【摘要】数据科学如何为电商企业增加利润电商领域的数据科学世界被来自四面八方的数据紧紧包围。每次购物点击鼠标，你的信息足迹(数据)都被收集并保

数据科学如何为电商企业增加利润

电商领域的数据科学

世界被来自四面八方的数据紧紧包围。每次购物点击鼠标，你的信息足迹(数据)都被收集并保存起来。商家会利用这些数据吸引你在未来购买更多商品。如果你想买一台新手机，手机类网站/app知道你查看过哪些商品，谷歌知道你搜索过哪些商品，GSMArena(热门的智能手机评论网站)知道你阅读了哪些评论。你也碰巧把这些评论分享到了Twitter，Facebook，Instagram，Pinterest。而这些分享记录可以帮电商企业了解消费者想要什么，何时有需求。这个过程中包括对数据进行收集、储存、排序归类、分析，以得出有价值的结论。这些工作是数据科学必不可少的部分，由被称作“数据科学家”的专业人士完成。

“过去不会重复自身，未来却会与它呼应。”- 马克·吐温

未来的事件都在特定环境与条件下发生，但也不乏模式可循。“大数据革命”为数据存储、云计算、以及能帮企业进行模式识别的数据科学，提供了技术上的创新。如今，数据科学可以预测任何事情，无论是流感爆发还是犯罪死亡率。

设想一个电子产品零售商的处境。因为产品优质、物流及时，这家店一向生意兴隆。然而消费趋势在改变，竞争也愈发激烈，市场上出现了对生态化产品的需求。他们的顾客因此慢慢流向竞争对手。用传统方法调查市场，这个缓慢流失可能被忽略。但这些微小的变化可以被数据科学家察觉。他们编写算法，不断监测过往销售表现，并与来自媒体和社交网站的外部数据相对照，探讨这些趋势，试图发现它们与购买倾向的关联。数据科学家提供新的方法，让零售商领悟如何维持住核心消费群，而不是仅仅试图获取新的客户。

根据EMC的统计报告，到2020年底全球数据总量预计会超过44ZB，几乎相当于每人5200GB。数据的生产量每年都在翻番。“数据就是黄金!”与此同时电商行业的竞争也变得更加迅猛更加激烈。用户行为一转眼就会发生变化，为满足顾客需求，每个企业都想更胜一筹。常识、直觉和第六感对此有所帮助，但不足以做为预测的依据。数据科学算法却能帮助企业有效理解产品、服务、过程、顾客。

数据科学不是互联网公司专属

著名化妆品公司欧莱雅，聘用数据科学家研究各种化妆品对不同肤质和组合的效果。劳斯莱斯聘用数据科学家为飞机引擎确定维护时间。Feedzai运用数据科学算法监测欺诈行为。Fruition Sciences, 一个为酿酒者服务的在线决策工具，使用数据科学算法决定向葡萄加多少水，以及何时加水能出产质量更好的红酒。

在电子商务领域，数据科学通过捕捉和整合消费者的线上行为、生命事件、购买驱动力、互动方式和其他更多信息，使企业更了解消费者。

电商领域的一些数据趋势：

60% 的人在包括移动、社交、实体店、网站等多个渠道研究品牌，与品牌发生接触。使用几个不同渠道搜寻某种商品的人，会比不这么做的人多付1/3的钱。美国43% 的零售销量来自网络。由eCommera进行的一项调查发现，只有23%的零售商能理解数据作出决策。英国50%的零售商认为缺少商业智能工具是(他们)开始运用数据科学的原因，同时只有16%的零售商对他们现有的数据分析解决方案有信心。这些趋势体现了电商行业的快速发展，也体现出数据科学有望加强消费者的购买行为，给电商企业贡献更好的营销策略和更高利润。

数据科学在电商领域的应用

1) 为消费者推荐产品

“未来的趋势是个性化。而你会像消费者了解自身一样了解他们。”

Tom Ebling, Demandware总裁兼CEO

基于消费者行为作出的促销和推荐非常有效。如今的消费者非常依赖推荐系统，不论是产品购买、新品消息、外出就餐或服务选择。多数电商网站，像 Walmart、Amazon、 eBay、Target都拥有数据科学团队，在推荐系统背后，思考类型、权重、特性和许多其他因素。数据科学建立的推荐系统有两个主要的目的：

配套销售。你在选购iPhone6那你也许会对iPhone保护壳感兴趣。增值销售。例如，你在找某种LED电视。它有一个更优质的换代产品，刚刚上市，且只贵几块钱。

数据科学算法学习产品相关的多种属性、关联，学习消费者的喜好以便预测他们的需求。这些算法为消费者更换展示页面，或app或网站上产品排列顺序，使得消费体验个性化。

Puneet Gupta，Brillio(一家立足于美国的科技咨询和软件开发商)的首席科技官说：“有了预测分析和机器学习应用，电商企业现在可以对消费者的行为模式有清晰的了解，贯穿全站各种商品的购买历史和销售表现。”

这一类应用，最好的例子是亚马逊使用预测建模的推荐系统。亚马逊的推荐系统发掘，并用数据表示从历史数据中发现的关系，以此来进行分类和预测未来事件。

2) 获取关于消费者留存、增值销售和组合销售的洞察

消费习惯不断变化，忠诚度不断消减，预期居高不下。获取消费者洞察对于电商企业的存活已经至关重要。

每个电商网站/app都要销售商品，但他们需要的答案应该针对于：

谁在购买他们的商品?

这些人住在哪里?

他们对什么样的商品感兴趣?

如何更好地服务他们?

什么促使他们购买?

上面这些问题都能由专注于消费者洞察的数据分析师提供答案。而数据科学利用更先进的分析方式，例如分类器、区隔、非监督聚类、预测模型、主题建模和关键词提取的自然语言处理，创造更多价值。

Blue Yonder，一家德国软件企业，使用数据科学工具与技术协助Otto(欧洲线上时尚巨头)。当消费者走进实体店，或登录零售店WIFI，或连接上网站/app，自动学习就已经开始。这些消费者会收到基于地点、天气和大量其他因素决定的推送信息。

3) 优化产品策略

电商企业不得不面对种种问题，比如：

应该出售什么商品?什么价格?什么时候实行这种价格?

数据科学算法帮助电商企业决定和优化产品组合。每个电商企业都有一个产品团队研究这个设计过程。而此过程中数据科学算法可帮助企业预测：

产品组合中的漏洞是什么?应该生产什么产品?从工厂订的第一批货应该订多少?什么时候应该停止特定产品的供应?应该销售什么产品?

数据科学家利用更先进规范的预测分析帮助电商企业。而数据分析师仅仅对企业获取了多少利润，哪种商品没有价值等问题进行回溯分析。

4) 预测供应链模型

销售商品的电商企业，需要在恰当的时间恰当的位置，拥有数量刚好的商品。对于电商企业乃至所有零售企业，某些产品的需求窗口非常短暂(定制的“圣诞快乐2014”商品没法销售到2015年元旦)。如果错过了这个窗口，最终就会在仓库里堆积大量库存。数据科学算法运用详细的分析，开发出预测模型，帮助电商企业优化供应、减低风险、为决策提供信息。

5)个性化营销策略

数据科学在个性化营销项目中扮演重要角色。电商企业总想寻找新的方法，来鼓励现有的消费者购买更多，或吸引更多新消费者。数据科学家通过重定向优化、宣传渠道组合优化、关键词购买优化等等方式对此做出贡献。通过使用种种策略设计算法，数据科学家能帮助电商企业一飞冲天，获取有价值的回报。