大数据已成为当今时代开展业务的重要一环。各家公司收集有关客户的偏好、购买习惯和预期的大量数据,并持续进行分析,使用独特的算法优化其营销策略,这一切都为了改善其服务和销售收入。

网络空间的数据总量已经超过 44 泽字节 (zettabytes),这一点并不令人感到惊讶。目前,大数据和分析 (BDA) 市场价值达到2740 亿美元,表明投资并非全都徒劳无功。

每年,Oxylabs都见证了自动公开数据收集的流量大幅增长。虽然一些企业尚未找到有效应用分析的方法,但其他一些企业则充分发挥创造力,解读数据以实现最大影响。

数据量正在呈指数级增长,并将在可预见的未来延续这一趋势。学者和行业专业人士都在积极探索这些新机遇会给企业的轻重缓急考量带来怎样的影响。

数据驱动型企业常常有充足的工具来确认其洞察是否正确(例如,哪怕是像流量增加这样的简单指标与理想客户画像入站式转化呈正相关)。不过,大数据可能远不止是基本分析的工具。研究人员已经在利用独特的数学工具发现海量数据集内的新奇相关性。

虽然企业不使用这种复杂的分析模型也能维持经营,但仍需要利用这些新颖的方式来发掘手头的信息。因此,可以通过集成关联的数据集,发现独特或更好的创收途径。

调研成本巨大

所有明智的商业决策都有证据支撑。虽然研究仍是证明的黄金标准,但也存在一些局限性。最重要的是,设计良好的调研很费钱,也很费时。因此,投资回报率 (ROI) 可能不太明确。在企业开展学术层面的研究常常不明智,尤其是在诸如网上零售这样瞬息万变的领域。因此,大规模消费者研究对于大部分公司是不可持续的。

在电商行业,仅仅几年前的数据也可能已经完全过时、有误。遗憾的是,这通常是开展设计良好的研究所耗用的时间跨度。

但是,如果你问研究人员,开展任何研究时最困难的部分是什么,他们几乎总会说是数据采集阶段。获取和录入所有必要数据需要大量时间(并且在许多情况下还需要大量资源)。

数据采集、传输和数据即服务公司的不断发展使得收集几乎任何主题的海量信息成为可能。要充分利用这种机会,就需要企业围绕现有数据开展一丝不苟的调研来测试各种假设。

将大数据用于测试

与其就使用大数据测试创收假说的抽象老生常谈概念泛泛而谈,不如来了解一下学术研究。Sinan Aral 是信息技术和营销教授,发表过关于大数据潜力的两篇文章。数字公司有不少机会使用这些洞察或类似研究方法,改善其客户关系。

Aral 在《锻炼在全球社交网络中的传染效应》(Exercise contagion in a global social network)一文中探讨了社交传染效应对跑步者的影响的许多假设。社交(行为)传染是人们基于社交传播的信息模仿彼此行为的倾向性。

定期开展研究、聚集人员并将其划分为各类群体来测试会很耗时、效率低下、很费钱。但是,他们从一家专注于跑步者的智能手表企业获取了行为信息。此外,该公司为用户提供了一个社交网络,用户可以通过该网络向其好友发送关于与锻炼相关的活动的通知。

他们仍需要以某种方式对用户进行随机处理,所以 Aral 使用了全美国各个气象站的天气数据。天气与一般跑步活动相关(例如,下雨时,人们去跑步的可能性更低)。

他们的发现结果表明,社交传染存在一个因果关系。这意味着,每天多跑一千米,就会导致你的伙伴第二天多跑 4/10 千米。社交传染效果会持续到接下来几天,不过效果会减弱(例如,你的伙伴会跑得比平常更多,但只多了 4/10 千米)。

另一项发现是,跑得少的跑步者(例如,偶尔跑步的人)会显著影响跑得多的跑步者(例如,跑马拉松的人)。所有这些洞察完全是从之前通过统计数据获得的大数据衍生的。使用大数据的企业可以得出类似结论。

来源:Exercise contagion in a global social network。图表 (a) 至 (d) 显示了社交影响对不同锻炼行为参数的作用,其中 t 描述了好友在时间 t 的行为。

Aral 教授及同事还发表了题为《数字付费墙设计:对内容需求和订阅的影响》(Digital Paywall Design:Implications for Content Demand and Subscriptions) 的研究报告,旨在优化付费墙结构所赚取的收入。他们考察了替代付费墙结构(例如,《纽约时报》要求用户购买订阅才能查看更多文章)如何影响不同平台的阅读、广告收入和订阅费率。他们通过改变所提供材料的金额和类型,对其假设进行测试。

研究发现结果证实,该报纸的付费墙设计对内容需求、订阅和净收入有重大影响。通过使用此研究的框架,数字付费墙管理员可以得出最有效的定价方案,以提高收入。虽然采用付费墙模式的数字内容是出版和新闻行业所特有的,但我们很容易发现,一项类似的技术可以用于提供免费试用、套餐或任何服务的任何订阅业务。

改进电商大数据分析

电商和其他数字企业已经在收集海量的内部数据。然而,企业不应该将自己限定于内部数据,因为外部收集所提供的优势十分巨大。

网络抓取就是获取外部数据的热门方法。它可以用于获取之前无法访问的数据,这些数据可以直接吸收到数据仓库中,以用于后续研究。

电商行业非常适合运用新颖技术来解读数据,因为每天会收集有关各种互动的大量数据,并不需要额外的努力。但是,各种离线和站外线上元素可能会显著影响用户体验。因此,应该做出大胆的解读,以便最大限度提高营收,并优化用户体验。

为了利用这些洞察,电商、SaaS 和其他数字组织机构可能需要重新考虑其数据采集策略。不过,通过结合外部和内部数据并开展创造性的分析,企业可以充分提升客户体验,这会显著影响总体增长。

大数据分析改变电商的方式

为获得电商优势所必需处理和分析的海量数据,就是信息革命所带来的重大挑战之一。

分析和理解海量信息是大数据分析的主要目标,旨在增强决策。

Sazu揭示了大数据与其分析能力之间的权衡,最佳的平衡取决于分析潜力水平。研究表明,企业的分析能力会放大大数据对毛利率和销售增长的影响。

根据 Gopal 等人的研究数据,大数据分析可以显著增加线上交易可靠性,改善个性化,改进定价策略,提升营收,并帮助企业调整产品服务以适应市场需求。

电商企业可以基于现状考察历史市场规律,从大数据分析中获益。因此,企业可根据顾客群的喜好量身定制其广告,打造崭新产品以满足买家需要,并确保员工提供买家所习惯的高标准服务。

由于行业竞争十分激烈,电商一直处于数据饥饿状态。Oxylabs 选择探索人们对在线抓取和其他数据收集方法的兴趣变迁情况。

根据发现结果,网络抓取在电商业务中牢固站稳脚跟,超过四分之三 (75.7%) 的企业在日常运营中使用了网络抓取。此外,大部分企业已经从数据收集策略收获了巨大回报,其中网络抓取创造的价值最高 (32.4%)。

结论

商业数据分析常常仅限于对部门效率的特定洞察。但是,这种数据分析视角严重阻碍了总体企业增长。发挥创造力并借助内部和外部数据,就可以带来清晰的路线图,充分提升企业业绩和增长。

可以利用大数据为电商研究赋能,获得原本无法获取的洞察。像上面的锻炼例子中那样的创造性数据解读可能催生产品、营销和电商开发策略。

作者:Gediminas Rickevicius,Oxylabs.io 战略伙伴关系部总监