現(xiàn)在去哪不談?wù)劥髷?shù)據(jù)(BigData)視乎就OUT了，大數(shù)據(jù)像雷軍的：“風(fēng)口上的豬”一樣是近兩三年來(lái)的一個(gè)熱詞，而行業(yè)內(nèi)部目前尚未對(duì)其定義達(dá)成一致。大數(shù)據(jù)雖與“海量數(shù)據(jù)”和“大規(guī)模數(shù)據(jù)”一脈相承，但其本身所涉及的是一個(gè)相對(duì)更加廣泛而又抽象、含混的概念。我們不妨?xí)呵野哑淇醋鳛椤盁o(wú)法在一定時(shí)間內(nèi)用常規(guī)軟件工具對(duì)其內(nèi)容進(jìn)行抓取、管理和處理的數(shù)據(jù)集合”。

IBM認(rèn)為，大數(shù)據(jù)有5V特點(diǎn)：Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價(jià)值)Veracity(真實(shí)性)。在產(chǎn)品經(jīng)理眼里來(lái)看，大數(shù)據(jù)在用戶研究、用戶畫(huà)像、產(chǎn)品營(yíng)運(yùn)、產(chǎn)品設(shè)計(jì)等多方面都已得到廣泛應(yīng)用，其所產(chǎn)生的巨大效用也不容忽視。本文以電商為例介紹4步法把大數(shù)據(jù)技術(shù)用在產(chǎn)品上。

在跨境電商里，有很多平臺(tái)，也有很多產(chǎn)品，下面先從eBay相關(guān)的數(shù)據(jù)逐步解析大數(shù)據(jù)在電商產(chǎn)品中的應(yīng)用。

7月21日，eBay發(fā)布了截至2016年6月30日的2016財(cái)年第二季度財(cái)報(bào)。報(bào)告顯示，eBay第二季度總交易額（GMV）為209億美元，營(yíng)收為22億美元。其中，eBay旗下在線交易市場(chǎng)（Marketplace）為公司的整體表現(xiàn)奠定了基礎(chǔ)，這個(gè)平臺(tái)的總交易額（GMV）為198億美元，營(yíng)收為18億美元，同比增長(zhǎng)3%。

值得注意的是，在第二季度中，eBay的實(shí)時(shí)商品上架量首次突破了10億，凸顯了公司為精準(zhǔn)向消費(fèi)者提供的商品的豐富化和多樣化而付出的努力；同時(shí)，公司也在不斷改進(jìn)購(gòu)物平臺(tái)以提高搜索功能，便于消費(fèi)者查找即數(shù)據(jù)匹配。

首先：大數(shù)據(jù)為消費(fèi)者畫(huà)像

作為全球最大的拍賣(mài)網(wǎng)站，早在2006年，eBay就意識(shí)到大數(shù)據(jù)所帶來(lái)的影響，并開(kāi)始組建大數(shù)據(jù)技術(shù)分析平臺(tái)。該平臺(tái)定義了成百上千種類(lèi)型的數(shù)據(jù)，并以此對(duì)顧客的行為進(jìn)行跟蹤分析，現(xiàn)在，eBay每日要處理100PB以上的數(shù)據(jù)，通過(guò)分析這些數(shù)據(jù)，eBay足以準(zhǔn)確判斷消費(fèi)者的購(gòu)物行為，這就如同在每個(gè)消費(fèi)者面前安裝了攝像頭一般。eBay對(duì)顧客的了解非常細(xì)致，可以毫不夸張地說(shuō)，“eBay比用戶還了解用戶”。

eBay擁有全球近2億的注冊(cè)用戶，其不僅記錄消費(fèi)者的日常交易信息，還記錄消費(fèi)者每一次探索瀏覽的過(guò)程，從其設(shè)定的成百上千種情景模型中計(jì)算出用戶可能的需求。這個(gè)模型甚至還區(qū)別消費(fèi)者的年齡，以及其瀏覽的時(shí)間、地點(diǎn)及當(dāng)時(shí)的天氣等因素，在智能機(jī)器人的學(xué)習(xí)和分析下，適時(shí)地推送給用戶最想要的商品，或者給商家（供應(yīng)商）提供各式各樣的“情報(bào)”，還能做到向商家提供銷(xiāo)售建議。

