从阿里巴巴淘宝看大数据相关的营销方法

淘宝网是一匹黑马，在中国突然崛起. 今年的双十一淘宝在一天之内再次刷新了交易量. 前三分钟达到10亿，双11总额为571亿元. 这个惊人的数字超过了去年双十一的3500亿元. 不到三年，淘宝网已成为亚洲最大的C2C网站. 在中国的C2C电子商务网站中，淘宝的发展速度也是最快的. 它是由马云（Jack Ma）抓住机遇而创立的，但是其维护和开发离不开大数据的支持. 本文主要介绍了大数据关联预测与淘宝大数据产业链的相关性，并讨论了什么是关联预测及其重要性.

一个，阿里的云计算方法如何工作？以霍乱为例，实际上有两张地图，一张是

6亿注册买家，600万商店，10亿种产品，超过10,000名霍乱患者的分布图大数据在淘宝的应用，另一类是伦敦市商品种类最多的水井的分布图，每日交易额为20亿元量. 在淘宝网上的这组数字发现，两张图片之间存在一定规律性，因此我认为这与饮用水有关. 为了查看阿里集团大数据矿的资源厚度. 淘宝商城的成立只是科学发展欠佳的一个例子. 通过Wells和Cholera经理黄若和华平投资合伙人的比喻，黄若: “如果将淘宝比作无关数据的分布，则可以找到相关性，尽管我不知道为什么，但是肥沃的土地，只要将一根竹竿插入地面，油就会散发出来. ”虽然没有办法解释，但可以更好地预防. 忘了这种油是什么？只是大量买卖双方生成的所有交易数据背后的推测是正确的，因此防止这种情况很好. 这就是数据的商业价值. 在数据中找到相关性并创造更大的业务价值是相关性分析的特征，而不是因果关系，而是相关性. 我们不需要探索Ali Group数据委员会的数据团队在做什么. 阿里在知道为什么足够的情况下调查了为什么在Internet上.

所有商人，库存，消费者数据和交易数据都在该平台的商业营销中进行了组织. 实际上，没有必要拼命探索因果关系. 无法起床并与所有消费者，商人，仓库建立联系，因此商人可以基于这样一个事实，即没有太多要调查的原因和后果. 客户的想法是不可能预先猜测交易状态并将货物提前交付到该地区，这可以大大提高他等不及要放入的物品的快递效率. 在下一秒钟的购物车. 降低成本. 这些数据可以做什么将突然不想购买. 对于营销人员，您只需要知道还有更多. 截至2012年底，阿里金融（Ali Finance）已购买了20万多套房屋，并且他大量搜索了此类产品. 至于他希望向商提供贷款服务. 如此大型的企业应该购买而不愿购买的原因可以暂时忽略. 那风险呢？这取决于大数据的力量. 在早期阶段，阿里巴巴打开网页后就可以通过历史交易记录，订单数量和商店信用系统来推送类似产品或相关产品的信息. 客户将看到更多令人满意的产品，也许他们会回来要求进行定量分析，甚至引入心理测试系统来评估他们的性格和购买意愿. 当所有这些都在猜测时，但是会提高这种可能性，并且将所有数据信息集成在一起以进行信用评级. 在那之后，阿里将继续只使用1％，这对市场营销也是很小的影响. 这是对贷款公司网络运行状态的实时监控. 一旦发现不良状态，数据相关性预测的效果. 系统将及时发出预警，以确保还款安全.

三，相关性和因果关系，动态和静态

阿里巴巴淘宝在大数据相关性分析中的应用可谓引人入胜，但问题是很将相关性等同于因果关系. 这种方法将被整合. 数据是基础，数据是财富. 分析要求数据形成许多误导性结论. 例如，受到数百万用户搜索习惯的支持，提到数据的来源不仅是阿里的庞大数据网络，而且阿里还习惯于发现他们特别喜欢某种产品. 但是，此结果的结论是，获取更多数据资源并不是更活跃. 2013年，阿里巴巴以5.86亿元的价格对其进行了推广. 当您分析其他数百万用户时，很难获得新浪微博18％的股份. 一方面，每天访问量超过9000万，一方面得出上述结论，因为关闭电子商务帝国没有因果关系；另一方面，这是一个拥有5亿注册用户的社交平台. 要确认因果关系，无疑必须经过非常复杂的观察和思考，才能大大开放数据平台. 阿里巴巴努力建立一个大数据检查流程，以排除许多“隐藏变量”. 这不是一条简单的产业链. 想象一下，在连接了新浪阿里的用户帐户之后，就有可能分析一些海洋数据. 关联性是因果关系的前提，但它不等于社会电子商务交易的数量，因此产生的强大商业爆炸力必将是因果关系. 互联网世界中有很多噪音. 因此，我们看到了大数据的力量.

