數(shù)據(jù)科學(xué)如何為電商企業(yè)增加利潤

電商領(lǐng)域的數(shù)據(jù)科學(xué)

世界被來自四面八方的數(shù)據(jù)緊緊包圍。每次購物點(diǎn)擊鼠標(biāo)，你的信息足跡(數(shù)據(jù))都被收集并保存起來。商家會(huì)利用這些數(shù)據(jù)吸引你在未來購買更多商品。如果你想買一臺新手機(jī)，手機(jī)類網(wǎng)站/app知道你查看過哪些商品，谷歌知道你搜索過哪些商品，GSMArena(熱門的智能手機(jī)評論網(wǎng)站)知道你閱讀了哪些評論。你也碰巧把這些評論分享到了Twitter，F(xiàn)acebook，Instagram，Pinterest。而這些分享記錄可以幫電商企業(yè)了解消費(fèi)者想要什么，何時(shí)有需求。這個(gè)過程中包括對數(shù)據(jù)進(jìn)行收集、儲(chǔ)存、排序歸類、分析，以得出有價(jià)值的結(jié)論。這些工作是數(shù)據(jù)科學(xué)必不可少的部分，由被稱作“數(shù)據(jù)科學(xué)家”的專業(yè)人士完成。

“過去不會(huì)重復(fù)自身，未來卻會(huì)與它呼應(yīng)。”- 馬克·吐溫

未來的事件都在特定環(huán)境與條件下發(fā)生，但也不乏模式可循?！按髷?shù)據(jù)革命”為數(shù)據(jù)存儲(chǔ)、云計(jì)算、以及能幫企業(yè)進(jìn)行模式識別的數(shù)據(jù)科學(xué)，提供了技術(shù)上的創(chuàng)新。如今，數(shù)據(jù)科學(xué)可以預(yù)測任何事情，無論是流感爆發(fā)還是犯罪死亡率。

設(shè)想一個(gè)電子產(chǎn)品零售商的處境。因?yàn)楫a(chǎn)品優(yōu)質(zhì)、物流及時(shí)，這家店一向生意興隆。然而消費(fèi)趨勢在改變，競爭也愈發(fā)激烈，市場上出現(xiàn)了對生態(tài)化產(chǎn)品的需求。他們的顧客因此慢慢流向競爭對手。用傳統(tǒng)方法調(diào)查市場，這個(gè)緩慢流失可能被忽略。但這些微小的變化可以被數(shù)據(jù)科學(xué)家察覺。他們編寫算法，不斷監(jiān)測過往銷售表現(xiàn)，并與來自媒體和社交網(wǎng)站的外部數(shù)據(jù)相對照，探討這些趨勢，試圖發(fā)現(xiàn)它們與購買傾向的關(guān)聯(lián)。數(shù)據(jù)科學(xué)家提供新的方法，讓零售商領(lǐng)悟如何維持住核心消費(fèi)群，而不是僅僅試圖獲取新的客戶。

根據(jù)EMC的統(tǒng)計(jì)報(bào)告，到2020年底全球數(shù)據(jù)總量預(yù)計(jì)會(huì)超過44ZB，幾乎相當(dāng)于每人5200GB。數(shù)據(jù)的生產(chǎn)量每年都在翻番。“數(shù)據(jù)就是黃金!”與此同時(shí)電商行業(yè)的競爭也變得更加迅猛更加激烈。用戶行為一轉(zhuǎn)眼就會(huì)發(fā)生變化，為滿足顧客需求，每個(gè)企業(yè)都想更勝一籌。常識、直覺和第六感對此有所幫助，但不足以做為預(yù)測的依據(jù)。數(shù)據(jù)科學(xué)算法卻能幫助企業(yè)有效理解產(chǎn)品、服務(wù)、過程、顧客。

數(shù)據(jù)科學(xué)不是互聯(lián)網(wǎng)公司專屬

• 著名化妝品公司歐萊雅，聘用數(shù)據(jù)科學(xué)家研究各種化妝品對不同膚質(zhì)和組合的效果。
• 勞斯萊斯聘用數(shù)據(jù)科學(xué)家為飛機(jī)引擎確定維護(hù)時(shí)間。
• Feedzai運(yùn)用數(shù)據(jù)科學(xué)算法監(jiān)測欺詐行為。
• Fruition Sciences, 一個(gè)為釀酒者服務(wù)的在線決策工具，使用數(shù)據(jù)科學(xué)算法決定向葡萄加多少水，以及何時(shí)加水能出產(chǎn)質(zhì)量更好的紅酒。

