讓丁磊付出很大心血同時也被寄予厚望的電商業務,終於在2016年交出一份亮眼成績單。但有關季度毛利率環比下降等細節仍待“業績修補”。
在網易2月16日發布的2016年第四季度及全年財報中,四季度凈收入為120.99億元,同比增53.1%;凈利潤36.83億元,同比增70.2%。2016全年,在線遊戲以279.8億收入貢獻了整個網易七成以上營收,已經與騰訊遊戲一起構成雙寡頭格局,在遊戲第一陣營中站穩腳跟。
盡管電商業務(外加郵箱及其他業務)在2016年獲得80.46億收入,與2015年的37億相比增長了117.5%,逐漸成為網易營收的另一級;但對電商業務至關重要的毛利率卻出現連續兩個季度的環比下滑。財報對此未給出具體原因。
分析認為,對於自采自營型的考拉,四季度的大促可能是人為壓低利潤的一個原因,而拓展不同類目的毛利率差異也對整體毛利率帶來影響。比考拉啟動晚一年的嚴選由於掌握定價權,與自營模式相比存在更大利潤空間,嚴選規模的擴大有望改變網易電商整體的毛利結構。
毛利率變數
在線遊戲業務的持續增長給網易提供了一個殷實的後院,讓丁磊能踏實地實踐他的電商夢。但與其他競爭者相比,他的電商腳步可謂小心翼翼,一直堅持穩健策略。
“電商這塊沒怎麽燒錢,主要是利用網易自身資源做推廣,獲客成本比其他對手低。”一位網易內部接近丁磊的員工對第一財經記者說,丁磊的意圖是先利用好網易旗下的媒體與產品平臺,為考拉和嚴選導流,提升轉化率;再考慮外部流量,比如以資源置換的方式與明星、外部網站等合作推廣。網易很少做單純的電商廣告曝光。
丁磊一直堅持在考拉上寫推薦專欄“三石私物精選”,年前他還把一些員工召集起來,給他的專欄提改進意見。一直強調商品品質的丁磊似乎在有意控制考拉與嚴選的發展速度。畢竟對於自營電商,選品上的擴充不像平臺型電商那樣“來得快”。
與前幾個季度一樣,網易電商業績仍沒有獨立披露,而是和郵箱與其他業務放在一起。據第一財經記者了解,“其他業務”主要包括直播、保險、支付等邊緣業務,收入占比很小。在“郵箱、電商及其他業務”這一欄中,電商的營收占比最大,再細分下去,由於起步時間上比嚴選早一年,考拉的營收占比更大。因此,有關考拉的風吹草動直接決定了這部分營收的變化。
據財報顯示,2016年電商(包括郵箱與其他業務)毛利率為28%,2015年為7.9%,增長明顯。但如果比較季度環比數據,2016年第四季度毛利率為23.4%,三季度為33.5%,二季度為33.8%,呈現下滑趨勢。CFO蔡安活在隨後的財報分析師會議上將其籠統歸因於“某些電商業務縮小了規模”。
究其原因,一方面受“雙11”、“黑色星期五”等網購節影響,每年四季度通常是電商大促季,網易電商人為擠壓了部分利潤讓渡給消費者,同時不排除2016年跨境電商新政對利潤空間的擠壓效應;另一方面,不同品類商品之間毛利率差別很大。2015年網易考拉主打尿不濕、奶粉等母嬰用品,這部分剛需商品的毛利率較低;從2015年四季度開始,考拉大規模引入美妝,這也是2016年電商整體毛利潤明顯高於2015年的原因之一;進入2016年下半年,美妝類目拉升毛利率的前期效應開始減弱,考拉進入了像家居等更多細分類目。對於自采型、主要賺取進銷差價的考拉,需要找到更多高毛利品類,更加完善商品結構。
誘人的定價權
與考拉不同,嚴選走的是另一條路:ODM,即Original Design Manufacture(原始設計商)。由於掌握了產業鏈上遊的設計與制造環節,嚴選擁有了更強的定價權。一般,擁有定價權的ODM模式理應比自采自營模式享有更高的毛利。但嚴選2016年初才起步,目前尚未形成足夠規模,因此它對網易電商整體毛利率的影響還未明顯體現。
但這種自有品牌模式很可能成為電商未來發展的一個趨勢。近日據《華爾街日報》消息,亞馬遜將以10美元左右的低價在網上出售自有品牌內衣,將對Victoria's Secret(維密)、Calvin Klein等內衣品牌商構成潛在威脅。事實上,除內衣外,亞馬遜最早從2006年就嘗試了自有品牌商品,比如家裝工具自有品牌Denali,床上用品(Pinzon Bedding &Bath)與電子產品配件(Amazon Basics),2015年上線嬰兒尿布品牌(Amazon Elements),2016年以自有品牌進入食品與家居領域(Happy Belly),以及2016年大舉進入服裝與時尚領域(旗下至少7個自有服裝品牌)等。這些大多屬於毛利率和複購率相對較高的生活用品。
當平臺的品牌影響力足夠強大,通過向上遊掌控供應鏈與產品的設計生產工序,壓低中間環節溢價,將更多利潤讓渡給消費者,再通過口碑評價強化平臺價值與購買認知,形成閉環。
第一財經記者從嚴選方面了解到,除了中國市場,嚴選正在提速海外選品,比如發現日本和印度市場的好貨,與當地工廠合作,以擴大選品規模。此前花旗銀行的研究報告認為,嚴選將成為網易電商業務重要的GMV(總交易總額)增長驅動力。
阿里與百聯公布合作的消息已過去數日,但零售業、電商界人士的討論並未離場。
大家都覺得新零售時代到來了。O2O絕對是今年的關鍵詞,接下來還會有更多的電商與實體零售商之間的合作、並購等。
在新零售背景下的O2O合作存在幾大問題,包括線上、線下雙方後臺的對接整合、區域性限制、人員溝通困難和資金問題等。
電商的確沖擊了實體店商,從根本性而言,實體店商要充分發揮自身擁有的資源優勢,使線下店商成為線上電商的另一種平臺,那麽實體店就有存在的價值,也可以讓實體零售商轉危為機。
電商擁有技術、導流功能和線上渠道,這是實體零售商所缺乏的,也是大潤發、百聯、銀泰商業等實體業者需要與電商合作的理由。所以電商是實體商業的電子化平臺。
反過來想,實體店商何嘗不是電商的另一種平臺?
