截止6月18日当天下午2点半，京东618全球年中购物节累计下单金额突破了1800亿元。相比2018年6月1日0点到6月18日24点，累计下单金额1592亿元已经突破记录。这个1800亿元销售额背后，需要物流配送员跑5亿公里，才能完成所有订单的送达服务。
在这场低调的年中狂欢背后，有一个神秘的大脑，也就是传说中的神秘指挥部——京东视界。
京东视界是一个可视化的指挥中心，我们可以在这里实时监控全国的订单、物流、仓储等整个交易链条上的各个环节，通过大数据的支持，以最快的响应速度，为京东618这样的大型活动打下坚实后盾。
前段时间，咱们邀请到「京东大数据研究院首席研究官」刘晖，他将带我们走进京东，揭开京东千亿营收背后的秘密武器——京东大数据。
在这次专访中，他将为我们解读京东大数据发现的一些有趣的事情，京东大数据的应用架构，以及京东如何利用大数据为传统零售赋能的相关内容。
首先，分享几组有趣的电商消费数据：
1. 元宵节的消费数据
京东每年都会跟踪分析元宵节的消费数据。元宵与汤圆是两种不同的商品，一般而言，北方“滚”元宵、南方“包”汤圆，是我国不同地域的传统习俗。但2019年的消费数据显示，北方的消费者在正月十五更喜欢买汤圆，南方的消费者则开始喜欢买元宵，这其实反映了消费者「喜欢尝鲜」的消费心理。
此外，春节时会有不少西北的用户大量采购波士顿龙虾、阿根廷红虾，也有一些海南的用户去买东北酸菜，这些地域性的消费数据，生动、有趣地为我们展现了中国的消费图景。
2. 春节的消费数据
今年京东做了春节的消费分析。刘晖说，春节有两种消费行为是特别典型的：
一个是异地消费，在北上广深工作的年轻人，在回老家之前，很有可能是通过电商把年货邮寄回去。所以，每年春节、中秋节前后，会产生大量的异地订单，这些异地订单非常具有分析价值，京东可以根据这些数据，判断哪些地区是劳动力的输出地，哪些地区是劳动力的输入地。
根据这些结论，京东可以有后续更多的个性化动作。
另一个是消费升级，2016、2017两年，大量的北方用户给家里寄去了口罩与空气净化器，这是一线城市向其它城市输出应对雾霾的手段。2018、2019两年，一些无形的中高端产品开始“崭露头角”，很多人给家里购买了出境游、国内游，或者一些高端的美容、美妆产品。
刘晖提出，京东电商大数据的价值，体现在如下4个方面：
1. 洞察
首先是洞察，京东要让数据包含的趋势和内容变化展现在所关注的人面前。这从骨子里来说就是可视化，把之前存在于报表中的、需要大量浏览才能看到的数据趋势，通过线条或动态的三维图标来展现。
2. 挖掘
其次是挖掘，就是从现有的数据中，发现事物发展的趋势所在，也就是说要做预测，看看未来究竟会发生什么？
京东会对每一个商品，在未来一个季度以内的销量，或是每个地区不同用户群的销量进行预测，也可以对它们的价格走向进行预测。
3. 决策
再次是决策，既然有了预测，京东就可以让数据加上人工智能系统，帮助人做很多决策和辅助决策。比如：一个商品上市之后，应该用怎样的价格策略去完成销售？在半个月内要完成销售1万件的目标，究竟应该在哪些仓里配？把它放在什么位置上？在什么样的页面上给商品提供什么样的促销措施？
这些往往都是人来做，但是现在京东用更多大数据做决策和辅助决策，就是帮助大家来做决策的一些建议。
4. 开放
最后是开放，开放是所有做大数据的人共同期盼的未来，数据从业者们希望大数据能够跳脱出每个部门、每个公司甚至是国家之间的藩篱，能够让大数据真正地流动起来，去创造更好的价值。
刘晖说，京东现在正处于大数据2.5的阶段，大量的数据已经做了预测，可以用数据工具帮助同事进行一些辅助决策。比如这个商品下一阶段要进多少件货，放在哪里，定一个什么样的价格，随着人工智能决策能力的不断提升，京东的电商零售会做得更有效率、更低成本，也让消费者拥有更好的体验。
