旧电商死因：佛系购物 V.S. 世俗营销

佛系朋友有三好：善倾听，肯借钱，易推倒。

但有一种场景会让人抓狂，对于组局者来说，最难搞的绝对是佛系好友：

• 吃啥？——随便
• 在哪聚？离你近点？——都行
• 我叫那个谁谁谁了啊？——看你
• 下周X晚上X点，你能到吧？——尽量

为什么大家越来越佛系？

因为平时见过的套路太多了，相当于提前经历，建设了足够的心理预期，真正遇到的时候就没有应激反应。

佛系用户看破的不是红尘，而是套路。比如平时见惯了打折促销，对双十一双十二的折扣力度不那么在意了。

这么说来，

最容易遇见佛系用户的，就是电商了。

离钱最近，营销最6，套路最多。

作为理性分析派的电商产品经理，相信你内心有一堆公式——

• what+what=新用户下单；
• what/what=复购；
• ∫what(x)e^(-2πix·what)dx=ARPU↑；

遇见白领套公式2，遇见大学生用公式1，遇见程序员公式3妥妥的……

遇见佛系用户呢？

尼玛……ta们是谁？ta们长啥样？ta们在哪？ta们就是公式中的误差参数吧！

在佛系用户看来，你俗不可耐的营销不过是浪费时间而已。

ta们面无表情的点击点击点击，再核对一遍早就准备好的购物车，分享商品页，领券，付款，关掉APP，删了分享，继续面无表情的刷朋友圈。

这就是为什么电商竞争逐渐向折扣力度竞争转变。

旧电商一直在进化，痛苦，艰难。

不管O2O，还是新零售，又或国外无处不在的Omnichannel，本质和扩品类一样，都是为了让电商“地盘”越来越大，将电商APP塞进每一个可能产生消费的场景。或者这些对佛系用户或许好使，前提是他们愿意去线下体验。

内容类电商火了礼物说、蘑菇街等一批平台，但随着用户淘货成本的进一步上升，此类平台的可信度大大下降。导致GMV中80%以上都是大品牌的爆款，而这些爆款是利润最低的。

做品牌似乎很美，但又有几个小公司能专注并且坚持呢？你可以选择死磕一件衬衣，但很快就被各种营销套路挤压的开始怀疑人生。

有的转向垂直品类电商，信仰小而精就是未来，但现在最贵的就是流量，很难想象一个新兴母婴平台能一边做广告投放，一边发优惠券拉新，最后还维持盈利。

跨境电商的背景都不简单，要么背靠一带一路，要么有大牌独代资源，但是18年监管要更严，以及，还记得禁韩令吗？

还有社群电商、社区电商、大企业内部销售等等，就不说了，连基本用户体验都不周全（如质量、价格、物流速度等），微商更是上不了台面。

作为电商行业从业者，这些套路你可能没有逐一尝试吧？

遗憾的是，你的用户都试过了。

因此，大型电商平台（亚马逊、阿里巴巴、eBay、京东等）除了继续争夺原有业务之外，都在探索和佛系用户更好相处的方法。目前看来，人工智能似乎成了最佳选择。

其他旧电商们都在犹豫，要不要把AI当成新战略。

值得庆幸的是，电商业务天生有AI化潜质，用户的每一个行为都表达出内心的一部分需要， 从而顺理成章地诞生了新功能，提升了用户体验。

佛系需求 1：推荐和个性化预测

通过大数据、贝叶斯算法等，实现智能推荐功能，降低用户选择成本，包括：

• 基于搜索、已购和浏览记录的兴趣推荐（相似品、互补品算法，高频、低频等等）
• 基于用户访问时间的活跃性推荐（根据时间推测用户可能的使用场景，然后做出推荐）
• 基于位置信息的推荐（检查用户是否处于线下商圈，是否需要推荐店铺）
• 基于社交属性的推荐（根据好友关系、社交行为等，猜测用户可能需要的商品）

佛系用户在意效率，那么推荐功能或许能帮ta们。

佛系需求 2：通过图片找相似商品

这是比较老的一个领域，但可能是最受欢迎的功能之一，通过计算机视觉+深度学习做到“以图搜图”，例如，一个妹子有一张吊灯的照片，很喜欢但买不到，于是她把照片上传到电商APP，AI能理解商品的款式、规格、颜色、品牌及其他的特征，最后给出相似商品的链接。