比如,實體零售商的門店資源。我們註意到,大潤發的門店有45%位於三線城市,22%位於四線城市,其大量滲透三四線城市的網點正是欲開發農村電商的阿里等業者看重的。而百聯在華東地區的廣泛布點則是阿里要發展長三角區域新零售所需要的。
區域性限制決定了零售商們通常只能在某個區域市場占據龍頭地位,這就需要電商們逐個收編、合作。
因此,實體店商們得在某個區域市場做大做強,讓自己的區域滲透率成為自己繼續存在的理由之一,一旦你的實體店成為合作電商線下提貨、物流配送的平臺時,電商就對店商有了需求黏性,即便你想關店,合作電商也不會允許你關店,它反而會替你買單來繼續運作這個物流平臺。
同時,實體店也可以成為電商貨品展示平臺,畢竟有些貨品還是需要“眼見為實”——或試穿,或體驗式消費等。因此實體店商與其和電商爭奪客源,不如與電商合作,讓電商以價格優勢去招攬客源,而實體店則負責做展示與體驗平臺,雙方分工合作,收益分享。
再者,對電商而言,優質的實體零售業者具有很強的采購議價能力和庫存管理技術,這些都是電商所缺乏的,也是具有資金實力的大型電商願意砸錢來收編實體零售企業的主因之一。
誠然,線上線下雙方企業的對接整合、人員溝通等這些問題的確突出。這就要求實體店商得轉變思路,去充分理解線上銷售的貨品與線下銷售貨品的差別,這里包括商品本身的差異和營銷手法的差異。
曾有人戲稱,如今假設不帶手機或沒有微信,就好像沒有穿衣服一樣。其實微信、手機之所以厲害,是因為其社交平臺屬性獲得了用戶高度的黏性。同樣地,在實體店商與電商的合作過程中,誰可以讓對方對自己的依附黏性更高,那麽誰的優勢就會更明顯。
由此可見,店商們應該充分發揮自己在采購、門店布局、供應鏈管理等方面的巨大優勢,同時克服O2O合作中的難點,讓自己成為合作電商不可或缺的平臺,這會是實體店商們繼續生存下去並笑到最後的理由。
短視頻的火爆來源於其獨特性。
本文由老鷹基金(微信ID: eaglesfund)授權i黑馬發布。
都市高速運轉的快節奏生活,淹沒了人們閱讀、品味的時間;疲憊不堪的生活壓力,也促使著人們去找尋更加便捷、快速的方式去獲取知識;短視頻作為內容呈現的新形式,憑借其比文字圖片更加動態、簡潔的形式,成為內容創業中的新風口。
1 短視頻的火爆來源於其獨特性
今日頭條拿下中超聯賽短視頻版權,同時還宣布投入10億元補貼頭條號上的短視頻創作者;騰訊的芒種計劃2.0中有10億現金補貼將集中在原創和短視頻內容創作者上;這段時間中,各大巨頭紛紛將目標鎖定在短視頻領域中,正是希望可以借助短視頻來增強自身的用戶流量,實現品牌的宣傳和變現。
對於個人而言,短視頻是打造個人IP屬性的不錯選擇。相比較文字、圖片等等其他的表現形式,短視頻往往會更容易產生身臨其境的代入感,更容易引發情感共鳴。人們總有表達和被認同的需要,當短視頻實現了情感的溝通時,用戶將產生很強大的用戶粘性。同時短視頻是更易推廣的傳播方式也將助力個人IP的打造。
對企業而言,是不錯的品牌營銷工具。企業可以借助其用來宣傳自身品牌或者推廣自己產品的途徑。比起微博與微信的文字配套攻略,在短視頻更能更好地實現品牌多維展示。與此同時,短視頻作為具有強娛樂屬性的UGC平臺,其上的相關原創內容,品牌若能善加挖掘,便能輕而易舉地借力傳播。
而從市場情況看來,現今市場上存在著大量泛娛樂領域的內容,美食類節目也在批量化產生,同時也已經有從泛娛樂領域的創作者向旅行、財經、汽車等垂直類領域轉型,以及尋找空白垂直領域的新入局者——處於媒介升級大環境下,眾多垂直領域還未產生頭部IP,這對於短視頻制作者們或許是一個積極的信號。
2 導流催化出更加強烈的變現
截至2016年10月,美拍的視頻觀看量超過79億,美拍的月點贊數達46億次,互動次數達到1.5億次;另一短視頻新貴快手宣布目前平臺上每天有5000萬人使用頻次,平均時長超過40分鐘,這也支撐起其100億元的估值。
在內容行業,商業化無非有兩條路徑:流量和IP。對短視頻而言,商業化則往往是前者。相較於長視頻,短視頻較難形成內容的習慣性消費,特別是純UGC視頻因為生產條件和過程的不穩定,可能較難出現IP,內容本身的變現能力並強,流量變現顯然是更好的選擇。
但是做短視頻行業終究還是要建立商業模式,僅為了流量而選擇垂直方向是無法長久的,所以第一步就要甄選門類,選擇容易建立商業模式的門類。
對於短視頻的生產者來說,目前已經有三類變現模式:
變現模式之一,廣告植入。一方面,把品牌活產品功能巧妙地融入到短視頻中,不僅能夠營造清晰的消費場景,還能避免硬廣給消費者帶來的反感情緒。另一方面,由於短視頻制造周期快速,也能夠靈活地配合廣告主的整體營銷調整。