例如：某個(gè)用戶一登錄瀏覽eBay網(wǎng)站，eBAY能很快的推斷出這位用戶潛在的需求，并在綜合各種考量因素后，向他推送商品信息。

其次：搭建大數(shù)據(jù)預(yù)測(cè)模型

大數(shù)據(jù)分析技術(shù)對(duì)電商產(chǎn)品的影響是革命性的。有了大數(shù)據(jù)分析技術(shù)的支持，電商產(chǎn)品可以很容易從海量的數(shù)據(jù)中分析出消費(fèi)者的需求，進(jìn)而推出更符合消費(fèi)者需求的產(chǎn)品或服務(wù)，這中間還能夠進(jìn)行針對(duì)性的調(diào)整和優(yōu)化，這就是大數(shù)據(jù)賦予電商產(chǎn)品的新價(jià)值。

對(duì)于電商產(chǎn)品初創(chuàng)階段來(lái)說(shuō)，可以自己開(kāi)展大數(shù)據(jù)產(chǎn)品的研發(fā)，也可以利用第三方機(jī)構(gòu)來(lái)實(shí)現(xiàn)對(duì)大數(shù)據(jù)的利用，比如：GOOGLE和eBay在這方面做得很專(zhuān)業(yè)。消費(fèi)者在使用搜索服務(wù)時(shí)，他們?cè)跓o(wú)形中就把自己個(gè)人的行為、愛(ài)好、消費(fèi)等數(shù)據(jù)傳給GOOGLE和eBay?；谟脩羲阉餍袨?、瀏覽行為、評(píng)論歷史和個(gè)人資料等數(shù)據(jù)，通過(guò)大數(shù)據(jù)的挖缺和匹配，它們可以分析消費(fèi)者的整體需求，進(jìn)行針對(duì)性的產(chǎn)品設(shè)計(jì)、迭代和營(yíng)運(yùn)。

與產(chǎn)品相關(guān)的大數(shù)據(jù)來(lái)源很廣，除了各類(lèi)研究單位發(fā)布的大量數(shù)據(jù)外，互聯(lián)網(wǎng)數(shù)據(jù)、各種傳感器收集的數(shù)據(jù)等都是重要的來(lái)源。不同類(lèi)型的大數(shù)據(jù)，其處理方面有所不同，但其處理流程基本上一樣，主要有四個(gè)步驟“數(shù)據(jù)收集、數(shù)據(jù)集成、數(shù)據(jù)分析、數(shù)據(jù)解釋”。如圖： 大數(shù)據(jù)預(yù)測(cè)模型，收集到的數(shù)據(jù)經(jīng)集成后，轉(zhuǎn)換成統(tǒng)一標(biāo)準(zhǔn)的數(shù)據(jù)格式，然后用相應(yīng)的數(shù)據(jù)分析方法將其進(jìn)行分析處理，最后用可視化的技術(shù)將結(jié)果展現(xiàn)出來(lái)。

第一步：數(shù)據(jù)收集

如前所述，目前大數(shù)據(jù)來(lái)源非常廣泛，常用的收集方法有：百度、搜狗、360和谷歌等搜索引擎的數(shù)據(jù)檢索工具、各類(lèi)傳感器、RFID以及條形碼掃描技術(shù)等。隨著手機(jī)和手環(huán)電視等智能終端設(shè)備的普及、各類(lèi)應(yīng)用軟件的大量下載使用，數(shù)據(jù)采集的數(shù)量和精度不斷提升。

例如：

我在做某范APP的時(shí)候，一方面從用戶打開(kāi)APP的時(shí)候就開(kāi)始收集用戶的數(shù)據(jù)在得到用戶允許的情況下讀取用戶的通訊錄、然后去服務(wù)端匹配用戶的信息、再后進(jìn)行用戶名、身份證、與手機(jī)號(hào)的精準(zhǔn)匹配、日積月累某范積累了將近2000萬(wàn)用戶的精準(zhǔn)數(shù)據(jù)，這些用戶打開(kāi)APP的時(shí)候可以實(shí)現(xiàn)千人千面。

另外一方面從線下7千家門(mén)店收集，從用戶進(jìn)入門(mén)店，到用戶掃碼連接店內(nèi)WIFI、到用戶掃碼定制服裝、到用戶在線支付等均進(jìn)行收集。

第二步：數(shù)據(jù)集成

數(shù)據(jù)集成階段的主要任務(wù)是對(duì)數(shù)據(jù)采用合適的方法進(jìn)行適當(dāng)?shù)奶幚?，去噪和進(jìn)一步的集成存儲(chǔ)。

