电商经历粗放的野蛮增长，渐进入精细化运作阶段，数据挖掘和分析也成为各电商企业发力的新标的。

在这场数据的精细化之战中，哪些数据挖掘直接驱动了销售增长?如何将数据转化为销售额?

不到5%电商企业有数据挖掘团队

亿邦动力网：二位判断目前电商行业的数据化运营到什么程度了?有多少企业具有数据挖掘与商业智能团队?数据分析和挖掘的能力如何?

陈新：以目前电子商务的发展态势来看呢，数据分析对于企业的发展来说，特别是对电商企业非常重要。数据化运营，便于企业分析用户的行为以及竞争对手的各种经营数据。

举例说，在美国，BI已成为电子商务企业竞争的关键。而国内的电子商务公司中，因为数据部门很难在短期内创造显著的业绩，所以数据部门很容易被弱化。虽然一些电商公司开始重视数据运营，但BI数据往往被放在技术部数据仓库中。如果商业智能部门的层级偏低，而BI团队的负责人又不能在管理层中开会，就很难将散落于各个业务部门的数据融会贯通进行分析挖掘。相比较，BI在美国就是一个独立的部门，直接隶属于公司的CEO或者CFO。商业智能团队在公司中占据很高的地位。

据我们了解，电商行业的平台公司，像淘宝和京东都有自己数据分析团队。淘宝的云平台大数据量的分析计算很强大。

张韶峰：从百分点目前服务的200来家电商公司来看，电商企业数据化运营程度很低。拥有真正意义上的数据挖掘团队的电商公司占比绝对不到5%。

事实上，如果一家电商公司有专人专职做一些比较简单的数据统计工作，就已经算数据化运营程度比较高的公司了。另外，由于数据挖掘概念的普及率很低，很多企业将一些简单的数据统计工作误认为数据挖掘，因此他们还认为自己的数据挖掘水平比较高。

也就是说，即使对那些有点数据分析能力的电商公司来讲，他们的水平大多也停留在简单的数据统计阶段。

亿邦动力网：电商企业的数据分析业务是倾向于自己建团队做还是外包?

陈新：对于电子商务企业来讲，数据大致分为四种：站内用户数据、商业数据、站外用户数据和竞争数据。

对于我们来说，站内数据比较直观显性，可以自己进行跟踪和分析。而站外数据的分析，需要通过用户调研或者竞争分析，这一部分数据源非常散，比较依靠外包。

对于企业的BI部门来说，这种包括竞争数据在内的站外数据分析对决策制定起着非常重要的作用。这是件难事，除了要靠BI团队的经验外，还需要对各种第三方数据做评价，取其精华去其糟粕。

如果从公司技术团队培养的角度来讲还是不提倡外包的。外包的话有利有弊，好处是能找到成熟的，有相应行业经验的外包公司来做，不好的地方是项目做完后的维护不方便，并且可能费用也不菲。

张韶峰：其实从最严格的意义上讲，所有企业都在数据挖掘、数据分析这个领域与其他公司合作，只是技术基因弱一点的公司可能将数据分析挖掘整体工作外包，而技术基因强一点的公司可能将部分工作外包。且不论目前所有的电商企业都缺乏技术基因，即使阿里巴巴、腾讯这些技术非常强的公司，也在内部大量使用Oracle、IBM、SAS等专业的数据分析、数据挖掘公司的产品或服务。我们公司的一些同事以前在Oracle和IBM都工作过，他们当时为这三家互联网巨头都服务过。

韩都衣舍日均PV达130万

亿邦动力网：二位看来，电商企业是否有必要亲自做数据分析和挖掘?数据分析和挖掘对电商企业的发展和规划有何意义?

