從電商到媒體,從商品推薦到客戶行為分析 - Udn 的 big data 價值實踐之路
-
Upload
etu-solution -
Category
Technology
-
view
3.549 -
download
0
description
Transcript of 從電商到媒體,從商品推薦到客戶行為分析 - Udn 的 big data 價值實踐之路
從電商到媒體,從商品推薦到客戶行為分析
- udn的Big Data價值實踐之路
聯合報電子商務部
黃俊賢
Agenda
一、源起 - udn買東西的誕生
二、Big Data的價值
三、尋找金羊毛
四、未來展望
五、「你究竟從事甚麼產業?」
最懂你的網站
員工數 140人
會員數 40/200萬
商品品項數 120萬
單月不重複訪客 200萬
年銷售額 15億
關於聯合報系
1.1億
600萬
200萬
264/
9,599
60萬
448/
1,344 250萬
62
Big Data的價值 – 回歸本質
S + V + O
S V O
S Ving O
Big Data能帶來甚麼改變?
體能/裝備
戰技
戰法
戰術
戰略
尋找金羊毛
Touchdown!
Etu Recommender Application
協同過濾 分析
Collaborative Filtering
轉化率分析
資料 擷 取
推薦清單
推薦引擎
Etu Appliance
Etu Recommender
Product Pages
Category Pages
Search Results
Cart Pages
Email Confirmation
EDM
歷史訂單
產品資料
即時訂單
瀏覽、點擊
放入購物車
結帳
線上評論
搜尋
未來展望 – EC篇
Big Data實際應用
透過各種方式探索、收集、分析客戶的需求與「問題」,與客戶進行實質的互動
推薦引擎:online
• 推薦類型:User Based、Item Based推薦
• 同類推薦:商品、新聞、廣告、展演活動…等
• 跨類推薦:新聞推商品、新聞推廣告、活動推商品…等
大數據分析:offline
• 瀏覽行為分析:顧客動線分析 – Click Stream
• 網站功能效益:電子報、活動網頁、排行榜、…
• 行銷效益分析:準確地評估活動或廣告帶來的效益。
• 使用者喜好分析 (使用者分群)
• 使用者行為預測
“pre-” + “-ing” + “post-”
Recommender
商品頁
电商前台页面
分館頁 購物車頁 推薦結果
行為數據採集 推薦結果 API
HBase 瀏覽日誌
搜尋日誌
購物車
訂單
消費者
統計分析
行為數據倉庫 Hive
JDBC/ODBC Connector
Hive SQL
Hive SQL
採集 推薦計算 結果展現 分析挖掘
Tableau
ER Data Exporter
從面向「內容」到面向「用戶」
EC
廣告
TV 出版
藝文展演
教育
新聞
(內容)
未來展望 – udn 2.0
CRM
「你究竟從事甚麼產業?」
新產業的誕生 – 大聯合報虛擬生活圈
解構傳統產業定義
顧客導向 :單向餵養 -> 雙向交流
跨平台、跨載具 (多螢)
雙向虛實整合
企業能不能持續成長,取決於對本身業務的定義有多寬廣,以及對顧客需求的評估有多仔細。因此,要以顧客為導向,妥善地管理你的產品;而且,不要畫地自限,只著眼於眼前的獲利,才能讓自己的事業有更高、更寬廣的發展。
鐵路公司任由其他公司搶走顧客,因為他們認為自己屬於鐵路業,而不是運輸業。他們會對自己的業務範圍界定錯誤,是因為他們以鐵路為導向,而不是以運輸為導向;是以產品為導向,而不是以顧客為導向。
行銷短視症 (Marketing Myopia)
希奧多.李維特 Theodore Levitt