京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据阴暗面之一:马云如何将我带到沟里
当下人人都讲大数据,数据库销售则是大数据的应用枝节。就数据库销售而言,最好的预期是转换率突破20%。就是说A客群向具有一定关联度的B客群转换的比重有二成,便可以叩大首烧高香了。搁置也是浪费,客户有诉求,主事者是推手,天作之合,客户资源重复使用,天下难求。
先看尿不湿大数据在啤酒销售的应用。超市将尿不湿和啤酒两件风马牛不相及的商品摆放在一起销售案例,居然入选营销教科书。超市认为购买者—丈夫,买了尿不湿,会随便买一听啤酒。因为妻子生产丈夫采购时随机犒劳一下自己。那么,购买尿不湿客群中的新晋丈夫向购买啤酒客群转换,排除不饮酒者,饮酒者中不饮啤酒者,饮啤酒者中对尿不湿承接的排泄物习惯产生联想者,三种人剥离掉好几十个百分点,像《非诚勿扰》女嘉宾朝五十码以外不喜欢的男孩,摁下按键发出“嘣嘣嘣”让人窒息的声音。对尿不湿大数据下的客户要赔上格外的小心,从而诱发他们产生购买啤酒的冲动。
判断从不缺席,只是先与后的差别。我想说,转换难度系数大,关键在于客户有“暴力倾向”。坚持客户永远是对的,您就试试,伸过左脸,再来右脸,非叫您鼻青脸肿不可。
亲历一个企业家大数据在申办高端信用卡的案例。依托企业家背后的企业所形成多达十个商圈,面向企业家群体发行高端信用卡,一致看好的发卡群体,以及看好的应用商圈,结果迥异。发卡银行对企业群体进件收集时,他们表现的无不是在签约席上,或在去签约的路上,企业家都很忙。在如获至宝的核心数据库资源中,简直成为投融市场的万花筒,折射千态万姿。
一是负债过重,即负债超过收入20倍,占44%;二是额度未能达标,达不到高端卡授信标准,超过16%;三是信誉不良接近12%。他们,很忙;他们同时很缺钱,患有融资饥渴症。本来,希冀企业家群体向高端信用卡持卡人实现远高于上述最好的转换率,有个好收成,结果希冀未遂。
最后一个案例说到马云。2011年谷歌推出了谷歌钱包,亚马逊基于 kindle 提供支付和转账服务,2014年10月苹果基于 iPhone 和 iPad 的 Apple pay推出苹果支付,沃尔玛、CVS、埃克森美孚等在内的零售联盟正建立移动支付体系,AT&T、T-Mobile和 Verizon电信巨头正建立移动支付和虚拟钱包。早在2004年12月,阿里巴巴马云基于淘宝和淘宝商城做起支付宝。客户需要精准的支付产品,跨界者提供精准产品之际,还给客户提供渠道、信息,继而向客户提供精准的服务。这是全球非商业银行跨界者们做网络支付、金融的充分但不必要的理由。
大数据给我留下了阴面。我想在14∶30网购峰时喊一嗓子,鼓动买家集体退货,不需“芝麻开门”的暗语,支付宝的大门肯定被挤破,保证金肯定被挤提精光。但是,我的担心被它们的另一跨界迅速击碎,马云成立了网商银行,赴美融资成功。
尾大不掉的原理告诉我们,合规牌照的事后取得,好比在事实婚姻面前补办一张结婚证书而已。比如银行卡清算,在互联网支付方面,所有银行都接入了支付宝,线上没有跨行清算一说;至少在去年夏天因“众所周知”的原因退回线上之前,线下绕银联转接,事实清晰表明想突围成为清算“第二”。再比如,同样与B端开展互联网支付,它可以做到“T+0”,可以免去交易费用,其他参与者想覆盖支付成本而收费,被非理性“惯坏的客户”自然将市场份额推向马云。
马云的成本覆盖规律则是羊毛出在鸡圈里的猪身上。羊找鸡,鸡圈里关着猪,折射中国商业跨行业运营的悖论。以互联网金融理财产品—余额宝[微博](对接的货币基金是“天弘增利宝”)为例。在羊毛层面,客户不付费,支付本身不赚钱;在鸡圈里,客户将支付宝里的钱存入余额宝中,余额宝的后台再将资金以协议存款的方式存入银行,支付宝从中也取得收益;在猪的层面,余额宝“化零为整”的存款方式,使得商业银行的收益让渡出来。
我在东胜时让农信社客户赎回天弘增利宝,收益破6%,两月后在康巴什,我让另一农信社客户赎回,收益已然破5%,鄂尔多斯(8.80, -0.20, -2.22%)辖内的东胜到康巴什,车程不超过半小时,收益折损巨大。美国没有余额宝,因为那里几近没有存贷差,无利可图。
还是回到大数据主题。羊的大数据,如何腾挪到鸡圈里,鸡的大数据又如何地平移到猪身上,马云,你将我带到了沟里。依托大数据跨界,A行业简单地被B行业依附,且生存,那么,A行业想活也无解。B行业被跟风者先伴生,直至共死,大数据筛出的客户也挽救不了这个行业。
CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25