現(xiàn)在去哪不談?wù)劥髷?shù)據(jù)(BigData)視乎就OUT了，大數(shù)據(jù)像雷軍的：“風(fēng)口上的豬”一樣是近兩三年來的一個熱詞，而行業(yè)內(nèi)部目前尚未對其定義達成一致。大數(shù)據(jù)雖與“海量數(shù)據(jù)”和“大規(guī)模數(shù)據(jù)”一脈相承，但其本身所涉及的是一個相對更加廣泛而又抽象、含混的概念。我們不妨?xí)呵野哑淇醋鳛?ldquo;無法在一定時間內(nèi)用常規(guī)軟件工具對其內(nèi)容進行抓取、管理和處理的數(shù)據(jù)集合”。
北京軟件開發(fā)公司澳環(huán)科技了解到，大數(shù)據(jù)有5V特點：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值)Veracity(真實性)。在產(chǎn)品經(jīng)理眼里來看，大數(shù)據(jù)在用戶研究、用戶畫像、產(chǎn)品營運、產(chǎn)品設(shè)計等多方面都已得到廣泛應(yīng)用，其所產(chǎn)生的巨大效用也不容忽視。本文以電商為例介紹4步法把大數(shù)據(jù)技術(shù)用在產(chǎn)品上。
在跨境電商里，有很多平臺，也有很多產(chǎn)品，下面先從eBay相關(guān)的數(shù)據(jù)逐步解析大數(shù)據(jù)在電商產(chǎn)品中的應(yīng)用。
7月21日，eBay發(fā)布了截至2016年6月30日的2016財年第二季度財報。報告顯示，eBay第二季度總交易額（GMV）為209億美元，營收為22億美元。其中，eBay旗下在線交易市場（Marketplace）為公司的整體表現(xiàn)奠定了基礎(chǔ)，這個平臺的總交易額（GMV）為198億美元，營收為18億美元，同比增長3%。
值得注意的是，在第二季度中，eBay的實時商品上架量首次突破了10億，凸顯了公司為精準向消費者提供的商品的豐富化和多樣化而付出的努力；同時，公司也在不斷改進購物平臺以提高搜索功能，便于消費者查找即數(shù)據(jù)匹配。
首先：大數(shù)據(jù)為消費者畫像
作為全球最大的拍賣網(wǎng)站，早在2006年，eBay就意識到大數(shù)據(jù)所帶來的影響，并開始組建大數(shù)據(jù)技術(shù)分析平臺。該平臺定義了成百上千種類型的數(shù)據(jù)，并以此對顧客的行為進行跟蹤分析，現(xiàn)在，eBay每日要處理100PB以上的數(shù)據(jù)，通過分析這些數(shù)據(jù)，eBay足以準確判斷消費者的購物行為，這就如同在每個消費者面前安裝了攝像頭一般。eBay對顧客的了解非常細致，可以毫不夸張地說，“eBay比用戶還了解用戶”。
eBay擁有全球近2億的注冊用戶，其不僅記錄消費者的日常交易信息，還記錄消費者每一次探索瀏覽的過程，從其設(shè)定的成百上千種情景模型中計算出用戶可能的需求。這個模型甚至還區(qū)別消費者的年齡，以及其瀏覽的時間、地點及當(dāng)時的天氣等因素，在智能機器人的學(xué)習(xí)和分析下，適時地推送給用戶最想要的商品，或者給商家（供應(yīng)商）提供各式各樣的“情報”，還能做到向商家提供銷售建議。
例如：某個用戶一登錄瀏覽eBay網(wǎng)站，eBAY能很快的推斷出這位用戶潛在的需求，并在綜合各種考量因素后，向他推送商品信息。
其次：搭建大數(shù)據(jù)預(yù)測模型
大數(shù)據(jù)分析技術(shù)對電商產(chǎn)品的影響是革命性的。有了大數(shù)據(jù)分析技術(shù)的支持，電商產(chǎn)品可以很容易從海量的數(shù)據(jù)中分析出消費者的需求，進而推出更符合消費者需求的產(chǎn)品或服務(wù)，這中間還能夠進行針對性的調(diào)整和優(yōu)化，這就是大數(shù)據(jù)賦予電商產(chǎn)品的新價值。
.jpg)
對于電商產(chǎn)品初創(chuàng)階段來說，可以自己開展大數(shù)據(jù)產(chǎn)品的研發(fā)，也可以利用第三方機構(gòu)來實現(xiàn)對大數(shù)據(jù)的利用，比如：GOOGLE和eBay在這方面做得很專業(yè)。消費者在使用搜索服務(wù)時，他們在無形中就把自己個人的行為、愛好、消費等數(shù)據(jù)傳給GOOGLE和eBay?；谟脩羲阉餍袨?、瀏覽行為、評論歷史和個人資料等數(shù)據(jù)，通過大數(shù)據(jù)的挖缺和匹配，它們可以分析消費者的整體需求，進行針對性的產(chǎn)品設(shè)計、迭代和營運。