陈新：谈到是否有必要亲自做数据分析和挖掘这个问题，首先我们要清楚，数据的应用应该从问题开始。企业得根据自己所要解决的问题，围绕问题去琢磨怎么构建企业的决策框架。决策框架自然首先是要去假定这个问题的解决方式是怎样的，然后看管理层的决定，继而搭建起监控系统。

数据分析的目的是为指导决策制定方向。目前，很多企业的CEO虽然重视数据重要性，但是没有从问题出发，这样容易导致数据应用和企业经营决策不紧密。

数据分析和挖掘对电商企业的发展规划有重大意义。

首先，通过搜索引擎关键词我们可撑握哪些关键词是有效是，关键词可以帮助我们了解和分析浏览者的搜索习惯和需求。

其次，通过网站PV、UV等数据的分析，我们可以知道网站的整体流量，以及用户体验等情况。目前韩都衣舍UV达日均33万UV，PV130万，此类清晰的数据对我们掌握店铺的运营状况有很大帮助。

再其次，通过对目标人群的分析，我们可以知道他们的一些基础信息，包括年龄、地域等，从而制作出更有针对性的设计。最后，通过对浏览量和成交量的数据分析我们可以得出基本的转化率，而分时段的UV数据统计，更便于我们根据具体情况制定推广方案。

张韶峰：电商企业当然有必要亲自做数据分析和挖掘，这里的“亲自”，更多是强调电商企业必须积极地、深入地参与到该项活动中来，而不是说所有的事情、所有的工具都要自己独立开发。数据分析和挖掘系统是保证企业迈向精细化运营的基石，没有它，企业无法优化运营效率，也无法规避一些隐含的风险。

尤其像电商这个行业的特点是业务敏捷化、扁平化，如果没有以数据为依托，不做相应的数据萃取、挖掘、管理、分析的话，就相当于蒙着眼睛在做生意，瞎子摸象一般。这个行业犯的最大错误就是我们对数据的利用和理解不够，造成了头疼医头脚痛医脚，没有从整体的宏观层面去把握整个业务的脉络，如果以后想能够整体宏观的把握，就一定需要做数据的挖掘。

亿邦动力网：在今年5月，韩都衣舍正式上线了BI系统，这个系统主要做哪些方面的数据分析?韩都衣舍目前的数据挖掘分析团队有多少人?哪些方面的数据时自己做的?哪些是借助第三方的?目前合作的第三方有哪些?

陈新：目前我们韩都衣舍完成了管易系统订单、库存、退换货以及发货数据的分析图表，新ERP系统的商品资料分析图表。日常的业务数据完全可以通过直观的图形的方式查看到。

BI团队目前已扩展到11人。

亿邦动力问：韩都衣舍现在自己的数据分析团队在实际运营过程中遇到了哪些问题?

陈新：韩都衣舍的BI系统刚刚上线，虽然BI系统完成了各项数据的直观统计，但目前对各部门业务数据的分析总结还都处在起步阶段，因此需要我们解决的专业问题还有很多。

精细化运营以用户为基础

亿邦动力网：目前电商的数据也是海量，分析方法多样，评价销售数据的指标主要有哪些?根据直接对销售额产生的效果依次从高到低怎么排序?

陈新：主要有每日发货数据分析、每日销售数据分析、每日库存量分析。通过这些分析图表就能直观的看到每天的销售额、订单量、成本还有库存情况。

从高到低的排序为：每日销售数据分析、每日发货数据分析、每日库存量数据分析。

张韶峰：评价销售数据的指标主要有：订单量、发货量、客单价、总销售商品件数、总销售额、总毛利额、总库存等等。重要性从高到低大致排序是：总销售额或者总毛利额(不同的阶段关注重点有不同)、总发货量、总库存量。

亿邦动力网：韩都衣舍目前应用数据分析产生的销售额有具体的可分享数据吗?比如有哪些数据应用直接提升客单价?提升用户体验?

陈新：销售额数据目前还只是总数，鉴于客户CRM系统尚未建立，目前还没有对客户的销售数据进行深入挖掘。未来可以通过客户订单数据聚类方法对客户进行分类。为不同类别的客户建立不同的营销策略提供依据。

亿邦动力网：如果让二位选择各自认为最重要或者最喜欢的数据分析与挖掘应用，二位分别认为是什么?为什么?

