六九小说网

第八章 大数据驱动大营销2（第3页）

大数据的预测性销售分析

据《福布斯》网站报道，专栏作家、IT分析师和MarkoInsights的所有者库尔特·马尔科（KurtMarko）撰写文章，分析了大数据在销售体验、分析上的作用，认为大数据有助于提供销售和支持新体验，并可应用于预测性销售分析。以下为该文章的主要内容。

今天数据如同消防管里的水一样冲刷着企业，要理解所有数据非常困难：从大量数据中难以提炼出有价值的信息。然而，现有的容易使用、采购和购买的工具允许企业，甚至小企业都能利用数据的描述及预测能力。一个特别需要这种洞悉能力的地方就是销售过程，由于店内、在线和移动应用环境与整个渠道客户体验的冲突，这个过程已完全改变。

一、重新塑造了销售和支持体验

你需要一个在线销售战略。销售计划和过程曾是割裂的：离线使用时间证明的零售手段，而在线是一个新世界，关注漂亮的网站设计和编程与严格的后台物流效率相互配合。2014年在线销售额占假日季节购物支出的40%，并在以两位数增长，可以说销售的未来属于在线。

特别是当移动应用与体验整合在一起时，这种便利性和效率是惊人的。但离线购物远未消亡，特别是日益与在线因素结合在一起。消费者忍不住去看、去触摸和比较实物产品，当与大量在线产品信息来源结合时，会形成一种反冲效应，即顾客首先在网上研究，但最终在实体店购买。

销售进入混合时代，互联网无处不在，智能手机饱和，实际将离线零售世界、实体店和在线网站及移动应用融合成一个点，整个购物过程中顾客常常在不同地方徜徉。事实上，最佳的在线购物体验就是，将个人接触如提供互动对话（在最佳离线环境中常见）的好处的实时聊天，与在线、随时随地接入的便利性融合起来。

结果是，有效的在线销售和营销战略不再是奢侈品，而是商业必需品。虽然多数购物依然在传统购物大街上完成，但越来越多的购物在售前过程就包含了在线元素。顾客购物之旅可能包括多个在线部分，除了产品、零售和媒体网站，顾客常常从社交网络寻找建议、进入讨论板块、向朋友求教和寻求在线客服的支持。总之，在线销售战略极其重要。

二、大数据应用：预测性销售分析

然而，企业无法在网络销售行动上大把撒钱，必须审慎使用宝贵的营销预算。该战略必须将销售努力集中在最可能成为购物者的访问用户上，这些人是真正购物的人而不是随意浏览的人，这需要让他们获得个性化内容并与知识丰富的代理商实时对话。

预测性分析和在线销售及支持管理软件应运而生。这些平台，从ISquared、Lattice到其他公司，聚合、采集和分析有关用户过去和现在的线上及线下行为数据，确认前景、发布目标广告和促销信息，发起互动聊天会话，并随后获得更多的销售信息等数据。

这么做的目标是，在营销渠道如网络搜索、电邮、在线广告和内容或社交网络促销生成高质量线索。通过分析整个渠道的数据，企业能更深入理解在线客户的意图和目标。有了这些知识，企业可提炼有价值信息，有针对性地发布营销和促销信息，提出更好、更诱人的优惠。这提供了简化购物体验和互动售前支持，将客户变成购物者，大幅提高销售额。

预测性软件常常能产生两位数销售增长并抵消了成本的上升。不过，主动助手必须有鉴别能力，不能将资源花费在不需要帮助的购物者身上。如果购物者很顺利，就不需要让他们分心去聊天或联系客服，因为这样做只是提高了销售和营销成本，没有增加销售额。只有关注可能需要帮助才会改变或完成交易的购物者，企业才能提高销售额。

大数据改变过往产品经验

相信大家做产品到一定经验之后，很多时候都会依据自己的经验去设计产品，可能经验已经被过往的产品验证过了，所以在设计新产品的时候没有多加考虑。进入大数据时代后，这一经验法则不再适用，很多场景下，过往的经验只会让产品变差，可以说这是因为没有与时俱进，但从务实的角度看，却是没有在根本上从用户角度出发。问大家一个问题，当你的经验与产品的数据反馈相违背的时候，你会选择相信哪个？

现在产品的发展思路中，数据的基础建设越来越受重视，这和大数据的概念和数据营销的方法离不开，这几年对数据的应用使越来越多的人开始相信“数据会说话”，拍脑袋的决策减少了很多。对于产品经理来说，原先就要作很多分析：市场分析、竞品分析、需求分析等，现在只是多加了一个“数据分析”，这些“分析”的手段虽然不一样，但目的都是相同的，因此接收起来应该没难度，只不过被包了一层“大数据”的外衣，不知道是什么东西了。概念永远只是概念，落到实处的做法才是我们真正需要关心的。就像“云计算”概念，各种“云”，弄得很玄乎，实际上是虚拟机、网络硬盘等技术的变种。

