
数据分析方法:探索更好的商家服务
在消费升级时代,一件商品如何以更好的方式,从卖家抵达买家?
在阿里巴巴电商平台上,商家、服务商和阿里巴巴一直共同在眼观六路耳听八方使劲浑身解数地思考并探索这个商业命题。
电商发展初期,商家服务就是在淘宝或天猫上,做最基础的商品展示和运营;
时代在变化,商家服务也在变化。如今,其工作范围大大扩张,工作方式千变万化,可以做视频吸引买家观看,可以包装“网红”黏住粉丝,可以输出内容,可以利用阿里的大数据做个性化页面设置……
3月2日上午,在阿里巴巴举办的2016商业服务生态峰会上,商家事业部总经理张阔发表了主题演讲,阐述了商家服务的趋势和未来的诸多可能性。
以下为张阔演讲,经《天下网商》整理:
大家好!我是阿里巴巴商家事业部总经理张阔。在2011年加入阿里巴巴,我想问一下在座的各位在2011年就与开放平台的服务商有接触的举手,看看有多少5年一起走过的朋友和老师们。我想在座的很多人也是我在从事与互联网商业相关的启蒙老师,因为最早来的时候,很多的事情需要与大家一起摸索探索,这也是一个很奇妙的过程,这个平台就是这样一个奇妙的平台。而我们所做的事情是为了这个生态系统的繁荣共同努力,这里会产生很多奇妙的反应。
2011年,整个阿里推出开放平台,同时有服务系统升级,所有的开发者可以去做内容,做应用,然后面对广大的商家服务。原来我们讲服务商有简单的几类,运营服务商和机动服务商等等。今天我们看到市场的服务化,包括云客的服务、媒体的制造者,包括越来越多的达人、网红都是整个生态系统里面连接消费者很好的载体。
刚才逍遥子提了聚石塔,聚石塔我们当时想解决问题,包括双11大促,商家着急服务商也是束手无策。2012年开始,聚石塔大概在云端处理5%,2015年这个比例到了75%。聚石塔的变化让我们感受到整个生态系统的力量,通过服务商帮助商家完成生态升级,商家的数据与阿里系统的数据可以做实时流通。以前我们每次双11做的一件事,是全国巡回到服务商走一天,实际上是想通过云的办法化学反应式解决这个问题,因为所有服务商的系统和阿里系统是连在一个大的云上,通过电商平台聚集SAAS云、服务云。通过聚石塔这一件事,我们其实是帮助中国的软件业、IT行业完成一次SAAS化的升级,现在整个阿里巴巴电商体系内的所有IT的服务商70%已经走到了云端。
2013年千牛,这是我们商家操作的客户端,现在日活商家用户达到750万;千牛上面有一个牛吧,是商家和媒体互动,有很多线下活动,牛吧每个月整体有效用户数达到480万。还有阿里小微金融的合作,在千牛上帮助卖家融资和理财的数量达到238亿。所以千牛是一个操作平台,一开始希望推出一个商家在PC和移动端能够办公的平台,到今天它已形成一个生态系统,今年我们希望帮助千牛完成整体云平台升级。现在每月有500万的用户消费媒体资讯,我们希望把千牛打造成第一商业媒体门户。
第三个希望能够探索很多新的通路、新的供应链,甚至是金融供应链上的新兴服务能力的拓展,在天猫、淘宝、1688很多商家也是买家,也需要上一级的商家解决问题。比如说希望找一些韩国、海外的优质的供应链帮我来提供素材,提供设计与生产,这些事情都可以在平台上完成协同。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29