陈新：目前的数据分析与挖掘应用中，个人觉得订单的销售和发货分析比较重要。因为能直观的看到每天的销售情况，也直接影响到各部门的业绩和整体的销售水平。

张韶峰：有两类：1)预测类。预测是数据挖掘领域一个非常重要的分支，比如预测什么用户可能会喜欢什么商品，某种商品下个月的销量会如何等等。这种类型的应用能够直接应用到业务运营中去。比如个性化商品推荐引擎、库存预测引擎等等;

2)统计分析类。主要指使用各种统计分析方法、采用各种图表展现手段，让企业管理者和各个业务运营人员看见一些关键指标的现状，从而发现值得改进的环节。

亿邦动力网：如果说用户行为分析是精细化运营的前提，那么电商企业要实现精细化运营还应该从哪些方面着手?

陈新：谈到精细化运营，自然要把用户定位放在第一位。任何商务的过程本质是“满足客户期望”并“超越期望”。所以我们要首先要对用户信息进行细致分析。每一个人的兴趣、爱好、个性、文化、经济状况等不相同，在购买心理上也会产生差异，所以就形成了各种各样的购买动机。我们认为在项目全面推广之前电商应该重视用户的体验，这样才能提升用户的忠诚度。

用户定位是基础，那数据分析就是精细化运用的支柱。用户在电子商务商城上有了购买行为之后，就从潜在客户变成了商城的价值客户。数据库会保存下用户的交易信息，包括购买时间、商品、数量、金额等，我们可以基于商城的运营数据对他们的交易行为进行分析，以估计每位用户的价值，及针对用户扩展营销的可能性。

张韶峰：电子商务企业必须从前端的营销、中端的网站运营到后端的供应链、物流仓储等所有环节进行优化，以实现精细化运营。

目前我们看到绝大多数电商企业在营销和网站运营两个环节存在大量的资源浪费现象。今年电商企业必须更加重视效果营销、站内转化和重复购买。不管是前端、中端还是后端，实现精细化运营的前提是电商企业必须建立起数据驱动运营的文化以及完善的数据分析与商业智能系统，通过数据分析找出最有效的营销方式、最有潜力的商品、最具价值的顾客群。

另外，针对提升站内转化率和顾客重复购买率，电商企业还应该建立个性化推荐系统以及提高顾客重复购买率的个性化邮件营销系统。

推荐引擎为红孩子贡献订单超15%

亿邦动力网：百分点是做推荐引擎的，就是帮企业分析用户购买浏览过程中推荐哪些关联产品最好?目前这个技术在国内还有其他公司在做吗?技术核心是什么?做的难度是什么?

张韶峰：事实上，推荐引擎的确包含“关联推荐”，但“关联推荐”并不是推荐引擎的全部，这是大家看待推荐引擎时容易陷入的一个普遍误区。

推荐引擎有两种应用场景：

1)，当企业不知道用户具体关心哪些具体的内容和商品时(比如用户刚刚到达网站首页或者着陆页，或者只是进入了某个频道页，但未到达具体的文章页或商品页)，完全基于用户过去的行为猜测他们可能会喜欢的内容和商品。这种推荐就是真正意义上的“个性化推荐”;

2)，当用户已经在关注某件具体的商品时，推荐出与该商品有某种关联的其他商品，这种推荐就是大家常说的“关联推荐”。百分点公司的推荐引擎同时涵盖这两种类型的推荐。百分点是专门提供第三方推荐引擎服务的公司，除了百分点，阿里巴巴、腾讯等大公司也在自己的一些产品中零星地应用了推荐技术。

推荐引擎技术的核心包括：用户行为建模、网页内容建模(包括文本内容和图像、视频内容)、海量实时数据处理，以及将用户心理学、社会学知识融合到推荐引擎中的能力。

做推荐引擎的主要难点是：1)算法。算法要先进并且在大数据环境下要稳定可靠;2)数据。推荐引擎完全是基于真实数据来建模的，没有足够的高质量数据，无法做出有应用价值的推荐

亿邦动力网：很多电商企业形成了一些刻板的印象，认为推荐引擎采用的都是采用相似性的挖掘方法(例如关联规则和协同过滤)，推荐引擎给出的“看过还看过，买过还买过”这类的推荐通过简单的数据库查询就可以完成。那么百分点在推荐引擎上是怎么做的?

