月11日，淘宝大学百年讲师味道班开班。淘大邀请了阿里集团近期最热门的部门：o2o,数据，无线，来为淘宝大学老师做业务分享和交流。数据技术及产品部资深数据挖掘专家闵万里（山景）从大数据概念入手，讲述阿里集团众多数据模型的幕后故事。
大家好，今天我主要想跟大家分享一下阿里平台的数据化运营过程。比如卖家报名聚划算，但并不了解商品审核的原理及背后的数据逻辑。而平台为筛选到优秀的商品，也需要通过数据和统计模型对商品做出销量预测的评分。
在开始今天的干货讲解之前，我们先来聊一聊近期火热的“大数据”战略。
首先，我个人很反感炒作概念，因为任何数据模型都有其局限性，无论如何，我们都应该带着批判的眼光去看数据。尽管信息技术革命给大数据带来了非常好的基础，但也避免不了数据报告的滞后性，同一份数据在不同业务场景下的价值可能大相径庭，大数据要结合实际的需求才能发挥其最大的价值。
中国互联网自从2000年以来历经许多炒作的概念，像千年虫，IBM的智慧城市，物联网等。物联网就是由很多个传感器在一起收集信息，用于发现城市的每个角落在发生的事情，需要非常大的硬件投入。这个概念在西方都还算不上火热，所以在当时的中国互联网环境下的确很难做成功。
而今天我们再回头看一看大数据，其实根源就是物联网，只是那些传感器变得更普及，包括我们的手机，无线路由器，LBS技术等等。数据通过互联网在流动，促进了信息的爆炸，所以在2008年，大数据的概念有了爆发式的普及传播，是有原因的。
今天我们浏览任何一个网页，都有“一键分享”的功能，是想要让大家把信息分享出去，但是上世纪90年代的网页会有一句串词“Copyright 1997. Do not redistribute.”。观念的转变迅速带来了信息的爆炸，信息爆炸导致了大数据的原形爆发。
我们回到大数据战略本身，如何抽取有用信息就成了最具有挑战性的课题。Google做到了，所以它成功的，Facebook也是这样成功的，他们甚至有专门的人从数据中挖掘新闻热点供给大家讨论。最典型的数据挖掘实例，就是在2008年和2012年，奥巴马团队两次挖掘Facebook上面的最新热点议题、做出了精准的选民广告投放。
在商言商，如果我们在商业环境中运用好大数据，确实可以颠覆我们的内需。这也就是为什么在新的领域，比如在航旅、金融、医药健康领域中，阿里作为新兴势力可以跟行业老大叫板的原因。因为我们掌控了非常精准的渠道和发现机制，知道某人一个月以后要去某地旅游，就在合适的时间把机票促销信息推送给他。
阿里集团在2008年的时候，就确定了要成为一家数据公司，和建立一个云计算平台的战略。 今天我们如果再做广告，就可以把早期在CPM以及CPC模式下，那些身份不明的点击来源搞清楚。
现在的互联网广告已经从买流量变成买人群了，大数据把营销过程中的消费人群给盘活了。
而在阿里运营小二早期的数据化决策中，小二可能看着表格，或者凭借运营经验筛选商品，市场变化也没法及时纳入到他们的思维思考中去。所以平台也是迫切的需要数据化产品来提高人效和选品效果。
如今像天猫APP首页上的聚划算、心水、品味男人和美丽女人等几个版块的选品，都借助了基于大数据的统计模型。这个模型收集了商品的许多信息，包括点击、收藏、购买、好评率等商品信息，以及微博上的商品周边。假如这个包是某个明星代言的，刚好最近这个明星的新闻热度很高，就可能获得比较高的权重。
数据化运营的另外一个核心目的就是定价，帮助卖家找到最合理的价格带。由于商品价格对于销量的影响非常大，而且不同的商品展现位置，价格排列逻辑也是不同的，小二同时还要兼顾整个销量的最大化。
我们目前有的一个产品——生意参谋，就是服务于卖家 端，帮助卖家找到当前合理的 营销策略（选品，定价）。
接下来我跟大家聊一下大数据运营过程中圈人的案例，即广告投放时的标本选择。
假设现在有几个标准：25~30岁，高等教育，白领职业。我们会遇到几个棘手的问题，包括选人标签的确定原则，哪个标签权重更高等等。
固有的广告投放后台，勾选标准是非常固化的，而实际上卖家需要更大的自由度，我们不仅要考虑人群样本描述标准，还要考虑投放渠道。广告主一定是需要全方位的消费者样貌解读。
我们的数据模型，跟传统模型相比的最大区别，就在于标签可以被全新的造出来。比如固化的25~30岁年龄层，可以被优化为25~27岁和27~30岁两档，年龄、教育程度、性别等等的重要性也有区分。不光是圈人，我们还会告诉你最佳触达渠道在哪里。
我们把这个模型命名为CYC（catch your customer），就是主动抓住你的客户的意思。它能够分析卖家的客户名单，以及这些客户在微博等社交网络的行为。我们当时做这个模型时的目的，一是了解我们的客户，二是从统计特征、行为特征，甚至包括社交网络上的互动信息来理解人与人之间的关系，达到人群识别的功能。它甚至可以辨别出人群中的“铁公鸡”，把那些不符合你的广告投放标准的人群排除在外。
当然我还是要重复前面的描述，在信息爆发的年代，数据是快速增长的，今天我们看到的大数据，以及基于现有数据得出的判断，可能放在明天的讨论中就是完全错误的。即便我们今天看到了海量的数据，但跟未来相比，也只能算是小数据，如果把今天得到的结论做无限的外延，就是很危险的事情。
接下来大家共同思考一个问题。如果有一个数据模型告诉我们，某个商品在聚划算上的某个板块销量很好，但是有几个模型版本：第一个版本是直接告诉我们，某个商品在这个版块一天可以销售一千件；第二个版本是告诉我们板块不同的位置，销量又有不同；第三个版本告诉我们手机端销量和PC端销量的区别；第四个版本则告诉我们在杭州市文一西路上的中国移动iPhone 5S手机端的产品销量。
同学：第三个最有用，第四个最没用，范围太小。
同学：第四个流量是最精确的，未来就能做更多针对性的事情。
假如平台不允许我们做如此精准的投放，第四个模型就没什么用处了。所以一个模型的好坏，第一要看它适用的范围和条件。如果一个产品的板块不区分PC与无线端，那第一个数据就是最有用的。
上面这个例子就说明，任何一个模型都会有多种方案，卖家需要根据不同的场景，来判断到底哪种模型适合自己。
文章来源：网商在线。
- 本文固定链接: http://www.vicken.net/268.html
- 转载请注明: vicken 于 vicken电商运营 发表