與產(chǎn)品相關(guān)的大數(shù)據(jù)來源很廣，除了各類研究單位發(fā)布的大量數(shù)據(jù)外，互聯(lián)網(wǎng)數(shù)據(jù)、各種傳感器收集的數(shù)據(jù)等都是重要的來源。不同類型的大數(shù)據(jù)，其處理方面有所不同，但其處理流程基本上一樣，主要有四個步驟“數(shù)據(jù)收集、數(shù)據(jù)集成、數(shù)據(jù)分析、數(shù)據(jù)解釋”。如圖：大數(shù)據(jù)預(yù)測模型，收集到的數(shù)據(jù)經(jīng)集成后，轉(zhuǎn)換成統(tǒng)一標準的數(shù)據(jù)格式，然后用相應(yīng)的數(shù)據(jù)分析方法將其進行分析處理，最后用可視化的技術(shù)將結(jié)果展現(xiàn)出來。
大數(shù)據(jù)預(yù)測模型
第一步：數(shù)據(jù)收集
如前所述，目前大數(shù)據(jù)來源非常廣泛，常用的收集方法有：百度、搜狗、360和谷歌等搜索引擎的數(shù)據(jù)檢索工具、各類傳感器、RFID以及條形碼掃描技術(shù)等。隨著手機和手環(huán)電視等智能終端設(shè)備的普及、各類應(yīng)用軟件的大量下載使用，數(shù)據(jù)采集的數(shù)量和精度不斷提升。
例如：
我在做某范APP的時候，一方面從用戶打開APP的時候就開始收集用戶的數(shù)據(jù)在得到用戶允許的情況下讀取用戶的通訊錄、然后去服務(wù)端匹配用戶的信息、再后進行用戶名、身份證、與手機號的精準匹配、日積月累某范積累了將近2000萬用戶的精準數(shù)據(jù)，這些用戶打開APP的時候可以實現(xiàn)千人千面。
另外一方面從線下7千家門店收集，從用戶進入門店，到用戶掃碼連接店內(nèi)WIFI、到用戶掃碼定制服裝、到用戶在線支付等均進行收集。
第二步：數(shù)據(jù)集成
數(shù)據(jù)集成階段的主要任務(wù)是對數(shù)據(jù)采用合適的方法進行適當(dāng)?shù)奶幚?，去噪和進一步的集成存儲。
由于數(shù)據(jù)來源廣泛，注定了大數(shù)據(jù)的多樣性特征（即Varicty），這就決定了如果這些數(shù)據(jù)不經(jīng)過初步處理，進行高質(zhì)量的數(shù)據(jù)分析將會非常困難。因此，在采集數(shù)據(jù)后，一般還要進行數(shù)據(jù)處理與集成將這些多樣化的數(shù)據(jù)轉(zhuǎn)換為便于處理的較為單一結(jié)構(gòu)的數(shù)據(jù)。當(dāng)然，并不是所有數(shù)據(jù)都是有效的和相關(guān)性高的，這些數(shù)據(jù)還需要“去噪”，才能保證數(shù)據(jù)的有效性和可靠度。
例如：某范的線下商場，有部分客戶去商場的時間就5-15分鐘，而且沒有產(chǎn)生購買行為，那么這些客戶去干啥了呢。經(jīng)過大數(shù)據(jù)分析，這個客戶直奔WC了。因為我們在WC旁專設(shè)了一個WIFI連接點。收集到了這些數(shù)據(jù)接下來可以改善用戶商城的購物和不購物體驗（品牌印象分增加），因為某范的門店一般開在一地的市中心繁華地段，這個地段很難找到WC，發(fā)現(xiàn)這個情況后，某范線下店在寸土寸金的地段都要求配備WC設(shè)施以方便用戶。這樣至少給去WC路上兩旁的商品帶來多曝光的機會。
第三步：數(shù)據(jù)分析
大數(shù)據(jù)預(yù)測模型最核心的一步就是數(shù)據(jù)分析，因為凌亂的數(shù)據(jù)是沒有價值的，只有通過數(shù)據(jù)分析步驟，才能挖掘到大數(shù)據(jù)的真正價值。在數(shù)據(jù)分析階段，根據(jù)不同的應(yīng)用需求，數(shù)據(jù)分析各有不同，常用的方法有數(shù)據(jù)挖掘、機器學(xué)習(xí)、智能算法、統(tǒng)計分析等，其中數(shù)據(jù)分析關(guān)鍵的一點是設(shè)定核心任務(wù)。
在數(shù)據(jù)分析方面，Google公司無疑是做得最先進的一個，其于2006年率先提出了“云計算”的概念，其內(nèi)部各種數(shù)據(jù)的應(yīng)用都是依托Google自己內(nèi)部研發(fā)的一系列云計算技術(shù)，例如：分布式文件系統(tǒng)DFS、分布式數(shù)據(jù)庫BigTable、批處理技術(shù)MapReduce，以及開源實現(xiàn)平臺Hadoop等，這些技術(shù)平臺的產(chǎn)生，提供了對大數(shù)據(jù)進行處理、分析的很好的手段。
