论文部分内容阅读
自2013年起，中国大数据产业日趋活跃，至今已呈现出百花齐放、异彩纷呈的发展态势。在互联网业内，以阿里巴巴、腾讯、百度为代表的行业领头羊，不断将积累的社交数据、搜索数据、电商数据转化为大数据时代珍贵的原生素材。在零售电商领域，由于互联网、智能设备、大数据的快速发展，正发生着颠覆性的创新与变化。特别是大数据技术，在目前的电子商务领域中，已经被运用得相当成熟。
作为在这个数字化时代孕育而生的一种全新营销方式，智能营销主要借助数字化渠道，利用互联网积累的用户大数据和计算机的智能算法，帮助企业更好地找到目标客户群体，并为客户提供实时、个性化的需求体验。
对于品牌和广告主来说，早已能从人们在电商网站上的互动、购买、分享行为中挖掘出商机。举例来说，我们在浏览网页时常常会看到电商平台投放的DSP（Demand-Side Platform，即需求方平台）广告——比如我在京东商城浏览了几款手机，那么第二天我就很有可能在浏览网页时看到京东给我推荐了一系列手机，有时候还会推荐手机壳、耳机之类的配件。这是目前智能营销最广泛、最简单的一种应用方式，即根据消费者的浏览和搜索行为推荐他们可能打算购买的商品。但偶尔也会发生这样的情况，比如我刚刚在某购物平台买了台笔记本电脑，平台却还是会根据我的浏览记录向我推荐同类产品，而这时，此类广告对我来说已经完全没有价值了。由此可见，单纯依靠几个简单数据做出的消费倾向推测常常会是无用功。
所以，电商掌握的数据只有更详细、更精准，才能更了解顾客的购物需求，从而刺激顾客的消费欲望，最终促成其购物行为。如果仔细观察，我们会发现每个人的淘宝App首页都是不一样的。以我的淘宝首页为例，搜索栏出现的“PS4索尼”是因为我经常在淘宝上购买PS4的游戏光盘，“热门市场”栏目里的游戏机和光盘也是同样的道理。另外，我会定期给我的猫买猫粮，这也是为什么淘宝会给我推荐猫草和猫粮——如果没有相关数据作为支撑，一家电商平台不会无缘无故向用户推送宠物食品广告。其余的推荐更好解释——我是个男的，二十来岁，自然会更容易让人想到服装和电子产品，而不是高跟鞋、《五年高考三年模拟》等与我的形象不太相称的商品。
据此，也就引出了“用户画像”这一概念。每一个电商必定都想了解：我的用户是什么样的，他们的生活习惯有哪些，他们会喜欢什么东西？用户画像描绘得越准确，顾客点击广告、购买商品的几率就越高，而这些信息都依赖于数据的积累。电商平台可以根据用户的过往购买行为推测他的性别、年龄和收入，以及他喜欢的品牌、书籍、电影，同时判断他倾向于有针对性地购买还是漫无目的地浏览后再做购买决策……根据这些特征，平台就能相对准确地为他推荐合适的商品。有时候，平台甚至想要知道用户所用的智能手机中，到底有没有电子商务支付的终端——有没有支付宝、银联支付，有没有唯品会、京东、天猫这些购物入口……而这些信息都可以通过大数据分析获取。
今年1月，京东联合21世纪经济研究院发布了《2016中国电商消费行为报告》，这份报告提供了很多有意思的数据，比如天津是全国最偏好购买化妆品的地区，东南地区男性更注重穿着，北方省份比南方省份更喜欢网购食品，山西、河南、广东、山东、黑龙江、青海和安徽网民更舍得为手机掏腰包，上海、北京、西藏、浙江四省市则在电脑及办公用品上花费更多。
当数据量丰富到一定程度时，商家就可以从中挖掘更多的富余价值，比如为用户提供消费性贷款。目前，判断一个人贷款违约风险大小的主要方式是央行的征信报告，但央行的征信报告并没有覆盖所有人群——如果一个人没有银行账户，那么他就不在央行的征信范围內，而这类人群在当前中国绝不是少数。
