網路規劃如何數據分析

㈠ 怎樣理解互聯網行業「數據分析」的意義

互聯網企業擁有大量的線上數據，而且數據量還在快速增長，除了利用大數據提升自己的業務之外，互聯網企業已經開始實現數據業務化，利用大數據發現新的商業價值。

以阿里巴巴為例，它不僅在不斷加強個性化推薦、「千人千面」這種面向消費者的大數據應用，並且還在嘗試利用大數據進行智能客戶服務，這種應用場景會逐漸從內部應用延展到外部很多企業的呼叫中心之中。

在面向商家的大數據應用中，以「生意參謀」為例，超過 600 萬商家在利用「生意參謀」提升自己的電商店面運營水平。除了面向自己的生態之外，阿里巴巴數據業務化也在不斷加速，「芝麻信用」這種基於收集的個人數據進行個人信用評估的應用獲得了長足發展，應用場景從阿里巴巴的內部延展到越來越多的外部場景，如租車、酒店、簽證等。

因為客戶的所有行為都會在互聯網平台上留下痕跡，所以互聯網企業可以方便地獲取大量的客戶行為信息。由互聯網商務平台產生的信息一般具有真實性和確定性，通過運用大數據技術對這些數據進行分析，可以幫助企業制定出具有針對性的服務策略，從而獲取更大的效益。近年來的實踐證明，合理地運用大數據技術能夠將電子商務的營業效率提高 60% 以上。

大數據在過去幾年中已經改變了電子商務的面貌，具體來講，電子商務行業的大數據應用有以下幾個方面：精準營銷、個性化服務、商品個性化推薦。

1. 精準營銷

互聯網企業使用大數據技術採集有關客戶的各類數據，並通過大數據分析建立「用戶畫像」來抽象地描述一個用戶的信息全貌，從而可以對用戶進行個性化推薦、精準營銷和廣告投放等。

當用戶登錄網站的瞬間，系統就能預測出該用戶今天為何而來，然後從商品庫中把合適的商品找出來，並推薦給他。圖 1 顯示了用戶畫像會包括哪些用戶基本信息和特性。

圖 4 Netflix 電影推薦

YouTube 作為美國最大的視頻網站，擁有大量用戶上傳的視頻內容。為了解決視頻庫的信息過載問題，YouTube 在個性化推薦領域也進行了深入研究，現在使用的也是基於物品的推薦演算法。實驗證明，YouTube 個性化推薦的點擊率是熱門視頻點擊率的兩倍。

3）網路電台

個性化網路電台也很適合進行個性化推薦。首先，音樂很多，用戶不可能聽完所有的音樂再決定自己喜歡聽什麼，而且每年新的歌曲在以很快的速度增加，因此用戶無疑面臨著信息過載的問題。其次，人們聽音樂時，一般都是把音樂作為一種背景樂來聽，很少有人必須聽某首特定的歌。對於普通用戶來說，聽什麼歌都可以，只要能夠符合他們當時的心情就可以了。因此，個性化音樂網路電台是非常符合個性化推薦技術的產品。

目前有很多知名的個性化音樂網路電台。國際上著名的有 Pandora 和Last.fm | Play music, find songs, and discover artists，國內的代表則是豆瓣電台。這 3 個個性化網路電台都不允許用戶點歌，而是給用戶幾種反饋方式：喜歡、不喜歡和跳過。經過用戶一定時間的反饋，電台就可以從用戶的歷史行為中獲得用戶的興趣模型，從而使用戶的播放列表越來越符合用戶對歌曲的興趣。

Pandora 的演算法主要是基於內容的，其音樂家和研究人員親自聽了上萬首來自不同歌手的歌，然後對歌曲的不同特性（如旋律、節奏、編曲和歌詞等）進行標注，這些標注被稱為音樂的基因。然後，Pandora 會根據專家標注的基因計算歌曲的相似度，並給用戶推薦和他之前喜歡的音樂在基因上相似的其他音樂。

