亚马逊之后的辉煌也证明了领导者犀利的眼光
一直处于亏损状态，逐年严重。 亚马逊在2000年损失了14英镑.1亿美元。亚马逊成立前八年一直处于这样的亏损状态。亚马逊终于开始盈利，直到2003年。 亚马逊的包是它有一个伟大的领导者贝索斯。贝索斯是一个有着长远愿景的人。尽管亚马逊在成立初期经历了互联网泡沫的冲击和投资机构的短缺，但贝索斯仍然不顾外界对公司的评价。在贝索斯给公司股东的信中，他总是强调Its all about long term。而亚马逊之后的辉煌也证明了这位领导者的犀利眼光。 仅在2012年的前三个季度，亚马逊的营业收入就达到了398亿美元，与早期相比有了很大的增长。亚马逊变化主要是由于其强大的推荐系统。 亚马逊的在线商店系统最强大的一点是让顾客找到他们的潜在需求。自从顾客进入亚马逊的在线商店以来，他们一直被这种想法所渗透。流行组合、购买该产品的用户也在浏览等专栏都是吸引顾客找到他们潜在需求的钩。 亚马逊通过系统记录网站上所有客户的行为，根据数据的特点进行分类，并根据商品类别形成不同的推荐栏。 例如，今日推荐是根据客户当天浏览的信息记录推出一些点击率最高或购买率最高的产品。新产品推荐是根据客户搜索的内容为客户提供大量新产品的信息。用户浏览产品推荐是再次向客户推送客户浏览的产品信息，让客户考虑购买或二次购买。 捆绑销售方法也是亚马逊采用的有效方法之一。即利用数据挖掘技术分析客户的购买行为，找到买家经常一起购买的其他商品，形成销售组合和捆绑销售。 他人购买或浏览的商品专栏是根据购买类似商品的客户偏好，通过社会化机制为客户提供更多的选择，使客户更容易选择。 亚马逊成功的另一个主要因素是，在推荐客户时，亚马逊的客户体验非常特殊。亚马逊提供了大量的真实数据，让客户在短时间内信任和忠诚。例如，购买该产品的客户也购买了该产品，您购买了该产品，因此向您推荐类似的其他产品等。 必须提到的是，亚马逊的推荐内容是根据真实数据分析计算的。每个用户的文件都记录了用户的所有购买和浏览行为。亚马逊的商品评估系统也从另一个方面总结和反映了客户对产品的偏好。亚马逊将这些数据作为客户档案，直接告诉客户亚马逊这些推荐的可靠性和意图。 营销提醒： 如果企业想要改善用户体验，他们必须真正了解用户及其产品的使用情况，这些情况可以通过大数据学习。在大数据营销中，它可以帮助企业了解产品的售后信息，并在产品出现问题时及时提醒用户。 阿里巴巴:简单搞定大数据 说到大数据营销，许多企业花了大部分时间思考该做什么。然而，国内电子商务行业的领导者阿里巴巴并没有走这条普通的道路。当阿里巴巴开始大数据营销时，他们会想到人。 的确，要让大数据营销落地，首先要从人入手。阿里巴巴的秘密是三招简单有效。 ◎ 第一步：找到数据。没有数据分析，企业就无法实现其业务目标，因此它们不能与能够胜任数据分析的数据分析师分开。这类人最了解分析什么样的数据，以及如何分析它们。但这并不是说要找到一个具有丰富专业理论的数据分析师。 许多数据分析师是专业领域最好的之一，但他们缺乏理论和商业意识。当他们为企业分析数据时，他们不知道使用哪些数据进行分析，所以他们成为了盲人。这种数据分析师对企业有害，因为他们的分析结果对企业决策层没有参考价值。 很多数据分析师仅仅把没有整理或者初步整理的不具代表性的数据直接交给了营销者，并且他们没有解释这些数据背后的含义、体现了什么用户什么样的行为、数据的横向和纵向比较有什么结论等等。这也是导致了很多营销者每天都因为要看一大堆零碎的数据而一直抱怨的原因。 营销人员需要的数据分析师应该能够准确地把握市场的方向。没有营销人员喜欢每周只有没有任何分析和结论的数据，这需要数据分析师有意识地与业务部门的人沟通，并经常了解产品业务。 第二步:沟通数据。这是三招中最重要、最关键的。数据分析师可以从数据中看到业务问题，或者根据业务分析数据。 如果数据分析师和业务部门的员工经常联系和了解情况，他们会在看到数据后迅速分析数据背后的含义。 许多行业非常重视数据分析及其结果，尤其是电子商务行业。随着互联网购物的普及，电子商务行业对数据的要求越来越高，越来越依赖数据。不幸的是，即使在电子商务如此发达的今天，很少有电子商务企业能够在数据分析方面做到完美。 许多公司的专业人士在收集数据时会发现数据非常混乱，不同的数据分散在许多人和主管手中，给分类和分类带来了很大的麻烦。此外，很难连接这些非常混乱的数据并分析隐含的内容。 当然，必须承认的是，在数据操作中，会有许多主客观因素，影响数据和数据分析的准确性。数据本身想法，对数据的解释在一定程度上也会受到与产品相关部门的人员偏好的影响，使数据具有思想和针对性。分析这些数据会有不同的结果。例如，市场部门和运营部门对产品转化率的理解非常不同。如果这种差异一直存在，那么企业就会进行数据分析，结果就会非常波动。 必须提到的是，第二步有两个特定的场景。例如，当面对一堆数据和一个特定的商业场景时，当你能准确地把握两者之间的关系时，这意味着你可以准确地把握两者之间的数据中间层。 第三步：操作和分析数据。第三步的主要内容是通过数据分析得出结论：企业业务是否正常，如何优化数据促进企业业务优化，如何通过数据分析找到有利于企业发展的方法，帮助企业创造新的商业价值。 这些问题之间似乎有明显的递进关系，但事实上，逻辑关系并不是那么简单。 对于这三个问题，我们应该根据不同的场景进行具体的分析。不同的问题有不同的解决方案。我们应该具体对待问题，并对症下药。以下是几种可以解决不同问题的不同方法。 任何事物的发展都需要一个范围来约束，数据也需要一个具体的框架来分析企业的业务水平。因此，构建数据框架是非常重要的。有了合适的框架，我们可以更准确地分析数据，更直观地分析企业的业务质量。 数据框架是一个可以在同一水平上分解数据的标准。指标分解是一种重要的分解方法，可以组织混乱的数据，客观地分析企业的业务。 许多营销人员通常在评估他们的业务水平时使用以下两个指标。第一套是企业计算其营业额，公式为：营业额=流量×转化率×单价；另一套指标主要用于企业促销商品，公式为：大致营业额=预热期加入购物车×商品单价×经验转化率×经验营业额比例。前者用于评估企业某种商品或单一商品的健康状况，后者用于在企业促销的前提下预测大致营业额。 阿里巴巴有这样一句话：让信用变成财富。事实上，阿里巴巴也在练习这句话。阿里巴巴所有操作程序的核心是通过数据计算客户的信用水平，并通过评估客户的信用来授信客户。经过一系列流程后，通过审计的客户将获得所需的资金。正是这样一种良好的信用模式使阿里巴巴越来越成功，其产品越来越多，深受客户喜爱。 营销提醒： 除了数据框架的结构外，数据分析还可以锦上添花