现在，一些电商平台已经开始涉足个人征信领域，平台利用用户在自己平台上的消费行为信息，建立起自己的大数据征信系统。以阿里小贷为例，这家公司背后运营的实体为浙江阿里巴巴小额贷款公司和重庆阿里巴巴小贷公司。凭借阿里巴巴集团旗下淘宝、天猫、阿里巴巴等电商平台积累的交易和信用评价数据——最简单的就是商户的交易数据，他们就能从商户的营业额判定他的风险承受能力，进而确定给他贷款是否合适。通过这样的方式，阿里小贷建立起了一个类似于央行征信系统的信用评价数据库。这种审核方式让阿里小贷的征信审核成本大大降低，有消息显示，阿里小贷单笔信贷操作成本为2.3元，而一般银行的成本在2000元左右。除了商户和公司，个人消费者现在也有了芝麻信用分，人们可以借此在支付宝上贷款。平台也可以从用户的消费数据中判断出他大概的还款能力，举个最简单的例子：银行不会批给一个月收入5000元的人一张50000元信用额度的信用卡，而一个一年都不太会上淘宝买太多东西的消费者，也无法在支付宝上获批大额贷款。
当然，这些例子并不代表电商的数据就更加先进，恰恰相反，银行的征信和评级模型远比互联网企业复杂得多，也精确得多——数据权重就是一个很好的体现。传统银行过去不重视一些权重低、属于其他类别的数据（也有可能是因为获得数据的成本太大而舍弃了这些数据），但用户在电商平台上的行为信息，恰恰在传统银行模型体系内属于权重低的那部分。
今天，大数据已经增长到了一个相当恐怖的体量，去年“双十一”天猫商城的交易额达到了1207亿元！大大小小的电商平台每天都在产生难以估量的数据，各平台如今应当考虑的问题是，如何利用这些大数据。此外，人工智能也是一个搜集数据的新方向：Google无人车已经跑了320万千米，特斯拉的Autopilot系统也累积了3.2亿千米的数据。而在过去十年内，随着深度学习研究的进展，机器在识别图片、语音方面的能力都已经远远超越了人类。人工智能的另一个可怕之处在于，它的使命是给每一个行业都带来变革，而不是为一个单独的细分领域服务。我们一定能亲眼见证越来越多的人工智能的力量。
作为在这个数字化时代孕育而生的一种全新营销方式，智能营销主要借助数字化渠道，利用互联网积累的用户大数据和计算机的智能算法，帮助企业更好地找到目标客户群体，并为客户提供实时、个性化的需求体验。
对于品牌和广告主来说，早已能从人们在电商网站上的互动、购买、分享行为中挖掘出商机。举例来说，我们在浏览网页时常常会看到电商平台投放的DSP（Demand-Side Platform，即需求方平台）广告——比如我在京东商城浏览了几款手机，那么第二天我就很有可能在浏览网页时看到京东给我推荐了一系列手机，有时候还会推荐手机壳、耳机之类的配件。这是目前智能营销最广泛、最简单的一种应用方式，即根据消费者的浏览和搜索行为推荐他们可能打算购买的商品。但偶尔也会发生这样的情况，比如我刚刚在某购物平台买了台笔记本电脑，平台却还是会根据我的浏览记录向我推荐同类产品，而这时，此类广告对我来说已经完全没有价值了。由此可见，单纯依靠几个简单数据做出的消费倾向推测常常会是无用功。
所以，电商掌握的数据只有更详细、更精准，才能更了解顾客的购物需求，从而刺激顾客的消费欲望，最终促成其购物行为。如果仔细观察，我们会发现每个人的淘宝App首页都是不一样的。以我的淘宝首页为例，搜索栏出现的“PS4索尼”是因为我经常在淘宝上购买PS4的游戏光盘，“热门市场”栏目里的游戏机和光盘也是同样的道理。另外，我会定期给我的猫买猫粮，这也是为什么淘宝会给我推荐猫草和猫粮——如果没有相关数据作为支撑，一家电商平台不会无缘无故向用户推送宠物食品广告。其余的推荐更好解释——我是个男的，二十来岁，自然会更容易让人想到服装和电子产品，而不是高跟鞋、《五年高考三年模拟》等与我的形象不太相称的商品。
