互聯網企業擁有大量的線上數據，而且數據量還在快速增長，除了利用大數據提升自己的業務之外，互聯網企業已經開始實現數據業務化，利用大數據發現新的商業價值。
以阿裏巴巴為例，它不僅在不斷加強個性化推薦、“千人千面”這種面向消費者的大數據應用，並且還在嘗試利用大數據進行智能客戶服務，這種應用場景會逐漸從內部應用延展到外部很多企業的呼叫中心之中。
在面向商家的大數據應用中，以“生意參謀”為例，超過 600 萬商家在利用“生意參謀”提升自己的電商店面運營水平。除了面向自己的生態之外，阿裏巴巴數據業務化也在不斷加速，“芝麻信用”這種基於收集的個人數據進行個人信用評估的應用獲得了長足發展，應用場景從阿裏巴巴的內部延展到越來越多的外部場景，如租車、酒店、簽證等。
因為客戶的所有行為都會在互聯網平臺上留下痕跡，所以互聯網企業可以方便地獲取大量的客戶行為信息。由互聯網商務平臺產生的信息壹般具有真實性和確定性，通過運用大數據技術對這些數據進行分析，可以幫助企業制定出具有針對性的服務策略，從而獲取更大的效益。近年來的實踐證明，合理地運用大數據技術能夠將電子商務的營業效率提高 60% 以上。
大數據在過去幾年中已經改變了電子商務的面貌，具體來講，電子商務行業的大數據應用有以下幾個方面：精準營銷、個性化服務、商品個性化推薦。
1. 精準營銷
互聯網企業使用大數據技術采集有關客戶的各類數據，並通過大數據分析建立“用戶畫像”來抽象地描述壹個用戶的信息全貌，從而可以對用戶進行個性化推薦、精準營銷和廣告投放等。
當用戶登錄網站的瞬間，系統就能預測出該用戶今天為何而來，然後從商品庫中把合適的商品找出來，並推薦給他。圖 1 顯示了用戶畫像會包括哪些用戶基本信息和特性。
圖 1 用戶畫像
大數據支持下的營銷核心在於，讓企業的業務在合適的時間，通過合適的載體，以合適的方式，推送給最需要此業務的用戶。
首先，大數據營銷具有很強的時效性。在互聯網時代，用戶的消費行為極易在短時間內發生變化，大數據營銷可以在用戶需求最旺盛時及時進行營銷策略實施。
其次，可以實施個性化、差異化營銷。大數據營銷可以根據用戶的興趣愛好、在某壹時間點的需求，做到對細分用戶的壹對壹的營銷，讓業務的營銷做到有的放矢，並可以根據實時性的效果反饋，及時調整營銷策略。
最後，大數據營銷對目標用戶的信息可以進行關聯性分析。大數據可以對用戶的各種信息進行多維度的關聯分析，從大量數據中發現數據項集之間有趣的關聯和相關聯系。
例如，通過發現用戶購物籃中的不同商品之間的聯系，分析出用戶的其他消費習慣。通過了解哪些商品頻繁地被用戶同時購買，幫助營銷人員從用戶的壹種商品消費習慣，發現用戶另外的商品消費規律，從而針對此用戶制定出相關商品的營銷策略。圖 2 顯示了網站會根據用戶畫像為不同客戶推薦不同商品。
圖 2 精準營銷
例如，某電子商務平臺通過客戶的網絡瀏覽記錄和購買記錄等掌握客戶的消費模式，從而分析並分類客戶的消費相關特性。如收入、家庭特征、購買習慣等，最終掌握客戶特征，並基於這些特征判斷其可能關註的產品與服務。
從消費者進入網站開始，網站在列表頁、單品頁、購物車頁等 4 個頁面，部署了 5 種應用不同算法的推薦欄為其推薦感興趣的商品，從而提高商品曝光率，促進交叉和向上銷售。從多個角度對網站進行全面優化後，商城下定訂單轉化率增長了 66.7%，下定商品轉化率增長了 18%，總銷量增長了 46%。
在美國的沃爾瑪大賣場，當收銀員掃描完顧客所選購的商品後，POS 機上會顯示出壹些附加信息，然後售貨員會根據這些信息提醒顧客還可以購買哪些商品。沃爾瑪在大數據系統支持下實現的“顧問式營銷”系統能夠建立預測模型，例如，如果顧客的購物車中有不少啤酒、紅酒和沙拉，則有 80% 的可能需要買配酒小菜、作料。
2. 個性化服務
電子商務具有提供個性化服務的先天優勢，可以通過技術支持實時獲得用戶的在線記錄，並及時為他們提供定制化服務。
