모든 행동 데이터가 가치가 있는 것은 아니다. 전자상에게 큰 데이터 분석에 대한 주요 수요는 두 가지 측면에 반영될 수 있다. 하나는 문제를 신속하게 반영하는 것이고, 다른 하나는 새로운 사용자 집단을 발견하는 것이다.
주목받는 후자의 경우 전자상은 스마트 네트워킹을 통해 기존 데이터를 분석하고, 사용자의 흥미를 발견하고 예측하며, 구매 열정을 자극하고, 특정 그룹에 제품을 푸시하기를 원합니다.
현재 업계에서 일반적으로 사용되는 방식은 사용자 네트워크에 남아 있는 역사 정보와 기록을 통해 선호도를 추측하는 것이다. 예를 들면 관련 서적, 항공권, 항공편 추천 등이다. , 하지만 오산은 정확도와 추천 시기가 만족스럽지 못한 것일 수 있습니다. 예를 들어, 사용자가 이미 여행을 다녀왔고, 시스템은 여전히 왕복 항공권을 추천하고 있습니다.
현재 미국에는 구조화되지 않은 데이터 분석 기술을 통해 사용자가 인터넷에서 업데이트한 개인 상태 정보 (예: 트위터, 페이스북 등) 를 분석하는 등 사용자의 개성과 특징을 추정하여 개인을 정확하게 정의하고 라벨을 붙이는 한편, 상인에게 피드백을 주고, 대상 시장의 사용자와 일치시켜 제품 연계를 가능하게 하는 연구 방향이 있다.
이에 대해 미국 데이터 분석과학자, Taste Analytics 창업자, 미국 5 대 시각화 연구센터인 Derek Wang (왕소어) 박사에 따르면, 전통적인 방식은 대량의 행동 데이터를 바탕으로 분석해야 하며 모든 행동이 가치 있다고 생각하지만, 사실은 그렇지 않아 정확성과 시기에 대한 파악이 소홀해지기 쉽다. 사람들이 인터넷에 남긴 실제 언어, 말하기 스타일, 평가 내용에 대한 개인화된 차원 분석을 통해 사람들의 실제 본질에 더 가깝고, 물론 구매 선호도도 포함된다. 그래야만 보다 정확한 제품 구매 수요 발굴을 실현할 수 있다.
전자상가의 "복지"
현재 이 분석 기술이 전자상거래 플랫폼에서 직접 효력을 발휘할 수 있는 방식은 중소 기업을 위한 솔루션이다. 즉, 제품에 대한 사용자 평가를 분석하여 제품을 최적화하고 사용자 경험을 높이는 것이다.
예를 들어, Taste Analytics Signals 의 데이터 분석 플랫폼을 통해 아마존 플랫폼의 헤드폰 업체는 플랫폼의 제품 평가와 페이스북의 댓글에 대한 의미 분석을 할 수 있습니다. 헤드폰 브랜드, 수명, 품종 및 모델에 대한 사용자 피드백, Bose, Sony 등 다양한 제품 간의 제품 분석을 받을 수 있습니다.
이것은 미국의 대량의 아마존, 신알, 이베이 상가에게 의심할 여지 없이 매우 유용하며, 제때에 제품과 판매 프로세스를 최적화할 수 있다.
또 다른 전형적인 응용 프로그램은 전자 상거래 플랫폼 자체입니다. 미국의 한 유명 대형 홈 판매업체는 전자상거래 네트워크 플랫폼에서 인터넷 트래픽을 자극하여 상품을 매매하고 있다. 데이터 분석 플랫폼을 활용하여 사용자 카드 결제의 두 가지 문제를 발견하고 해결했을 뿐만 아니라 일주일 동안 네트워크 트래픽이 고르지 않게 분산되는 것을 관찰하여 마케팅 홍보를 통해 마케팅 프로세스를 변화시켰습니다.
"Taste Analytics Signals 플랫폼으로 아마존의 인기 탄산음료에 대한 분석 결과"
결정은 데이터 자체가 아닌 데이터를 기반으로 합니다.
