第 3 章 阿里巴巴大数据营销应用案例分析
3.1 阿里巴巴大数据营销的数据来源
3.1.1 企业内部消费者交易数据
阿里巴巴通过对旗下的淘宝、天猫、阿里云、支付宝、万网等业务平台进行资源整合，形成了强大的电子商务客户群及消费者行为的全产业链信息，逐渐开启了日增长数据量百 T 计的崭新时代，大量来自买卖双方的搜索与交易信息组成了阿里的海量数据库。以淘宝网为例，淘宝网作为一个网购零售平台，成立于2003 年。经过十余年的积累，目前拥有近 5 亿的注册用户，每天有超过 6000 万的固定访客，同时每天的在线商品数已经超过 8 亿件，平均每分钟售出 4.8 万件商品。而随着淘宝网规模多的扩大以及用户数量的增加，淘宝也从单一的 C2C 网络集市变成了包括 C2C、团购、分销、拍卖等多种电子商务模式在内的综合性零售商圈，成为世界范围的电子商务交易平台之一。①庞大的用户群体、日新月异的数据处理技术造就了阿里巴巴企业内部的大数据源，这其中包括了传统数据如客户关系管理数据、ERP 数据、交易数据等等，也包括机器数据如呼叫详细记录、硬件日志、只能仪表数据、工作流数据等。
阿里巴巴将企业定位为数据公司，自从淘宝网开始创立，阿里就已经逐步开始收集数据，随着天猫、支付宝、聚划算等平台的成立，业务量增长突出，巴巴的数据成倍增加，汇聚成海，形成了现在阿里巴巴集团见识的平台基础，其中包括了企业所有用户的 ID,还有通过交易数据、用户浏览情况、点击网页数据、购物数据概括而成的用户画像、行为以及兴趣爱好。阿里基础数据平台的搭建是大数据营销的核心，为其商业运营奠定基础。
3.1.2 企业外部消费者信息数据
大数据来源的另一个重要部分是企业外部数据，包括社交数据如微博信息、公共主页信息、点评网站信息等，还有互动数据如营销活动记录、用户参与记录、市场活动记录等。仅仅依靠在阿里巴巴平台上搜集到商品购买和浏览等数据是不够的，在顾客购买之前，用户就已经通过微博、论坛、导购网站等流露出其隐性需求。因此在做好自己的大数据的同时，阿里巴巴还要纳入更多外部数据。2011年以前，阿里曾尝试通过收购掌握中国互联网的底层数据。2013 年 4 月，阿里巴巴以 5.86 亿元收购新浪微博 18%的股权，获得了新浪微博既有用户的数据足迹。5 月，阿里巴巴收购高德软件 28%的股份分享高德的地理位置、交通信息数据以及用户数据。而其他并购，包括对墨迹天气，幽梦、美团、虾米、快的、UC浏览器，都处处不离数据。通过这些并购，阿里在试图拼出一份囊括互联网和移动互联网，涵盖用户生活衣食住行方方面面的全景数据图。表一为阿里巴巴自2005 年以来并购的企业类别，可以看出，其中包括了文化、社交、金融等多领域企业。
3.2 阿里巴巴大数据营销的应用分析
企业从内部、外部获取信息，海量数据被汇集的同时，也意味着数据质量的有待考察。因为收集到的大量信息可能存在失真、标准混乱的数据，并非全部具有使用价值，或者存在数据无法直接使用，需要提炼加工的情况。此外，纵使阿里目前拥有者大量互联网数据，但也知识沧海一粟，无法全部满足平台商家的数据需求。因此，大数据营销应用的有效与否体现在数据的使用价值的实现问题上。
3.2.1 基础层数据的建立
数据作为一种资产，不同的数据含金量不同，自然就会产生不同的价值。而且，就同一组数据而言，在不同的环境下也会呈现出不同的价值。阿里巴巴将数据按存储层次划分为基础层、中间层和应用层数据。基础层通常与原始数据基本一致，不做汇总，以避免失真，从而用做其他数据研究的基础，是大数据的核心。① 阿里巴巴数据委员会会长车品觉认为，大公司中，进行数据分析、开发、挖掘的人可能有数十甚至数百人，这些人可能归属于不同的业务团队，为了满足不同的业务各自分析数据应用。而不同业务人员可能从头建立起了一套包含基础层、中间层和应用层的数据，而彼此之间又没有合适的交流方式，从而造成了工作的浪费。因此基础层必须在公司层面保持统一，保存好这部分元数据，再根据各业务部门的具体应用对数据进行加工。
3.2.2 营销数据的精细化
首先，数据分类起着至关重要的作用，它有助于更加清晰地识别出数据的价值。例如，阿里巴巴按照业务归属将数据分为交易类数据即电商的订单流水、会员类数据即买卖双方的身份信息，如注册时间、信用等级等、日志类数据即用户行为，如访问时间、点击情况等等。
其次，按照不同维度进行分类之后，也要对纷繁复杂的数据进行进一步细化。
用户注册网站时，性别只分为男性、女性两类，但是在阿里巴巴却有着 18 个性别标签。这取决于用户使用场景的不同，阿里发现某个登记用户早上的行为更男性一些，晚上就会变得更女性，原因可能是妻子正在使用这一账户。真实的性别只有 0 和 1 的关系，而现实确实 0-1 的关系。同时为了加强信息的有效性，阿里也极力创造更加精细的数据信息。以淘宝平台为例，大学生用户是淘宝重要的用户群，针对这一部分用户，淘宝对其进行地理位置搜集，此外还通过其他渠道搜集周边房租信息，以了解购物水平，通过对周边商户的信息收集，进行附近缺乏商品的信息推送。大数据的出现极大地扩大了数据精细化的可能，为营销提供了更加全面细致的消费者信息。