許多電商都已經嘗試了依靠數據分析，在首頁為用戶提供全面的個性化的商品推薦。海爾和天貓提供了讓用戶在網上定制電視的功能，顧客可以在電視機生產以前選擇尺寸、邊框、清晰度、能耗、顏色、接口等屬性，再由廠商組織生產並送貨到顧客家中。這樣的個性化服務受到了廣泛歡迎。
類似的定制服務還岀現在空調、服裝等行業。這些行業通過滿足個性化需求使顧客得到更滿意的產品和服務，進而縮短設計、生產、運輸、銷售等周期，提升商業運轉效率。
企業要為用戶提供理想的個性化服務，首先必須通過數據充分了解用戶的個性，其次是合理地掌控和設計服務的個性。了解用戶個性是為用戶提供他們想要的產品和服務的基礎。企業需要在龐大的數據庫中，找出最具有含金量的數據，然後，通過數據挖掘方法對用戶進行聚類，再依據用戶類型的特征設計針對性的服務。
個性化分散的單位可大可小，大到壹個有同樣需求的客戶群體，小到每壹個用戶都是壹個個性化需求單位。企業必須掌握好個性化服務的粒度，過於分散的個性化服務，會增加企業的服務成本和管理的復雜程度，所增加的個性化成本和實際收益需要成正比。
圖 3 提供個性化旅遊服務
攜程的大數據應用從用戶的角度岀發，分析基於攜程所有用戶的數據，包括用戶在查詢、瀏覽、預訂、出行、評論等壹系列旅行前後行為中所產生的數據。攜程在剔除無效數據的同時，保證用戶所留下的數據的真實性，然後將大量的數據進行實時篩選、分揀與重新組織並應用到用戶的出行前、出行中、出行後的個性化需求中，如圖 3 所示。
要做到個性化，明確用戶的目標需求是至關重要的，不僅要看訂單，還要關心用戶所關心的內容。例如，同樣是預訂五星級酒店，有些用戶對酒店設施十分敏感，有些看重酒店位置，有些則更在意酒店服務，對此，攜程會根據用戶的需求推薦不同的酒店。
美國塔吉特（Target）百貨設立了壹個迎嬰聚會登記表，並對登記表中顧客的消費數據進行建模分析。他們發現，許多孕婦在第二個妊娠期的開始會買許多大包裝的無香味護手霜，在懷孕的最初 20 周會大量購買補充鈣、鋅之類的保健品。
塔吉特最終選出了 25 種典型商品的消費數據，構建了“懷孕預測指數”。通過這個預測指數，塔吉特能夠在很小的誤差範圍內預測到顧客的懷孕情況，從而就能在合適的時間把孕婦優惠廣告寄發給顧客。
“Nike 跑鞋或腕帶傳感器”使耐克逐漸成為大數據營銷的創新公司。運動者只要穿著 Nike 的跑鞋運動，與之關聯的 iPod 就可以存儲並顯示運動日期、時間、距離、熱量消耗值等數據。
Nike 通過跑步者上傳的跑步路線掌握了主要城市最佳跑步路線的數據庫，而且組織城市的跑步活動效果更好。目前，Nike 的運動網上社區有超過 500 萬名活躍用戶每天不停地上傳數據，Nike 借此與消費者建立了前所未有的牢固關系。同時，海量的數據對於 Nike 了解用戶習慣、改進產品、精準投放和精準營銷也起到了不可替代的作用，Nike 甚至掌握了跑步者最喜歡聽的歌是哪些。個性化服務離不開顧客的主動參與和分享，來源於客戶的數據也能更精準地服務於客戶。
“三只松鼠”近幾年的快速發展，壹方面是依靠品牌推廣，另壹方面是在數據分析的基礎上不斷完善細節，包括個性化的稱呼、“三只松鼠”的卡通形象、贈品的差別化、不同的顧客標簽分類以及用戶體驗等。“三只松鼠”通過 ERP 系統能夠了解所有顧客在商城的購買記錄，通過 CRM 系統能夠準確抓取用戶的評價，壹些不經意的留言和評級會反映出他們的需求。
通過分析顧客過去在商城的購買習慣，用戶的購買評價，來判斷哪種口味的產品在哪個地區賣得最好，哪種產品是消費者最樂於接受的，從而進行更有針對性的產品首頁推薦。同時，他們會對顧客進行個性化、人性化的標簽分類和細化分析，從而根據這些分類，推送不同的產品類型。例如，愛老婆型顧客購買的產品主要是以老婆食用為主的，“三只松鼠”會在包裹裏放上書信，以“松鼠”的口吻代替顧客給他老婆寫壹封信。
3. 商品個性化推薦
隨著電子商務規模的不斷擴大，商品數量和種類快速增長，顧客需要花費大量的時間才能找到自己想買的商品。
