“大数据”下的一号店，是怎么做的？

王欣磊发现，网上超市“1号店”网购车的转化率最近有所下降。作为一号店副总裁，他试图找出原因:缺货可能是直接因素，但除了缺货，其他细节也可能导致购物车转化率下降。他知道这些看似微不足道的细节都增加了解决问题的复杂性。王欣磊作为电子商务产品设计领域的资深人士，一直喜欢用数据分析问题。然而，越来越多的数据也给他带来了新的困惑：当一个数字在下降，另一个数字在上升时，如何证明两者之间的相关性？购物车转化率下降的问题是典型案例。在最近兴起的“大数据”研究中，王欣磊试图为自己的问题找到答案，但结果并不令人满意。在《大数据时代》一书中，人们不再需要探索数据之间的因果关系，而只需要了解相关关系。但在实践中，我们如何判断这种关系是一段时间内的偶然现象还是必然趋势呢？这是个大问题。但即使面对种种困惑，“大数据”对于1号店来说仍然是一座金矿，并且已经开始有所收获。例如，1号店已经在帮助商家分析商品之间的相关性，并在此基础上制定营销策略。比如1号店发现，当可口可乐和奥利奥饼干的关联度特别高时，可以推荐商家进行联合营销。1号店表示，其日流量(独立IP)已达400多万，每位访客将看到近10页。用第一店董事长于刚的话说，除了用户买什么或不买什么，“用户浏览路径，先看哪个页面，然后看哪个页面，通过哪个链接切换，搜索或类别浏览，第一店可以掌握”，“基于这些数据，可以做太多的事情”。准确地说，1号店的“数据挖掘”始于3年多前。当时，该公司购买了数据仓库，并建立了自己的BI（商业智能）团队，试图通过建立客户行为模式来提供更准确的服务。然而，当时1号店的重点只停留在用户的购买记录和收藏行为上。相比之下，它目前对数据的捕获显然更加“精细化”。无论是购买频率，还是用户的性别、年龄、习惯等，都可以帮助它分析和跟踪消费模式的微妙变化，然后“尽力”最大化销售。例如，当用户在浏览商品后不购买商品时，1号商店将分析整个购物过程中“卡”的链接。如果商品已经加入购物车，用户可能不会购买高运费，1商店可能会调整运费；如果用户因库存短缺而不购买，公司会提醒用户下次库存到达后购买；如果用户浏览了许多类似的商品，但最终没有购买，那么可以推测用户对这类商品感兴趣，但没有找到他们想要的品牌。在这种情况下，只要有新产品上架，1号店就会立即推荐用户购买。另一种可能是，商品的价格过高会吓跑顾客，所以一旦有商品促销，1号店会提醒顾客购买。如果顾客还是不买，1号店假设用户不想要这个产品，而是想要类似的产品，所以只要推出类似的新产品，公司就会推荐。在此基础上，公司观察到很多用户的购买频率都是有规律的。如果一个用户只在1号店买洗发水，每三周买一次，一旦用户不买，1号店就会想尽办法“提醒”他。除了最终购买的商品外，用户的浏览路径也受到了重视。在刚才看来，这些看似随意的行为包含了大量的信息。“一个简单的例子是，用户进入1号店页面后首先浏览的商品是他的目标商品。如果用户先浏览牛奶，你应该推荐他不同品牌的牛奶。”他说道。当然，这里有很多推荐的“技巧”——如果用户对某个品牌的牛奶忠诚，1号店不应该推荐其他品牌的牛奶，而应该推荐面包、饼干或早餐谷物与牛奶搭配。购买目的性强的用户往往会通过搜索进入所需商品的页面。对于这类用户，1店也会“直接”推荐他们的目标商品；其他用户喜欢“购物”，他们经常通过类别选择商品，“比如先买食物，然后买饮料，最后买”。对于这类客户，1店倾向于同时向他展示大量商品，尤其是新产品，以满足他们的好奇心和“闲逛”心理；对于被促销页面吸引的用户，公司将向他们展示热门或促销产品，以促进他们的购买。在1号店购物的顾客可能不知道他们的每一次购物行为都在帮助电子商务公司逐渐了解自己，并为自己描述一个一般的生活图景。据王新磊介绍，1号店将根据用户的购买金额和频率，首先将其分为四组。