3.2.3 消费者行为全链路覆盖
阿里通过十多年的电商经验积累，能够有效的还原完整的用户行为路径，完成营销闭环。通过对从曝光、转化到销售的用户完整路径的转化将消费者进行全景还原，提升营销价值。在阿里巴巴看来，网络购物已经逐渐被人们了解和熟悉，在平台上进行浏览购物已经是司空见惯的事情。大量数据和研究也证明，用户存在“逛”网络的显着特征，用户可以直接在网络平台中通过大量的信息，对比、评论、搜索、询价、采购，甚至随时随地参与企业的推广活动，消费者的行为变得日益随机性、碎片化，解释用户的行为路径将不能局限在原有的单链路消费模型中。鉴于此，阿里巴巴在网络购物 “逛”的基础上，形成覆盖看、挑、查、买、享全过程的网状结构，已达到更好的还原消费者真实状况的目的。
随着对消费者行为的全链路分析，阿里巴巴的大数据营销效果日益显现。与传统营销相比，阿里的大数据营销实践改善了原有营销因为缺乏精准的把握而出现的“猜错和试错”;通过推送符合特定用户需求特点的广告，使广告由用户被迫接受向自然推广转变，更容易被接受，转化率提高；通过对产品的片段营销投放扩展到全链，可以进行更长期、更大范围的整合营销及品牌持续性传播；通过用户的及时反馈，有效改善，维系客户关系。
3.2.4 大数据营销产品的提供
随着集团业务的扩大，阿里巴巴逐渐推出大数据营销产品，为中小电商的大数据营销奠定根基。从 2005 年开始，阿里巴巴先后开发套数据、数据魔方平台、聚石塔、花呗等多项数据产品。阿里巴巴在大数据上关注的点逐渐从集团内部走向外部，使商家从利用平台上数据改善自身经营到分享数据、逐步拓展大数据营销。以数据魔方平台为例，商家可从中获取到的行业宏观情况、自己品牌的市场情况、消费者在自己网站的行为情况进行对比分析，帮助其建立个性化的营销对策。到目前，淘宝已推出包括数据魔方、量子恒道、超级分析、金牌统计、云镜数据等百余款数据产品，其功能涵盖从店铺基础经营分析，商品分析，营销效果分析、买家分析到订单分析，供应链分析，行业分析、财务分析和预测分析等多维度。
3.3 阿里巴巴大数据营销应用存在的问题
3.3.1 大数据质量有待提高
互联网的高度开放使得数据种类多样，因此这其中也不可避免地会出现一些干扰信息，不益于营销分析。例如淘宝网等平台上的数据常常参差不齐，存在虚假或干扰数据，为正确制定营销策略带来不便。例如，在淘宝平台上，一个消费者可能连接两部手机，一个 iPad,三张信用卡，五个淘宝账户，收集数据时，以为是多个人，但实际上只是一个人。如果依照这个数据，商家的营销信息将会混乱，不能够准确分析这个消费者的真实需求。除了消费用户信息中可能存在的虚假数据，误操作点击等等也会对大数据营销效果产生影响。例如，阿里巴巴在做产品界面测试，会造成网络界面的临时修改，这些临时修改优势会被正在浏览网页的用户注意，进行点击，从而带来大量误点击操作，但是这些页面点击同样会被收集，因此会得到很多失真的用户行为数据。因此，要保证大数据营销的有效性需要对剔除这些虚假数据，提升收集到的大数据质量。
3.3.2 营销效果低于预期
理论上，如果大数据营销应用的好，其产生的效果是用户行为的透明化和可预测，对用户进行的商品推介应该达到较高的转化率。然而，在实际生活中，更多用户并不会被推送的邮件所左右，也不会追随网站广告进行消费购买，有的消费者甚至对商家的这种行为产生厌烦情绪，极大地影响产品形象。此外，通过大数据营销产生的转化率也难以计算，消费者购买产品取决于多种因素，如何提高大数据营销的应用效果也是大数据营销应用中存在的重要问题。
3.3.3 用户隐私与安全受到威胁
大数据营销利用技术手段洞察消费者行为信息，随之而来的则是对数据隐私和安全的担忧。大数据营销为消费者购买产品带来便利的同时，即意味着企业对用户信息的大量摄取，有些企业甚至会在未经用户同意的情况下，使用用户地理位置信息，使用户存在许多潜在的安全隐患。阿里巴巴全网的活跃用户超过四亿以上，远超过其他门户、搜索等主要媒体，这些数据关联了从消费行为、生活信息、财产信息的方方面面，可以想象，如果一旦出现数据泄露，将会给用户带来极大的损失。同时，即使在数据安全方面，阿里巴巴能够利用其日益精湛的技术进行防卫，但是在其本身对用户隐私的摄取利用上是否能够完全保证用户的利益也不得而知，尤其是我国在互联网隐私安全政策指定上尚不及发达国家规范，因此，大数据营销应用中存在的个人隐私及安全也是目前关注的重点。
