将大数据应用到电子商务

客户体验 2017年 06月 13日

大数据是如何帮助我们做到预测顾客行为并优化营销规划的?应用于营销规划的数据科学是如何转化成实在的商业成功的?

在线营销,也被称作电商,跟传统营销遵循一样的规则——店内销售的目标就是基于商业洞察和数据驱动的解决方案将正确的商品,在正确的时候和正确的地方以正确的价格销售给每个潜在客户。 但其中主要的区别就在于电商能够依赖于大数据,也就是所谓的极大规模的数据源。通过数据的收集,分析,激活,大数据可以通过从各种源头收集的洞察来帮助我们预测客户行为,优化销售:

  • 数据信号:用户是如何跟零售商的网站、APP以及它们的产品和折扣互动的?用户中的多少人最近分享了内容或者看过植入广告视频?
  • 客户关系管理(CRM)数据库:用户的经济社会背景和购买记录是什么?他们属于某种特定的客户群吗?
  • 产品特点:每件产品是否有货,定价,季度销量变化带来了什么影响?

除了这些,商业层面的问题仍然是定义销售策略时的关键:我们销售的主要目标是什么?什么样的KPI(关键绩效指标)能最好的定义产品表现?根据我们提供的产品类型,我们该采取什么样的方式:推热卖品,高利润产品,高库存产品,还是新品呢? 的确,所有这些问题都在引导着商业目标,但人脑的局限性在计算和预测优化销售的最佳实时策略的时候就体现出来了—— 尤其是跟算法和机器学习解决方案比。 所以我们来讲一讲数据驱动的方式具体能帮助零售电商做到些什么。

收集洞察,带来销售规则启示

  • 目录和分类

我们的热销品是什么?它们的主要特点是什么?怎么开发相似的新产品来拓宽产品目录以及保证销售?——基于KPI,营销人员能够产生对于当今趋势的直觉及洞察,而大数据能根据购买记录计算和预测趋势以及未来的热销单品,还能够根据数据驱动的规律(比如价格区间,颜色,尺寸,样式,品牌)将产品分类。对于人脑来说,考虑超过三个维度过程就会变得很复杂,然而大数据能够多重维度输入来分类产品。这样一来关于客户习惯的某些直觉性推测导致的分类错误就不会发生了。

  • 定价和打折

正如收益管理是一个被很多旅游公司所使用的方法,打折可以被计算机计算并展示在电商网站上:不用手动给想要清仓的货物添加七折,大数据可以帮助你预测什么样的折扣对应什么样的产品能达到最好效果,根据商业目标在折扣背后最优化利润、收入和库存。

  • 本地化项目

对于在线零售商来说,拥有全球视野的同时保持本地特色是关键。大数据能够帮助他们找出拥有特定购物习惯的国家集群,以便他们采取相应的销售策略。大数据还能找出仅限于地区的趋势,以便电商相应地修改产品目录,给具体的地区和城市相应的产品推荐。如此的洞察和分析能够比人类分析师分析,然后交给工具板整理,最后再投入使用的程序快得多。而且趋势可能在数据提取之前就已经变了四次了。一个Netflix的例子可以很好地说明这一点:这个传媒巨头设置了一个竞赛,为了找出最好的整理电影目录的方法。多亏了它家的电影数据,排名,类型,一个人可以比算法更快地整理出目录来!但是这样一个胜出的电影列表需要时常更新,人脑在此刻便达到了极限能力。考虑到趋势的迅速变化,这个人需要每天不停地重新编程每个部分,这一工程耗时巨大,也给各种错误留下了可能。

  • 用户细分

知道谁是自己的客户和潜在客户对于电商来说是另一个关键。若有一个基础的CRM数据库,我们就可以根据地点,社会经济特征来分化受众了。但是大数据能够通过多维度和新数据,如网站(或APP内)的行为,浏览路径,客户购买历史或者第三方数据来丰富我们的分析维度,以便识别出客户的“大日子”(搬家,生子,换新工作等等)。

保证一个实时的优化的购物体验

接下来我将介绍在55利用大数据加强电子商务的两个实际领域的客户案例。

  • 优化产品排序

在一个电商网站或APP上,一个访客看产品目录然后进入到某个产品页面时(最好是实现购买),产品排序起了关键作用。正如谷歌搜索的排序非常的关键一样,优化产品排序对于成功也至关重要,因为用户会更多的聚焦于出现在页面顶端的前几个结果。 当决定要下订单购买产品时,我们应当遵从一些基本的商业规则,比如不要推送售罄产品或者在夏天推冬季产品线。除了收集不同的变量,如产品特点,浏览历史或者购买数据,也应当结合软信号来预测用户活动。当然,所有这些信号和用于机器学习算法的输入数据需要由人来定义和筛选——最好是55内部的工作人员——并与商业目标保持契合。算法在它的模型里权衡每个变量以便产生最佳的预测,也就是最佳的用户体验。最后,大数据还能帮我们测试假设,比如一个品牌的新产品能不能有好的表现。把目标产品推到产品目录顶端,我们很快就能根据其表现获取洞察,确认假设。在55,多亏了我们的方法论和算法,我们帮助一家电商在2017年第一季度达到了平均每次访问4.5%的收入提升。

  • 定制产品推荐

我先从一个简单的数据说起:亚马逊35%的销售额都是通过它们的推荐引擎产生的,也就是把热门产品推荐给新访客。产品推荐是一项基础。因为考虑到电商产品目录范围非常广,很小的机会有访客会在浏览网站或APP时完整浏览整个目录。这也就是为什么对于电商来说展示相关产品非常的重要,当一个访客来访他们的网站时,为了实时客制化访客购物体验,需要根据,比如客户当前或之前的访问记录,最近浏览商品,心愿清单,购物车,过去购买记录来进行推荐。这并不代表每个人最后都会买同样的产品,感谢大数据,我们可以推送个性化的推荐——也就是说每个集群的访客中的每个访客的推荐清单都独一无二。

正如我们所见,大数据不仅可帮助在折扣和产品策略中分析和获取洞察,还可以以一种聪明的方式自动化在线销售过程,给客户带来附加值。机器学习可以通过网站界面上的供应商来补偿人类互动的不足,根据它的计算能力,它还能做更多。所以Early Birds ,一家专注于电商的法国创业企业,把它的其中一个预测型解决方案命名为“私人购物顾问”。

想要开始使用机器学习吗?这有一些来自55数据公司的关于机器学习的小贴士以及经过验证的成功秘诀:

  • 从商业目标出发来构建项目
  • 建立一个有力的结构以便自动化
  • 总是测试模型以保证效果和加速学习曲线
  • 建立预警以防不测
  • 预见可能影响模型的特殊事件:内部认购,社会热门话题(无论好坏)
还想再来一杯茶吗?