京东的大数据具备一个系统、完备的体系。在底层，京东有很庞大、统一、开放的数据底层，无论是交易的零售数据、物流数据，甚至是金融的支付数据都是在一个巨大的平台上，这也导致京东可以拥有非常完整的数据链。
再往上一层叫做知识层，就是从简单的交易数据变成一些更加人性化或者更加偏社会科学的数据。比如京东用很多画像去描绘用户、描绘商品、描绘小区。
再往上一层，京东做了大量的数据模型进行分析和预测，同时支持集团的所有业务，这是大数据的中台，是京东大数据应用架构的中间一层，通过开放更多的产品服务，为京东以及更多的合作伙伴来提供服务。
大数据是有价值的，京东的大数据也具备系统、完整的体系，那么京东如何用大数据看消费呢？
一方面，京东通过将用户画像数据化，达到精准服务用户的目的。
所谓用户画像，就是京东的大数据工作者，通过数据去描绘这个用户。京东最多给用户打过300多个标签，这些标签中甚至还包括用户有没有宠物、需不需要装修、有没有车载设备、买没买过大家电等很多周边信息，京东通过对这些信息进行梳理、进一步细化、精准化，形成常用的几十个标签。
例如通过用户的交易行为，挖掘出用户的性别、学历、商品购买方式等。京东有大量的数据模型算法，通过用户的交易数据去估算这个人的用户画像。京东在针对用户做数据分析时，常用的是四类数据。
1. 交易数据
第一类数据是用户通过真金白银在京东上购买商品，留下来的是交易数据。这一部分数据体量很大，是京东的核心资产，让京东知道用户在什么时间，买了多少件什么样的商品。
2. 用户行为数据
第二类数据是京东的用户行为数据，也被称为数字足印，当用户登录或者一开始访问京东的网站或App时，用户的整个行动轨迹是留下了足印的。例如：他是怎么进入我们的网站，是通过搜索还是目录式索引进入到商品的详情页，在浏览商品详情页时会在哪里停留。
3. 知识结构体系
第三类数据是刚才提到的知识结构体系，京东目前拥有用户画像、小区画像、商家画像、商品画像这4个画像。
嘉宾刘晖在这里特别为我们介绍了小区画像，中国的商品房模式使得消费、职业上很接近的一群人往往住进了同样的小区。京东拥有自建的物流体系，可以用很精确的商业小区的维度去判断这些用户的共性。比如：这个小区的用户，他在购买婴幼儿商品时，选择的是哪个品牌的进口奶粉，选择的是国产还是进口的电饭煲，这些数据往往非常准确。
比如你是一个望京的住户，你身边的邻居都是一些高端的商务人士，那么显而易见，当你打开京东搜索时，页面上更多呈现的应该是一些高端的进口商品。
4. 调研
第四类数据是调研，调研不是客观的商品数据，是来自于我们与用户面对面或在线的访谈。
京东调研的特色在于：能够将调研问题精准地投放给标的用户。例如：一个配件企业想做汽车轮毂的调研，他想知道购买10-20万的这些轿车的用户，他们究竟未来有没有更换自己默认轮毂的这种潜在需求？
京东的特色在于我们很明确的可以通过这些用户购买的汽车配件的型号，锁定目标用户群，同时它甚至可以指定相应的城市，甚至城区小区年龄段收入阶层学历，我们把问卷精准地发放到消费者能够触达的窗口，让它能够进行反馈。
另一方面，京东目前可以掌握多种维度的数据，其中比较典型的有两种：基于时间维度的交易数据和基于地域维度的交易数据。
5. 基于时间维度的交易数据
嘉宾刘晖首先分享了一组基于时间维度的交易数据，如下图：
PC端下单曲线展示一个用户典型的生活与工作的时间流程。凌晨，用户睡觉了，6点钟起床，8点钟在上班路上，这时下单量较小。但是，到了10-11点，会拉起一个采购的高峰，因为用户可能处理完了手上的第一批邮件，需要喘一口气，正好上京东去消费一下。
中午12点，这个曲线又会掉下去，因为用户出去吃饭了，无法在PC端上进行购物。下午2点-4点，又会拉起一个购物的小高峰，因为下午的会议又开始了，开完几个会以后，用户需要平复一下心情，再买一点东西。
到下午5点以后，PC端的购物曲线就会一直下去，因为回家吃晚饭后，我们大多会躺在沙发上看电视，不会再接触PC了。但是，蓝色的移动端曲线是完全不一样的，我们可以看到，这条曲线非常平缓，这是因为：移动端用户可以在很多时间和场合去下单。