사용자의 특징은 텍스트 분석에서 비롯되며, 사용자가 인터넷에서 하는 모든 말은 분석 지점이 될 가능성이 높습니다. 더 많은 데이터가 사용자 행동과 효과적으로 일치하고 분석의 정확성을 높일 것이라는 데는 의심의 여지가 없으며, 소셜 플랫폼은 이와 관련하여 구조화되지 않은 데이터의 좋은 출처를 제공합니다.
사실, 미국 전자상가 자체는 이미 소셜 네트워크의 데이터 정보를 통합하기 시작했다. 예를 들어 플래시 구매 사이트인 Myhabit 은 사용자가 아마존 계정을 통해 로그인할 것을 권장합니다. 전자상인 매시스는 페이스북 계정으로 로그인해야 한다 (이런 통합은 국내에서는 드물지 않다). 이 로그인 방법은 사용자에게 더 편리하고 빠릅니다. 상인에게 개인 정보를 연결할 수 있습니다. 대규모 데이터 기술/서비스 공급업체의 경우 이를 통해 데이터 분석 서비스를 확장하여 심도 있는 데이터 마이닝을 수행할 수 있습니다.
Derek Wang 의 관점에서 볼 때, 이러한 구조화되지 않은 데이터 분석 플랫폼 서비스는 결과의 정확성을 높일 수 있을 뿐만 아니라, 더욱 중요한 것은 추천 시스템이 아니라 지혜를 높이는 과정이다. 결국, 기존 행위만을 바탕으로 한 데이터 분석은 가능한 실패로 이어질 수 있으며, 위의 항공권 추천에서 금융 분야에 수학 모델을 채택하는 위험성에 이르기까지 서브 프라임 위기에 노출됐다.
"기계가 추출한 데이터 내용은 기업 의사결정권자에게 그래픽으로 표시되며, 의사결정자는 기계와 상호 작용하여 결정을 내립니다. 데이터 분석 플랫폼은 기업 의사결정권자를 지원하는 도구로 그 가치를 발휘한다. " 데릭 왕이 말했습니다.
공교롭게도' 뉴욕타임스' 선임 기고가인 스티브 로르 (Steve Lor) 는 빅데이터에 관한 책을 쓸 때 이렇게 논평했다. 의사결정 활동이 데이터와 분석에 점점 더 의존하고 있지만 상식도 발휘해야 한다. 경험과 직감은 의사 결정에 여전히 자리를 잡고 있으며, 좋은 직관은 종종 대량의 데이터 분석을 기초로 한다.
기계와 사람의 분업이 합작하는 것이 좋다. 더욱 주목할 만하게도, 이미지 시각화를 통해 전자상가와 상가의 내부 분석가들은 IT 배경이 없어도 제품 동향을 쉽게 파악할 수 있어 시장을 확보하는 데 도움이 될 수 있습니다. (윌리엄 셰익스피어, Northern Exposure (미국 TV 드라마), 예술명언)
빅데이터는 확실히 유익하지만, 모든 회사가 빅데이터를 성공적으로 발굴할 수 있는 것은 아니다. 선견지명이 있고, 제도를 중시하며, 과감하게 투자하는 회사들만이 수확을 거둘 수 있다. 소매업에 있어서, 전기상이 큰 데이터를 성공적으로 활용할 수 있도록 도와주는 세 가지 중요한 전략이 있다.
큰 데이터를 정확하게 이해하다
큰 데이터가 무엇인지 상관하지 말고, 얼마나 많은 데이터가 큰 데이터인지 계산하려고 하는 것은 현명하지 못한 것이다. 첫째, 큰 데이터는 "양" 이 아니라 "모두" 이기 때문에 정확한 숫자나 스케일은 데이터 수량의 구분선이 될 수 없습니다. 종합적인 데이터 분석을 통해 해당 추세를 찾아 미래를 더 예측할 수 있습니다. 큰 데이터를 파악하려면' 큰 데이터' 의 사고방식, 즉 이미 임무를 완수하는 데 도움을 준 데이터에 집중해야 한다. 방대한 역사 데이터에서 법칙을 찾아 미래를 예측하다. 또는 관련 요인을 찾아내고, 최적의 데이터를 검색하는 시스템을 보완하고, 정확한 데이터를 얻어서 최대의 효과를 얻을 수 있습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언)
어떻게 큰 데이터를 얻을 수 있습니까?
