周涛谈大数据与电商：数据流动才能带来价值

电子科技大学教授、百分点科技首席科学家周涛（AS网站目录配图）AS网站目录 3月28日报道大数据是电子商务一直强调的运营战略，不过具体应该如何发挥数据的价值？数据都有哪些具体的用途？电子科技大学教授、百分点科技首席科学家周涛在今日举办的2014中国（深圳）电子商务发展论坛上对此发表观点，他认为，分割的数据价值有限，只有实现数据的流动才能最大化数据价值。电子商务的持续发展带来更大的数据总量，以及更复杂的数据形式

电子科技大学教授、百分点科技首席科学家周涛（AS网站目录配图）

AS网站目录 3月28日报道

大数据是电子商务一直强调的运营战略，不过具体应该如何发挥数据的价值？数据都有哪些具体的用途？电子科技大学教授、百分点科技首席科学家周涛在今日举办的2014中国（深圳）电子商务发展论坛上对此发表观点，他认为，分割的数据价值有限，只有实现数据的流动才能最大化数据价值。

电子商务的持续发展带来更大的数据总量，以及更复杂的数据形式。这必然给数据处理带来更大挑战。周涛认为，数据的关联形态正在发生变化，一名用户即在微信上，也在微博上，同时还有线下医保、社保等数据，以及交通出行数据。要了解一名用户，这些数据都需要关联起来进行处理。

对于B2C电商来说，面对一名新用户，如果没有用户的数据，例如他喜欢什么类型的商品，或者拒绝过哪些推荐，那么就很难有针对性的推荐产品，导致新用户获取失败。

他认为，电商企业需要做到精准的流量引入，通过在门户网站这样的媒体进行精准的广告投放，以实现精准化的推荐，提供个性化的产品和服务，提高转化率。

以下是电子科技大学教授、百分点科技首席科学家周涛演讲实录：

首先非常高兴有这样一个机会和大家分享，我也特别高兴受到大会的邀请！

首先我给大家介绍一下，我们今天这么多人在这个地方谈大数据，大数据是一个大的概念，这个概念里面既有机遇，以有泡沫和危机。大数据概念不是一蹴而就，背后有很多很大的趋势，和将来要探讨电子商务有密切关系。

第一个大的趋势是我们数据总量一直在极速上升，这个大家都了解，现在我们一天能产生的数据大概有2个Z，相当于1000年前，我们10年才能产生的数据总量。

第二个大的趋势是数据形态发生很多变化，我们在电商平台中读到很多品类，看到很多商品图片，我们看一个奢侈品，有没有一些假货，我们必须要比较很多不同的图片。我们同时还会看到一些好的电商平台，已经有了视频和音频，所以我们现在处理的数据，不是很多年前简单结构化、表格数据，而是很多音频、数据等数据。

第三个大的趋势变化，是数据关联形态发生变化，今天我们一个人即在微信网络中，也在微博网络中，还在手机通讯网络中。与此同时我们监测到这个手机买了什么东西，他知道他线下使用医保、社保的数据，我们甚至还知道他汽车交通出行数据，那么这些数据加在一起，我们通过这些来自不同领域的数据，来全面理解一个人探索这个人的兴趣，找到他需要的产品，这是第三个大的趋势。

这些趋势使得整个电子商务的服务，不再是以前一款好商品卖给所有人，而是从全体到群体，最终到达一个个性化的服务。

整个大数据，我们从理念上来讲，我们认为大数据它是海量数据处理所带来一系列颠覆变化整合，对于未来新兴企业，甚至新兴国家都是战略核心的关键。

对于电子商务来说，我们看待电子商务理念是什么？数据是全程大数据驱动，并不简单是一个投一个广告的数据，也不简单来自于网络中做个性化推荐的大数据。而是面对一个传统的品牌商，如果有一天你决定要变成一个大数据的电子商务企业，并且可能你不仅仅在京东和天猫上开店，当你自己要用自己大数据的观望，一个B2C独立电商的时候，我们希望能够从门户建立，到精准的流量引入，怎么样通过高效的广告渠道等等，能够迅速找到你需要的，的的确确的这个人，把他引进来。当你把流量很好的、精准的，通过数据驱动的办法，引进到你可能还默默不为人所知道的门户，你怎么样提高他的转化率，通过个性化，通过推荐，能够让他更多的产生购买，最终你又能用这个数据，像刚才ebay的同事讲的一样，能够进行一些销量的预测，库存的预测这些渠道管理。

整个大数据有一个核心理念，就是开发流动带来价值，每个数据是有限的，怎么实现流动呢？比如说我们给独立电商服务，每天大概2000万独立UV，使得我们让这些电商享有一个共同的IV，换句话说，比如说你是一个有名的电商，可能一个对你来说全新的顾客进到你的店里，但是他曾经已经在阿迪达斯、耐克浏览过一些篮球鞋他没有买，可能觉得价格贵或者款式不合适，在你的首页手面会给他推荐一些李宁的篮球鞋，通过这些数据，可以使得没有办法跟天猫、京东抗衡的独立B2C电商，能够大幅度提升单位流量转化率，因为他贡献了自己的数据，同时也使用到其他电商贡献的数据，因为进到他这里一个新用户，对于他来说是新用户。

