「聚划算」的智慧營銷

知識 03-06

阿里巴巴集團C00張勇說：「天貓『品質』、淘寶『萬能9聚划算『活力』。」聚划算就是阿里巴巴和所有商家的「倚天劍」，曾任大淘寶CEO的張建鋒說：「聚划算本身沒有商戶，它的商戶是從兩個平台裡面選的，可能是淘寶可能是天貓。」聚划算最核心的價值就是它有非常強的規模化的能力，走量。銷售模式是一個金字塔，頂層是聚划算這種團購模式。第二層次是一段時間之內銷售很多商品，賣光為止。第三層次是平台模式，如天貓、京東。團購是在金字塔的塔尖，有非常強的出貨能力。有些商品需要短時間內的出貨能力，特別是生鮮類。可以說聚划算是整個集團業務里最頂尖的銷售方法。但是天貓、淘寶、聚划算，是一個有機的配合的過程。聚划算網站是一個體驗式營銷平台，以聚新品、量販團、商品團為主，致力於給買家提供極致性價比的商品，以有限的商品打造熱門商品，支撐平均每日高UV(Unique Visitor，獨立訪客)訪問下的高成交額和高售罄率。

大數據有兩個強項：一是挖掘好的，二是發現壞的。隨著聚划算的高速發展，這兩個問題衍生出越來越多的大數據解決方案。舉例來說，好的方面，通過數據演算法自動挖掘出好的招商商家與商品，根據興趣點推薦給最合適的消費者，提高平台銷量；壞的方面，對虛假訂單進行監控和預報，識別秒殺器等作弊現象，更快更恰當地輔助運營處理糾紛。

聚划算平台整個業務流程可分為兩部分，「招商」和「交易導購」。招商系統主要根據一定的策略和工作流程，選擇出合適的商家、商品。交易導購負責在某一時間段內，進行前台展示，引導買家購買。聚划算一直在做數據化運營，利用大數據來決定招商與導購。聚划算的量特別大，備貨、生產，都要一定的周期，這個周期導致很多時效性強的商品沒有確定性就不敢去備貨。大數據給這個平台帶來了很多變化，能夠在一定程度上降低賣家的風險，根據賣家申報的商品合適與否進行銷售預測。大數據讓聚划算知道，什麼價位能賣出多少此類商品，這是傳統企業沒法知道的。所以聚划算員工會跟賣家做進一步的溝通：產品要做哪些改變，定在什麼價位。機器給出選擇，人工進行最終審核與確認。

1. 商家端：數據化招商

在商家端，聚划算的整體運營發展路線，是從「人工」到「積累數據」，從「數據」到「模型」，從「模型」到「自動運營」的過程，經驗積累數據，數據養起模型，運營越來越精準高效，歷史數據判斷哪個品類銷售最好，預測未來銷量，給出最優商品選擇，審批人確認決策，商品團基於數據自動化運營，品牌團由數據支撐發揮運營創新性。

1.1. 聚划算的招商流程

如圖 1 所示，聚划算的招商流程包括活動管理、品類規劃、招商報名、報名審核、排期發布5個環節，卻存在因為人員經驗等差異化因素導致的審核質量問題、招商與導購效果問題、運營能力沉澱問題、小眾品類發現速度問題、人工審核量太大等問題。所以在原有人工流程中，以「去運營化」作為突破口，加入了模型支撐，依靠接入各種數據模型，自動化執行品類規劃、報名審核兩個步驟，由活動管理提供模型輸入（坑位數、品類範圍等），模型根據要求跑出數據，自動生成品類規劃、發起商家/商品的邀約報名。

「聚划算」的智慧營銷

打開今日頭條，查看更多圖片

圖 1 數據運營招商流程圖

招商架構圖如圖 2 所示。

「聚划算」的智慧營銷

圖 2 招商架構圖

在整個招商流程平台上，規則引擎、數據模型、數據平台三個組成部分十分關鍵。

(1) 規則引擎：是針對各行業類目的數據化運營「執法者」，貫穿整個參聚商品的生命周期，既要融合準實時系統與離線選品模型，又要兼顧運營規則管理的靈活性、實時性、簡單性，而且降低離線模型對規則的在線依賴。

(2) 數據模型：是整個環節的核心、數據支撐的重點，關鍵數據環節包括數據類、工具類、演算法類，數據類平台需要連接多個來源的數據，並提供基本數據查詢、統計、展示和數據再加工等功能：工具類包括人群分析、市場分析、報表系統、人工選品等，需求是能夠定製各種維度或組合的數據或數據報表；演算法類包括主題挖掘、演算法選品、潛客挖掘、主題創意、投放優化等，這類需求一般要根據業務的特點建模和優化，儘管需求不同，但底層的演算法模型和基礎數據具有共性。

(3) 數據平台：提供完善的基礎選品維度，以及快速整合數據資源，響應數據需求的能力是做優整個選品流程的基礎，主要提供4種視角的基礎維度特徵。

①商品維度特徵：基礎類特徵（行業、類目等），瀏覽成交類特徵（瀏覽、收藏、加購、購買及各項轉化指標），運營服務類特徵（上架時長、包郵退貨服務、品牌授權等）。

②賣家維度特徵：基礎類特徵（主營類目、店鋪類型、星級等），瀏覽成交類特徵（瀏覽、收藏、加購、購買及各項轉化指標，筆單價、客單價等），運營服務類特徵（開店時長、熟客率、動銷率、DSR評分、有無消保等）。

③圖片維度特徵：基礎類特徵（寬高比、邊框寬度），顏色顯著類特徵。

④行業維度特徵：店鋪在行業下的老客復購率等。

1.2 數據應用（請詳讀原書第83~85頁）

......

