มันเป็นทั้งศิลปะและวิทยาศาสตร์ เขตการศึกษาทั่วไปหมุนรอบการวิเคราะห์ตะกร้าตลาด (หรือที่เรียกว่าการวิเคราะห์ความสัมพันธ์) ซึ่งเป็นส่วนย่อยของการขุดข้อมูล ส่วนประกอบทั่วไปในระบบดังกล่าวรวมถึงการระบุรายการไดรเวอร์หลักและการระบุรายการความสัมพันธ์ (การเพิ่มยอดขาย, การขายต่อเนื่อง)
โปรดจำไว้ว่าแหล่งข้อมูลที่พวกเขาต้องขุด ...
- ซื้อตะกร้าสินค้า = เงินจริงจากคนจริงที่ใช้กับสินค้าจริง = ข้อมูลที่ทรงพลังและมากมาย
- เพิ่มสินค้าลงในรถเข็น แต่ละทิ้ง
- การทดสอบราคาออนไลน์ (การทดสอบ A / B ฯลฯ ) ซึ่งพวกเขาเสนอผลิตภัณฑ์เดียวกันในราคาที่ต่างกันและดูผลลัพธ์
- การทดสอบบรรจุภัณฑ์ (การทดสอบ A / B เป็นต้น) ซึ่งพวกเขานำเสนอผลิตภัณฑ์ที่แตกต่างกันใน "กลุ่ม" ที่แตกต่างกันหรือลดการจับคู่ของรายการต่างๆ
- รายการสิ่งที่ปรารถนา - มีอะไรในนั้นเป็นพิเศษสำหรับคุณ - และโดยรวมจะสามารถได้รับการปฏิบัติคล้ายกับข้อมูลการวิเคราะห์ตะกร้าอื่น
- ไซต์ผู้อ้างอิง (การระบุว่าคุณเข้ามาจากที่ใดสามารถบ่งบอกรายการที่น่าสนใจอื่น ๆ )
- เวลาที่อยู่อาศัย (ระยะเวลาก่อนที่คุณจะคลิกกลับและเลือกรายการอื่น)
- การให้คะแนนโดยคุณหรือในแวดวงโซเชียล / การซื้อ - ถ้าคุณให้คะแนนสิ่งที่คุณชอบคุณจะได้รับสิ่งที่คุณชอบมากขึ้นและถ้าคุณยืนยันด้วยปุ่ม "ฉันมีอยู่แล้ว" พวกเขาสร้างโปรไฟล์ที่สมบูรณ์มากของคุณ
- ข้อมูลประชากร (ที่อยู่สำหรับจัดส่ง ฯลฯ ) - พวกเขารู้ว่าสิ่งใดที่เป็นที่นิยมในพื้นที่ทั่วไปของคุณสำหรับลูก ๆ ของคุณตัวคุณเองคู่สมรส ฯลฯ
- การแบ่งกลุ่มผู้ใช้ = คุณซื้อหนังสือ 3 เล่มในเดือนที่แยกต่างหากสำหรับเด็กที่หัดเดินหรือไม่? น่าจะมีลูกหรือมากกว่านั้นเป็นต้น
- การคลิกผ่านข้อมูลทางการตลาดโดยตรงคุณได้รับอีเมลจากพวกเขาและคลิกผ่านหรือไม่ พวกเขารู้ว่าเป็นอีเมลอะไรและคุณคลิกผ่านและคุณซื้อเป็นผลมาจากอะไร
- คลิกเส้นทางในเซสชั่น - สิ่งที่คุณดูโดยไม่คำนึงว่ามันไปในรถเข็นของคุณ
- จำนวนครั้งที่ดูรายการก่อนที่จะซื้อขั้นสุดท้าย
- หากคุณกำลังจัดการกับร้านค้าอิฐและปูนพวกเขาอาจมีประวัติการซื้อทางกายภาพของคุณเช่นกัน (เช่นของเล่นเราหรือบางอย่างที่ออนไลน์และร้านค้าทางกายภาพ)
- ฯลฯ เป็นต้น
โชคดีที่ผู้คนมีพฤติกรรมคล้ายกันดังนั้นยิ่งพวกเขารู้เกี่ยวกับจำนวนผู้ซื้อมากเท่าไรพวกเขาก็รู้ว่าจะขายอะไรดีและจะไม่ขายและทุกการทำธุรกรรมและการจัดอันดับ / สิ่งที่อยากได้เพิ่ม / เรียกดู โปรดทราบว่านี่เป็นเพียงตัวอย่างเล็ก ๆ ของอิทธิพลเต็มรูปแบบของคำแนะนำ ฯลฯ
ตอนนี้ฉันไม่มีความรู้เกี่ยวกับวิธีที่ Amazon ทำธุรกิจ (ไม่เคยทำงานที่นั่น) และทั้งหมดที่ฉันทำคือพูดถึงวิธีดั้งเดิมในการแก้ปัญหาการค้าออนไลน์ - ฉันเคยเป็นนายกรัฐมนตรีที่ทำงานด้านการขุดข้อมูลและการวิเคราะห์สำหรับ Microsoft ผลิตภัณฑ์ที่เรียกว่า Commerce Server เราจัดส่งเครื่องมือการพาณิชย์ที่อนุญาตให้ผู้คนสร้างไซต์ที่มีความสามารถคล้ายกัน .... แต่ยิ่งปริมาณการขายยิ่งมากเท่าไหร่ข้อมูลก็จะยิ่งดีขึ้นเท่านั้น ฉันสามารถจินตนาการได้ว่ามันสนุกแค่ไหนที่ได้เล่นกับโมเดลที่มีข้อมูลจำนวนมากในไซต์ขับเคลื่อนการค้า ตอนนี้หลายขั้นตอนวิธีการเหล่านั้น (เช่นทำนายที่เริ่มต้นในเซิร์ฟเวอร์พาณิชย์) ได้ย้ายที่จะมีชีวิตอยู่ได้โดยตรงภายในMicrosoft SQL