做大数据是需要基础，我们要了解用户，不仅需要了解他在网上浏览行为，我们要了解他价格的偏好，对商品的偏好，我们甚至要知道他所用的手机设备，他到底设备里面，有没有电子商务支付的终端？有没有支付宝，有没有银联支付？他到底在手机上有没有唯品会 、京东、天猫这些购物入口。这些东西都可以通过大数据分析进行统一布局。我们不仅自己拥有我们本身的500多家电商客户，和300多家客户数据，我们同时还拥有移动互联网最大网络平台，通过这个我们了解每一个手机背后的人他使用习惯，利用这些更好了解客户，这些都是使得我们能够真正，把每一个流量价值发挥到极至。

与此同时我们第二个基础，我们还需要一个很好的数据管理平台，不仅仅是数据分析，我们实际上是全世界数据中心变化保持者，但是仅仅有一个数据中心是不够的，更重要是我们要有一个非常好的，管理和运用大数据的平台。当我们的数据来了之后，我们通过三种机制，根据不同算法需求导入到平台中，进行分类，然后利用三个数据挖掘系统，推动引擎系统和用户分析系统，进行简单的分析和算法，算法得到结果，通过不同API推荐广告，包括推荐广告统计分析，权限管理等等。相对我们支持各种行业模型，有了这样一个统一的大数据管理平台，它才能够支持电子商务，以及其他的，包括医疗、金融等等大数据应用。

电子商务应用产品很多，我这里不多说，比如说我们在360上可以买到一些广告位，你通过你精准办法可以提高ROI，从而获得差价，还可以给团购推一些你所喜欢的团购，或者你看单品可以给你推你喜欢的单品，以及推个性化的商品等等。

我这里简单最后花五分钟时间，介绍一下我们常见的电子商务大数据方法。

最简单的电子商务用的最多的是搜索和推荐，推荐最直观方法是找到一些关联，比如说买了A商品的人还喜欢买B商品。现在买了三个月婴儿奶粉，半年以后买九个月婴儿奶粉，同时我们用更复杂办法，比如说你点A的东西，你找某些人购买兴趣跟A相似，把他们喜欢买的A都买的推荐给他。或者A买的商品中，看哪些商品跟这些商品可以共同购买。当然这些方法已经有十几二十年的历史，但是我们这两年进行改变，比如说基于类别推荐、品类数推荐，基于传导扩散的推荐，基于热导扩散推荐，利用这些方法我们可以提高推荐精确度并且提高用户体验。

与此同时在简单推荐引擎我们有两个例子，左边这个例子是淘宝，淘宝我们做了这样的技术。左边这个是我们在给淘宝用户推产品的时候，我们首先挖掘用户在淘宝上搜索的文本词，确定他感兴趣的类目，排出隐私类目，比如说医疗、或者棺材之类我们不送，这个时候我们再找出浏览最多的类目，给你进行个性化推送。

这种场景引擎会带来巨大的变化，比如说以前打开大概是15%左右，在使用了这种引擎，一个产品对用户进行建模，而且它的转化率从6%提高到8%，这两个在一起就带来了基本上是翻倍的增长。

另外我们给用户建立了一个情景引擎，我们猜这个用户他到底是买还是不买？如果一个女孩子看牛仔裤老是看类似宽型，我们看她每两次观看的聚焦，我们就认为她购买，反过来她两次差异很大，我们判定她不买。我们分析用户喜好买或者不买，我们把用户建模之后，我们可以大幅度提高整个推荐用户订单的成功率，我们这个数据用户一下从4%点几提升到13%，仅仅就算法还不够，我们还要跟用户建立场景模型。

最后我们还有一些复杂方法，比如说挖掘搭配，怎么样把传统人工编辑变成机器学习，利用主流时尚杂志或者购买纪录我们自动进行搭配，这种搭配带来的效果，比人工编辑搭配效果更好，同时工作量下降到原来的1/50。

最后我希望大数据的应用，会带给大家一个全新的个性化的，精细化的，最有竞争力的电子商务的时候，未来的电子商务会逐渐从一个蓝海，变成一个和其他市场一样充满竞争的地方，电子商务渠道价格压缩服务，也总有一天会消失。现在在美国大家可以看到，电子商务产品和线下产品差距，明显要比中国要低，而且这个差距是越来越小，最终有一天我们依靠数据和数据分析结果来管理我们的电子商务，实现我们的竞争优势，而不是靠价格。我希望这个报告，能够给大家，让大家更好的准备去迎接这一天的到来，谢谢大家！