在電子商務(wù)領(lǐng)域，數(shù)據(jù)科學(xué)通過捕捉和整合消費(fèi)者的線上行為、生命事件、購買驅(qū)動(dòng)力、互動(dòng)方式和其他更多信息，使企業(yè)更了解消費(fèi)者。

電商領(lǐng)域的一些數(shù)據(jù)趨勢：

• 60% 的人在包括移動(dòng)、社交、實(shí)體店、網(wǎng)站等多個(gè)渠道研究品牌，與品牌發(fā)生接觸。
• 使用幾個(gè)不同渠道搜尋某種商品的人，會(huì)比不這么做的人多付1/3的錢。
• 美國43% 的零售銷量來自網(wǎng)絡(luò)。
• 由eCommera進(jìn)行的一項(xiàng)調(diào)查發(fā)現(xiàn)，只有23%的零售商能理解數(shù)據(jù)作出決策。
• 英國50%的零售商認(rèn)為缺少商業(yè)智能工具是(他們)開始運(yùn)用數(shù)據(jù)科學(xué)的原因，同時(shí)只有16%的零售商對他們現(xiàn)有的數(shù)據(jù)分析解決方案有信心。
• 這些趨勢體現(xiàn)了電商行業(yè)的快速發(fā)展，也體現(xiàn)出數(shù)據(jù)科學(xué)有望加強(qiáng)消費(fèi)者的購買行為，給電商企業(yè)貢獻(xiàn)更好的營銷策略和更高利潤。

數(shù)據(jù)科學(xué)在電商領(lǐng)域的應(yīng)用

1) 為消費(fèi)者推薦產(chǎn)品

“未來的趨勢是個(gè)性化。而你會(huì)像消費(fèi)者了解自身一樣了解他們?！?/span>

Tom Ebling, Demandware總裁兼CEO

基于消費(fèi)者行為作出的促銷和推薦非常有效。如今的消費(fèi)者非常依賴推薦系統(tǒng)，不論是產(chǎn)品購買、新品消息、外出就餐或服務(wù)選擇。多數(shù)電商網(wǎng)站，像 Walmart、Amazon、 eBay、Target都擁有數(shù)據(jù)科學(xué)團(tuán)隊(duì)，在推薦系統(tǒng)背后，思考類型、權(quán)重、特性和許多其他因素。數(shù)據(jù)科學(xué)建立的推薦系統(tǒng)有兩個(gè)主要的目的：

• 配套銷售。你在選購iPhone6那你也許會(huì)對iPhone保護(hù)殼感興趣。
• 增值銷售。例如，你在找某種LED電視。它有一個(gè)更優(yōu)質(zhì)的換代產(chǎn)品，剛剛上市，且只貴幾塊錢。

數(shù)據(jù)科學(xué)算法學(xué)習(xí)產(chǎn)品相關(guān)的多種屬性、關(guān)聯(lián)，學(xué)習(xí)消費(fèi)者的喜好以便預(yù)測他們的需求。這些算法為消費(fèi)者更換展示頁面，或app或網(wǎng)站上產(chǎn)品排列順序，使得消費(fèi)體驗(yàn)個(gè)性化。

Puneet Gupta，Brillio(一家立足于美國的科技咨詢和軟件開發(fā)商)的首席科技官說：“有了預(yù)測分析和機(jī)器學(xué)習(xí)應(yīng)用，電商企業(yè)現(xiàn)在可以對消費(fèi)者的行為模式有清晰的了解，貫穿全站各種商品的購買歷史和銷售表現(xiàn)?！?/span>

這一類應(yīng)用，最好的例子是亞馬遜使用預(yù)測建模的推薦系統(tǒng)。亞馬遜的推薦系統(tǒng)發(fā)掘，并用數(shù)據(jù)表示從歷史數(shù)據(jù)中發(fā)現(xiàn)的關(guān)系，以此來進(jìn)行分類和預(yù)測未來事件。

2) 獲取關(guān)于消費(fèi)者留存、增值銷售和組合銷售的洞察

消費(fèi)習(xí)慣不斷變化，忠誠度不斷消減，預(yù)期居高不下。獲取消費(fèi)者洞察對于電商企業(yè)的存活已經(jīng)至關(guān)重要。

每個(gè)電商網(wǎng)站/app都要銷售商品，但他們需要的答案應(yīng)該針對于：

誰在購買他們的商品?