สี่วิธีใหญ่ที่คุณควรมีคือ:
- Amazon (หรือผู้ค้าปลีก) กำลังดูข้อมูลรวมสำหรับการทำธุรกรรมและผู้คนมากมาย ... นี่ทำให้พวกเขาสามารถแนะนำผู้ใช้ที่ไม่ระบุชื่อบนเว็บไซต์ของตนได้เป็นอย่างดี
- Amazon (หรือผู้ค้าปลีกที่มีความซับซ้อน) กำลังติดตามพฤติกรรมและการซื้อของใครก็ตามที่เข้าสู่ระบบและใช้สิ่งนั้นเพื่อปรับแต่งเพิ่มเติมบนข้อมูลมวลรวม
- บ่อยครั้งที่มีวิธีการมากกว่าการขี่ข้อมูลที่สะสมและการควบคุม "บรรณาธิการ" คำแนะนำสำหรับผู้จัดการผลิตภัณฑ์ของบรรทัดที่เฉพาะเจาะจง (เช่นบางคนที่เป็นเจ้าของแนวตั้ง 'กล้องดิจิทัล' หรือแนวตั้ง 'แนวโรแมนติกหรือนวนิยาย') เป็นผู้เชี่ยวชาญ
- มักจะมีข้อเสนอส่งเสริมการขาย (เช่น sony หรือ panasonic หรือ nikon หรือ canon หรือ sprint หรือ verizon จ่ายเงินเพิ่มเติมให้ผู้ค้าปลีกหรือให้ส่วนลดที่ดีกว่าในปริมาณมากหรือสิ่งอื่น ๆ ในบรรทัดเหล่านั้น) ที่จะทำให้ "คำแนะนำ" บางอย่างเพิ่มขึ้น ด้านบนมักจะมากกว่าเหตุผลอื่น ๆ - มีเหตุผลทางธุรกิจที่สมเหตุสมผลและเหตุผลทางธุรกิจที่อยู่เบื้องหลังสิ่งนี้เป้าหมายในการทำมากขึ้นในแต่ละรายการหรือลดค่าใช้จ่ายขายส่ง
ในแง่ของการใช้งานจริง? ระบบออนไลน์ขนาดใหญ่เกือบทุกระบบจะใช้ชุดของท่อส่ง (หรือการนำรูปแบบตัวกรองหรือเวิร์กโฟลว์มาใช้เป็นต้น) คุณเรียกสิ่งที่คุณต้องการ) ที่อนุญาตให้บริบทประเมินโดยชุดของโมดูลที่ใช้รูปแบบบางอย่างของ ตรรกะทางธุรกิจ
โดยทั่วไปแล้วไปป์ไลน์ที่แตกต่างกันจะเชื่อมโยงกับงานที่แยกกันในหน้า - คุณอาจมีงานที่แนะนำ "แพ็คเกจ / อัพเซล" (เช่นซื้อสิ่งนี้กับรายการที่คุณกำลังดู) และอีกอันหนึ่งที่เป็น "ทางเลือก" (เช่นซื้อ แทนที่จะเป็นสิ่งที่คุณกำลังดู) และอีกรายการหนึ่งที่ดึงรายการที่เกี่ยวข้องอย่างใกล้ชิดที่สุดจากรายการสินค้าที่คุณต้องการ (ตามหมวดหมู่ผลิตภัณฑ์หรือคล้ายกัน)
ผลลัพธ์ของท่อเหล่านี้สามารถวางบนส่วนต่าง ๆ ของหน้า (เหนือแถบเลื่อนด้านล่างเลื่อนด้านซ้ายด้านขวาด้านขวาแบบอักษรต่าง ๆ ภาพขนาดต่าง ๆ ฯลฯ ) และทดสอบเพื่อดูว่ามีประสิทธิภาพใด ดีที่สุด เนื่องจากคุณใช้โมดูลแบบพลักแอนด์เพลย์ที่ง่ายที่กำหนดตรรกะทางธุรกิจสำหรับท่อเหล่านี้คุณจะมีคุณธรรมเทียบเท่ากับเลโก้บล็อกที่ทำให้เลือกและเลือกจากตรรกะทางธุรกิจที่คุณต้องการใช้เมื่อคุณสร้างไพพ์ไลน์อื่น ซึ่งจะช่วยให้นวัตกรรมได้เร็วขึ้นการทดลองมากขึ้นและในที่สุดผลกำไรที่สูงขึ้น
นั่นช่วยอะไรได้บ้าง? หวังว่าจะให้ข้อมูลเชิงลึกเล็กน้อยเกี่ยวกับการทำงานของไซต์อีคอมเมิร์ซทั่วไปไม่ใช่แค่ Amazon เท่านั้น อเมซอน (จากการพูดคุยกับเพื่อนที่ทำงานที่นั่น) เป็นแรงขับเคลื่อนข้อมูลและวัดประสิทธิภาพของประสบการณ์การใช้งานของผู้ใช้อย่างต่อเนื่องและการกำหนดราคาโปรโมชั่นบรรจุภัณฑ์และอื่น ๆ - พวกเขาเป็นผู้ค้าปลีกออนไลน์ที่ซับซ้อนมาก อัลกอริธึมมากมายที่พวกเขาใช้เพื่อปรับผลกำไรให้ได้ - และนั่นเป็นความลับที่เป็นกรรมสิทธิ์ (คุณรู้ว่าชอบสูตรของเครื่องเทศลับของเคเอฟซี) และได้รับการรับรองเช่นนี้