變現模式之二,電商營銷。這是更多的短視頻生產方正在采用的模式。憑借「短視頻+電商」的模式,知名短視頻自媒體「一條」,估值突破2億美元;「淘寶二樓」也曾憑借一條鮁魚水餃制作視頻,在淘寶兩小時賣掉20萬只鮁魚水餃。
變現模式之三,付費觀看。從嚴格意義上看,許多平臺等贊賞功能,並不能成為付費觀看,這種非強制付費,目前並不構成內容生產者的主要收入來源。在短視頻領域,付費觀看還是只是剛剛開始。如果考慮到前期傳統視頻網站培養的付費會員習慣,短視頻的網紅經濟效應使得內容生產者向用戶直接收費成為可能。
3 對短視頻創業者的建議
內容為王仍是內容創業的真理。對於內容創業者來說,內容為王的捷徑之一是快速建立鮮明的個性化形象。
個性化形象一般都具有三個特征:有趣、有情、有料。找準獨特的趣味性行業,滿足人們對行業的好奇心;同時將幹巴巴的介紹與情感相結合,進而產生共鳴;在娛樂大眾的同時讓用戶有所收獲。從而打造一個鮮明的個性化形象。
當然個性化的好內容還還需要找到人群吻合、氣質搭調、變現成熟的分發平臺。現階段分發渠道眾多,成為不同人群消費短視頻的入口,但這也在一定程度上導致了C端流量的分散,平臺型的行業格局未定,未來會有一個較大的流量平臺、分發平臺出現。
短視頻的商業前景是非常可觀的,已經看到一些品牌和商家將投給紙媒和電視媒體的廣告轉移到短視頻上,未來無論是C端的消費還是B端的合作都會往短視頻方向走。
當然最後一點是許多內容創業者難以做到的——堅持。一如電視大師卓別林所說:「時間是一個偉大的作者,它會給每個人寫出完美的結局來。」偶爾的一篇爆款雖然可以帶來暫時用戶量的提升,但是長期來看只有高質量內容的持續性輸出才能真正打造出短視頻行業的IP。
在內容創業風起雲湧的的時候,短視頻作為重要組成也正迎接著風口,在這個風口上究竟如何起飛,誰又將能夠起飛都還是未知,但是這個風口註定將打造出一大批個性IP。
在人人都在強調內容價值的時候,對於布局文化產業的互聯網巨頭來說,渠道扮演的角色一點也沒有減弱。
本文由三聲(微信ID:tosansheng)授權i黑馬發布,作者 。
在全資收購優酷土豆一年半後,阿里巴巴大文娛這條“貪吃蛇”又吞下了一個大家夥。
3月21日,阿里巴巴宣布已經完成了對於國內最大票務網站大麥網的收購。後者將做為阿里的全資子公司,整合進阿里巴巴大文娛版塊。
大麥網發布的阿里大文娛“快樂版圖”
從2014年7月以D輪投資人身份進入大麥,持有大麥網32.44%股份,到三年之後完成全資收購,阿里巴巴對這家公青睞已久。阿里大文娛董事長俞永福甚至在公開信中把雙方的合作形容為“持續三年的認認真真的戀愛”。
在三年的“戀愛”期間,大麥網和淘票票等阿里的票房平臺達成了戰略合作,把淘票票的業務從電影擴展至演出、體育等泛娛樂行業,想要打造具備線上線下雙向宣發能力的營銷平臺。
過去三年,也是阿里巴巴從無到有建立大文娛版塊的三年。從成立阿里影業、阿里體育,到收購優酷土豆、蝦米音樂,再到整合UC、微博,逐步完善自己的文娛產業的布局。
收購大麥是這個布局中重要的一步。無論是它在線上票務領域的領先地位,還是對於線下整個演出和賽事的輻射能力,都能夠與阿里大文娛現有的業務產生合作的可能性。
俞永福表示,阿里音樂將是大文娛板塊中首個同大麥網實現業務打通的部分,不僅“在線演出票務結合音樂應用,實現用戶數據打通”,還要“以粉絲為核心,聯動藝人、票務資源,形成以粉絲、藝人、平臺三方聯動的’線上+線下’音樂營銷模式,實現阿里音樂的業務升級”。
交易完成後,創始人曹傑、馮宇鴻將離開大麥網管理者的位置,由阿里巴巴集團副總裁、阿里文化娛樂集團秘書長張宇出任大麥網CEO。在未來,曹傑將作為大麥網的特別顧問。
阿里巴巴和大麥網均以“暫不方便”謝絕了我們的采訪,不過這樁看似圓滿的聯姻背後,其實也隱藏著焦慮和無奈。
賣了14年的演出票,依然賺不到什麽錢
大麥網是目前國內最大的演出票務平臺
大麥網成立於2003年,前身是中國票務在線。算到今天,已經做了14年的賣票生意。
當時,創始人曹傑最早的工作重心都在快遞平臺“小紅馬”,票務只是旗下的一項附屬業務,然而僅在兩年之後的2005年,大麥網的規模已經跟小紅馬並駕齊驅。
大麥網的迅速成長得益於音樂行業在受到互聯網沖擊後,收入重心由專輯售賣轉向了現場演出。演出市場的發展催生和滋養了在線票務。到了2009年,小紅馬和大麥網的地位發生了翻轉,小紅馬在競爭激烈的快遞市場退出,成為了大麥網的一個部門,只負責票務的物流。
根據大麥官網上的數據,到了2013年,也就是大麥網成立後的第10年,銷售額已經達到了13.5億元,位居全國第一。同時,占國內可市場化票務部分的60%以上。
盡管交易額連年上漲,但演出票房並不是一個足夠賺錢的生意。為了不斷的擴張占領更多的市場分額,大賣網先後完成了三輪融資,通過售賣公司股份來換取公司的發展空間。