据此，也就引出了“用户画像”这一概念。每一个电商必定都想了解：我的用户是什么样的，他们的生活习惯有哪些，他们会喜欢什么东西？用户画像描绘得越准确，顾客点击广告、购买商品的几率就越高，而这些信息都依赖于数据的积累。电商平台可以根据用户的过往购买行为推测他的性别、年龄和收入，以及他喜欢的品牌、书籍、电影，同时判断他倾向于有针对性地购买还是漫无目的地浏览后再做购买决策……根据这些特征，平台就能相对准确地为他推荐合适的商品。有时候，平台甚至想要知道用户所用的智能手机中，到底有没有电子商务支付的终端——有没有支付宝、银联支付，有没有唯品会、京东、天猫这些购物入口……而这些信息都可以通过大数据分析获取。
今年1月，京东联合21世纪经济研究院发布了《2016中国电商消费行为报告》，这份报告提供了很多有意思的数据，比如天津是全国最偏好购买化妆品的地区，东南地区男性更注重穿着，北方省份比南方省份更喜欢网购食品，山西、河南、广东、山东、黑龙江、青海和安徽网民更舍得为手机掏腰包，上海、北京、西藏、浙江四省市则在电脑及办公用品上花费更多。
当数据量丰富到一定程度时，商家就可以从中挖掘更多的富余价值，比如为用户提供消费性贷款。目前，判断一个人贷款违约风险大小的主要方式是央行的征信报告，但央行的征信报告并没有覆盖所有人群——如果一个人没有银行账户，那么他就不在央行的征信范围內，而这类人群在当前中国绝不是少数。
现在，一些电商平台已经开始涉足个人征信领域，平台利用用户在自己平台上的消费行为信息，建立起自己的大数据征信系统。以阿里小贷为例，这家公司背后运营的实体为浙江阿里巴巴小额贷款公司和重庆阿里巴巴小贷公司。凭借阿里巴巴集团旗下淘宝、天猫、阿里巴巴等电商平台积累的交易和信用评价数据——最简单的就是商户的交易数据，他们就能从商户的营业额判定他的风险承受能力，进而确定给他贷款是否合适。通过这样的方式，阿里小贷建立起了一个类似于央行征信系统的信用评价数据库。这种审核方式让阿里小贷的征信审核成本大大降低，有消息显示，阿里小贷单笔信贷操作成本为2.3元，而一般银行的成本在2000元左右。除了商户和公司，个人消费者现在也有了芝麻信用分，人们可以借此在支付宝上贷款。平台也可以从用户的消费数据中判断出他大概的还款能力，举个最简单的例子：银行不会批给一个月收入5000元的人一张50000元信用额度的信用卡，而一个一年都不太会上淘宝买太多东西的消费者，也无法在支付宝上获批大额贷款。
当然，这些例子并不代表电商的数据就更加先进，恰恰相反，银行的征信和评级模型远比互联网企业复杂得多，也精确得多——数据权重就是一个很好的体现。传统银行过去不重视一些权重低、属于其他类别的数据（也有可能是因为获得数据的成本太大而舍弃了这些数据），但用户在电商平台上的行为信息，恰恰在传统银行模型体系内属于权重低的那部分。
今天，大数据已经增长到了一个相当恐怖的体量，去年“双十一”天猫商城的交易额达到了1207亿元！大大小小的电商平台每天都在产生难以估量的数据，各平台如今应当考虑的问题是，如何利用这些大数据。此外，人工智能也是一个搜集数据的新方向：Google无人车已经跑了320万千米，特斯拉的Autopilot系统也累积了3.2亿千米的数据。而在过去十年内，随着深度学习研究的进展，机器在识别图片、语音方面的能力都已经远远超越了人类。人工智能的另一个可怕之处在于，它的使命是给每一个行业都带来变革，而不是为一个单独的细分领域服务。我们一定能亲眼见证越来越多的人工智能的力量。