这个功能可以显著地提升佛系用户的搜索能力。

“能搜到就买，搜不到就算了”这种需求现在也能争取一下了。

这方面做的小有成就的国内外有几十家，下面可以找到他们，以及一些开源代码：

佛系需求 3：人工智能客服

对于PM来说，引入chatbot是简单有效的AI产品策略，电商平台尤其如此。

chatbot并非在AI技术大热后的产物，早在互联网电商初期，为满足大量客服响应，电商早已通过程序开始了机器人客服工作。

根据Gartner的预测，到2020年85%的零售业消费者互动都将由AI来管理。

京东自2012年下半年起上线的智能机器人JIMI。其累计服务用户已经破亿，并于2016年9月7日正式发布开放平台，免费向第三方开放使用。

2016年3月，阿里巴巴发布人工智能服务机器人“店小蜜”，这款面向淘系千万商家的智能客服，经过商家授权、调试，可以取代部分客服，从而降低人工客服的工作量。

佛系用户或许是最能忍受chatbot的人，及时响应，效率高。

情感AI或成新趋势，或许有助于ta们还俗吧。

目前的AI客服都没有解决“情感化”问题，而有预测称情感AI或是电商零售的下一次革命。

博柏利（Burberry）和耐克部署的人工智能客服，需要增加情感AI功能，来判断消费者对客户机器人的满意度。

在实体店中，情感AI甚至能够通过人脸识别和GSR传感器采集分析大量有价值信息：

• 店里哪些区域对顾客吸引力最大
• 顾客何时何地感到不安或迷失
• 哪些产品或者促销手段最受顾客青睐
• 顾客对店面和货架以及客服的满意度

例如在可口可乐的人工智能实践中，不仅能够通过分析附近用户手机的doubleclick和浏览历史数据来判断消费者的性别、年龄段和收入，给出针对性的广告展示和路径指引，而且仅仅根据消费者在实体店的移动速率变化就可判断其情绪变化和购买意愿。

这对佛系用户来说恐怕会造成一定负担，如阿里推出的用微笑争取折扣的功能。

用AI降低电商成本：

• 内容管理方面：AI可以通过图片为商品打标签、制作海报、写简单的宣传文案。
• 无人仓库：通过人工智能实现系统自动预测、补货、下单、入仓和上架。
• 营销效果预测：通过对往期活动数据的学习，得出公式，避免低效营销。

理解趋势和读懂消费者：

其实有大量的用户信息是隐藏在图片中的，根据用户浏览的图片，可以让机器从中学习到最近某品类的流行趋势（如规格、风格、颜色材质等），这是商品生产者的最爱，也是平台和供货商谈判的重要依据。

使用人工智能技术总结的时装流行趋势：

如果电商都这么做了……

十年后，佛系用户的极乐世界来了为大家服务的，不会再是真的人类了。

电商人要失业了吗？

据说亚马逊有54万员工，京东、阿里也有20万呢，哎呀好心疼。

旧电商们再抢救一下吧！

营销什么的还请加油！

不要输给机器呀！

当然看到这里你还是想做AI，那我们就来讨论讨论：旧电商AI化的门槛究竟在哪呢？

1、如果需要AI预测营销效果，提升GMV，需要注意：

• 数据收集：和用户接触的每个点都要量化，包括营销，用户行为等等；
• 目标与达标：实现营销/促销活动目标的数据更有助于训练算法，能提供更好的预测和建议；
• 统一性：将营销、销售、用户行为等数据联系到一起，这样更有可能AI化；

2、重点说下数据，这关系到推荐算法，降低运营成本等等。

数据类型：

• 用户行为反馈：如浏览，点击，购买，评价，分享，收藏，咨询等，用户身份信息，如年龄，性别，职业，受教育程度， 收入等，以及地域相关信息，如城市，省份，邮编等；
• 商品数据：销量数据、供应商、物流仓储、产品属性、产品规格、产品图片等；
• 营销数据：活动收入、优惠力度、渠道与流量数据、核心页面数据、ARPU与忠诚度提升等；
• 日常运营数据：GMV、UV、下单率、付款率、客单价、ARPU、库存物流、供应商价格等；

图片来自知乎数据小人

• 用户数据来源：用户访问点击操作，服务器日志（Log）以及交易（Transaction）记录。
• 埋点式采集：传统的埋点式方法是在用户访问页面放置探针，在服务器的后端采集尽可能多的用户点击和访问操作。这种方法应用非常普遍。缺点是：第一迭代周期较长，第二随着Javascript前端技术的飞速发展大量的用户操作都是预加载或延迟加载，许多信息并未在后端纪录造成数据缺失。
• 非埋点式采集：非埋点式的方法则是在App或页面前端放置SDK将用户所有操作异步传回服务器后端。应用此方法获得的数据内容更全面。缺点是：数据量较大，后端需要进一步进行细分筛选。