以永樂票務為代表的競爭對手,以及大量二手黃牛市場的存在,使得大麥並不能夠“一家獨大”,獲得足夠強的話語權。為了爭奪一些重要演出的銷售權,票房平臺往往需要付出更多的代價,甚至“什麽錢都不賺”。
大麥並沒有公布自己的經營數據,不過我們可以它最大的競爭對手身上看到這個市場的“殘酷性”。
永樂文化2013年和2014年的票務代理營業收入不足3000萬元,2015年1-10月則不足5000萬元。直到2015年才實現盈利。而跟據《2015中國演出市場年度報告》顯示,當年中國演出市場票房收入高達162億。
“賣票”賺不到太多錢後,大麥一直試圖通過“往上遊走”,通過其它業務來增加自己的收入。
從2015開始,大麥涉足了電影IP跨界孵化、電影投融資、電影營銷和電影票務等多個領域。大麥電影參投了由熱門網絡小說改編的國產電影《酥油》、主導引進了2016戛納電影節熱門展映作品《印第安納波利斯號》。這些電影並沒有取得理想的票房成績。
大麥還把目光投向了VR技術。此前,大麥網曾宣布將在國內重點城市打造“智慧場館”以及VR選座等相關業務,觀眾可以通過VR技術在演出的“第二現場”切身感受奇妙的服務,也可以解決由於距離遙遠、票價昂貴導致一些粉絲“無緣”偶像演唱會的遺憾。
2016年,大麥VR曾為電視劇《青雲誌》打造過國內首支VR交互體驗宣傳片,大麥VR還將為將在今年暑期商業的電影《京城81號2》打造專屬VR宣傳片與H5版VR互動遊戲,這些配合宣發的VR宣傳片以新思維和強互動為立足點,嵌入專屬劇情,主打年輕受眾。
但這些新業務沒有一個能夠成為大麥在廣告和票房之外新的穩定的收入來源,隨著市場競爭日趨激勵,巨頭們紛紛入局,這門生意更難做了。
從線上到線下,阿里巴巴的焦慮和解藥
高曉松的離開與楊偉東的任職,代表了阿里音樂的變化方向
從另一個角度來說,“不賺錢”的大麥網趕上了一個好時候。
過去兩年,隨著體育產業的爆發,話劇、音樂劇的走紅,以及音樂選秀節目帶動的演唱會市場,整個現場演出呈現出此前少有的繁榮。
尤其是當電影市場在去年降溫之後,越來越多的資本開始把線下演出作為新的增長領域。“市場份額第一”的大麥,也受到了多家投資者的追捧。
據一位接近大麥的投資者表示,大麥網過去兩年一直在尋求獨立上市。希望可以通過上市融資,從票房網站進一步擴展為一個文化娛樂公司。但都於資本市場政策等一系列原因,計劃最終沒有實現。
但大麥仍然趕上了另一個“風口”:互聯網巨頭們紛紛布局文化領域。以阿里巴巴、騰訊為代表的大公司們,開始在其中尋找合適的投資標的,鞏固自己的文化版圖。
如果我們把成立阿里影業做為阿里大文娛戰略的起點,那麽翻看過去幾年的收購和布局調整,可以清晰的看到阿里的布局邏輯:從電影業務出發向體育、演出、音樂等多領域進軍,從互聯網文化公司變成一個同時擁有強大線上和線下影響力的文娛集團。
大麥網正好滿足了阿里的這兩個需求:它最重要的演出票務正是淘票票所欠缺,也是競爭對手微影和貓眼正在發力的,阿里可以通過“大麥”把票賣到更多文化消費領域;而它與線下演出公司、演出場館的長期合作關系,又能夠把阿里音樂、體育、電影業務推到線下。
俞永福在公開信中表示,阿里音樂將會是第一個與大麥業務打通的版塊,將會帶給阿里音樂帶來“業務升級”。
高曉松的出走,阿里星球停止服務,阿里的音樂業務並不是一帆風順。在線業務受到QQ音樂、網易雲音樂的“擠壓”,線下的演出市場成為了它反擊最好的機會。同樣的整合與合作也會發生在阿里體育身上。
阿里星球線上商業模式並不完美
從入股大地院線,到收下大麥網,成立三年後,阿里大文娛在俞永福的帶領下終於想明白了同時掌握線上與線下渠道,對於整個文化產業布局的重要性。
掌握第一大院線的萬達在電影行業呼風喚雨,分眾傳媒霸氣打出“四億人兩億看分眾”的廣告,阿里巴巴大文娛也開始認清自己的樣子。
每一次戰略合作公開,就好像一只靴子落地,人們往往會猜測下一只靴子將落在哪里。
i黑馬訊5月26日,阿里巴巴集團與易果生鮮簽訂《股權轉讓合同》,阿里巴巴集團向易果生鮮收購聯華超市(香港聯合交易所代碼:980,“聯華超市”)18%的內資股股權,成為聯華超市第二大股東。
聯華超市股份有限公司是上海百聯的二級公司。截至2016年12月31日,聯華超市及其附屬公司的總門店數目已經達到3618家,遍布全國19個省份及直轄市,繼續保持在中國快速消費品連鎖零售行業的領先地位。
根據百聯集團公告,阿里巴巴受讓201,528,000股內資股股票,占聯華超市已發行股本的18%,成為第二大股東。易果生鮮仍持有1.17%的股份,將繼續發揮其在生鮮供應鏈和物流方面長期積累的優勢,與聯華超市形成戰略互補和業務協同。
阿里新零售下一只靴子落在哪兒?
