• <rp id="63vlb"><object id="63vlb"><input id="63vlb"></input></object></rp>

    <em id="63vlb"></em>

    1. <em id="63vlb"></em>

      <button id="63vlb"><acronym id="63vlb"></acronym></button>

      微信掃一掃,關注公眾號

      • 科技行者

      • 算力行者

      見證連接與計算的「力量」

      首頁 京東何方:做好大數據,就能做好從產品到用戶的連接

      京東何方:做好大數據,就能做好從產品到用戶的連接

      2016-12-08 16:40
      分享至:
      ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
      2016-12-08 16:40 ? CNET科技資訊網

      CNET科技資訊網 12月8日 北京消息(文/齊豐潤): 制造最終的展現形勢就是產品,而如何將產品連接到用戶,也成為了每一家廠商所需要關注的事情。在第二屆中國制造千人會上,來自京東商城研發部的產品總監何方就依據京東的經驗,分享了如何將產品連接到用戶的做法。

      京東何方:做好大數據,就能做好從產品到用戶的連接

      何方表示,“通過數據分析、數據挖掘,我們能夠看到一些機會,發現一些問題,并做出一些分析和診斷。同時能給出一些解決方案方法,然后讓我們的合作伙伴能夠應用,應用到他們的產品之中。”

      以下是何方演講內容全文:

      謝謝主辦方,謝謝大家,我是何方,來自京東商城。我們在做的事情一端連接用戶,一端連接產品,那產品誰做???都由咱們在座各位制造業同行做的,這就是我來這里的原因。

      我來自商城研發體系,那么怎么連接用戶,怎么連接產品,這里面我們也有一些思考、實踐,在這里跟大家做一個分享。

      起因也比較樸素,現在的用戶越來越挑剔了,用戶的需求也是越來越多,你怎么去滿足用戶?銷售跟供應鏈怎么去協同呢?我這邊賣多了就沒貨,進多了又滯銷,還有怎么樣提升供應鏈效率呢?因為我們是研發人嘛,我們想從研發角度能做些什么,能不能用技術驅動做一些事情。

      基于這些,我們就在想了。大家上午也聽到一些嘉賓分享,你基于變量再去找變量其實是挺難的。人性就是喜新厭舊,人們都換新東西。大家做產品的時候,也不斷地推陳出新,一些新的產品也不斷地出來。那出來的商品,對于我們京東這種渠道來講,我們有沒有相對固化的操作方式呢?我們看有這么幾塊。首先就是產品之前做預研,產品開發出來了要做新品推廣。新品出來之后常態銷售怎么辦?怎么持續去賣?那產品一定有生老病死,那怎么把這個產品在差不多的時候進行清倉?

      從我們的出發點也很簡單,我們希望能夠給合作伙伴制造出千里眼順風耳,我們通過一些數據挖掘分析,能夠知道這些趨勢,我們能做一些未來的判斷和決策。這里面最重要的是大家看到結構中間層,其實我們有的是生產系統,交易系統,訂單,促銷,庫存,還有用戶,那么產生了很多的行為和數據。那在基于以上可以做一些模型和分析。

      基于這些想法我們做了一些實踐。也就是產品生命周期整體智慧解決方案“傾聽”。這個產了初衷也非常簡單,我們希望通過數據分析,數據挖掘,我們希望能夠看到一些機會,發現一些問題看到這些東西以后,我們能做出一些分析和診斷。到這里還不夠,我們希望能給出一些解決方案方法,然后讓我們的合作伙伴能夠用,最后他能看到效果到底行還是不行。

      首先是商品預研,大家知道用戶的評價,你不管做什么商品,上面都有很多的評價。關于用戶的評價這里多說一點,業界其實有很多品牌都有很多評價。那么京東在用戶評價上堅持非常好的一點,在京東上面用戶評價是一定不可以修改的。我們基于用戶評價數據線分析,我們要傾聽用戶的聲音,也就是你這個品牌,用戶對你的產品體驗是好還是不好。

      那這些產品好在哪?到底哪里好?比如拿一款手機來講,是速度運行快,交互好,還是設計好。如果用戶說不好,那具體哪些地方不好,是續航能力不行,還是設計有缺陷?通過這些分析,我們希望能夠給到制造業在做新的產品的時候,也能聽聽用戶在說什么。我們在做新品的時候應該怎么去做,作出符合用戶需求的產品。

      然后是新品推廣,這里的方法有很多,比如說秒殺、優惠券、預約、預售、促銷令牌等等。我們當時在做mate9預售的時候,當時那款差別還沒有發,我們就開始做了。在沒做之前我們大概就預知這個產品能銷售多少,然后我們跟品牌方做了溝通,進行了產品布局,售賣的時候,在1分鐘銷量就突破億元了,可見用戶的力量。

      做完新品,接下來就是常態銷售了,怎么持續去做營銷,怎么去打動用戶。線上零售優勢就在于對數據的把握,你只要在線上做,所有商品有多少人看了你的轉化率,就像這張圖,縱軸是轉化率,橫走是流量,通過這個分析就能知道產品落在這么幾個緯度。

