online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 大數據玩家eBay:在購買前洞察你的慾望

摘要: 在網絡世界,數據就是金錢。作為全球最大的拍賣網站,eBay對這一點深有體會。眼下,eBay對各種在線數據的分析無所不至,就像在每個顧客前面安裝了攝像頭一般。毫無疑問,eBay擁有的數據量是驚人的。其每天都要處理10 ...

在網絡世界,數據就是金錢。作為全球最大的拍賣網站,eBay對這一點深有體會。眼下,eBay對各種在線數據的分析無所不至,就像在每個顧客前面安裝了攝像頭一般。

毫無疑問,eBay擁有的數據量是驚人的。其每天都要處理100PB的數據,其中包括50TB的機器數據。可以說,eBay每天都面臨著天文數字般的大數據挑戰

早在2006年,eBay就成立了大數據分析平台。為了準確分析用戶的購物行為,eBay定義了成百上千種類型的數據,並以此對顧客的行為進行跟踪分析。然而,這同時也為eBay帶來了新的挑戰。要知道,公司的數據量多到難以想像,沒有人能分析消化這麼多的數據,也沒有人能基於所有數據建立起模型。

事實上,eBay真正應用到的,只是其收集的數據中的一小部分。 “剩餘的數據,eBay或是將其丟棄,或是將其存儲起來。因為說不定哪天,科技實現了突破,這些數據就會變得有用。 ”eBay大中華區CEO林奕彰指出

那麼目前,eBay是如何利用這些數據,來促進業務創新和利潤增長的呢?/p>

為用戶“畫像”

eBay擁有近2億的用戶,網站的商品清單項目則有3萬多類。在平台的日常交易中,eBay幾乎每秒都要處理數千美元。而這些交易數據,其實只是eBay全站數據信息總量的“冰山一角”。

基於大數據分析,eBay每天要回答的問題有很多,比如,“昨天最熱門的搜索商品是什麼? ”而即便是這樣的簡單問題,都需要涉及處理五十億的頁面瀏覽量。從這個角度看,任何一個基本的業務問題,對公司來說都是一個相當巨大的問題。

就eBay如何利用大數據來增加在線交易,林奕彰舉了一個典型的例子。譬如,一位年輕的女性早上10點在星巴克瀏覽eBay網站,eBay應該推送給她什麼樣的商品呢?/p>

“就這幾個信息點,我們其實已經做了不少研究。 ”林奕彰說,“事實上,用戶早晨10點、中午12點,或是晚上7點,她瀏覽的商品是不同的;在餐廳或是在家裡,同樣會對瀏覽和搜索產生影響;此外,還有用戶的年齡、當時的天氣等等,都會對購物產生影響。 eBay要做的,就是學習不同情景下的不同購物模式,並推送給用​​戶最想要的商品。”

據悉,eBay可以從用戶以往的瀏覽記錄裡“猜”她想要什麼樣的商品,也可以從設定的成百上千種情景模型中計算出用戶可能的需求;或是對照另一位有著相似特點的女性用戶,看她當時買過什麼樣的商品,從而推斷出這位用戶潛在的需求。在綜合各種考量因素後,eBay的後台需要在短短幾秒內將商品頁面推送給用戶。這意味著,eBay的系統需要有非常快的運算速度。

這種運算模型,有相當一部分人為的因素。比如,機器可以蒐集用戶的上萬個數據,但eBay的工程師可以定義其中的100個數據為有效數據,而模型則建立在這些有效數據之上。此外,當計算機自動“學習”分析各種數據形成的趨勢時,eBay需要將機器學習的邏輯設定在與商品交易相關的行為上。

除了通過大數據為用戶“畫像”而向其推送有針對性的商品,eBay此前還嘗試利用大數據進行搜索引擎的優化。

具體說來,eBay可以把握用戶的行為模式,使搜索引擎更加“直覺化”。如果時間倒退幾年,用戶在使用eBay的搜索引擎時,會發現它只能理解字面的意思,並按照字面意思尋找。很多時候,搜索引擎並不能理解用戶的真實意圖。但現在,eBay正試著改變或重寫用戶的搜索請求,增加同義詞或替換語句,從而給出更相關性的內容,並由此增加在線交易量。而這背後,統統離不開大數據的支持。

為商家提供“情報”

基於用戶購物的數據,eBay同樣會給商家提供各式各樣的“情報”。比如,eBay會告訴製造商用戶正在網上搜索什麼商品,或是各種出口行業的數據,製造商會立刻對此做出反應。

很多時候,eBay會根據自身或其他電商網站的交易情況,向商家建議其應該銷售的品類。 “這也是eBay大中華區正在做的工作,”林奕彰稱,“比如,一個中國的商家希望將產品賣到澳洲,我們通過數據分析可以告訴他,他一個月大約可以賣出多少產品,定價應該在什麼範圍內,市面上還有多少商家在賣同樣的產品,他的市場佔有率大概是多少”

在此基礎上,eBay還試圖算出商家的補貨頻率。事實上,海外倉儲是商家非常頭痛的問題,一旦計算失誤,便可能造成庫存積壓或缺貨。而在eBay,一旦用戶下單後發現商家缺貨,將是非常嚴重的問題。這種情況下,eBay可以通過過往的數據分析,得出商家第一批貨的大概銷量,以及按照過去銷貨的速度什麼時候應該補貨,物流的時間又是多久。通過這些數據的計算,eBay可以測算出商家補貨的邏輯。