2. 消費者端：數據化導購

在消費者端，推薦「好寶貝」的方法主要是兩個場景，基於搜索和非搜索推薦，前者是淘寶主搜的方式，後者是聚划算的重點。因為消費者登錄無線端3?5min如果找不到喜歡的寶貝就離開了，所以個性化的首屏展示十分關鍵。聚划算致力於將最適合消費者的商品主動推薦過來，並提升大流量在商品列表、詳情頁的訂單轉化率，基於偏好推測你最想看到什麼商品，以及商品與商品之間的關聯推薦（啤酒與尿布相關性），在商品詳情頁、付款成功頁「趁熱打鐵」推薦更多相關寶貝，促進「交叉銷售」效果。在無線端，比較私密的場景下，根據用戶喜好等個體因素主導，將數據理論與業務經驗相結合，獨創在線學習的「馬虎演算法」，使用個性化展示，將多個團隊開發的在線學習、個性化等演算法融合，不斷優化不同場景下的數據推薦策略，成功將轉化率大幅提升。在PC端，注重調性與氛圍，採用類似天貓的「賽馬」機制，根據寶貝的歷史表現（點擊率、銷售額等多項複雜因素），即某一時段的銷售情況，將評估潛力足的寶貝往前排放展示，同樣將訂單轉化率提升了很大比例。

聚划算每天收集到很多有價值的數據，日成交UV和成交訂單已經超過百萬，超過千萬的瀏覽UV，用戶的行為可以成為數據驅動開發很重要的切入點，在此分享一些有趣的數據發現。

2.1. 購買前的躊躇

博弈論中有這樣一個觀點，「消費者的購買衝動是隨著對商品接觸次數的增多而減弱的」。也就是說，如果能讓用戶一時衝動就買下商品，成交的可能性會大大增加。當用戶對商品了解越多，接觸越多，也許一些負面的東西就留下來了，便無購買意願。當然，用戶對商品的多次試探，其中的原因可能也很複雜，也許是預算不夠，也許是本身就沒有這個需要，那麼如此一來他也可能不會加入「購物」的大軍。提取某天的聚划算PC交易數據，並整合了當天的瀏覽數據，就成交前的用戶瀏覽次數和決策時間進行分析，如圖 3 所示。

「聚划算」的智慧營銷

圖 3 成交前商品詳情頁的瀏覽次數

從圖 3 中可以看出，絕大部分用戶是「衝動型」的。90%左右的用戶，在三次瀏覽以內，就完成了下單和付款。瀏覽次數的加權平均值是3. 0，瀏覽三次以內成交的佔比為 89. 4%(佔有瀏覽量的訂單總數）。

圖 4 是用戶在下單付款前的「決策時間」分布圖。這裡所謂的決策時間，就是下單時間與當天第一次瀏覽的時間差。主流的詳情頁決策時長在1~5min(50~300s)。時長的統計和瀏覽次數很不同，時長分布曲線是急速上升後緩慢下降。後面有很長的尾巴，說明決策時間在消費者中差異比較大，用平均值（平均值1340. 8s)作代表的意義就不大了。

「聚划算」的智慧營銷

圖 4 成交前決策時間分布

在完成以上兩個簡單分析後，有一個問題一直困擾著數據分析師，在交易和日誌記錄中，每天存在著約5萬~8萬沒有任何瀏覽記錄的訂單（這個數字在查詢日誌擴展到成交前一天後依然沒有太大的變化）。在數據團隊討論後，做出了兩種猜想：一是有一些用戶在手機端加人購物車，然後在PC端進行的付款，無法完整跟蹤；二是有一批「專業」的刷單賬號，通過聚划算的直接購買鏈接（buy_item_action)採用機器下單，批量作弊。於是數據專家對這些用戶產生了興趣。

2. 交易行為聚類（請詳讀原書第86~88頁）

......

3. 聚划算秒殺反作弊（請詳讀原書第88~90頁）

......

3. 「聚划算」的數據價值

1. 業務價值

通過大數據演算法設計與優化，將聚划算訂單移動端轉化率提升了 20%~30%，PC端轉化率提升了 10%以上，零秒訂單減少了 65%以上，極大地提升了商品銷售量，大幅降低了作弊比例。

2.產業價值

為移動電商、在線團購營銷，提出了數據營銷、數據招商、數據反欺詐的創新模式，為 DT時代的產業形成行業應用標杆，具有良好的商業複製價值。

3.社會價值

保障消費者公平、便捷、舒適地享用電商團購服務，保護了優質商品和信譽良好商家的商業利益，培育更健康的電商市場秩序，DT社會化應用功不可沒。

大數據是「互聯網+」浪潮下的重要產物，也是推進「互聯網+」戰略的關鍵技術。