Cómo las plataformas de comercio electrónico utilizan big data para mejorar la experiencia del usuario.
No todos los datos de comportamiento son valiosos. Para las empresas de comercio electrónico, sus principales necesidades de análisis de big data se pueden reflejar en dos aspectos: uno es reflejar rápidamente los problemas y el otro es descubrir nuevos grupos de usuarios.
Para este último, que ha atraído mucha atención, las empresas de comercio electrónico esperan analizar los datos existentes a través de redes inteligentes, descubrir y predecir los intereses de los usuarios, estimular el entusiasmo de los usuarios por comprar y promocionar productos a grupos específicos.
Un método común utilizado actualmente en la industria es adivinar las preferencias a través de información histórica y registros dejados en la red del usuario, como recomendaciones de libros relacionados, boletos aéreos, vuelos, etc. , pero el error de cálculo puede deberse a una precisión y un momento de recomendación insatisfactorios. Por ejemplo, el sistema sigue recomendando billetes de avión de ida y vuelta cuando el usuario ha regresado del viaje.
Actualmente existe una dirección de investigación en los Estados Unidos que utiliza tecnología de análisis de datos no estructurados para analizar las dimensiones personalizadas de los usuarios, incluido el análisis de información de estado personal actualizada por los usuarios en Internet, como Twitter, Facebook, etc. Inferir la personalidad y las características del usuario para definir con precisión a las personas y lograr el etiquetado. Al mismo tiempo, se brinda retroalimentación a los comerciantes para relacionar a los usuarios en el mercado objetivo y lograr la asociación del producto.
Al respecto, el Dr. Derek Wang (Wang Xiaoyu), científico estadounidense de análisis de datos, fundador de Taste Analytics y uno de los cinco principales centros de investigación de visualización de Estados Unidos, afirmó que el método tradicional requiere un análisis basado en una gran cantidad de datos de comportamiento, creyendo que todas las acciones son valiosas, pero no es así, y puede conducir fácilmente a una comprensión insatisfactoria de la precisión y el tiempo a través del análisis de dimensiones personalizadas del lenguaje real y el estilo de hablar; y el contenido de evaluación que dejan las personas en Internet, se acerca más a la verdadera naturaleza de las personas, que por supuesto también incluye las preferencias de compra. Sólo de esta manera se podrá lograr una extracción más precisa de la demanda de compra de productos.
El "bienestar" de los comerciantes de comercio electrónico
La forma actual en que esta tecnología de análisis puede liberar directamente su efectividad en las plataformas de comercio electrónico es una solución para las pequeñas y medianas empresas. Comerciantes: analizar las opiniones de los usuarios sobre la evaluación de productos para optimizar los productos y mejorar la experiencia del usuario.
Derek Wang, por ejemplo, dijo que a través de la plataforma de análisis de datos de Taste Analytics Signals, los comerciantes de auriculares en la plataforma de Amazon pueden realizar análisis semánticos de las reseñas de productos de los usuarios en la plataforma y los mensajes de Facebook para obtener las opiniones de los usuarios. opiniones sobre los auriculares sobre marca, duración de la batería, variedad y modelo, así como análisis de productos entre diferentes productos como Bose y Sony.
Esto es sin duda muy útil para una gran cantidad de comerciantes de Amazon, Newegg y eBay en Estados Unidos, y puede optimizar productos y procesos de venta de manera oportuna.
Otra aplicación típica es la propia plataforma de comercio electrónico. Una conocida empresa de venta de muebles para el hogar a gran escala en los Estados Unidos compra y vende productos en su plataforma de red de comercio electrónico estimulando el tráfico de la red. Utilizando la plataforma de análisis de datos, no solo descubrimos y resolvimos el problema de los usuarios que pasaban sus tarjetas dos veces, sino que también observamos la distribución desigual del tráfico de la red en una semana y luego cambiamos el proceso de marketing mediante promoción de marketing.
(Resultados del análisis de un refresco popular en Amazon utilizando la plataforma Taste Analytics Signals)
Las decisiones se toman en base a datos y no a los datos en sí.
Las características del usuario provienen del análisis de texto. Es probable que cada frase que dice un usuario en Internet se convierta en un punto de análisis. No hay duda de que más datos coincidirán efectivamente con el comportamiento del usuario y mejorarán la precisión del análisis, y las plataformas sociales proporcionan una buena fuente de datos no estructurados a este respecto.
De hecho, el propio comercio electrónico americano ha comenzado a integrar datos de información procedentes de redes sociales. Por ejemplo, el sitio de venta flash Myhabit recomienda a los usuarios iniciar sesión a través de una cuenta de Amazon. El comercio electrónico Macys requiere que inicie sesión con una cuenta de Facebook (dicha integración no es infrecuente en China).
Para los usuarios, este método de inicio de sesión es más conveniente y rápido; para los comerciantes, puede asociar información personal; para los proveedores de servicios/tecnología de big data, puede ampliar los servicios de análisis de datos y realizar una extracción de datos en profundidad.
En opinión de Derek Wang, este tipo de servicio de plataforma de análisis de datos no estructurados que gira en torno a las personas no solo puede mejorar la precisión de los resultados, sino que, lo que es más importante, no es un sistema de recomendación, sino un sistema que mejora la sabiduría. . proceso. Después de todo, el análisis de datos basado únicamente en el comportamiento existente conduce a posibles fracasos, desde las recomendaciones de billetes de avión antes mencionadas hasta los peligros de emplear modelos matemáticos en las finanzas, como quedó expuesto durante la crisis de las hipotecas de alto riesgo.