빅 데이터의 유행은 빅맥이 얻는 엄청난 상업적 가치와 불가분의 관계에 있지만, 빅 데이터가 대기업만이 살 수 있는' 독특한 인형' 이라는 뜻은 아니다. 중소기업도 자신의' 빅 데이터' 를 가질 수 있다. 대부분의 전자 상거래 회사들은 아직 초기 단계에 있지만, 데이터를 수집하고 우수한 인재를 발굴하여 보다 현명한 결정을 내릴 수 있습니다. 데이터 분석은 작은 데이터로 시작할 수 있으며, 즉각적인 효과를 가지고 큰 데이터로 발전할 수 있습니다. 작은 카페라도 고객의 음주 습관, 신용카드 기록, 온라인 위치 설정을 탐구해' 빅 데이터' 를 만들 수 있다.
중소기업은 대형 데이터 케이블의 선진 도구와 모델을 완전히 갖추지는 못했지만, 자신의 회사의 역사 데이터에서 법칙을 찾을 수 있다. 예를 들어, 1 ~ 2 개월의 판촉 활동 내역 데이터가 있으면 의류 전자업체들은 각 범주의 판매 실적을 분석하고, 일주일 또는 한 달 동안 가장 잘 팔리고 가장 잘 팔리지 않는 판매 범주 정보를 파악할 수 있으며, 장기 평균 성장률과 복합 성장률을 명확하게 파악할 수 있습니다. 이 데이터 분석 방법은 제품 판매 및 제품 판매 실적에 대한 측정 지표를 제공하여 제품 판매 모델 및 추세를 파악하고 다음 운영 결정을 내릴 수 있습니다. 이는 기업이 더 큰 판매를 달성하는 데 도움이 되며, 마케팅 활동 유무에 관계없이 제품의 판매 실적을 모니터링할 수 있습니다.
소매 전략과 빅 데이터 결합
기업의 관점에서 볼 때 빅 데이터의 가장 큰 가치는 소매 전략과 빅 데이터 기술의 결합입니다. 현재 현대 소매업은 점점 더 복잡해지고 있다. 소비자들이 원하는 쇼핑 시간과 쇼핑 방식에 대한 요구가 높아지고 있기 때문이다. 따라서 소매업체는 고객에게 보다 지능적으로 서비스를 제공하고, 재고 및 배송 주문 위치를 보다 유연하게 선택하고, 수집된 고객 데이터를 사용하여 온라인 교차 판매 및 상향 판매를 수행하는 방법을 더 잘 알고 있어야 합니다. 이를 위해 소매업체는 고객에게 맞춤형 서비스를 제공하기 위한 고객 중심 및 데이터 기반 전략을 개발할 수 있는 맞춤형 소프트웨어가 필요합니다.
또한 기업은 판매 계획의 실현을 보장하기 위해 소매 전략을 데이터 분석과 최대한 일치시켜야 합니다. 빅 데이터의 가장 큰 특징 중 하나는 정보를 고속으로 업데이트하고 처리할 수 있다는 것입니다. 이러한 특성에 따라 비즈니스 데이터가 생성되면 기업이 시장 전략을 조정할 시간과 공간을 확보하여 자신의 장점을 발휘할 수 있도록 전략을 세울 수 있습니다. 이것은 홍수 경보와 같다. 상류에 경보가 생기면 하류는 즉각 반응과 조정을 해야 한다. (알버트 아인슈타인, Northern Exposure (미국 TV 드라마), 계절명언) 예를 들어, 인터넷을 밟는 전통적인 소매상들은 상품의 15 분 프로모션 기간 동안 상품이 계획대로 판매될 수 있도록 세 가지 대응 전략을 준비하는 경우가 많습니다. 소매 전략과 빅 데이터를 통합함으로써 기업은 더 많은 소비자를 유치하고 맞춤형 서비스를 제공하여 제품 판매 실적을 높이고 매출을 늘리고 매출을 늘릴 수 있습니다.