所以，如果我们用时间和交易的维度进行交叉时，就可以看到更丰富或深入的用户的一些习惯。
6. 基于地域维度的交易数据
谈到地域维度，嘉宾刘晖同样举了一个大家非常感兴趣的例子：哪些地方的人天生就是能喝或者爱喝酒，所以京东每年都会给出一个红白黄啤四种酒类在全国的消费分布。
比如，北京市位于第四象限，也就是说北京人买酒的频率没那么高，但买的都是好酒，在这一方面，上海、西藏的情况与北京类似。
为什么西藏会出现在第4象限？
这是因为西藏是一个新兴的电商消费地区，第一批接受电商的人往往是金字塔的中高端用户，他们的消费习惯跟一线城市非常接近。
但是看到黑吉辽，很多人就会问了，为什么东三省这么能喝的地区会排在这儿？
这是因为：东三省在电商上的白酒消费量不是特别大，他们的啤酒消费排在第一象限，频率极高，购买力也很强，构成了与白酒的相互替代。
刘晖分享了很多京东对于大数据的看法、认知与建设，那么，京东大数据究竟有何应用呢？他列举了四类典型大数据应用：千人千面、智能供应链、C2M反向定制、京东专享。
1. 千人千面
千人千面是指京东基于大数据挖掘，使得每一个用户在打开ta的京东App或者输入一个搜索词之后，看到的页面完全不一样，会根据你的用户画像、小区画像，为你精准地推送最适合你的商品。
这个模式让我们对未来大数据在电商的应用中充满了信心，因为对于京东来说，这可以极大地提升转化率。对于消费者来说，ta可以将京东当作一个个性化的商场，一个精准捕捉、匹配ta购物需求的地方。
2. 智能供应链
智能供应链是京东的老本行，做零售的企业都是做供应链的，都会积累大量的数据，都是通过使用数据更好地运行、推动供应链。例如：京东可以告诉上游企业，它的某一款商品在未来一个季度究竟在全国的500多个仓库，每个仓库放多少个产品合适。京东也可以告诉一个企业，要对这款春季的时尚服装进行清仓了，该如何确定价格曲线，什么时候该降价多少钱？
3. C2M反向定制
C2M反向定制，也是京东基于大数据的一项重要举措。刘晖为我们简单梳理了一下C2M反向定制的一些关键要素。
外界会认为京东在做C2M反向定制时，主要就是通过用户的点评采购，但实际上其背后系统中的因素非常丰富，京东甚至会根据用户在浏览商品页时的停留、跳出情况，甚至还有售后反馈的大量信息，去决定要给哪些用户推送什么样的产品，进行用户群的细分，为相应的用户制定相应的价格。
刘晖坦言，他相信京东代表了未来零售的模式，京东会为每一个人去生产最适合ta最精准的商品和服务。
4. 购物决策的“临门一脚”
在电商平台上，有些用户的行为非常有趣。他们往往会把高价值的目标商品放在购物车里，有时一放就是一年半载，在这段时间里，用户会频繁地去看那个商品，并比较同类的商品，京东把这类用户加了标签，叫做强需求用户。
嘉宾刘晖说，这些用户距离买下商品，可能只差了一个动因，这个动因有可能是一个200元钱的配件包，或者是50元钱的现金券。为了应对这样的强需求用户，京东设置了一个项目：京东专享，这是让用户决定购买的“临门一脚”。
京东专享的的核心就是通过大数据去把这些对某个商品有强需求，离购买只差一步之遥的用户挖掘出来，京东会把用户在京东能够享受的京东给的优惠，厂商能给的优惠把它汇集起来，计算出一个特殊的一个优惠包，通过App或者短信的提示发给他，这个叫做京东专享优惠。
这个系统收效非常明显，在我们的大家电和高端手机上明确地提升了购买量而且也让消费者觉得自己被重视了，而且它的个性化需求被满足了。
来源：起点学院
爱盈利-运营小咖秀(www.aiyingli.com) 始终坚持研究分享移动互联网App运营推广经验、策略、全案、渠道等纯干货知识内容；是广大App运营从业者的知识启蒙、成长指导、进阶学习的集聚平台；
想了解更多移动互联网干货知识，请关注微信公众号运营小咖秀（ID: yunyingshow）