“El contenido de los datos extraídos por la máquina se muestra al tomador de decisiones empresarial a través de imágenes, y el tomador de decisiones toma una decisión después de interactuar con la máquina. La plataforma de análisis de datos es una herramienta para ayudar al tomador de decisiones. tomador de decisiones empresariales y ejercer su valor ", dijo Derek · Wang.
Da la casualidad de que Steve Lor, escritor senior del New York Times, comentó de esta manera cuando estaba escribiendo un libro sobre big data. Si bien es inevitable que las actividades de toma de decisiones dependan cada vez más de datos y análisis, también se debe utilizar el sentido común. La experiencia y la intuición todavía tienen un lugar en la toma de decisiones, y la buena intuición suele basarse en grandes cantidades de análisis de datos.
Es mejor para las máquinas y las personas dividir el trabajo y cooperar. Lo que es más digno de mencionar es que la presentación visual de las imágenes permite a los analistas internos del comercio electrónico y a los comerciantes captar fácilmente las tendencias de los productos incluso si no tienen experiencia en TI, lo que les ayuda a ganar el mercado.
Los macrodatos son ciertamente beneficiosos, pero no todas las empresas pueden extraerlos con éxito; sólo aquellas empresas que tengan previsión, sistemas de valor y se atrevan a invertir obtendrán algo. Para la industria minorista, existen tres estrategias importantes que pueden ayudar a las empresas de comercio electrónico a utilizar big data con éxito.
Comprender correctamente big data
No importa qué son big data, no es prudente intentar calcular cuántos datos son big data. En primer lugar, no existe un número exacto ni un orden de magnitud que pueda utilizarse como línea divisoria para el volumen de datos, porque los big data no son "volumen" sino "todo". A través de un análisis exhaustivo de datos, se pueden encontrar las tendencias correspondientes para predecir mejor el futuro. Si desea dominar big data, debe tener una mentalidad de "big data", es decir, centrarse en los datos que han ayudado a completar una tarea. Encuentre patrones a partir de enormes datos históricos y prediga el futuro; o encuentre factores relevantes, mejore el sistema para buscar los mejores datos y obtenga datos correctos para obtener los máximos beneficios.
¿Cómo obtener big data?
La popularidad del big data es inseparable del enorme valor comercial obtenido por las empresas Big Mac, pero esto no significa que el big data sea una "muñeca única" que sólo las grandes empresas pueden permitirse. Las pequeñas empresas también pueden tener su propio "big data". Si bien la mayoría de las empresas de comercio electrónico aún están en su infancia, pueden recopilar datos y aprovechar el talento para ayudar a tomar decisiones más inteligentes. El análisis de datos puede comenzar con datos pequeños, con resultados inmediatos, y luego avanzar hacia big data. Incluso una pequeña cafetería puede crear sus propios "grandes datos" explorando los hábitos de bebida de sus clientes, los registros de sus tarjetas de crédito y las configuraciones de orientación en línea.
Aunque las pequeñas y medianas empresas no poseen completamente las herramientas y modelos avanzados de big data en línea, aún pueden encontrar patrones a partir de los datos históricos de su propia empresa. Por ejemplo, con uno o dos meses de datos históricos sobre actividades promocionales, las empresas de comercio electrónico de ropa pueden comenzar a analizar el desempeño de las ventas de cada categoría, obtener información sobre las categorías de ventas más vendidas y menos vendidas dentro de una semana o un mes. y comprender claramente la tasa de crecimiento promedio a largo plazo y la tasa de crecimiento compuesta. Este método de análisis de datos puede proporcionar indicadores de medición de las ventas de productos y del desempeño de las ventas de productos, identificando así patrones y tendencias de ventas de productos y tomando las próximas decisiones comerciales. Esto ayudará a las empresas a lograr mayores ventas mientras monitorean el desempeño de las ventas de sus productos con o sin campañas de marketing.
Combinación de estrategia minorista con big data
Desde una perspectiva empresarial, el mayor valor de big data reside en la combinación de estrategia minorista y tecnología de big data. El comercio minorista moderno se ha vuelto cada vez más complejo a medida que los consumidores se vuelven cada vez más exigentes sobre cuándo y cómo quieren comprar.
Como resultado, los minoristas deben atender a los clientes de manera más inteligente, ser más flexibles en cuanto a dónde almacenan y entregan los pedidos, y saber más claramente cómo utilizar los datos recopilados de los clientes para realizar ventas cruzadas y adicionales en línea y fuera de línea. Para lograr esto, los minoristas necesitan un software personalizado para desarrollar estrategias basadas en datos y orientadas al cliente para brindar servicios personalizados a los clientes.
Además, las empresas deben combinar las estrategias minoristas con el análisis de datos en la mayor medida posible para garantizar la realización de los planes de ventas. Una de las características más importantes del big data es que puede actualizar y procesar información a alta velocidad. De acuerdo con esta característica, una vez que se generan los datos comerciales, se pueden elaborar las estrategias correspondientes para ayudar a las empresas a ganar tiempo y espacio para ajustar las estrategias de mercado, aprovechando así al máximo sus propias ventajas. Esto es como una advertencia de inundación: una vez que hay una advertencia río arriba, el río abajo debe responder y adaptarse inmediatamente. Por ejemplo, los minoristas tradicionales que han puesto un pie en Internet a menudo preparan tres conjuntos de estrategias de contingencia durante el tiempo de promoción de 15 minutos para un lote de productos para garantizar que se vendan según lo planeado. Al integrar estrategias minoristas y big data, las empresas podrán atraer a más consumidores y brindarles servicios personalizados, mejorando así el rendimiento de las ventas de productos, aumentando las ventas y ampliando los ingresos.