今年2月,阿里巴巴集團與百聯集團在上海宣布達成戰略合作,兩大商業領軍企業將基於大數據和互聯網技術,在全業態融合創新、新零售技術研發、高效供應鏈整合、會員系統互通、支付金融互聯、物流體系協同等六個領域展開全方位合作,為消費者提供隨時隨地多場景的新消費體驗。
3618家門店有望開展新零售改造
阿里巴巴集團方面表示,此次投資彰顯了與百聯集團攜手踐行新零售的決心,未來將通過大數據重構新零售智慧門店,提升消費者的消費體驗以及商業運作效率,全面貫通線上線下商品、支付、物流、會員等商業生態體系。
未來逛超市的姿勢:所有貨架都會實現電子化
業內人士分析稱,聯華超市遍布全國的3618家門店有望率先開展新零售布局和改造,以滿足消費者全時段、全客群、多場景的消費需求。
未來逛超市的姿勢:消費者可享便捷的到家服務
每一次戰略合作公開,就好像一只靴子落地,人們往往會猜測下一只靴子將落在哪里。新零售頻繁布局落子的背後,彰顯了阿里巴巴經濟體定義商業未來的雄心。
如何把數據行為應用放到新零售里呢?
文 | 腦極體
先來思考這樣一個問題:為什麽星巴克的排隊一定是橫排的,而不是肯德基麥當勞那樣的豎排?
這個問題經濟學中有很多中解釋,但其中比較靠譜的一種認為:橫排排隊可以減少空間中的壓抑感,一方面讓整個空間看起來更寬敞,一方面可以降低人流的流動頻次,緩解空間中的緊張感。
通過橫著排隊這種對行為規則的改變,讓咖啡館區別於快餐店,確定了自己的消費人群和商業模型,是個非常好的經濟學案例。
這其中很重要的一點是說明了“行為”這個東西能帶來的商業結果。經濟學有個分支叫做行為經濟學,就是專門研究這個的。著名的心理學家卡勒曼還憑借對行為經濟學中心賬理論的構建獲得過諾貝爾經濟科學獎。
以上是為了說明行為學與經濟學交叉可能發酵出的價值。所謂行為學,在學術上的研究目標是“個體和社群為適應內外環境變化所作出的反應”。我們每天的一舉一動莫不是行為,習慣、工作、愛好也都是行為。
很有意思的是,行為是一個非常好的數據化樣本,比如你每天的出行路線、上網的瀏覽軌跡、攝像頭中的一舉一動,都可以被數據化。而數據的運行本身也是一種行為,比如數據的運算、建模、流動和交換。我們今天的世界,可以說是從行為數據化中開始,到數據行為化中結束(好吧我承認這段有點繞,但是沒關系,下邊會更繞的)。
關註數據行為,可能得到的東西非常多,絕對不是一篇文章可以討論的。所以我們不妨在這里舉個例子,來看一下數據行為化可能激發的想象。
最近一個特別火的概念是新零售。而馬雲提出新零售時,就明確了它是融合線上、線下與數據的產物。目前我們看到的生物識別+無人超市,就是一種線上數據來到線下場景的示例。
但數據行為也許可以給我們更多,今天我們的主題是通過換一種方式理解數據,來打通線下消費的更多可能性。
結果與過程:另一個視角看數據
首先我們要知道,一般情況所看到的大數據到底是什麽?
