京公网安备 11010802034615号
经营许可证编号:京B2-20210330
深度评论:大数据阴暗面之一,马云如何将我带到沟里
导语:数据库销售是大数据的应用枝节,最好的预期是转换率突破20%,也就是说A客群向具有一定关联度的B客群转换的比重有二成,便可烧香拜佛了。然而转换难度系数大,关键在于客户有“暴力倾向”。坚持客户永远是对的,您就试试,非叫您鼻青脸肿不可。
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(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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24