数据科学家杨滔揭秘阿里内部数据运用

在国内的互联网企业中，阿里巴巴算是对数据非常重视的一个。作为电商巨头，依靠淘宝和支付宝平台，本身就可以获得大量数据，此外还通过收购（友盟、高德等），来丰富数据来源。

    那么，这些数据具体是如何为企业运营服务，帮助业务部门提高收益的。或许可以从阿里巴巴数据科学家杨滔所分享的三个实际案例，来做些了解。

    下面是杨滔分享的部分内容摘录：

    我们团队的使命，第一个是以大数据为原材料，以机器学习和数据挖掘技术为工具，提升阿里巴巴业务部门的KPI；第二个让这种数据创造价值的过程规模化、可复制化、通用化、产品化，最终形成产品，以大数据为核心，以算法为核心。第三个是应用实践过程中，研发核心算法和模型。

    三个实际的案例，第一个是消费者超级数据集，第二个是淘宝网微市场，第三个是聚划算商品销售预测系统。

1、超级数据集

    就是对消费者本职信息的提炼，通过你的购物记录，支付宝的记录等，提炼出来你的性别、年龄，所在地的级别（是在城里还是乡里，是在几级乡，几级城市），是在沿海还是内陆，还有南方和北方，是不是结婚了，是不是有孩子了，还有反映你的消费力，通过支付宝的转账，社交关系和身份职业，这些信息都是从大量非机构数据化提炼出来的。

    比如说，我们通过支付宝和淘宝的数据，发现淘宝网有近两千万的大学生。而大学生的标签是本身数据中没有的，我们通过用户收货地址挖掘出来的，把大学职工和在职人员排除在外。

    还有是不是有孩子，是大孩还是小孩，你买母婴，孩子的用品，甚至汽车的用品，对于我们预测你有没有孩子是非常有帮助的。

    2、淘宝网的微市场

    我们把用户分到一个不同的群体，在这个群体中再找到淘宝网达人买家，用达人买家所喜欢的商品来给用户做推送，提升用户个性化的体验。

    可能你是一个大学生，可能你是一个都市的美少女，可能你是一个小城的贵妇，你是不同的群体就有不同的商品需求。

    首先我们给用户分成了很多群，这个群就是用到刚才所谓的消费者超级数据集，再根据用户的购物行为做动态的分组，比如说一个贵妇也喜欢买便宜的东西，一个不是有钱的大学生也可能买奢侈品，不同的行业里面和不同类目里面，根据消费者的行为做购物的动态分析。

    第三个是我们的专利，达人推荐，找到你所在的群体中比较活跃，善于发现淘宝商品的达人，用达人来给你做推荐。

    如果你是一个潜在的，比较追求高品质商品的人，和你相似的达人，都是买一些有品质商品的人，他们所喜欢的商品可能你都没有见过，但是能拔高你的需求，而不是重复你的需求。

    在女装微市场我们测试了六个群体，如果你在我们六个群体中，你不会知道，但是你默认看到的东西和别人看到的东西是不一样的。这六个群体是用到了分群和达人推荐，各项指标提升得都非常明显。

    其中成交转换化，客单价和UV价值平均提升20%以上。其中“贵妇群”支付宝交易额UV价值提升60%以上，贵妇群以前在淘宝很难找到适合她的商品，淘宝更照顾便宜和性价比高的人群，我们找到达人买家，直接提升类目的KPI。

    3、聚划算商品预测系统

    聚划算中筛选商品是关键的一环，大家都想上，但我们只选少量的商品。

    做这个项目之前我们了解了业务的实际需求，聚划算的运营人员，每人平均每天要审200个商品，没有数据的支持拍脑袋是非常辛苦的，而且没有一定的标准。

    我们是提升选品效率，增加爆款量，根据聚划算、淘宝的属性，卖家的属性，品牌属性，自动让工作人员筛选高销售的商品和卖家。

    我们把完全用机器审核和完全用人审核做了一个对比，具体的数字不方便透露，最后的指标看平均一个坑位的销售额，人审核和机器审核，提高了人工平均单产是64%，在人必须审核的时候减轻人的运营成本和操作压力。

    我们做这一套销售预测系统不仅有算法的创新，解决聚划算的实际问题，对于未来淘宝网精细化的运营，包销，机器自动审核频道，招商，如何从海量的卖家中去找到最合适这个平台的卖家，还有合理的定价和库存管理，就是一个基础的工具。