比如說,我們看到了大數據顯示,每天有多少共享單車被使用、房價一年擡高了多少、地區農作物產量的數據變化等等,這都是大數據的結果。
我們看到的數據,是經歷了數據收集與運算、整理過程之後,呈現出可供人理解的“扁平化大數據”。我們可能確實知道了很多此前不知道的,但這絕對不是大數據的全貌。
比如,我們看得到一個地區交通事故的總數和時間曲線,卻看不到每一次交通事故是如何發生的、原因有哪些種、哪些事故因素可以被改善、哪些事故可以更及時救援,甚至哪些可以預防。
假如說我們看到的數據結果是一個二次元的漫畫人物,那麽看不見的數據就是一個三次元的里的完整的人——這就是數據行為。
數據行為不僅僅是數據的增長過程,還包括在整個時空關系中數據的交互狀態。比如具體數據的軌跡、數據的折返區間、數據多元性,以及與預期模型之間的差異。
這麽說可能有點過於抽象,舉個不太恰當的例子來解釋:你買個盒雪糕,這個是數據結果,證明你喜歡這個牌子的雪糕。但是數據行為卻可能顯示,你是問了好幾個牌子都沒貨,挑了好幾個牌子嫌太貴,不想買卻發現實在太熱,才最終買了這盒雪糕……然後吃一口就扔了——這都是數據行為——也是其他雪糕品牌占領這個客戶的機會。
當然,數據行為實在太複雜了,因為這是在跟蹤數據而不是整理數據。此工作人力無法勝任。但人工智能不正是用來解決人力無法完成的工作嗎?比如已經有用遷移學習技術來追蹤城市里每輛車形式軌跡的技術,這就是一種解讀數據行為的嘗試。
由於數據行為千變萬化,具體而微,尤其可能關乎與人與社會空間的互動。解碼數據行為,也就成為了AI介入生活的一次良機。
用戶數據行為
想要搞明白如何用數據行為驅動新零售,首先要看到哪些數據可能對零售場景產生影響。這里我們可以把它分為兩種:個體用戶數據和群組數據。
通過大數據來了解用戶,已經不是什麽新鮮事,甚至有點老生常談。但根據用戶數據的數據行為來了解你的用戶卻是一個空白。
通過解碼數據行為,你會得到哪些對用戶的全新認知呢?
首先是數據行為在時間上的同頻性,可以讓掌握數據的企業認識多端口數據源融合下的用戶。比如說我們的社交行為、內容閱讀行為、購物行為,與真實世界中攝像頭拍攝下的我們、交通信息中的我們、工商信息中的我們,其實各自都是我們自身的一個剪影。通過時間概念把這些數據整合起來,可以合並成一個相對完整的用戶形象。
它在購買行為之外的所思所想,每天的所見所聞,其實都不難在暴露在公共視野下的數據拼接起來。這樣企業對於用戶消費動機與規律的把握,將提升到一個新的高度。
再比如說,數據行為會偵測用戶消費軌跡的改變。大部分人在生活中都有穩定的消費規則,或高或低都有其規律。而一旦出現峰值,就會說明用戶有某種消費異常產生。實時分析這些消費數據的行為軌跡,可以實時提供切中服務,比如用戶突然出現消費沖動時進行針對引導、用戶消費軌跡趨緩時給予消費刺激,用戶消費進入極端低谷,就該考慮提供網貸產品了(開玩笑開玩笑)。
另一個數據行為帶來的改變,是企業可以測算出用戶應用的使用模型。比如一個籃球,用戶本應該一周打五次,一次半小時。但假如出現用戶使用率降低,可能就說明產品本身出現問題了。當然就籃球來說可能只是因為用戶比較懶,但對於互聯網產品來說,用戶行為與預期模型之間的差別卻能說明很多問題。
組織行為中的關鍵信息比特化
通過人工智能檢測個體用戶數據之外,還有一種檢測集體數據行為的方式。比如已經在城市安防當中應用的人流軌跡識別技術。
這類技術可以觀察一個群體的動態,並通過多個數據源進行數據采集與分析。這一類數據進行全面的數據行為監控很難,但卻可以對關鍵信息進行比特化。永久留存並進行多個領域的應用。
比如說,某個寫字樓里一到中午就聲貝提高,人臉識別表示不高興的人數急劇攀升:這可能說明外賣必須投入更多人力了。或者某地鐵站早上的人流停滯度過高,人流運行緩慢:這可能說明要放更多共享單車了。通過比特化這些數據運行的關鍵值,可以給企業提供非常好的運行依據。
這只是最基本的一種人流數據行為應用。具體到相對垂直、複雜的群落組織中,數據行為的應用性會更加廣闊。
有一個多領域的交叉學科叫做組織行為學,專門研究組織中人的心理和行為表現及其客觀規律,以達到預測、引導和控制人的行為的能力。通過計算機計算去測算和預期組織行為中個體與群落的互動,恐怕會帶來無數種應用可能。
如何激發消費
說了這麽多,到底如何把數據行為應用放到新零售里呢?
綜上所述,數據行為可以更好地理解個體與群體在時間軸上的精準動向和動機。這就讓很多基於移動互聯網的簡單商業激發有可能變得更加複雜。
通過對線上數據行為的廣泛測寫,結合現實世界數據收集端口提供幫助。人工智能至少可以為線下消費場景搭建以下幾種能力:
一、解決地理空間中的推薦問題:我們都感受過所謂的智能推薦,基本都是根據你的瀏覽記錄進行購買推薦。這種推薦本身非常不智能,而且往往進行線下推薦時就會失效。因為系統只能知道你的定位,卻無法預計你的目標,也無從知道你的運動軌跡。更多時候還是需要用戶自己去尋找消費。而結合運行軌跡、消費軌跡等數據行為,或許可以準確的在地理空間中實現線下消費推薦:不走冤枉路,不浪費時間,就近找到你的消費可能。
二、解決實時需求:數據行為檢測的一個特征,就是其具有非常強的實時處理能力。很多消費契機都是實時出現的,可能用戶自身都沒有察覺到。但數據系統卻可以感知到。比如數據證明你該渴了,又能從以往消費數據中判斷你的口味,然後實時對接飲品店的消費可能。這就集成了很多消費機會。
三、提供線下的智能服務:新零售里一直有個預期,就是你到了店里,發現店里正好都是你需要買的東西,不用自己找。這種聽起來像讀心術的消費場景,也可能通過對你生活中方方面面數據行為的測算得到結果。人進行線下消費的頻率其實是非常穩定的。利用遷移學習和過往數據來生成一個人的購物預期模型,並非不能做到。
四、根據群體行為調整供需策略:就像上文說的,群體行為往往決定了很多服務與消費的市場,群體行為的往複變化也決定了很多依托人群的消費場景興衰。測算人群,實時調整供需和營銷,可以為人群場景的線下消費企業提供極大的效率改善。
相比我們經常看到的圖表和結論,大數據這東西其實能體現更多東西。我們每天都暴露在數據收集器之下,也成為數據的使用者和消費者。相比無盡的增大數據量,把現有數據立體化、行為化其實就能探究人類社會的無數秘密。
數據會繼續帶來更多改變,同時也引發著更多恐懼:在人工智能才有能力理解的海量數據面前,人類究竟還有什麽秘密與隱私可言?
