大数据科学如何为电商企业增加利润？.doc

实战：大数据科学如何为电商企业增加利润？ 论文类别：计算机?-?互联网研究上传时间：2015/11/20?11:21:00论文作者：未知 ? 　　电商领域的数据科学 　　世界被来自四面八方的数据紧紧包围。每次购物点击鼠标，你的信息足迹(数据)都被收集并保存起来。商家会利用这些数据吸引你在未来购买更多商品。如果你想买一台新手机，手机类网站、APP知道你查看过哪些商品，谷歌知道你搜索过哪些商品，GSMArena(热门的智能手机评论网站)知道你阅读了哪些评论。你也碰巧把这些评论分享到了Twitter，Facebook，Instagram，Pinterest。而这些分享记录可以帮电商企业了解消费者想要什么，何时有需求。这个过程中包括对数据进行收集、储存、排序归类、分析，以得出有价值的结论。这些工作是数据科学必不可少的部分，由被称作“数据科学家”的专业人士完成。 　　“过去不会重复自身，未来却会与它呼应。”-马克·吐温 　　未来的事件都在特定环境与条件下发生，但也不乏模式可循。“大数据革命”为数据存储、云计算、以及能帮企业进行模式识别的数据科学，提供了技术上的创新。如今，数据科学可以预测任何事情，无论是流感爆发还是犯罪死亡率。 　　设想一个电子产品零售商的处境。因为产品优质、物流及时，这家店一向生意兴隆。然而消费趋势在改变，竞争也愈发激烈，市场上出现了对生态化产品的需求。他们的顾客因此慢慢流向竞争对手。用传统方法调查市场，这个缓慢流失可能被忽略。但这些微小的变化可以被数据科学家察觉。他们编写算法，不断监测过往销售表现，并与来自媒体和社交网站的外部数据相对照，探讨这些趋势，试图发现它们与购买倾向的关联。数据科学家提供新的方法，让零售商领悟如何维持住核心消费群，而不是仅仅试图获取新的客户。 　　根据EMC的统计报告，到2020年底全球数据总量预计会超过44?ZB，几乎相当于每人5200?GB。数据的生产量每年都在翻番。“数据就是黄金！”与此同时电商行业的竞争也变得更加迅猛更加激烈。用户行为一转眼就会发生变化，为满足顾客需求，每个企业都想更胜一筹。常识、直觉和第六感对此有所帮助，但不足以做为预测的依据。数??科学算法却能帮助企业有效理解产品、服务、过程、顾客。 　　数据科学不是互联网公司专属 　　著名化妆品公司欧莱雅，聘用数据科学家研究各种化妆品对不同肤质和组合的效果。 　　劳斯莱斯聘用数据科学家为飞机引擎确定维护时间。 　　Feedzai运用数据科学算法监测欺诈行为。 　　Fruition?Sciences?，一个为酿酒者服务的在线决策工具，使用数据科学算法决定向葡萄加多少水，以及何时加水能出产质量更好的红酒。 　　在电子商务领域，数据科学通过捕捉和整合消费者的线上行为、生命事件、购买驱动力、互动方式和其他更多信息，使企业更了解消费者。 　　电商领域的一些数据趋势： 　　60%的人在包括移动、社交、实体店、网站等多个渠道研究品牌，与品牌发生接触。 　　使用几个不同渠道搜寻某种商品的人，会比不这么做的人多付1/3的钱。 　　美国43%的零售销量来自网络。 　　由eCommera进行的一项调查发现，只有23%的零售商能理解数据作出决策。 　　英国50%的零售商认为缺少商业智能工具是(他们)开始运用数据科学的原因，同时只有16%的零售商对他们现有的数据分析解决方案有信心。 　　这些趋势体现了电商行业的快速发展，也体现出数据科学有望加强消费者的购买行为，给电商企业贡献更好的营销策略和更高利润。 　　数据科学在电商领域的应用 　　1)为消费者推荐产品 　　“未来的趋势是个性化。而你会像消费者了解自身一样了解他们。” 　　TomEbling?，?Demandware总裁兼CEO 　　基于消费者行为作出的促销和推荐非常有效。如今的消费者非常依赖推荐系统，不论是产品购买、新品消息、外出就餐或服务选择。多数电商网站，像Amazon、eBay、Target都拥有数据科学团队，在推荐系统背后，思考类型、权重、特性和许多其他因素。数据科学建立的推荐系统有两个主要的目的： 　　配套销售。你在选购iPhone6那你也许会对iPhone保护壳感兴趣。 　　增值销售。例如，你在找某种LED电视。它有一个更优质的换代产品，刚刚上市，且只贵几块钱。 　　数据科学算法学习产品相关的多种属性、关联，学习消费者的喜好以便预测他们的需求。这些算法为消费者更换展示页面，或app或网站上产品排列顺序，使得消费体验个性化。 　　PuneetGupta，Brillio(一家立足于美国的科技咨询和软件开发商)的首席科技官说：“有了预测分析和机器学习应用，电商企业现在可以对消费者的行为模式有清晰的了解，贯穿全站各种商品的购买历史和销售表现。” 　　这一类应用，最好的例子是亚马逊使用预测建模