個性化推薦系統通過分析用戶的行為，包括反饋意見、購買記錄和社交數據等，以分析和挖掘顧客與商品之間的相關性，從而發現用戶的個性化需求、興趣等，然後將用戶感興趣的信息、產品推薦給用戶。
個性化推薦系統針對用戶特點及興趣愛好進行商品推薦，能有效地提高電子商務系統的服務能力，從而保留客戶。
1）電子商務網站
隨著電子商務的蓬勃發展，推薦系統在互聯網中的優勢地位也越來越明顯。
在國際方面，Amazon 平臺中采用的推薦算法被認為是非常成功的。在國內，比較大型的電子商務平臺網站有淘寶網（包括天貓商城）、京東商城、當當網、蘇寧易購等。
在這些電子商務平臺中，網站提供的商品數量不計其數，網站中的用戶規模也非常巨大。據不完全統計，天貓商城中的商品數量已經超過了 4 000 萬。
在如此龐大的電商網站中，用戶根據自己的購買意圖輸入關鍵字查詢後，會得到很多相似的結果。用戶在這些結果中也很難區分異同，難於選擇合適的物品，推薦系統能夠根據用戶興趣為用戶推薦壹些用戶感興趣的商品。電子商務網站利用推薦系統為用戶推薦商品，方便了用戶，從而也提高了網站的銷售額。
2）電影視頻網站
個性化推薦系統在電影和視頻網站中的應用也很廣泛，能夠幫助用戶在浩瀚的視頻庫中找到令他們感興趣的視頻。在該領域成功使用推薦系統的壹家公司就是 Netflix。
Netflix 原先是壹家 DVD 租賃網站，後來開始涉足在線視頻業務。Netflix 非常重視個性化推薦技術，並且在 2006 年開始舉辦著名的 Netflix Prize 推薦系統比賽，希望研究人員能夠將 Netflix 的推薦算法的預測準確度提升 10%。
該比賽對推薦系統的發展起到了重要的推動作用：壹方面該比賽給學術界提供了壹個實際系統中的大規模用戶行為數據集（40 萬用戶對 2 萬部電影的上億條評分記錄）；另壹方面，在 3 年的比賽中，參賽者提出了很多推薦算法，大大降低了推薦系統的預測誤差。
圖 4 是 Netflix 的電影推薦界面，包含了電影的標題和海報、用戶反饋和推薦理由三部分。Netflix 使用的是基於物品的推薦算法，即給用戶推薦和他們曾經喜歡的電影相似的電影。Netflix 宣稱有 60% 的用戶是通過其推薦系統找到感興趣的電影和視頻的。
圖 4 Netflix 電影推薦
YouTube 作為美國最大的視頻網站，擁有大量用戶上傳的視頻內容。為了解決視頻庫的信息過載問題，YouTube 在個性化推薦領域也進行了深入研究，現在使用的也是基於物品的推薦算法。實驗證明，YouTube 個性化推薦的點擊率是熱門視頻點擊率的兩倍。
3）網絡電臺
個性化網絡電臺也很適合進行個性化推薦。首先，音樂很多，用戶不可能聽完所有的音樂再決定自己喜歡聽什麽，而且每年新的歌曲在以很快的速度增加，因此用戶無疑面臨著信息過載的問題。其次，人們聽音樂時，壹般都是把音樂作為壹種背景樂來聽，很少有人必須聽某首特定的歌。對於普通用戶來說，聽什麽歌都可以，只要能夠符合他們當時的心情就可以了。因此，個性化音樂網絡電臺是非常符合個性化推薦技術的產品。
目前有很多知名的個性化音樂網絡電臺。國際上著名的有 Pandora 和?Last.fm | Play music, find songs, and discover artists，國內的代表則是豆瓣電臺。這 3 個個性化網絡電臺都不允許用戶點歌，而是給用戶幾種反饋方式：喜歡、不喜歡和跳過。經過用戶壹定時間的反饋，電臺就可以從用戶的歷史行為中獲得用戶的興趣模型，從而使用戶的播放列表越來越符合用戶對歌曲的興趣。
Pandora 的算法主要是基於內容的，其音樂家和研究人員親自聽了上萬首來自不同歌手的歌，然後對歌曲的不同特性（如旋律、節奏、編曲和歌詞等）進行標註，這些標註被稱為音樂的基因。然後，Pandora 會根據專家標註的基因計算歌曲的相似度，並給用戶推薦和他之前喜歡的音樂在基因上相似的其他音樂。