由于數(shù)據(jù)來(lái)源廣泛，注定了大數(shù)據(jù)的多樣性特征（即Varicty），這就決定了如果這些數(shù)據(jù)不經(jīng)過(guò)初步處理，進(jìn)行高質(zhì)量的數(shù)據(jù)分析將會(huì)非常困難。因此，在采集數(shù)據(jù)后，一般還要進(jìn)行數(shù)據(jù)處理與集成將這些多樣化的數(shù)據(jù)轉(zhuǎn)換為便于處理的較為單一結(jié)構(gòu)的數(shù)據(jù)。當(dāng)然，并不是所有數(shù)據(jù)都是有效的和相關(guān)性高的，這些數(shù)據(jù)還需要“去噪”，才能保證數(shù)據(jù)的有效性和可靠度。

例如：某范的線下商場(chǎng)，有部分客戶去商場(chǎng)的時(shí)間就5-15分鐘，而且沒(méi)有產(chǎn)生購(gòu)買(mǎi)行為，那么這些客戶去干啥了呢。經(jīng)過(guò)大數(shù)據(jù)分析，這個(gè)客戶直奔WC了。因?yàn)槲覀冊(cè)赪C旁專(zhuān)設(shè)了一個(gè)WIFI連接點(diǎn)。收集到了這些數(shù)據(jù)接下來(lái)可以改善用戶商城的購(gòu)物和不購(gòu)物體驗(yàn)（品牌印象分增加），因?yàn)槟撤兜拈T(mén)店一般開(kāi)在一地的市中心繁華地段，這個(gè)地段很難找到WC，發(fā)現(xiàn)這個(gè)情況后，某范線下店在寸土寸金的地段都要求配備WC設(shè)施以方便用戶。這樣至少給去WC路上兩旁的商品帶來(lái)多曝光的機(jī)會(huì)。

第三步：數(shù)據(jù)分析

大數(shù)據(jù)預(yù)測(cè)模型最核心的一步就是數(shù)據(jù)分析，因?yàn)榱鑱y的數(shù)據(jù)是沒(méi)有價(jià)值的，只有通過(guò)數(shù)據(jù)分析步驟，才能挖掘到大數(shù)據(jù)的真正價(jià)值。在數(shù)據(jù)分析階段，根據(jù)不同的應(yīng)用需求，數(shù)據(jù)分析各有不同，常用的方法有數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、智能算法、統(tǒng)計(jì)分析等，其中數(shù)據(jù)分析關(guān)鍵的一點(diǎn)是設(shè)定核心任務(wù)。

在數(shù)據(jù)分析方面，Google公司無(wú)疑是做得最先進(jìn)的一個(gè)，其于2006年率先提出了“云計(jì)算”的概念，其內(nèi)部各種數(shù)據(jù)的應(yīng)用都是依托Google自己內(nèi)部研發(fā)的一系列云計(jì)算技術(shù)，例如：分布式文件系統(tǒng)DFS、分布式數(shù)據(jù)庫(kù)BigTable、批處理技術(shù)MapReduce，以及開(kāi)源實(shí)現(xiàn)平臺(tái)Hadoop等，這些技術(shù)平臺(tái)的產(chǎn)生，提供了對(duì)大數(shù)據(jù)進(jìn)行處理、分析的很好的手段。

第四步：數(shù)據(jù)解釋

從數(shù)據(jù)的質(zhì)量來(lái)說(shuō)，數(shù)據(jù)的處理與分析過(guò)程是保證最終數(shù)據(jù)高質(zhì)量的關(guān)鍵步驟，但對(duì)于最終的數(shù)據(jù)用戶而言，如何獲得直觀的和有用的數(shù)據(jù)才是其最關(guān)心的。因此，如何通過(guò)數(shù)據(jù)解釋步驟，對(duì)大數(shù)據(jù)分析結(jié)果進(jìn)行解釋與展示也非常重要。

隨著數(shù)據(jù)量的變大以及對(duì)用戶數(shù)據(jù)分析維度的增加，傳統(tǒng)的以文本形式輸出的數(shù)據(jù)展示方式已不能滿足數(shù)據(jù)用戶的需求，一種被稱(chēng)為“數(shù)據(jù)可視化技術(shù)”數(shù)據(jù)展示方式開(kāi)始出現(xiàn)，常見(jiàn)的方式有基于集合的可視化技術(shù)、基于圖標(biāo)的可視化技術(shù)、基于圖像的可視化技術(shù)等，在數(shù)據(jù)可視化技術(shù)的幫助下，用戶可以很形象的獲得數(shù)據(jù)分析結(jié)果，對(duì)結(jié)果的理解和接受也更直觀。

再次：大數(shù)據(jù)模型的特點(diǎn)

在大數(shù)據(jù)預(yù)測(cè)模型的支持下，電商產(chǎn)品的運(yùn)營(yíng)可以從以前的憑感覺(jué)到更具“科學(xué)性”。

