京公网安备 11010802034615号
经营许可证编号:京B2-20210330
京东张晨为大学生展示大数据应用首次透露小区画像技术
2015年9月中旬,在“京东校园千人精英会”上,京东集团高级副总裁张晨向近千余名来自北京多所顶级院校的大学生介绍了技术对京东的价值,以及技 术人在京东的成长空间。同时,张晨首度对外透露了京东的“小区画像”技术和应用,这项技术可以和用户画像、商品画像等结合起来,进一步提升供应链效率,并 让用户拥有便捷贴心的体验。
“小区画像”技术首度公开:重要性不亚于社交关系
张晨表示,京东大数据的质量和价值在中国互联网公司中名列前茅。有了这些大数据,京东技术人就可以对此进行增值加工,为用户提供个性化服务、为业务运营提供智能支撑。他在演讲中首度对外介绍了京东的“小区画像”技术和应用实例,认为其重要性丝毫不亚于社交关系数据。
在京东的大数据平台上,通过生产数据(包括主数据与交易数据)可以产生四种派生数据:用户画像、小区画像、商品画像和商家画像,通过分析与预测为销售、运营等业务提供服务。
首度披露的“小区画像”,是京东派生数据中的一种。京东发现,因为房价、地域、人群等因素,居民小区被天然划分成一些购买能力相近的人群集合,小区 画像通过大数据平台挖掘出他们的基本属性和购买属性,可以按人群、品类预测复购率,对精准营 销、推荐搜索、拓展新用户等应用都很有帮助。
张晨为大学生们列举了小区画像技术的应用实例,首先是提高用户体验。例如清华大学和云南大学的学生在购买图书方面的需求会有较大差异,再比如望京一 带的用户买电饭煲,品牌相似度和集中度非常高。通过小区画像,京东就能筛选出以小区为单位的消费族群青睐的产品,并在网页、移 动应用中以个性化的方式展现出来。这样可以大大提升这些躯体对京东购物体验的满意度。
京东通过对不同小区用户数量、活跃时段、促销敏感度、信用水平、消费能力、商品偏好、品牌偏好、忠诚度等维度的分析,就可以预测他们对特定商品的需 求情况。例如到了iPhone6S首发的时候,很多用户可能都会迫不及待地想尽早拿到订购的手机。张晨说,京东会根据小区画像事先布局,通过算法来预测消 费者所处的小区对iPhone6s的潜在需求,并提前把响应数量的产品推送到最近的配送站。消费者下单时,京东能以最快速度送达,不仅提升运营效率,也保 证的用户体验。
技术驱动策略让京东技术人成长
在演讲中,张晨从人才观和京东的技术文化等角度为大学生做了完整地剖析。他表示,在京东,技术人才已经不仅仅是业务线“救火队员”那样的被动角色,而是以创新技术引领业务成长,成为京东发展的关键驱动力量。
同时,京东技术人也充满了使命感,因为京东的电商业务遍及全国,在“渠道下沉”的战略推进下,更是深入到每个县乡村,“京东技术人的每一次重大创新,都可能影响到中国电子商务乃至于每个村庄中用户的消费生活,这种使命感与成就感是其他平台难以赋予的。”
谈及京东技术人的责任,张晨认为京东技术体系首先要完成的是业务保证,例如在618与11.11等大促时,京东要面临数十倍于平日的流量冲击。京东 技术人通过周密的准备、严格的演练和特别能战斗的团队,充满信心地应对大促的压力和考验,也通过这些经历而快速成长。其次,大数据、个性化等技术创新则会 为京东带来业务上的优化和成长。
张晨寄语大学生,希望有更多出色的技术人才加入京东,不仅实现自我成长,为企业的发展作出贡献,更可以通过业务保证与技术创新,产生更大的社 会价值。“例如通过小区画像技术,京东可以了解每个县城生产什么样的产品、农民需要什么;通过技术全程跟踪,可以更好地连接消费者与生产者,让农村的用户 获得更好的贷款和农资、卖出更多的产品、生活更加美好,实现人才赢、公司赢、国家赢。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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