京公网安备 11010802034615号
经营许可证编号:京B2-20210330
从洞察到决策,移动电商大数据的四种能力
“对电商以及互联网企业来说,大数据到底意味着什么?是一种技术、一批数据,还是一堆算法?”这是在日前召开的移动开发者大会(MDCC 2016)主论坛上,京东集团技术副总裁赵一鸿抛出的一个问题。在如今这种言必谈大数据,每个企业都以数据驱动自居的时代,这个问题正隐隐出现在一些大数据从业者的脑中。
那么,数据的本质,到底是什么?在赵一鸿看来,大数据的价值是提供一种能力,它可以把握人的变化、预知趋势的走向、提高决策的质量。而这种能力恰恰是凌驾在数据、技术、算法之上的。“特别是在移动互联网时代,移动技术的普遍性给用户带来不一样的变化,也让我们对大数据的动态性、准确性、完整性都提出更高的要求。这也是京东大数据的优势所在。”赵一鸿如是说。
专注用户行为
易观发布的《中国移动网购市场季度监测报告2016年第2季度》数据显示,从2015年第二季度开始,是中国网络购物的分水岭,移动网购开始追赶PC端,并在第三季度完成了对PC端购物占比的超越。2016年第二季度,中国移动网购市场交易规模达8771.4亿元,同比增长104.5%,移动网购已经占整个网购规模的72.3%;预计2017年有望突破80%。
“这个数字背后是对所有电商企业的挑战:随着移动端使用率的增加,用户在屏幕上的关注点会减少,代表着我们能提供给用户的信息越来越少,希望在这些内容中命中用户的需求难度不断提升。”赵一鸿认为,随着移动时代流量的引入越来越宝贵,迫切要求从技术角度实现精准和个性化体验。
京东一直通过大数据在追踪并研究着用户。数据显示,相比PC端,移动电商用户的碎片化利用率高,下单间隔更短。”在碎片化的场景下,用户购物的效率是非常高的,在一天中,无论是订单量还是购买产品的客单价都高于PC端。“赵一鸿解释道,因此,只有更精准地呈现内容,才会让商家和用户实现双赢,前者提升转化率和用户体验,后者缩短购物时间、买到更合适的商品。
图注:京东用户在PC端和移动端订单量分时段占比分布(蓝色为移动端)
此外,移动技术的普适性,也给很多西部地区的用户带来变化,这些电商新用户跨越了PC时代直接进入移动电商。京东大数据显示,西藏、宁夏、新疆、陕西、贵州、山西等省份的移动端渗透率超过了北上广深等一线城市,未来移动电商也将在西部释放更多潜力。
大数据的四种能力
那么,面对消费者的升级,京东如何理解这样的变化,并利用大数据来使这些变化产生价值?赵一鸿认为,大数据为京东带来了4种能力。第一种能力是洞察,数据中包容着丰富的趋势和变化,我们需要具备发现规律的能力;第二种能力是挖掘,通过算法和机器学习来深入分析和学习趋势、洞察、变化的原因;第三种能力是决策,将数据智能赋值给客户和供应商,为其创造价值;第四种能力是开放,分享洞察、商机给第三方,包括社会和政府。
从京东大数据平台建设的第一天起,对用户在网上行为和数据的收集就是整个京东大数据团队工作的重点。在赵一鸿看来,京东大数据有三大特点:非常完整、非常精准、价值链非常长。因为这些数据覆盖了用户从浏览、下单、配送到客服的完整过程,是用户在用真金白银购物过程中产生的数据,因此非常准确,具有极高的质量,从而能产生巨大的价值。
为了更好地研究用户,京东的用户画像按照地域、行为、设备、偏好、用户等属性,将虚化的目标用户数据化和具象化。“与目前业内很多公司‘静态’的用户画像不同,京东的用户画像是‘动态’的,每个用户身上不会固定一个或几个标签,而是随着用户生活的变化而变化,陪伴用户,预知用户需求,来进行推荐和个性化服务。“赵一鸿表示,基于用户画像,结合京东的智能卖场、移动商店等项目,精准触达用户。例如,在iPhone 7首发中,京东根据购买量预测,将商品提前放在配送站,让众多用户在1小时内拿到了iPhone 7/Plus手机,其中一位北京用户从下单到收货仅用了3分57秒。
京东大数据的重点是解决实际的业务问题,为用户和商家创造价值,因此,开放的意义显得更为重大。赵一鸿表示,移动电商的趋势已经不可逆转,未来京东将利用移动互联网的场景化和去中心化趋势,将京东各个业务模块及能力进行整合与开放,为合作伙伴创造价值。同时,京东会将高质量数据通过各种形式开放出来,定期发布各个维度的京东指数,更好地服务于社会各界和协助政府决策。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15