現(xiàn)在互聯(lián)網(wǎng)產(chǎn)品運(yùn)營(yíng)既講求科學(xué)性，又追求藝術(shù)性。其中，“科學(xué)性”體現(xiàn)在營(yíng)運(yùn)管理過(guò)程中存在著一些基本的客觀規(guī)律，有一套分析問(wèn)題和解決問(wèn)題的方法論，還體現(xiàn)在建立在各種營(yíng)運(yùn)數(shù)據(jù)的搜集與分析的基礎(chǔ)上的營(yíng)運(yùn)管理決策，大數(shù)據(jù)的到來(lái)加速了營(yíng)運(yùn)管理的科學(xué)性進(jìn)程，使電商產(chǎn)品開(kāi)展“精確化”的營(yíng)運(yùn)管理成為可能，電商產(chǎn)品對(duì)其營(yíng)運(yùn)管理活動(dòng)的各個(gè)環(huán)節(jié)的把握能夠更為精確，使往日紛繁復(fù)雜的和難于決策的電商產(chǎn)品營(yíng)運(yùn)管理活動(dòng)逐漸演變?yōu)橐幌盗械臄?shù)據(jù)挖掘與相關(guān)分析，使?fàn)I運(yùn)管理真正成為“建立在科學(xué)基石上的藝術(shù)”，從而真正走進(jìn)科學(xué)營(yíng)運(yùn)的殿堂。如圖：大數(shù)據(jù)營(yíng)運(yùn)創(chuàng)新的鉆石模型

通過(guò)大數(shù)據(jù)預(yù)測(cè)模型，電商平臺(tái)的運(yùn)營(yíng)管理更加有“預(yù)見(jiàn)性”。例如;當(dāng)你打開(kāi)Facebook時(shí)，就會(huì)看到Facebook會(huì)為你推薦，你可能認(rèn)識(shí)的人。

由于電商市場(chǎng)的各種不確定性，比如顧客需求差異、東西部文化的差異、競(jìng)爭(zhēng)更加激烈等因素，產(chǎn)品對(duì)市場(chǎng)研判和有效預(yù)測(cè)越來(lái)越困難。大數(shù)據(jù)分析技術(shù)的出現(xiàn)改變了這種現(xiàn)狀，通過(guò)收集各類(lèi)數(shù)據(jù)信息，在各種數(shù)據(jù)分析技術(shù)和建模分析技術(shù)的支持下，能夠比較簡(jiǎn)單的挖掘出各種看似毫不相關(guān)的數(shù)據(jù)之間的關(guān)系，從而對(duì)目標(biāo)區(qū)域的市場(chǎng)需求和趨勢(shì)做出準(zhǔn)確的判斷。因此，大數(shù)據(jù)預(yù)測(cè)模型可以提升電商產(chǎn)品適應(yīng)性營(yíng)運(yùn)管理活動(dòng)的“預(yù)見(jiàn)性”。

然后：基于消費(fèi)者及各種經(jīng)濟(jì)數(shù)據(jù)，大數(shù)據(jù)不僅可以為“消費(fèi)者畫(huà)像”，還可以給產(chǎn)品提供各式各樣的“情報(bào)”。比如，產(chǎn)品希望把Bra賣(mài)到新疆，通過(guò)大數(shù)據(jù)分析可以大致預(yù)測(cè)到，這種商品最好多準(zhǔn)備大號(hào)的，一個(gè)月可以賣(mài)出多少產(chǎn)品，定價(jià)應(yīng)該在什么范圍內(nèi)，市面上還有多少商家在賣(mài)同樣的產(chǎn)品，他的市場(chǎng)占有率大概是多少。目前，利用大數(shù)據(jù)預(yù)測(cè)需求無(wú)論是產(chǎn)品設(shè)計(jì)，還是產(chǎn)品方法，都能夠?qū)崿F(xiàn)，產(chǎn)品經(jīng)理綜合運(yùn)用大數(shù)據(jù)思維進(jìn)行互聯(lián)網(wǎng)產(chǎn)品迭代設(shè)計(jì)一定可以事半功倍。

如果你想系統(tǒng)化入門(mén)AI產(chǎn)品經(jīng)理，掌握AI產(chǎn)品經(jīng)理的落地工作方法，戳這里>http://996.pm/7bjab

作者：連詩(shī)路 ?前阿里產(chǎn)品專(zhuān)家 ?微信Line15201991967 公眾號(hào)LineLian 郵箱?firstproduct@163.com希望與創(chuàng)業(yè)者多多交流。

本文由 @連詩(shī)路 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。