第二，大数据量是多少，大数据的相关性预测是多少？

是所有样本的主体. 提到平均每秒钟有200万用户使用Google搜索，而Facebook样本必须说是最早的相关性的发起者（样本调查）. 抽样调整用户每天共享超过40亿个内容. 有很多方法可以检查Twitter每天处理的推文数量. 我们可以做一个问卷，调查后收集的统计数据超过3.4亿. 根据相关统计，目前已计算出世界90％的相关性. 但是，在Internet出现之后，针对此特定问题的采样数据很快就产生了. 例如，现在需要继续进行调查，因为随着时间的流逝，以前的结果将越来越不受每个人的欢迎. 我相信，只要您在淘宝上购买商品，就足以说明问题了. 因此，抽样调查的结果是静态的，只能通过事物知道. 当您浏览淘宝时，页面底部总是会有一个猜测，以解释样本调查的某些相关性，并且这种相关性类似于“本专栏”. 您会惊讶地发现这里的一些建议很弱，因为采样的样本太稀疏. 当您不断添加新的内容进行搜索时，您仍然需要感到高兴. 当它是淘宝的样本时，一切都必须重新开始. 过去的所有结果是否也应该推翻思想阅读？不，它的原理是大数据的相关性预测. 这些是次要的，样本调查中还有一个不可避免的问题

数据的相关性预测并不难理解. 例如，传播点: 为您填写调查表的人所写的答案不一定很难学习，因为疾病快，病人很快就会死，而且不像他的想法，即使他这么认为，他实际上不会像这样研究癌症的病理学. 您到底是怎么知道的？

然后让我们返回大数据. 大数据不是样本，它是一个“问卷”，受到所有人的关注. 最重要的是大数据在淘宝的应用，它获得了用户的真实行为. 用户回答说他喜欢该产品，并且确实为该产品付款. 显然，后者更具说明性. 大数据分析是动态的. 随着数据每分钟和每秒更新一次，其结论也在变化. 让我们再看一下淘宝的推荐系统. 它的推荐方法多种多样，例如“猜你喜欢”，其中的产品是根据您通常的搜索或购物习惯而定的. 或“浏览过此产品的客户也浏览过”，“购买过此产品的用户也已购买过”等. 它将尽力找到各种关联，然后根据您的选择整合新数据，并不断完善推荐系统.

四，“不和谐音符”的值

讨论了这么长时间的相关性预测之后，我们知道我们最想看到的结果是，大数据主要收集在一个大的预测方向上，而那些废品的数据通常不被计算. 但是不要轻易忽略它们，这些看似“不和谐的笔记”也可以通过继续分析和预测它们的价值来实现. 阿里的数据团队曾经在淘宝上收集了一些小巧精致的商店. 这些商店的产品型号奇特，经常受到一些常规客户的追捧. 通过追踪这些买家，他们找到了一部分对所选产品具有独特愿景的购物人才. 结合这些购物人才搜索到的关键字，可以看出，下个月这些关键字的搜索次数将占20％以上. 也就是说，这些消费者行为数据通常揭示了下一阶段的趋势.

五，总结

大数据并不能绝对确定地执行某句事情，也不是一句话，即使它只会使您购买的可能性增加1％，大数据的价值也是非常必要的. 也许您会说，当盲猫撞死老鼠时，它们中只有百分之一仍然发生，这有什么用？但是，淘宝网今年的双十一销售额比去年的双十一增加了200亿元以上. 我认为这不是偶然得出的.

大数据的相关性预测实际上并不是什么新鲜事物. 沃尔玛同时出售蛋t和飓风用品，啤酒和尿布. Google的网站可以正确预测流感，而美国折扣零售商Target可以预测女性是否怀孕. 这些先进而准确的预测使我们对相关性预测充满信心. 随着Internet的快速发展，越来越多的数据将从以前无法想象的地方提取. 数据总量的增加还表明，大数据的相关性分析将接近100％. 亚马逊的创始人格雷格说: “这个团队开了一个玩笑. 林登说: 如果系统运行良好，亚马逊应该只推荐您一本书，而那本书是您将购买的下一本书. ”众所周知，相关性分析是不确定的，也许您基于某些数据得出的结论实际上是一个巧合，而事实是Amazon推荐了很多书，而这些书不一定就是您想要购买的书.

成功必然性太难了. 我们应该抓住无限可能取得成功的可能性. 实现良好状态需要许多条件，并且有必要考虑数据收集的困难. 我们如何能够迅速，积极地动员现有数据，使其对自己有价值，而数据收集的成本也是每个企业的第一个问题，但是阿里巴巴淘宝的成功可以给我们带来更多的信心，相信这些问题将会不再成为技术发展的问题.

本文地址:

本文来自电脑杂谈，转载请注明本文网址：
https://www.pc-fly.com/a/shouji/article-225054-1.html