這些人住在哪里?

他們對什么樣的商品感興趣?

如何更好地服務(wù)他們?

什么促使他們購買?

上面這些問題都能由專注于消費(fèi)者洞察的數(shù)據(jù)分析師提供答案。而數(shù)據(jù)科學(xué)利用更先進(jìn)的分析方式，例如分類器、區(qū)隔、非監(jiān)督聚類、預(yù)測模型、主題建模和關(guān)鍵詞提取的自然語言處理，創(chuàng)造更多價(jià)值。

Blue Yonder，一家德國軟件企業(yè)，使用數(shù)據(jù)科學(xué)工具與技術(shù)協(xié)助Otto(歐洲線上時(shí)尚巨頭)。當(dāng)消費(fèi)者走進(jìn)實(shí)體店，或登錄零售店WIFI，或連接上網(wǎng)站/app，自動(dòng)學(xué)習(xí)就已經(jīng)開始。這些消費(fèi)者會(huì)收到基于地點(diǎn)、天氣和大量其他因素決定的推送信息。

3) 優(yōu)化產(chǎn)品策略

電商企業(yè)不得不面對種種問題，比如：

• 應(yīng)該出售什么商品?
• 什么價(jià)格?什么時(shí)候?qū)嵭羞@種價(jià)格?

數(shù)據(jù)科學(xué)算法幫助電商企業(yè)決定和優(yōu)化產(chǎn)品組合。每個(gè)電商企業(yè)都有一個(gè)產(chǎn)品團(tuán)隊(duì)研究這個(gè)設(shè)計(jì)過程。而此過程中數(shù)據(jù)科學(xué)算法可幫助企業(yè)預(yù)測：

• 產(chǎn)品組合中的漏洞是什么?
• 應(yīng)該生產(chǎn)什么產(chǎn)品?
• 從工廠訂的第一批貨應(yīng)該訂多少?
• 什么時(shí)候應(yīng)該停止特定產(chǎn)品的供應(yīng)?
• 應(yīng)該銷售什么產(chǎn)品?

數(shù)據(jù)科學(xué)家利用更先進(jìn)規(guī)范的預(yù)測分析幫助電商企業(yè)。而數(shù)據(jù)分析師僅僅對企業(yè)獲取了多少利潤，哪種商品沒有價(jià)值等問題進(jìn)行回溯分析。

4) 預(yù)測供應(yīng)鏈模型

銷售商品的電商企業(yè)，需要在恰當(dāng)?shù)臅r(shí)間恰當(dāng)?shù)奈恢?，擁有?shù)量剛好的商品。對于電商企業(yè)乃至所有零售企業(yè)，某些產(chǎn)品的需求窗口非常短暫(定制的“圣誕快樂2014”商品沒法銷售到2015年元旦)。如果錯(cuò)過了這個(gè)窗口，最終就會(huì)在倉庫里堆積大量庫存。數(shù)據(jù)科學(xué)算法運(yùn)用詳細(xì)的分析，開發(fā)出預(yù)測模型，幫助電商企業(yè)優(yōu)化供應(yīng)、減低風(fēng)險(xiǎn)、為決策提供信息。

5)個(gè)性化營銷策略

數(shù)據(jù)科學(xué)在個(gè)性化營銷項(xiàng)目中扮演重要角色。電商企業(yè)總想尋找新的方法，來鼓勵(lì)現(xiàn)有的消費(fèi)者購買更多，或吸引更多新消費(fèi)者。數(shù)據(jù)科學(xué)家通過重定向優(yōu)化、宣傳渠道組合優(yōu)化、關(guān)鍵詞購買優(yōu)化等等方式對此做出貢獻(xiàn)。通過使用種種策略設(shè)計(jì)算法，數(shù)據(jù)科學(xué)家能幫助電商企業(yè)一飛沖天，獲取有價(jià)值的回報(bào)。