)的不少企業(yè)家眼前一亮。
這一次,百度將服務(wù)對(duì)象瞄向商家,展開一場基于大數(shù)據(jù)驅(qū)動(dòng)商業(yè)地產(chǎn)優(yōu)化的試驗(yàn)。
精準(zhǔn)營銷前,大數(shù)據(jù)還能為商家?guī)硎裁矗?/span>
維克托?邁爾?舍恩伯格在《大數(shù)據(jù)時(shí)代:生活、工作與思維的大變革》已經(jīng)用“黑匣子”將大數(shù)據(jù)的意義概括地很形象。問題從一個(gè)端口進(jìn)去,中間是一個(gè)集合成千上萬數(shù)據(jù)的“黑匣子”,經(jīng)過一番計(jì)算機(jī)工程后,答案從另一個(gè)端口出去。所以,思忖一下大數(shù)據(jù)對(duì)于這個(gè)信息化時(shí)代的價(jià)值便是——它是將充斥世界的海量數(shù)據(jù)采用數(shù)學(xué)算法予以“提純”、鉆取并隨后或抽出規(guī)律,或處理成有用信息。
于是,在最急切尋求將技術(shù)黨手中大數(shù)據(jù)變成切實(shí)真金白銀的商家而言,追求人和商品高匹配的精準(zhǔn)營銷成了大數(shù)據(jù)的最普遍應(yīng)用方式。成功案例當(dāng)然也屢出不窮,沃爾瑪曾用大數(shù)據(jù)分析“啤酒與尿布”的購買關(guān)聯(lián)性,這個(gè)發(fā)現(xiàn)為商家?guī)砹丝陀^的利潤,也成為同行紛紛效仿的經(jīng)典商業(yè)案例。
但如果研究另一個(gè)美國品牌案例,人們可能也會(huì)發(fā)現(xiàn)另一個(gè)有意思的細(xì)節(jié)。眾所周知,麥當(dāng)勞的強(qiáng)大一點(diǎn)不僅僅在于它的漢堡,在每一次商業(yè)變現(xiàn)前,他們都在從事一個(gè)精準(zhǔn)選址的過程,一個(gè)對(duì)數(shù)據(jù)深入挖掘、可能帶來一樁意義遠(yuǎn)大于賣漢堡的的“房地產(chǎn)生意”。而每一次選址點(diǎn)似乎總在被它的對(duì)手KFC觀摩與模仿。
這意味著事實(shí)上在商業(yè)鏈條的每個(gè)階段,大數(shù)據(jù)都有應(yīng)用的空間,并可以給企業(yè)帶來科學(xué)、準(zhǔn)確的決策依據(jù)。當(dāng)然不僅僅停留在“當(dāng)你買了一支電動(dòng)牙刷,網(wǎng)站自動(dòng)給你推送牙膏、牙線”的精準(zhǔn)營銷階段。
百度如何實(shí)現(xiàn)讓商鋪選址更有“數(shù)”?
關(guān)于商鋪選址,派人深入該地實(shí)地調(diào)查應(yīng)該是最笨的土辦法。而當(dāng)將范圍擴(kuò)展至全國百余城市的重點(diǎn)商業(yè)圈時(shí),個(gè)人和小團(tuán)隊(duì)僅憑商業(yè)直覺和有限的知識(shí)是遠(yuǎn)遠(yuǎn)不夠的。這從而推動(dòng)了利用商業(yè)地理數(shù)據(jù)進(jìn)行商業(yè)選址及消費(fèi)者地理細(xì)分的普及。但目前市面上已有基于數(shù)據(jù)驅(qū)動(dòng)的選址方案同樣也存在一定問題,一般是通過人群密度或者人群畫像,來觀察可能的消費(fèi)者的分布。但是人群密度大的地方,并不代表潛在的消費(fèi)者分布也多;同樣,人群畫像的屬性也難以準(zhǔn)確表達(dá)用戶對(duì)具體位置服務(wù)的需求。
這些痛點(diǎn)也給百度大數(shù)據(jù)應(yīng)用商業(yè)選址提供了發(fā)揮空間。
選址優(yōu)化模型計(jì)算出的新網(wǎng)點(diǎn)候選位置,如圖中氣泡標(biāo)示
百度讓商鋪選址更加有“數(shù)”:第一,基于用戶需求。百度大數(shù)據(jù)實(shí)驗(yàn)室主要通過挖掘線上移動(dòng)端數(shù)據(jù)檢索數(shù)據(jù)量化,可將有直接服務(wù)需求的用戶予以反饋。這避免了傳統(tǒng)人群畫像方法帶來的誤差。比如,在傳統(tǒng)人群畫像中,消費(fèi)星巴克咖啡的大多為商務(wù)人士。但按照基于用戶需求的方式,會(huì)發(fā)現(xiàn)中學(xué)生其實(shí)也構(gòu)成星巴克消費(fèi)的一大群體;第二,基于用戶需求后的步步優(yōu)化路徑。當(dāng)用戶給出需求為覆蓋的大概區(qū)域后,百度將結(jié)合機(jī)器學(xué)習(xí)優(yōu)化算法,融合將不同類型的約束,如空間、時(shí)間、交通資源、周圍網(wǎng)點(diǎn)等信息逐漸縮小范圍,最終給客戶提供優(yōu)化后的網(wǎng)點(diǎn)候選位置。
