文章原名是《揭秘大數據玩家eBay：猜出你的購買慾》，內容主要是涉及eBay對於數據的應用方向。
: x/ W: |3 k2 O/ m其實，如何尋找各平台數據、如何把數據用在自己的店舖成長上，感覺一直是相關跨境電商培訓的必有部分。; E+ b7 t) n; w) \9 q9 h8 a6 l
畢竟，尋找一顆鑽石進行打磨，與隨手找到一顆石頭打磨，即使一樣用心，結果還是天差地別的。
6 ~( H8 F) W! t; m9 d. |很多平台都有類似數據公佈，希望這篇文章能提高大家對數據的認識，讓自己先人一步找到藍海。
W# t* K4 ^$ y. l( a- W2 M0 z9 C- U6 a2 z( e
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。
" E. l5 O# }/ W5 B" R" Y; j# D! s' x
; H9 G$ L) g6 p7 c( I6 ]% D5 {
% w; l+ `: [2 s# i7 F$ h( w 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蹤分析。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。, v* T' }3 G! M9 w) |: {" `
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？5 x; n8 K& v" {7 I2 n
* u8 \4 O* ^; V9 J/ {為用戶「畫像」6 y0 x; S: h0 y6 J' L3 V
; N, c3 k+ D1 V" r6 q7 }+ `
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」。
6 @. ]6 {/ t8 c, O, }
: `' g1 [* B- Z; r& u# i" f: k+ a 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。5 @# H2 ^7 w7 S" i- `
% A0 c/ `( A5 B. _ m( I 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？: j* y2 Z: j- _0 b$ P
+ h6 H R! O; b5 Y/ C& c7 s. m
「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。」
- \9 ]! n& |6 b: p% e
" d1 W D3 C/ ~% E8 W& o 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。7 a/ u+ M4 |7 P! k# {0 E
" e# z; j# d1 W 這種運算模型，有相當一部分人為的因素。比如，機器可以搜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。/ T" f* e* k( E; E1 x1 G2 {
* `' O; C7 C5 o1 s
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。. V8 f) ?7 l5 T7 C
# [$ e4 j9 s p& X- K8 B 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。
" R, ]1 p; E& p# F5 S& f7 H( _. M2 i3 a+ N# d7 f0 P! p
為商家提供「情報」8 h5 t8 x$ g; B" a# {
; M# f: E7 d4 u6 X9 @& r) x
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。0 Y# |- n8 m( L) b. d
9 o$ j& \& D0 ~9 Y1 D" H" m! c
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。」
( U# `$ i+ z& f4 @0 ^* z% ?9 F( c: e! {- r
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。
0 }8 O4 b! ^9 B2 d4 s' u4 n* j% b) A; j; t% C) q! j% E
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。
/ s5 Q9 P" ~& M+ ?0 X, q3 d, ?7 s
$ O2 ~' l! t7 R 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。% }- B( F, W0 j. [( y' r4 m
% ?0 ^; y0 U* [$ ~- F 除此之外，憑借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。
4 c+ _/ M# b' A( Z/ q# r9 t5 a. Z$ s1 I% m' r: s$ l' b
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。& \- g& `; }# H) ]# c
. G1 U/ U9 {/ I" f& E3 z 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。
- A& K* C5 X# N7 a& c ]
$ _" m& s5 B; b. t* `- y( t 「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。這種早期預測涉及複雜的運算。」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。」
$ r- d1 \. n" x5 A5 K( H# v x7 v* E: A' {. {0 m
試錯與挑戰
^7 y) d' Y, X) W
0 r& W4 Y( j: C% D2 }8 i- p5 d 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。5 T0 \+ q# {9 l# g$ \
+ T& ?+ A8 w2 b7 k- Z" [
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。& v# }1 z1 c" [# v; r% n" Q
e9 D5 H9 X) l! j1 }/ i5 c$ n! P* { 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。3 J; I h6 ]. B- H/ D
2 P O6 F5 [/ [3 H1 N) y 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有效地鑒別出不少假貨商家。
8 c2 s, Q, z6 f! D" G! N4 ?6 ^9 Q5 j9 @' R5 x+ C- l
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。」
. f4 T8 a4 N/ N) K0 y0 K
* y# _/ g# S% u( {8 G 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。* h$ P3 R* ]) O
" \& L# Y g1 w2 d
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。」
# w' Z& c! B+ u+ |* x- {, l! p, H1 W" D4 k) I
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。9 ]) V9 {- p& }: b; @0 s
, f. n2 l {7 W7 B- p6 L9 w" ^7 Z: z
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。
/ x( |" r3 E7 Y' E) Z- H! ~! U——文章轉自「21世紀經濟報道」，作者文亮。# f5 w: e3 t1 t) n
$ ]0 P4 X$ p: L' }4 _最後提一句，雖然數據很重要，但如果您不是天秤座，也不要把過多的精力放在這上邊，畢竟，想完了並去做了，才知道結果對不對，願大家好運。+ }) x1 d! a; _4 T0 }8 o/ L3 N" C
4 p8 @3 R. ^" }2 K( }0 j( i |
發表於 2014-9-9 15:09:55
提升卡
沉默卡
变色卡
+ v; M" X* c* W$ A/ |) |