第四步：數(shù)據(jù)解釋
從數(shù)據(jù)的質(zhì)量來說，數(shù)據(jù)的處理與分析過程是保證最終數(shù)據(jù)高質(zhì)量的關(guān)鍵步驟，但對于最終的數(shù)據(jù)用戶而言，如何獲得直觀的和有用的數(shù)據(jù)才是其最關(guān)心的。因此，如何通過數(shù)據(jù)解釋步驟，對大數(shù)據(jù)分析結(jié)果進行解釋與展示也非常重要。
隨著數(shù)據(jù)量的變大以及對用戶數(shù)據(jù)分析維度的增加，傳統(tǒng)的以文本形式輸出的數(shù)據(jù)展示方式已不能滿足數(shù)據(jù)用戶的需求，一種被稱為“數(shù)據(jù)可視化技術(shù)”數(shù)據(jù)展示方式開始出現(xiàn)，常見的方式有基于集合的可視化技術(shù)、基于圖標的可視化技術(shù)、基于圖像的可視化技術(shù)等，在數(shù)據(jù)可視化技術(shù)的幫助下，用戶可以很形象的獲得數(shù)據(jù)分析結(jié)果，對結(jié)果的理解和接受也更直觀。
再次：大數(shù)據(jù)模型的特點
在大數(shù)據(jù)預(yù)測模型的支持下，電商產(chǎn)品的運營可以從以前的憑感覺到更具“科學(xué)性”。
現(xiàn)在互聯(lián)網(wǎng)產(chǎn)品運營既講求科學(xué)性，又追求藝術(shù)性。其中，“科學(xué)性”體現(xiàn)在營運管理過程中存在著一些基本的客觀規(guī)律，有一套分析問題和解決問題的方法論，還體現(xiàn)在建立在各種營運數(shù)據(jù)的搜集與分析的基礎(chǔ)上的營運管理決策，大數(shù)據(jù)的到來加速了營運管理的科學(xué)性進程，使電商產(chǎn)品開展“精確化”的營運管理成為可能，電商產(chǎn)品對其營運管理活動的各個環(huán)節(jié)的把握能夠更為精確，使往日紛繁復(fù)雜的和難于決策的電商產(chǎn)品營運管理活動逐漸演變?yōu)橐幌盗械臄?shù)據(jù)挖掘與相關(guān)分析，使營運管理真正成為“建立在科學(xué)基石上的藝術(shù)”，從而真正走進科學(xué)營運的殿堂。如圖：大數(shù)據(jù)營運創(chuàng)新的鉆石模型
大數(shù)據(jù)營銷創(chuàng)新模型2
通過大數(shù)據(jù)預(yù)測模型，電商平臺的運營管理更加有“預(yù)見性”。例如;當(dāng)你打開Facebook時，就會看到Facebook會為你推薦，你可能認識的人。
由于電商市場的各種不確定性，比如顧客需求差異、東西部文化的差異、競爭更加激烈等因素，產(chǎn)品對市場研判和有效預(yù)測越來越困難。大數(shù)據(jù)分析技術(shù)的出現(xiàn)改變了這種現(xiàn)狀，通過收集各類數(shù)據(jù)信息，在各種數(shù)據(jù)分析技術(shù)和建模分析技術(shù)的支持下，能夠比較簡單的挖掘出各種看似毫不相關(guān)的數(shù)據(jù)之間的關(guān)系，從而對目標區(qū)域的市場需求和趨勢做出準確的判斷。因此，大數(shù)據(jù)預(yù)測模型可以提升電商產(chǎn)品適應(yīng)性營運管理活動的“預(yù)見性”。
然后：基于消費者及各種經(jīng)濟數(shù)據(jù)，大數(shù)據(jù)不僅可以為“消費者畫像”，還可以給產(chǎn)品提供各式各樣的“情報”。比如，產(chǎn)品希望把Bra賣到新疆，通過大數(shù)據(jù)分析可以大致預(yù)測到，這種商品最好多準備大號的，一個月可以賣出多少產(chǎn)品，定價應(yīng)該在什么范圍內(nèi)，市面上還有多少商家在賣同樣的產(chǎn)品，他的市場占有率大概是多少。目前，利用大數(shù)據(jù)預(yù)測需求無論是產(chǎn)品設(shè)計，還是產(chǎn)品方法，都能夠?qū)崿F(xiàn)，產(chǎn)品經(jīng)理綜合運用大數(shù)據(jù)思維進行互聯(lián)網(wǎng)產(chǎn)品迭代設(shè)計一定可以事半功倍。
掃一掃關(guān)注我們
010-53668213