* 本文作者腦極體。歡迎關註野草新消費(ID:yecaoxxf),加入消費升級VIP群,請加野草君微信(crui12580)。
如何把數據行為應用放到新零售里呢?
文 | 腦極體
先來思考這樣一個問題:為什麽星巴克的排隊一定是橫排的,而不是肯德基麥當勞那樣的豎排?
這個問題經濟學中有很多中解釋,但其中比較靠譜的一種認為:橫排排隊可以減少空間中的壓抑感,一方面讓整個空間看起來更寬敞,一方面可以降低人流的流動頻次,緩解空間中的緊張感。
通過橫著排隊這種對行為規則的改變,讓咖啡館區別於快餐店,確定了自己的消費人群和商業模型,是個非常好的經濟學案例。
這其中很重要的一點是說明了“行為”這個東西能帶來的商業結果。經濟學有個分支叫做行為經濟學,就是專門研究這個的。著名的心理學家卡勒曼還憑借對行為經濟學中心賬理論的構建獲得過諾貝爾經濟科學獎。
以上是為了說明行為學與經濟學交叉可能發酵出的價值。所謂行為學,在學術上的研究目標是“個體和社群為適應內外環境變化所作出的反應”。我們每天的一舉一動莫不是行為,習慣、工作、愛好也都是行為。
很有意思的是,行為是一個非常好的數據化樣本,比如你每天的出行路線、上網的瀏覽軌跡、攝像頭中的一舉一動,都可以被數據化。而數據的運行本身也是一種行為,比如數據的運算、建模、流動和交換。我們今天的世界,可以說是從行為數據化中開始,到數據行為化中結束(好吧我承認這段有點繞,但是沒關系,下邊會更繞的)。
關註數據行為,可能得到的東西非常多,絕對不是一篇文章可以討論的。所以我們不妨在這里舉個例子,來看一下數據行為化可能激發的想象。
最近一個特別火的概念是新零售。而馬雲提出新零售時,就明確了它是融合線上、線下與數據的產物。目前我們看到的生物識別+無人超市,就是一種線上數據來到線下場景的示例。
但數據行為也許可以給我們更多,今天我們的主題是通過換一種方式理解數據,來打通線下消費的更多可能性。
結果與過程:另一個視角看數據
首先我們要知道,一般情況所看到的大數據到底是什麽?
比如說,我們看到了大數據顯示,每天有多少共享單車被使用、房價一年擡高了多少、地區農作物產量的數據變化等等,這都是大數據的結果。
我們看到的數據,是經歷了數據收集與運算、整理過程之後,呈現出可供人理解的“扁平化大數據”。我們可能確實知道了很多此前不知道的,但這絕對不是大數據的全貌。
比如,我們看得到一個地區交通事故的總數和時間曲線,卻看不到每一次交通事故是如何發生的、原因有哪些種、哪些事故因素可以被改善、哪些事故可以更及時救援,甚至哪些可以預防。
假如說我們看到的數據結果是一個二次元的漫畫人物,那麽看不見的數據就是一個三次元的里的完整的人——這就是數據行為。
數據行為不僅僅是數據的增長過程,還包括在整個時空關系中數據的交互狀態。比如具體數據的軌跡、數據的折返區間、數據多元性,以及與預期模型之間的差異。
這麽說可能有點過於抽象,舉個不太恰當的例子來解釋:你買個盒雪糕,這個是數據結果,證明你喜歡這個牌子的雪糕。但是數據行為卻可能顯示,你是問了好幾個牌子都沒貨,挑了好幾個牌子嫌太貴,不想買卻發現實在太熱,才最終買了這盒雪糕……然後吃一口就扔了——這都是數據行為——也是其他雪糕品牌占領這個客戶的機會。
當然,數據行為實在太複雜了,因為這是在跟蹤數據而不是整理數據。此工作人力無法勝任。但人工智能不正是用來解決人力無法完成的工作嗎?比如已經有用遷移學習技術來追蹤城市里每輛車形式軌跡的技術,這就是一種解讀數據行為的嘗試。
由於數據行為千變萬化,具體而微,尤其可能關乎與人與社會空間的互動。解碼數據行為,也就成為了AI介入生活的一次良機。
用戶數據行為
想要搞明白如何用數據行為驅動新零售,首先要看到哪些數據可能對零售場景產生影響。這里我們可以把它分為兩種:個體用戶數據和群組數據。
通過大數據來了解用戶,已經不是什麽新鮮事,甚至有點老生常談。但根據用戶數據的數據行為來了解你的用戶卻是一個空白。
通過解碼數據行為,你會得到哪些對用戶的全新認知呢?