张韶峰：“看过还看过”、“买过还买过”这种叫法，完全是为了方便消费者好理解。事实上，这种看似名字简单的推荐栏，背后的算法逻辑并不简单，更加不可能通过简单的数据库查询就能够完成。

至于关联规则和协同过滤，是已经出现10-20年的比较陈旧的算法，他们有很多缺陷，因此百分点内部大量使用了其他一些近几年出现的更为先进的算法，比如，百分点首席科学家周涛教授和他的导师张翼成教授等人发明的物质扩散算法、热扩散算法等等。

亿邦动力网：百分点与麦包包、红孩子等多家电商合作，目前做的效果如何?销售额、转化等具体的数据如何?为什么他们愿意与百分点合作，不自己做?

张韶峰：目前百分点合作了200来家电商企业，效果都还不错。推荐引擎为麦包包、红孩子等公司贡献的订单占比都超过15%。他们与百分点合作，还是基于最大化ROI这个出发点来考虑的，即：不管是自己做还是与人合作，怎么能最大化ROI就怎么做。与百分点合作，ROI最大。

价格战就像七伤拳

亿邦动力网：最近很多电商都加入了价格战，二位认为价格战会给电商行业带来怎样的伤害?电商企业如何规避这种风险?

陈新：个人认为价格战为电商行业带来的影响是弊大于利。价格战难以积攒人气，即使在短时间内招来大批量的用户，也是不稳定的，黏性偏低。而且漫天低价的营销方式，只是激发了消费者短暂的购物情绪，并没有真正和消费者建立起稳定联系。

即使电子商务的价格战在所难免，也不能颠覆商品的绝对价值。否则，必然会对行业带来整体的伤害。一旦低价成为了一种手段，无疑会对整个行业会造成巨大冲击。中小企业难以承受成本冲击，电商行业的生态系统也会变得一团糟。电子商务可以成为时下扩大内销的重要手段。利用电商，我们可以扶起一部分自有品牌。如果企业没有约束的开展价格战，结果不堪设想。

个人觉得在价格战面前，电商企业尤其是中小企业的应对策略有三。

一是避其锋芒，在电商价格战期间避免形成直接的竞争，可以避开促销时段，或者错开促销商品。这样可以避免迎头直击造成的头破血流。

二是，电商联盟。联合采购定价，可以让电商更有议价权利，以降低进价应对价格战;商品互补也是电商联合的一大优势。

三是，产品外包。这是降低运营成本的有效方式。选择有实力的有经验的电商外包企业，不失为中小电商的明智选择。

我们可以肯定的是，尽管目前国内市场有几大电商表现突出、市场占有率遥遥领先，但是对于整个中国的电商行业而言，一切都刚起步。电商的机会和风险并存，就看如何选择适合自己的策略了。

张韶峰：电商目前这种只论“价格驱动”而非“价值驱动”的做法是非常悲哀的，这种做法无异于金庸小说《倚天屠龙记》中的七伤拳：先伤己，再伤人。而且一旦给消费者造成电商网站就是卖便宜货的地方，就很难再扭转过来。但对于现阶段已经陷入了价格战的电商来讲，很难立刻从价格战中脱身。在不得已继续价格战的同时，电商企业一定要开始重视练内功，提高价格之外的竞争力，比如货品本身的区隔、服务的之类，并切实重视精细化运营，提高毛利率。