實戰(zhàn)：大數(shù)據(jù)科學如何為電商企業(yè)增加利潤

實戰(zhàn)：大數(shù)據(jù)科學如何為電商企業(yè)增加利潤？

電商領域的數(shù)據(jù)科學世界被來自四面八方的數(shù)據(jù)緊緊包圍。每次購物點擊鼠標，你的信息足跡(數(shù)據(jù))都被收集并保存起來。商家會利用這些數(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，手機類網站、APP知道你查看過哪些商品，谷歌知道你搜索過哪些商品，GSMArena(熱門的智能手機評論網站)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)了解消費者想要什么，何時有需求。這個過程中包括對數(shù)據(jù)進行收集、儲存、排序歸類、分析，以得出有價值的結論。這些工作是數(shù)據(jù)科學必不可少的部分，由被稱作“數(shù)據(jù)科學家”的專業(yè)人士完成。“過去不會重復自身，未來卻會與它呼應。”-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、云計算、以及能幫企業(yè)進行模式識別的數(shù)據(jù)科學，提供了技術上的創(chuàng)新。如今，數(shù)據(jù)科學可以預測任何事情，無論是流感爆發(fā)還是犯罪死亡率。設想一個電子產品零售商的處境。因為產品優(yōu)質、物流及時，這家店一向生意興隆。然而消費趨勢在改變，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)方法調查市場，這個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聯(lián)。數(shù)據(jù)科學家提供新的方法，讓零售商領悟如何維持住核心消費群，而不是僅僅試圖獲取新的客戶。根據(jù)EMC的統(tǒng)計報告，到2020年底全球數(shù)據(jù)總量預計會超過44ZB，幾乎相當于每人5200GB。數(shù)據(jù)的生產量每年都在翻番。“數(shù)據(jù)就是黃金！”與此同時電商行業(yè)的競爭也變得更加迅猛更加激烈。用戶行為一轉眼就會發(fā)生變化，為滿足顧客需求，每個企業(yè)都想更勝一籌。常識、直覺和第六感對此有所幫助，但不足以做為預測的依據(jù)。數(shù)據(jù)科學算法卻能幫助企業(yè)有效理解產品、服務、過程、顧客。數(shù)據(jù)科學不是互聯(lián)網公司專屬著名化妝品公司歐萊雅，聘用數(shù)據(jù)科學家研究各種化妝品對不同膚質和組合的效果。勞斯萊斯聘用數(shù)據(jù)科學家為飛機引擎確定維護時間。Feedzai運用數(shù)據(jù)科學算法監(jiān)測欺詐行為。FruitionSciences，一個為釀酒者服務的在線決策工具，使用數(shù)據(jù)科學算法決定向葡萄加多少水，以及何時加水能出產質量更好的紅酒。在電子商務領域，數(shù)據(jù)科學通過捕捉和整合消費者的線上行為、生命事件、購買驅動力、互動方式和其他更多信息，使企業(yè)更了解消費者。電商領域的一些數(shù)據(jù)趨勢：60%的人在包括移動、社交、實體店、網站等多個渠道研究品牌，與品牌發(fā)生接觸。使用幾個不同渠道搜尋某種商品的人，會比不這么做的人多付1/3的錢。美國43%的零售銷量來自網絡。由eCommera進行的一項調查發(fā)現(xiàn)，只有23%的零售商能理解數(shù)據(jù)作出決策。英國50%的零售商認為缺少商業(yè)智能工具是(他們)開始運用數(shù)據(jù)科學的原因，同時只有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)科學有望加強消費者的購買行為，給電商企業(yè)貢獻更好的營銷策略和更高利潤。數(shù)據(jù)科學在電商領域的應用1)為消費者推薦產品“未來的趨勢是個性化。而你會像消費者了解自身一樣了解他們?！盩omEbling，Demandware總裁兼CEO基于消費者行為作出的促銷和推薦非常有效。如今的消費者非常依賴推薦系統(tǒng)，不論是產品購買、新品消息、外出就餐或服務選擇。多數(shù)電商網站，像Amazon、eBay、Target都擁有數(shù)據(jù)科學團隊，在推薦系統(tǒng)背后，思考類型、權重、特性和許多其他因素。數(shù)據(jù)科學建立的推薦系統(tǒng)有兩個主要的目的：配套銷售。你在選購iPhone6那你也許會對iPhone保護殼感興趣。增值銷售。例如，你在找某種LED電視。它有一個更優(yōu)質的換代產品，剛剛上市，且只貴幾塊錢。數(shù)據(jù)科學算法學習產品相關的多種屬性、關聯(lián)，學習消費者的喜好以便預測他們的需求。這些算法為消費者更換展示頁面，或app或網站上產品排列順序，使得消費體驗個性化。PuneetGupta，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：“有了預測分析和機器學習應用，電商企業(yè)現(xiàn)在可以對消費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)。”這一類應用，最好的例子是亞馬遜使用預測建模的推薦系統(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)的關系，以此來進行分類和預測未來事件。2)獲取關于消費者留存、增值銷售和組合銷售的洞察消費習慣不斷變化，忠誠度不斷消減，預期居高不下。獲取消費者洞察對于電商企業(yè)的存活已經至關重要。每個電商網站、APP都要銷售商品，但他們需要的答案應該針對于：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？如何更好地服務他們？什么促使他們購買？上面這些問題都能由專注于消費者洞察的數(shù)據(jù)分析師提供答案。而數(shù)據(jù)科學利用更先進的分析方式，例如分類器、區(qū)隔、非監(jiān)督聚類、預測模型、主題建模和關鍵詞提取的自然語言處理，創(chuàng)造更多價值。BlueYonder一家德國軟件企業(yè)，使用數(shù)據(jù)科學工具與技術協(xié)助Otto(歐洲線上時尚巨頭)。當消費者走進實體店，或登錄零售店wifi，或連接上網站、APP，自動學習就已經開始。這些消費者會收到基于地點、天氣和大量其他因素決定的推送信息。3)優(yōu)化產品策略電商企業(yè)不得不面對種種問題，比如：應該出售什么商品？什么價格？什么時候實行這種價格？數(shù)據(jù)科學算法幫助電商企業(yè)決定和優(yōu)化產品組合。每個電商企業(yè)都有一個產品團隊研究這個設計過程。而此過程中數(shù)據(jù)科學算法可幫助企業(yè)預測：產品組合中的漏洞是什么？應該生產什么產品？從工廠訂的第一批貨應該訂多少？什么時候應該停止特定產品的供應？應該銷售什么產品？數(shù)據(jù)科學家利用更先進規(guī)范的預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，哪種商品沒有價值等問題進行回溯分析。4)預測供應鏈模型銷售商品的電商企業(yè)，需要在恰當?shù)臅r間恰當?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)。如果錯過了這個窗口，最終就會在倉庫里堆積大量庫存。數(shù)據(jù)科學算法運用詳細的分析，開發(fā)出預測模型，幫助電商企業(yè)優(yōu)化供應、減低風險、為決策提供信息。5)個性化營銷策略數(shù)據(jù)科學在個性化營銷項目中扮演重要角色