如何讓用戶買的爽？在這個問題的引導下，電商品牌之間的競爭從網絡穩定性、物流流程的PK，轉到了今年更高級的競爭領域：人工智能和算法的較量。

雙十一剛剛過去，電商的從業者終于可以喘口氣了。這個節日從九年前的光棍節演變成如今電商行業的狂歡節。早幾年雙十一剛流行的時候，零點訂單過多造成網絡癱瘓、到了支付環節一鍵崩潰是常被吐槽的事情。這幾年軟硬件技術的發展，雙十一的購物體驗越來越好。讓用戶扼腕嘆息的從“網絡崩潰”變成了“今年沒搶到”。

如何讓用戶買的爽？在這問題引導下電商品牌之間的競爭從網絡穩定性、物流流程的PK，轉到了今年更高級的競爭領域：人工智能和算法的較量。

無論是阿里今年上崗的高精度智能運營機器人天巡，還是一秒自動生成8000張banner的“魯班”，人工智能現在已經成為大品牌電商的重要助手。

運營優化、個性化推薦、越來越強大的垂直搜索功能，自動化倉庫和動態定價……可以說AI正在逐步重塑購物的未來。雖然國內人工智能在電商行業應用最多的還在大公司，但從谷歌這張AI營銷趨勢圖中可以看出，從2012年2017年，人工智能在電商的營銷應用比重在逐年上升。

并非只有巨頭公司才有用人工智能技術，當下越來越多第三方技術服務公司的崛起，更多公司愿意采用外包技術來改善運營效率和用戶體驗。國內有豐富行業敬業的人工智能專家陳運文介紹，在服務的上百家企業中，電商是對人工智能技術需求很大的行業。一條、順豐旗下的豐趣海淘和同仁堂旗下的天然淘等優勢電商平臺，都積極用技術服務對平臺進行戰略性優化。

現在越來越多人開始多平臺購物，隨著對人工智能技術應用的厚望，用戶也會期望越來越多的品牌有更好的購物體驗和服務水平。

讓用戶知道，你懂他

了解用戶的需求，并在用戶購買過程中傳達你很了解他，這樣的方式首先在心理層面就增加了用戶的滿意度。電商的個性化服務最原始的模型是十幾年前郵箱中寫有我們名字的郵件。而當下人工智能在電商行業應用最廣泛的功能就是個性化推薦和搜索。雙十一刷淘寶時，那些“你可能喜歡”的推薦，常常讓我們忍不住再去多看兩眼。

人工智能個性化服務包括：

• 動態更改每個用戶的網站界面，包括搜索功能
• 發送有針對性的營銷信息
• 展示自動化、個性化的廣告
• 在特定的時間段為用戶提供有吸引力的購買內容

我們常說的精準營銷就是在正確的時間，以正確的渠道把消費者感興趣或需要的商品呈現給他。在數據驅動的今天，電商行業做的風生水起的都積極把數據驅動發揮到了極致。這些數據信息包括常見的數據統計，日常瀏覽模式以及用戶偏好的優惠和商品內容等等。

但對公司運營結果產生影響的不是數據，而是對數據的分析和應用。人工智能實現了自動挖掘并分析客戶數據的功能。比如，喜歡這個東西的人還會喜歡什么。就像很多電商網站在做女性商品促銷時，還長附帶上一部分男性商品?？瓷先ツ信唐分g毫無聯系，背后卻有著對用戶深刻的洞察。在營銷中非常經典的案例：沃爾瑪超市通過大量的數據調查發現，周五下班后的奶爸，他們會同時購買兩類產品：啤酒和尿布。把這兩類看起來毫不相關的商品組合起來促銷卻收到了意想不到的效果。

企業有大量的資源，能通過網頁或手機屏幕能呈現在用戶的面前卻是很少的一部分。那些熱門的常常被放置最前，隨之熱門的會越來越熱門，冷門的商品更加無人問津。社會學中把這種現象叫做馬太效應。即強者愈強，弱者愈弱。推薦系統最直觀的應用就是希望能夠消除這種效應，讓小眾的冷門商品也找到對自己感興趣的用戶。對用戶而言，不必每次都去看熱榜，自己的興趣和需求也能得到更好的滿足。