      一種情況是轉化率好,流量也不錯,這種產品基本上就會比較好。通過這種分析你會發現這種產品一般是比較好的,轉化率比較高。流量也不錯,其實這是你要關注的,就是你關注他的庫存就好了。第二種情況是流量高,但是轉化率不高。那你就要看,我的庫存夠不夠,如果不夠那就會造成流量高,轉化率不高。第二種情況我有庫存,為什么還是不行,這個時候就要看看精品,你的價格有沒有優勢,是不是價格政策比你要好。還有轉化率高流量低。你去看一看,我的報關是不是不夠,不夠的話,是不是要做一些推廣和廣告。最后是流量也低,轉化率也低,那我們就要看一看為什么,看看這個商品的投入時間,是不是這個商品就要售盡,退出歷史舞臺了,并推新出的產品。

      一類用戶是看一看,一類用戶是很想買,另外一類用戶可能一直在對比,這時候我們會通過數據分析,去發現不同的用戶特征,我們可以把這些情報提供給我們的合作伙伴。針對這些情況你可以做一些處理,怎么通過工作去挽留這些用戶,其實有好多事情是可以做的。通過這些工作可以盡可能把用戶留住。做完這些以后,對于這個商品的效果怎么樣,到底能給你帶來什么,這是我們需要關注的。

      除了提供這些以外,我們還給合作伙伴提供促銷分析。也就是說,做哪種促銷效果用戶比較認,因為不同的商品做不同的促銷是不一樣的。比如說3C類,可能就是一個大的電視,你給一個比較好的直降是一個不錯的選擇。另外他如果有匹配的附件,做一些贈品也是非常好的方式。那對于快消品,是不是要做一些滿減,通過這些促銷方式和手段我們去做分析,不但分析告訴你好壞,還會給你建議,它到底做什么促銷,做哪一種類型的營銷用戶認知會比較好。

      我們發現同樣是IOS的用戶,有一部分用戶會關注營養品,也就是IOS的用戶有父母,他在網上給父母買一些用品。另外一批用戶是沒有這種行為,也就是說,他展示跟父母不在一塊,或者關注度這方面少一點。這兩波用戶同時也在看iPhone5,因為出了iPhone7以后,iPhone5價格也在做一些策略調整。那我們發現IOS的用戶會給自己的父母買iPhone5,而且它的概率會比較多,比那些有同樣行為,但他沒有去看營養保健品的用戶要少,看了保健品的用戶這種轉化率要高。

      我的演講就是這些,京東未來主要就是開放、合作和共贏,謝謝大家。

      分享至
      0贊

      好文章,需要你的鼓勵

      推薦文章
      • 獎勵設計:讓AI學會智能使用工具的關鍵
        2025-04-23 17:39

        獎勵設計:讓AI學會智能使用工具的關鍵

        想象一下,你有一個非常聰明的朋友,他知道很多知識,但每當需要使用計算器、搜索引擎或查詢最新天氣時,卻變得像個笨手笨腳的孩子。這正是當前大語言模型(簡稱LLMs,如ChatGPT這類AI系統)面臨的尷尬處境。

      • ToolRL:獎勵設計是工具學習所需的全部
        2025-04-23 17:34

        ToolRL:獎勵設計是工具學習所需的全部

        想象一下,你擁有一個聰明的助手,它知道很多知識,但在面對需要使用計算器、搜索引擎或查詢最新信息時卻顯得笨手笨腳。這正是當前大語言模型(LLMs)面臨的困境。雖然這些模型已經通過監督微調(SFT)學會了使用工具的基本能力,但它們常常在面對復雜或不熟悉的場景時表現不佳。

      • X-Teaming:使用自適應多智能體進行多輪越獄攻擊和防御
        2025-04-23 14:08

        X-Teaming:使用自適應多智能體進行多輪越獄攻擊和防御

        想象你正在和一個智能助手聊天。如果你直接要求它提供有害信息,它很可能會禮貌拒絕。但如果你通過一系列看似無害的對話,逐步引導它走向你的真實目標呢?這就是當前AI安全領域面臨的一個嚴峻挑戰——多輪對話中的安全漏洞。

      • "思考操縱":用外部思考讓大型推理模型更高效
        2025-04-22 16:43

        "思考操縱":用外部思考讓大型推理模型更高效

        想象你在使用一個非常聰明的AI助手完成一項復雜任務,比如解決一道數學難題。你可能注意到這個助手會花很長時間"思考",一步一步寫下大量推理過程,最后才給出答案。雖然這種詳細的思考過程確實幫助AI做出了更準確的判斷,但同時也帶來了一個明顯的問題:它太"啰嗦"了,消耗了大量的計算資源和時間。

      ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
      一级毛片视频免费播放在线,哪个网址可以看毛片,色费女人18女人毛片免费视频,一级A黄毛片