Last.fm | Play music, find songs, and discover artists?記錄了所有用戶的聽歌記錄及用戶對歌曲的反饋，在這壹基礎上計算出不同用戶在歌曲上的喜好相似度，從而給用戶推薦和他有相似聽歌愛好的其他用戶喜歡的歌曲。同時，Last.fm | Play music, find songs, and discover artists?也建立了壹個社交網絡，來讓用戶能夠和其他用戶建立聯系，以及讓用戶給好友推薦自己喜歡的歌曲。Last.fm | Play music, find songs, and discover artists?沒有使用專家標註，而是主要利用用戶行為計算歌曲的相似度。
4）社交網絡
社交網絡中的個性化推薦技術主要應用在 3 個方面：利用用戶的社交網絡信息對用戶進行個性化的物品推薦，信息流的會話推薦和給用戶推薦好友。
Facebook 保存著兩類最寶貴的數據：壹類是用戶之間的社交網絡關系，另壹類是用戶的偏好信息。
Facebook 推出了壹個稱為 Instant Personalization 的推薦 API，它能根據用戶好友喜歡的信息，給用戶推薦他們的好友最喜歡的物品。很多網站都使用了 Facebook 的推薦 API 來實現網站的個性化。
著名的電視劇推薦網站 Clicker 使用 Instant Personalization 給用戶進行個性化視頻推薦。Clicker 現在可以利用 Facebook 的用戶行為數據來提供個性化的、用戶可能感興趣的內容“’流”了，而更重要的是，用戶無須在 Clicker 網站上輸入太多數據（通過評分、評論或觀看?Clicker.com?上的視頻等方式），Clicker 就能提供這樣的服務。
除了利用用戶在社交網站的社交網絡信息給用戶推薦本站的各種物品外，社交網站本身也會利用社交網絡給用戶推薦其他用戶在社交網站的會話。每個用戶在 Facebook 的個人首頁都能看到好友的各種分享，並且能對這些分享進行評論。每個分享和它的所有評論被稱為壹個會話，Facebook 開發了 EdgeRank 算法對這些會話排序，使用戶能夠盡量看到熟悉的好友的最新會話。
除了根據用戶的社交網絡及用戶行為給用戶推薦內容，社交網站還通過個性化推薦服務給用戶推薦好友。
5）其他應用
因為電子商務企業基本上實現了業務流程的各個環節的數據化，所以可以充分利用大數據技術對這些數據進行挖掘分析來優化其業務流程，提高業務利潤。除了前面介紹的幾個應用之外，大數據在電子商務行業還可以應用在其他許多方面。
① 動態定價和特價優惠
電子商務企業可以通過使用數據構建客戶資料，並發現用戶喜歡花費多少費用和喜歡購買什麽產品，從而通過跟蹤客戶的消費行為，使用大數據分析來開發靈活的定價和折扣政策。例如，如果分析顯示用戶對特定類別商品的興趣飆升，則電子商務企業可以提供打折或買壹送壹優惠。
② 定制優惠
電子商務企業可以通過使用數據來確定客戶的購買習慣，並根據以前的購買方式向他們發送有針對性的特價優惠和折扣代碼。數據也可以用於在客戶中止購買或只看不買時重新吸引客戶，例如，通過發送電子郵件提醒客戶他們查看過的產品或邀請他們完成購買。
③ 供應鏈管理
電子商務企業可以使用大數據更有效地管理供應鏈。數據分析可以揭示供應鏈中的任何延遲或潛在的庫存問題。如果某個項目存在問題，則可以立即將其從銷售中刪除，以免破壞客戶服務問題。
④ 預測分析
預測分析是指利用大數據技術分析電子商務業務的各種渠道，幫助企業制定未來運營的業務計劃。數據分析可能會顯示電商企業在線商店部門的新購買趨勢或銷售減緩的商品。
使用這些信息就可以幫助規劃下壹階段的庫存，並制定新的市場目標。隨時了解電子商務的最新趨勢具有壹定的挑戰性，但是利用大數據技術可以大大提高企業的利潤，並幫助企業建立壹個成功的前瞻性思維業務。如果不利用挖掘大數據的力量，就可能會錯過市場成功的機遇。