Last.fm | Play music, find songs, and discover artists記錄了所有用戶的聽歌記錄及用戶對歌曲的反饋，在這一基礎上計算出不同用戶在歌曲上的喜好相似度，從而給用戶推薦和他有相似聽歌愛好的其他用戶喜歡的歌曲。同時，Last.fm | Play music, find songs, and discover artists也建立了一個社交網路，來讓用戶能夠和其他用戶建立聯系，以及讓用戶給好友推薦自己喜歡的歌曲。Last.fm | Play music, find songs, and discover artists沒有使用專家標注，而是主要利用用戶行為計算歌曲的相似度。

4）社交網路

社交網路中的個性化推薦技術主要應用在 3 個方面：利用用戶的社交網路信息對用戶進行個性化的物品推薦，信息流的會話推薦和給用戶推薦好友。

Facebook 保存著兩類最寶貴的數據：一類是用戶之間的社交網路關系，另一類是用戶的偏好信息。

Facebook 推出了一個稱為 Instant Personalization 的推薦 API，它能根據用戶好友喜歡的信息，給用戶推薦他們的好友最喜歡的物品。很多網站都使用了 Facebook 的推薦 API 來實現網站的個性化。

著名的電視劇推薦網站 Clicker 使用 Instant Personalization 給用戶進行個性化視頻推薦。Clicker 現在可以利用 Facebook 的用戶行為數據來提供個性化的、用戶可能感興趣的內容「』流」了，而更重要的是，用戶無須在 Clicker 網站上輸入太多數據（通過評分、評論或觀看Clicker.com上的視頻等方式），Clicker 就能提供這樣的服務。

除了利用用戶在社交網站的社交網路信息給用戶推薦本站的各種物品外，社交網站本身也會利用社交網路給用戶推薦其他用戶在社交網站的會話。每個用戶在 Facebook 的個人首頁都能看到好友的各種分享，並且能對這些分享進行評論。每個分享和它的所有評論被稱為一個會話，Facebook 開發了 EdgeRank 演算法對這些會話排序，使用戶能夠盡量看到熟悉的好友的最新會話。

除了根據用戶的社交網路及用戶行為給用戶推薦內容，社交網站還通過個性化推薦服務給用戶推薦好友。

5）其他應用

因為電子商務企業基本上實現了業務流程的各個環節的數據化，所以可以充分利用大數據技術對這些數據進行挖掘分析來優化其業務流程，提高業務利潤。除了前面介紹的幾個應用之外，大數據在電子商務行業還可以應用在其他許多方面。

① 動態定價和特價優惠

電子商務企業可以通過使用數據構建客戶資料，並發現用戶喜歡花費多少費用和喜歡購買什麼產品，從而通過跟蹤客戶的消費行為，使用大數據分析來開發靈活的定價和折扣政策。例如，如果分析顯示用戶對特定類別商品的興趣飆升，則電子商務企業可以提供打折或買一送一優惠。

② 定製優惠

電子商務企業可以通過使用數據來確定客戶的購買習慣，並根據以前的購買方式向他們發送有針對性的特價優惠和折扣代碼。數據也可以用於在客戶中止購買或只看不買時重新吸引客戶，例如，通過發送電子郵件提醒客戶他們查看過的產品或邀請他們完成購買。

③ 供應鏈管理

電子商務企業可以使用大數據更有效地管理供應鏈。數據分析可以揭示供應鏈中的任何延遲或潛在的庫存問題。如果某個項目存在問題，則可以立即將其從銷售中刪除，以免破壞客戶服務問題。

④ 預測分析

預測分析是指利用大數據技術分析電子商務業務的各種渠道，幫助企業制定未來運營的業務計劃。數據分析可能會顯示電商企業在線商店部門的新購買趨勢或銷售減緩的商品。

使用這些信息就可以幫助規劃下一階段的庫存，並制定新的市場目標。隨時了解電子商務的最新趨勢具有一定的挑戰性，但是利用大數據技術可以大大提高企業的利潤，並幫助企業建立一個成功的前瞻性思維業務。如果不利用挖掘大數據的力量，就可能會錯過市場成功的機遇。