(图为海量数据分析部总监张峰)

　　张峰：大家好，我是来自海量信息的张峰。非常高兴这次有机会能够参加艾瑞的会议，与大家分享我们带来大数据方面的一些实践。今天会议一开始刘总已经介绍，我们现在更多的希望通过数据驱动运营。

　　下面介绍一下我们的实践工作。

　　首先，我们可以对于电商数据做这么几个角度的分类。

　　1.从电商数据的提供者来讲，我们可以简单分成两类。

　　一个是电商平台，像阿里、京东他们都提供的很多的工具，很多数据魔方，提供多角度的数据分析。

　　2.数据第三方分析公司。

　　这两类公司的数据差异，主要是说第三方公司可以从更多的角度和更多的跨平台去提供数据，同时还可以提供自己的产品和净值的分析。后面我举的案例，也是针对我们某款产品从多的平台去做的分析。从数据的类型来讲，我们可以简单的做这么几类分类。包括用户的数据，消费者的数据，地域的数据，它是什么级别的用户。第二类是商户的数据。还有交易的数据，包括：数量、时间、成交的价格。还有包括像消费服务，价格，还有一个很重要的其实是在用户群众的数据。我们讲电商数据是一个非常好的数据，我们现在在提倡互联网思维，很重要的一点就是我们要倾听我们的用户声音。电商的数据是一个非常干净的数据，相比微博的，因为它是直接是消费者购买之后对于这个产品本身的评价。后面我们做的很多的案例的分析，都是基于这个用户群落的数据分析为基础。

　　我们都知道大数据它有几个特点，IBM总结的比较好，包括数据量大，多样性，还有速度，还有精准度。对于电商大数据，我简单说两点。一个是说它的数量是比较巨大的，比如：我们传统做一个市场调研，可能有几百个样本就是一个非常大的样本。我们如果通过电商数据去做这个东西，这个数据可以是非常大的。比如：我们后面做的纸尿裤的分析，它的样本是40万的用户量。还有一个特点，是它的多样性。在电商数据里边，它由结构化数据和非结构化数据。这两个都很多。比如：它的价格等等信息很多。还有是大量的非结构化数据，用户对于产品的评论，更多的是有一些自然语言，我们需要通过一些技术手段满足一些用户的自然语言，一些对于产品的东西。

　　我们下面重点来讲一下电商数据的应用，主要包括这么几块：用户购买意向分析、产品销量分析、绩效评估、产品打假和互联网分析。

　　[PPT图 这是我们做的一个针对四个品牌纸尿裤用户评论的分析，这个用户量大概有40万用户的评论。]

　　我们把用户所有的评论，比如：关于物流和客服信息的东西排出来，然后我们对所有的用户评论做的分析。我们可以看出来，用户在讨论的时候讨论哪些点。这里面我重点举了一个例子，比如“便宜”这样的词，可以看到在A、B、C里面，“便宜”是大家提到量非常大的词，但是在B类提到的是非常少的。另外，我们还可以做这样的分析，我把用户所有的评论分成物流、包装、价格等等5个类别，这对这5个类别对用户的评论做这样一个评分。

　　用户投诉报怨。这一块主要是看用户的一些负面的报怨，分析这些负面的报怨主要覆盖哪些类别。这个我们还是以刚才纸尿裤的为例，这个是我们针对品牌做他的负面的分析。我们把这个分析的维度分成这八个类别，可以看到，比如：在主要的类别里面除了整体之外，第二个就是价格。大家报怨价格比较高，同样的我们可以把这四个品牌按照相同的维度进行统计，我们可以看到不同的品牌在不同维度里面的负面信息会有所变化。下面我再举一个国外的案例，介绍一下，就是说这个用户报怨和负面到底有什么样的价值。

　　[PPT图 这是老板，他雇佣了100多个买手。这100个买手每天盯住美国的亚马逊和不同的品类看用户的评论，看用户的负面报怨。这是他们所研发的一款产品，这款产品是什么呢？它是一个廉价的，然后支持蓝牙的可以充电的，然后防水的音响。它在亚马逊卖是30美金。它主要解决什么问题呢？在一定的时候没法听音乐。]

　　还有我们是做产品的销量分析，我们看是两款产品，一个是玉兰油，一个是欧莱雅。在一号店、淘宝、天猫不同时间段里面销量的情况。从这张图上可以看出来，欧莱雅的销量远远高于玉兰油的销量。以时间维度来看，从整体看，这两款产品在它的销售趋势中，在往上去增长。我们对于欧莱雅进一步去分析，可以看到;刚才讲我们有三个渠道，一号店、淘宝、天猫，可以看到超过80%的销量都来自于淘宝这个渠道。我们从另外一个角度可以看到，淘宝整个的销量是在快速上升的。我们进一步分析，对于欧莱雅的8个产品进行再进行拆分，我们可以看到这一款产品它对于整个的销量推进是最大的。

　　我们再做一个比较，套装和单品。大家知道化妆品有两种方式：一种是单品，一种是套装，大部分的销量来自于单品的销量。这个是我们结合销量，还有对于淘宝店它的促销信息结合起来可以看到，在这个时间段发生的销量下滑之后，店主开始增长买减和买赠的活动，可以看到这个销量会进行提升。第四个应用是绩效评估，我们看到一些比较先进的企业已经开始利用用户的评论，尤其是电商的评论作为企业内部的一个绩效评估指标的一些数据。

　　还有产品打假，这也是一个比较有意思的例子，这是我们跟我们的合作伙伴做的一个案例。大家都知道在电商互联网时代，为一些假货或者非正品的货提供了很大的场所，很多的品牌商对于问题非常反感。怎么样能够找到这些假货，找到这些没有授权的厂商？我们这个合作伙伴主要是通过不是依靠某一个老板去打假，而是靠众多的消费者去打假。我们可以帮助我们的合作伙伴从大量的用户评论里面找到用户反馈假货的信息，我们把这些信息进行整理然后提交给合作伙伴，然后他们那边对于这个数据再进行整理、收集和挖掘，最终会形成一个方案，然后针对这些重点关注的店铺再通过人工方式集中清理，这样效率和速度就会大大提高。

　　第六块，互联网征信这一块。在互联网金融业务非常火爆，比如：马上就要到双十一了，很多店主需要通过短期价值获得资金备货。对于互联网金融企业，它就可以通过电子的交易记录，然后去评估它的整个收入情况。可以通过用户的评论去分析这个用户的记录。

　　最后我再简短的介绍一下我们公司的业务，我们公司主要是做互联网大数据的挖掘。我们实际处理的数据不仅包括电商，还包括新闻、论坛、博客等等这些互联网的公开数据。对于采集的这些数据，我们通过数据的挖掘，然后给用户提供一些展现。我们给用户提供的主要包括这么三类：一类，我们对于数据做一些调研，把它结构化。第二类，基于上面结构化数据的结果做汇总。第三类，形成一些报告提供给我们的客户。

　　上面是我对于我们在“电商大数据分析”方面做的分享，希望能够给大家带来一些价值。

　　谢谢各位！