首先是數據行為在時間上的同頻性,可以讓掌握數據的企業認識多端口數據源融合下的用戶。比如說我們的社交行為、內容閱讀行為、購物行為,與真實世界中攝像頭拍攝下的我們、交通信息中的我們、工商信息中的我們,其實各自都是我們自身的一個剪影。通過時間概念把這些數據整合起來,可以合並成一個相對完整的用戶形象。
它在購買行為之外的所思所想,每天的所見所聞,其實都不難在暴露在公共視野下的數據拼接起來。這樣企業對於用戶消費動機與規律的把握,將提升到一個新的高度。
再比如說,數據行為會偵測用戶消費軌跡的改變。大部分人在生活中都有穩定的消費規則,或高或低都有其規律。而一旦出現峰值,就會說明用戶有某種消費異常產生。實時分析這些消費數據的行為軌跡,可以實時提供切中服務,比如用戶突然出現消費沖動時進行針對引導、用戶消費軌跡趨緩時給予消費刺激,用戶消費進入極端低谷,就該考慮提供網貸產品了(開玩笑開玩笑)。
另一個數據行為帶來的改變,是企業可以測算出用戶應用的使用模型。比如一個籃球,用戶本應該一周打五次,一次半小時。但假如出現用戶使用率降低,可能就說明產品本身出現問題了。當然就籃球來說可能只是因為用戶比較懶,但對於互聯網產品來說,用戶行為與預期模型之間的差別卻能說明很多問題。
組織行為中的關鍵信息比特化
通過人工智能檢測個體用戶數據之外,還有一種檢測集體數據行為的方式。比如已經在城市安防當中應用的人流軌跡識別技術。
這類技術可以觀察一個群體的動態,並通過多個數據源進行數據采集與分析。這一類數據進行全面的數據行為監控很難,但卻可以對關鍵信息進行比特化。永久留存並進行多個領域的應用。
比如說,某個寫字樓里一到中午就聲貝提高,人臉識別表示不高興的人數急劇攀升:這可能說明外賣必須投入更多人力了。或者某地鐵站早上的人流停滯度過高,人流運行緩慢:這可能說明要放更多共享單車了。通過比特化這些數據運行的關鍵值,可以給企業提供非常好的運行依據。
這只是最基本的一種人流數據行為應用。具體到相對垂直、複雜的群落組織中,數據行為的應用性會更加廣闊。
有一個多領域的交叉學科叫做組織行為學,專門研究組織中人的心理和行為表現及其客觀規律,以達到預測、引導和控制人的行為的能力。通過計算機計算去測算和預期組織行為中個體與群落的互動,恐怕會帶來無數種應用可能。
如何激發消費
說了這麽多,到底如何把數據行為應用放到新零售里呢?
綜上所述,數據行為可以更好地理解個體與群體在時間軸上的精準動向和動機。這就讓很多基於移動互聯網的簡單商業激發有可能變得更加複雜。
通過對線上數據行為的廣泛測寫,結合現實世界數據收集端口提供幫助。人工智能至少可以為線下消費場景搭建以下幾種能力:
一、解決地理空間中的推薦問題:我們都感受過所謂的智能推薦,基本都是根據你的瀏覽記錄進行購買推薦。這種推薦本身非常不智能,而且往往進行線下推薦時就會失效。因為系統只能知道你的定位,卻無法預計你的目標,也無從知道你的運動軌跡。更多時候還是需要用戶自己去尋找消費。而結合運行軌跡、消費軌跡等數據行為,或許可以準確的在地理空間中實現線下消費推薦:不走冤枉路,不浪費時間,就近找到你的消費可能。
二、解決實時需求:數據行為檢測的一個特征,就是其具有非常強的實時處理能力。很多消費契機都是實時出現的,可能用戶自身都沒有察覺到。但數據系統卻可以感知到。比如數據證明你該渴了,又能從以往消費數據中判斷你的口味,然後實時對接飲品店的消費可能。這就集成了很多消費機會。
三、提供線下的智能服務:新零售里一直有個預期,就是你到了店里,發現店里正好都是你需要買的東西,不用自己找。這種聽起來像讀心術的消費場景,也可能通過對你生活中方方面面數據行為的測算得到結果。人進行線下消費的頻率其實是非常穩定的。利用遷移學習和過往數據來生成一個人的購物預期模型,並非不能做到。
四、根據群體行為調整供需策略:就像上文說的,群體行為往往決定了很多服務與消費的市場,群體行為的往複變化也決定了很多依托人群的消費場景興衰。測算人群,實時調整供需和營銷,可以為人群場景的線下消費企業提供極大的效率改善。
相比我們經常看到的圖表和結論,大數據這東西其實能體現更多東西。我們每天都暴露在數據收集器之下,也成為數據的使用者和消費者。相比無盡的增大數據量,把現有數據立體化、行為化其實就能探究人類社會的無數秘密。
數據會繼續帶來更多改變,同時也引發著更多恐懼:在人工智能才有能力理解的海量數據面前,人類究竟還有什麽秘密與隱私可言?
* 本文作者腦極體。歡迎關註野草新消費(ID:yecaoxxf),加入消費升級VIP群,請加野草君微信(crui12580)。