有了数据之后，如何应用又是一个问题。让数据躺在那里睡大觉是发挥不了效用的，要结合工作实际需要去针对性地分析。分析的结果可能与你原来的经验相符，也有可能相反，下面就朱军华遇到的几个场景来说一下数据的威力在哪，它是如何改变过往产品经验的。

场景一：合并支付的功能

做过电子商务的朋友应该都对这个功能有了解，就是未支付的订单可以合在一起一笔支付掉，支付成功后，合并的每个订单的支付状态都会更新。最早见于淘宝，因其支付宝可以支持这样的业务功能，之后别的支付方式也逐渐开始支持这个功能，合并支付在电商网站上就逐渐都有了。合并支付有一个数量上的限制，就是一次可以合并支付多少个订单。拍脑袋的想法肯定是越多越好，最好是无限制，但这个功能有一定的技术局限性，无法支持很多订单同时支付。

这个场景所遇到的就是这个问题，产品端设计时把数量阀值设为20单，从过往经验来看，用户分别去下20个订单，然后再去合并支付的可能性非常小，从用户的购物习惯来分析，要买很多东西的话尽量会下在一个订单内，就像去超市购物会一车推出来一起结算，这个从自营电商的角度看，基本上就是这样的。从平台电商的角度看，每个商家的发货、物流体系不同，一次下单可能会生成多个店铺的订单，但数量能超过20个店铺的比例应该也非常小。但就是这个阀值出了问题。

某次促销，收到很多用户反馈无法完成支付，提示订单数量不能超过20。说实话当时是很惊奇的，拉了一下数据发现，促销期间支付请求订单数超过20的有5000多次，涉及15000多个订单，排除掉重复请求的因素，每次请求的平均订单数是30单，大大超过了我们所设定的阀值。针对这个问题，我们拉了一下平常的数据，发现支付请求订单数超过20的平均每天有600多次，假设以客单价100元来计算，每天大概影响了600×20×100=120（万）的销售额，一个阀值影响了这么多钱，可能平时反馈得不多，被忽略掉了，促销的时候集中爆发了。

当然这里面肯定有原因存在，事后的原因分析这里不作详细介绍，但产品设计时没有设计好是有责任的，解决方案就两种：一种是调高这个阀值；一种是在下单支付流程上就限制住，不让用户一口气下20单以上或同时选择20单以上进行支付，具体采用哪个方案，取决于技术的支持和其他因素的综合考虑。

场景二：支付成功后取消订单

取消订单的功能相信大家都了解，在网上买过东西的人都知道，在对方发货之前是可以取消订单的。对于未支付的订单取消，因没有产生任何交易，是没有问题的，但是已经支付的订单取消，就需要考虑取消的时机了。首先发货后肯定不能取消，货物在途不好追偿；其次如果是定制类的商品，支付成功后可能商家已经开始订货了，要取消的话就需要商家确认。这里要分享的场景就是后面一种，需要商家同意才能取消的订单。

从产品角度来看，取消订单是一个很好的收集反馈的入口，可以设置有针对性的原因让用户去选择，从而收集回来改进产品。我们根据产品的诉求和一些目的，设置了七个初始化的原因，而一般在设置原因的时候，因为没法囊括所有的情况，都会设置一个“其他”的选项。而最后收集回来的数据发现七成左右都集中这个选项上，如果根据经验去看这份数据，就失去了意义。但这是一个很奇怪的现象，难道真是我们所设置的初始化原因没有戳到用户取消订单的痛点吗？一个原因没有戳中也就算了，总共有七个原因，不可能都没有命中的。

通过数据分析我们发现，用户第一次提交取消订单请求的时候，“其他”选项的占比才两成都不到，而商家处理结束后，“其他”选项的占比却上升到七成，剩余的三成大部分还是因为超时未处理而取消掉的。这说明了一个问题，那就是用户修改过取消订单的原因，从数据日志记录上看也印证了有修改。也就是说我们原先设置的原因基本上还是命中了的，如果就采用最终收集的占比数据去看这个过程，那就没有任何意义了。

至于为什么会导致用户去修改原因，这里不作详细说明。最终的结论是，我们只能参考日志数据中用户第一次提交的原因数据。

通过这两个场景的举例，可以看到有些时候依据经验办事已经不靠谱了，需要透过现象，去看背后数据反馈出来的本质，产品经理要站在更高的角度去看待产品设计，脱离原来经验的束缚。但这并不是说数据是万能的，数据可以提供很好的参考，提供决策的依据，但数据不是全部，很多时候还是要靠产品经理去判断产品的发展趋势，过往经验也能提供很好的参考。只不过经验从“遵循”变成了“参考”，数据也是“参考”，这样能让产品经理更客观地去作决策。