當(dāng)然,這一切讓商家更有“數(shù)”的背后基于百度背后的技術(shù)實(shí)力。
作為全球最大的中文搜索引擎、中國最大的移動(dòng)分發(fā)平臺(tái)及視頻播放平臺(tái),各維度數(shù)據(jù)成功構(gòu)筑成百度的大數(shù)據(jù)倉庫,在數(shù)據(jù)就是“石油”的今天,百度本身就是一個(gè)天然的巨大“金礦”。尤其在移動(dòng)端,百度旗下14款app產(chǎn)品注冊(cè)用戶已達(dá)10億,百度地圖月活躍用戶3億,而這些都是用戶搜索與位置數(shù)據(jù)的來源。當(dāng)將搜索+LBS技術(shù)打通后,倘若北京某六環(huán)外城鄉(xiāng)結(jié)合部頻繁出現(xiàn)“火鍋”關(guān)鍵詞搜索后,海底撈、小肥羊們可以適時(shí)可以考慮開家分店了。
隱藏在強(qiáng)大產(chǎn)品矩陣背后的技術(shù)還有看不到的百度云端,包含深度學(xué)習(xí)算法、數(shù)據(jù)建模、大規(guī)模GPU并行化平臺(tái)等技術(shù)。
未來,讓數(shù)據(jù)繼續(xù)在商家與用戶充分流淌
商業(yè)地產(chǎn)+大數(shù)據(jù),對(duì)于百度而言是一場探尋商業(yè)地產(chǎn)新模式的落地機(jī)會(huì)。而這個(gè)模式最完整和理想的狀態(tài)早在去年百度與萬科方面的合作已得到初顯輪廓。
去年6月,萬科與百度正式確立了戰(zhàn)略合作伙伴關(guān)系,通過百度技術(shù)可以將線下消費(fèi)者行為大數(shù)據(jù)收集、整合、分析進(jìn)而轉(zhuǎn)化為線上語言,從而為萬科打通商業(yè)經(jīng)營的整個(gè)環(huán)節(jié)。萬科可以針對(duì)用戶偏好進(jìn)行選址、招商策略,也可以分析商場消費(fèi)人群,掌握人流活動(dòng)軌跡、消費(fèi)習(xí)慣等,提供個(gè)性化定制服務(wù)和精準(zhǔn)營銷。
當(dāng)這一切針對(duì)商家的服務(wù)鏈條打通后,其實(shí)也便實(shí)現(xiàn)了大數(shù)據(jù)可以提供個(gè)性化服務(wù)、實(shí)時(shí)反哺用戶的價(jià)值。對(duì),此處強(qiáng)調(diào)的是實(shí)時(shí)反哺。只有當(dāng)數(shù)據(jù)在商家與用戶間充分流淌,才可以打破二者之間的信息鴻溝,讓雙方的需求能夠及時(shí)得到反饋,得到最優(yōu)化的解決方案。
根據(jù)此前相關(guān)機(jī)構(gòu)預(yù)測,2015年全世界的電子數(shù)據(jù)存儲(chǔ)量會(huì)達(dá)到天文數(shù)字般的800萬拍字節(jié),這相當(dāng)于十多萬個(gè)美國國會(huì)圖書館的藏書量。對(duì)于急于尋求經(jīng)濟(jì)回報(bào)的商家而言,如此海量的數(shù)據(jù)其實(shí)是開啟一個(gè)新商業(yè)時(shí)代的鑰匙。而當(dāng)這把鑰匙旋轉(zhuǎn)前,必須同時(shí)發(fā)揮其反哺服務(wù)商家和用戶的價(jià)值。
在充分發(fā)揮大數(shù)據(jù)反哺意義前,李彥宏在2014年百度聯(lián)盟大會(huì)上給大數(shù)據(jù)提出了最中肯的建議——要想找到有價(jià)值的數(shù)據(jù),除了技術(shù),最關(guān)鍵的還有domainknowledge(領(lǐng)域知識(shí))、experience(經(jīng)驗(yàn))、以及跨領(lǐng)域的思考能力。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10