這些數據分析,對於商家開拓新的銷售品類非常管用。因為通常情況下,商家需要四五個月,才能摸清楚一種貨物的淡旺季銷量,及其在各個地區的受歡迎程度

當然,eBay所做的只是為商家提供各種潛在的商機,至於賣家是否願意投入生產,或能否找到合適的供應商進貨,仍需要他們自己去完成。很多時候,eBay推薦商家銷售200個新品類,而最終商家只能找到50種新產品的供應商。

除此之外,憑藉平台上產生的各種信息,eBay還可以扮演“品管(品質管理)”的角色。舉例來說,一個賣家要在eBay上賣1000個產品,當它賣到50個產品的時候,有5個產品出了問題;賣到200個產品的時候,有20個產品出了問題;賣到400個產品的時候,有40個產品出現質量問題,以此類推。而eBay要做的,就是在其早期出現問題的時候,就及時提醒賣家

進一步說,當賣家賣掉10個、20個產品的時候,eBay就要根據退貨率、買家評論等把可能的問題檢測出來。與此同時,eBay會提醒賣家,讓其監督供應商改進品質,或選擇將商品下架,或是修改物品的描述。

在理想狀態下,這種品管系統會形成一個大數據的循環,並幫助賣家減少退貨,銷售更多的商品。假如賣家在收到這樣的通知後依舊我行我素,eBay就會認為這樣的賣家並不重視品管,到了一定階段,eBay會對其實施交易“配額”,限制其交易量

“品管的難點在於,我需要通過數據模型在賣家交易量很少的時候就發現問題。這種早期預測涉及復雜的運算。 ”林奕彰表示,“一旦交易量大了,賣家自己也會統計退貨率,之前的損失也就無可挽回。”

試錯與挑戰

和其他在線交易平台一樣,eBay對假貨亦十分敏感。眼下,公司試圖通過大數據技術,讓系統“智能”地識別出假貨。

實際上,“網絡打假”工作並不容易。要知道,假貨常常以各種形態出現在網絡上,且屢禁不止。以Rolex為例,假貨商家可能在單詞中增加一個空格,也可能將其中兩個字母互換位置,甚至名稱裡根本不出現Rolex,只是圖片展示出Rolex手錶的樣子。 eBay上有如此多的品牌,自然有形形色色的假貨充斥其中。這種情況下,單是靠在商品名稱或描述裡抓關鍵詞,根本抓不住假貨。

而eBay眼下做的,就是通過數據分析建立起一種模型或規則,假如商家的交易符合這種規則或特徵,便有可能是在賣假貨

打個比方,當一個賣家的商品賣的很便宜,賣得很快,但後面的抱怨和退貨很多,系統就會把這個“可疑”的模式識別出來,然後再由工作人員去判斷,這個賣家是否在賣假貨。換言之,“即便數據的量再大,賣假貨的人都有相對固定的模式。 ”林奕彰稱。而通過這種方式,eBay有效地鑑別出不少假貨商家。

不過,林奕彰並不諱言,這種大數據分析方法亦有其弊端。 “就假貨問題來說,這種方式只能在事後將問題查出來,而無法事先預測。 ”他表示,“這不是那麼容易解決的問題,因為無論用什麼樣的模型去套,假貨交易總是能先騙你一陣子”

除了分析的滯後性,eBay的大數據挑戰還體現在龐大的數據處理上。儘管企業數據倉庫為查詢提供了巨大性能,但它仍無法滿足eBay存儲和靈活處理的需要。要知道,這些系統的造價相當昂貴,當eBay每天增加50TB的數據時,其成本是相當高昂的。

在此基礎上,eBay收集的相當一部分數據,在目前看來是無用的數據。畢竟,數據採集得越多,變量越多,而由此帶來的“數據噪音”也越多,模型越失真。從這個角度看,eBay要做的是記錄那些有意義的數據,並銷毀那些不需要的信息。問題在於,eBay要分析的85%的問題都是新的或未知的,“eBay並不知道哪些信息未來或許會有用,”林奕彰坦言,“那些現在看起來無效的數據,明後年可能就會隨著科技進步被消化,我們現在只能先把這些數據儲存起來。”

但另一廂,假如將所有信息都儲存起來,那麼eBay每個月都會新增數以億計的數據信息。在如此浩瀚的數據海洋中,分析工作根本無從下手。因此對eBay來說,這是一個必須平衡的難題。

需要指出的是,eBay當下的分析模型也還不夠完美。無論是“猜”用戶,還是分析商家在eBay上的生意,eBay猜錯的情況非常非常多。對於這一點,林奕彰舉了信用卡的例子。在他看來,“銀行其實是運用大數據最厲害的,但無論風控模型怎麼完美,全球依然有2%左右的信用卡賠率。 ”況且,eBay用的並不是成熟機構認證過的模型,很多時候要靠自己去猜,那麼誤差也就不足為奇

資料來源:煉數成金


留下你的回應

以訪客張貼回應

0

在此對話中的人們

YOU MAY BE INTERESTED