在用户群的基础上，公司根据用户的浏览习惯给他们贴上更详细的“标签”。有数百个标签描述用户的个人信息和购买偏好。”例如，他倾向于购买什么样的商品？他的浏览行为是什么？他喜欢搜索还是使用类别浏览？他喜欢在工作时间购物还是周末购物？购买周期和收货习惯是什么？王欣磊说，在将顾客抽象成特定的标签之后，1号店就可以有针对性地进行营销了。他还承认，1号店无法直接获取用户的性别、家庭状况、收入状况等信息，但可以通过几种方式推测。一个明显的例子是，公司可以根据用户的姓名和一些购买行为来推测用户的性别。从今年开始，中国科学院的一个研究小组也加入了1号店的客户数据研究。双方研究的重点是客户的分组。“他们将客户分为忠实客户、风险客户（容易丢失的客户）和需要改进的客户，并进一步分析不同客户的行为。"王欣磊说。除了对消费行为的分析和研究外，如何利用数据使产品价格更具竞争力也同样重要。目前，PIS（价格智能系统）每天*搜索60多个网站和1700多万种商品的库存信息和价格信息，并根据竞争对手的商品价格实时调整商品价格。具体来说，在公司设定的价格模型中，不同类别有相应的市场价格策略。“比如有些品类的价格要行业领先，有些品类只要不高于竞争对手就行。有的是我的利润类，有的是流量类。于刚说：“我们在价格模型中设定底价后，系统会根据竞争对手的动态价格自动调整商品的价格。你知道，1号店有几百万种商品，没有办法手工设定价格。余刚说，在1号店擅长的食品饮料领域，公司试图实现领先的价格，“尤其是进口牛奶品类，60%的网上销售都是通过1号店进行的。”；在服装等领域，公司追求毛利。虽然这些做法看起来无可挑剔，但随着1号店数据量的积累，它也开始面临新的麻烦：例如，如何过滤大量的数据，去除萝卜？“数据的纯度是个大问题，”王欣磊并不否认。“不难理解，当公司因促销而增加销量时，消费者在这一特定阶段的行为与未来趋势无关；此外，还应过滤一些季节性和节假日的数据，并排除因竞争对手促销而导致销量突然下降的数据。除了外部干扰外，消费者的个人操作还包含了许多无效行为，这也被视为“数据噪声”。余刚发现，一些用户去第一家商店不是为了购物，而是为了测试网站。”在他注册后，他经常在下一个订单后取消，然后在下一个订单后取消，这些用户肯定不在我们的研究范围内。”相比之下，更大的问题是线下批发商对*数据的干扰。据王新磊介绍，一些地区的线下批发商可能会通过各种渠道*购买优惠券，然后将商品转移到线下销售，因为*渠道的价格更便宜。“批发用户有很多注册账户，这对我们非常不利，也给数据带来了很大的干扰。“我们将通过技术手段防止批发，并不断清理数据，”他指出。但如何验证真实的消费者数据仍然是一个巨大的挑战。“收集数据的下一步是分析和回答数据。事实上，面对同一组数据，不同的人会从不同的角度得出完全不同的结论。也有人认为，随着数据量的增加，研究的准确性一开始会上升，但很快就会趋平。目前，行业还没有形成一种普遍的解读方法。从这个角度来看，如何正确解读数据，使数据模型越来越准确，是所有电子商务企业面临的难题。算法在复杂模型中也同样重要。1号店需要在很短的时间内通过算法解读用户的行为，并在得出结论后进行实时推荐。用刚才的话来说，“当一个客户用搜索来选择商品时，我们的背景需要支持这个搜索，算法非常快——否则用户会不耐烦地等待很长时间。“不难发现，1号店对大数据的研究和应用仍处于探索阶段，这仍然是全球的新应用。很多时候，余刚对新数据应用感到兴奋，但有时他似乎无能为力——在他看来，学术界现在对大数据做了很多前瞻性的研究，而企业界尝试了很多应用，但两者之间的关系并不大，甚至朝着完全不同的方向前进。换句话说，在学术研究和实际应用上还有很大的差距。“我们需要把两者有机地结合起来，把研究结果放在实践中。我认为这是最困难和最需要努力的一点。”于刚说。