走进大数据应用！！——电商实战

　　引言：大数据概念从21世纪初产生到被热炒至今只有几年时间。大数据的概念已逐渐被大众了解，简单地说，大数据就是一种获取大量有效的数据，并进行管理、分析从而得到某种结论的手段。但大部分人仅了解大数据的基本概念，却并不清楚其是如何应用的。本文以国内外企业为例，着重介绍大数据在电商领域的应用，希望为其更广阔的应用提供一些思路。

　　【未央研究原创】

　　1一、电商发展的现状

　　近十年是电子商务在中国飞跃发展的十年，据艾瑞研究显示，2014年我国B2C,C2C市场已突破万亿并仍以20%的速度增长，B2C占比逐年提高。同时，阿里巴巴这一电商航空母舰已在美上市;京东股票在去年5 月敲响上市钟后一路上浮。然而在这一片繁荣背后，仍不断有电商平台倒闭的新闻被爆出。尽管电商市场的规模在不断扩大，但淘汰率仍很高，竞争十分激烈。

　　二、大数据如何应用于电商市场?

　　大数据在我国已广泛应用在电子商务平台的推荐引擎、金融行业的风险控制等多个领域。作为国内最早的的大数据服务公司之一，百分点集团成立于2009年7 月，其目前主要将其发展定位于跨行业数据的积累与应用。在电商行业面临发展与挑战的时期，百分点加入了这一产业并迅速发展，到今天已为包括1号店在内的超过1000家电子商务平台提供大数据服务。

　　尽管百分点集团已拥有了大量与其合作的电商平台，但巨型电商如天猫、京东由于规模较大，更看重保护自己平台的数据，且其自身平台已产生了足够的数据量使其可以自己研发推荐引擎。亦如美国B2C巨头Amazon，并没有依靠大数据服务公司的力量，利用对自身数据的有效利用建立了自己的大数据推荐引擎，并且创造平台35%的销售额，被公认为电商大数据推荐的标杆。

　　今天，阿里巴巴占据着电子商务78%的市场份额，像百分点集团这样的第三方大数据公司可提供的服务空间相对有限，因此他们选择以为中小规模电商平台提供服务作为发展方向，并且试图联盟大量小电商平台，为无竞争关系的电商平台提供交叉推荐，从而提高推荐效果并吸引更多用户。随着B2C市场近一步扩大，也产生了细分市场的空间，专注于某一领域的电商(如奢侈品、化妆品等)成长迅速，也逐渐开始有了挑战阿里的机会。电商市场的多元化或将是百分点和其他大数据企业发展的好时机。

　　三、大数据面向电商平台的杀手锏!

　　百分点的技术主要是：分析引擎(BAE)和推荐引擎(BRE)，两者在功能上都分为基础版(免费)及高级版(收费)。

　　分析引擎可以作为一家电商平台的“诊断环节”，通过后台数据的获取，如漏斗模型所示，电商将了解用户在购物的不同环节中的逃离率，从而更直观地了解应该在哪一环节进行优化。同时，分析引擎还可以获得访客的地区分布、到访时间段分布与新老访客占比分布。

　　相对于“诊断环节”的分析引擎，推荐引擎就是能真正帮助电商平台提高销售额的“灵丹妙药”，也是大数据技术的一大重要应用。而这一技术早在1998年，就被24岁的华盛顿大学在读博士格雷格林登申请了著名专利“Item-to-Item”协同过滤技术，并很快应用在Amazon上。如今，电商推荐技术在美国已得到了广泛应用。网购迷对推荐引擎并不陌生：当我们点入某电商平台主页，在醒目位置通常是“猜你喜欢”这一环节;通常购买之后平台还会继续为你推荐产品……

　　四、电商平台大数据应用效果几何?

　　推荐引擎可以跨平台、跨浏览器，甚至跨设备地获取电商中用户的偏好并即时反映到推荐栏目中。同时用户的偏好将会被保存到百分点的偏好系统数据库，当该用户访问其他百分点集团服务的电商平台时，推荐引擎将识别该用户并进行“私人定制”的推荐。

　　在推荐引擎方面，Amazon 是行业的标杆。在Amazon上，其自制的推荐引擎为平台带来了35%销售。那么百分点推荐引擎的效果怎样呢?相比2012年，在2013年中，推荐销售金额增长18.5倍;活跃用户量增长2.8倍;全年客户收入增长4.33倍;点击率与转化率都已增长50%以上。

　　可见大数据在电子商务上的价值已十分明显，同时，更高的订单转换率和更多的客户意味着推荐引擎正在逐步完善，而且正在被更多的电商认可。未来随着技术的逐渐完善以及数据库对用户习惯的不断保存，电商的推荐引擎将会更加准确、更有效果。

　　五、跳出电商，大数据在全球发展如何?

　　纵观全球大数据领域，由于起步较早，美国与欧洲目前处于领先地位，在人才技术等方面都具有领先优势。在麦肯锡的大数据报告中，列举了大数据在5 个行业已产生的千亿美元的经济价值。在公共事业的交通管理方面，通过电子收费站等方式对路面车流量进行监控，并可以对路面的潜在拥堵进行预测，有效减少交通拥堵的状况。这样的例子还有很多，甚至很多行业大数据产生的价值已开始负增长，可见大数据在欧美应用的领域已很广泛，并已经发展得较为成熟。反观国内市场，依然存在很大发展空间，等待新兴大数据企业去探索。