数据科学如何为电商企业增加利润？

数据科学不是互联网公司专属

• 著名化妆品公司欧莱雅，聘用数据科学家研究各种化妆品对不同肤质和组合的效果。

• 劳斯莱斯聘用数据科学家为飞机引擎确定维护时间。

• Feedzai 运用数据科学算法监测欺诈行为。

• Fruition Sciences , 一个为酿酒者服务的在线决策工具，使用数据科学算法决定向葡萄加多少水，以及何时加水能出产质量更好的红酒。

在电子商务领域，数据科学通过捕捉和整合消费者的线上行为、生命事件、购买驱动力、互动方式和其他更多信息，使企业更了解消费者。

电商领域的一些数据趋势：

• 60% 的人在包括移动、社交、实体店、网站等多个渠道研究品牌，与品牌发生接触。

• 使用几个不同渠道搜寻某种商品的人，会比不这么做的人多付 1/3 的钱。

• 美国 43% 的零售销量来自网络。

• 由 eCommera 进行的一项调查发现，只有 23% 的零售商能理解数据作出决策。

• 英国 50% 的零售商认为缺少商业智能工具是（他们）开始运用数据科学的原因，同时只有 16% 的零售商对他们现有的数据分析解决方案有信心。

这些趋势体现了电商行业的快速发展，也体现出数据科学有望加强消费者的购买行为，给电商企业贡献更好的营销策略和更高利润。

1) 为消费者推荐产品

“未来的趋势是个性化。而你会像消费者了解自身一样了解他们。”

TomEbling , Demandware 总裁兼 CEO

基于消费者行为作出的促销和推荐非常有效。如今的消费者非常依赖推荐系统，不论是产品购买、新品消息、外出就餐或服务选择。多数电商网站，像 Amazon 、eBay 、Target 都拥有数据科学团队，在推荐系统背后，思考类型、权重、特性和许多其他因素。数据科学建立的推荐系统有两个主要的目的：

• 配套销售。你在选购 iPhone6 那你也许会对 iPhone 保护壳感兴趣。

• 增值销售。例如，你在找某种 LED 电视。它有一个更优质的换代产品，刚刚上市，且只贵几块钱。

数据科学算法学习产品相关的多种属性、关联，学习消费者的喜好以便预测他们的需求。这些算法为消费者更换展示页面，或app或网站上产品排列顺序，使得消费体验个性化。