有豐富的推薦系統實踐經驗的工程師于敬認為，想要避開馬太效應，打造精準的個性化推薦系統有兩個要點：一個是用戶畫像的建模，還有個性化推薦算法。

用戶的興趣畫像是動態變化的過程，有一些是長期穩定的興趣，有些則是短期興趣。比如喜歡體育運動的男士會在電商網站經常瀏覽運動裝備。突然有一天他成為了爸爸，在一段時間內可能也會瀏覽嬰兒用品，但這只是他短時間內的興趣傾向。達觀的算法模型考慮了物品隨時間因素變化的特性，根據用戶的行為數據不斷調整興趣畫像模型，實現持續給用戶驚喜的推薦效果。

搜索行為的妙用

調查顯示，在購買產品之前，大約88％的消費者會先在網上進行搜索，消費者希望能快速準確搜索到想要找的商品。如何在用戶搜索時引導他快速發現想要的內容，也是電商運營的一個重要部分。

豐趣海淘在用戶搜索時會給出相關提示

目前流行的機器學習算法是基于識別意圖（也就是常說的自然語言處理）而不是根據拼寫或關鍵詞對照進行檢索，這也改善了搜索效果的滿意度。人工智能在搜索引擎上可以實現的效果：

• 提供相關的自動建議，比如在搜索框中，當用戶打出一個字時，下面就會出現帶有這個字的相關商品提示
• 根據用戶行為對搜索結果進行排名
• 顯示搜索產品的相關產品內容
• 理解語音（語音搜索）
• 分析圖像（可視化搜索）

用戶的搜索行為表現了用戶的購買訴求，知道這些行為便可以給企業運營提供指導性建議。如圖某電商后臺用戶搜索統計的截圖，通過分析能知道哪些商品是受歡迎的，運營者可以及時備貨。哪些產品還沒有被用戶搜查，是否需要改變商品展示的位置以解決長尾問題。

不打無準備的仗：預測營銷

預測營銷是建立在數據驅動的基礎上，幫助品牌“先發制人”。傳統的營銷往往優先考慮產品的特點、定位，再去尋找潛在消費者，而預測營銷的最大區別是“以人為中心”，全面地了解消費者的歷史行為、實時動態、未來傾向，把消費者的真實需求放在首位。

通過人工智能和機器學習，可以實現市場營銷預測的有：

• 客戶將購買什么
• 客戶不想看到什么
• 他們典型的價格門檻
• 他們可能性產生購買行為的時間段

根據上述的條件和大量的數據，企業則可以預估將采取哪些營銷計劃。當然去分析這些數據，制定有目標性的線上營銷計劃是一件大周期事件，而且需要和上面提到的用戶搜索分析結合進行。

當使用人工智能來驅動預測分析時，整個過程被流程化，對數據分析的人為錯誤被消除。還可以把營銷人群的技術擴大到幾千或上百萬，同時保證其精準性。

抓住用戶的心：動態定價

一開始商家對消費者偏好不了解時，希望通過動態定價和行為數據了解消費者對商品的偏好和消費行為。即使一家電商擁有10000件商品，也可以通過手動調價（成功競價，不吃利潤）來完成一項幾乎不可能實現的任務。

電商行業的競爭環境在不斷變化，交貨率，物流和競爭對手的價格這些都還只是變化中的一小部分。顯然在商品數量上千之后，人工去定價是一種低效行為。人工智能根據多種數據：市場條件、用戶行為和需求、庫存情況及內部運營需要，來實現實時調整定價。比如谷歌的動態定價會根據買家之前支付的價格，自動調整用戶能夠接受的最低價格。

Gartner預測到2021年，零售商對人工智能領域的資金投入，?72%將花在機器學習技術上。那時人工智能會更大范圍覆蓋電商行業的諸多業務線：搜索引擎優化、個性化推薦、欺詐檢測和預防、產品退換貨優化，銷售和庫存的預測、物流和倉儲系統的優化……

“雙十一是電商行業的閱兵儀式?！彼鼨z驗了商家的服務、流程、技術、對用戶洞察的精準度。傳統在線商城和品牌電商之間在這種競爭中逐漸拉開距離。這也給我們敲了警鐘：如果無法跟上潮流深入了解用戶，在激烈的市場競爭中則可能面臨出局的危險。

本文由 @達觀數據 原創發布于人人都是產品經理。未經許可，禁止轉載。