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
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09