起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識舊電商死因：佛系購物 V.S. 世俗營銷
電商業務天生有AI化潛質，用戶的每一個行為都表達出內心的一部分需要， 從而順理成章地誕生了新功能，提升了用戶體驗。
佛系朋友有三好：善傾聽，肯借錢，易推倒。
但有一種場景會讓人抓狂，對于組局者來說，最難搞的絕對是佛系好友：
- 吃啥？——隨便
- 在哪聚？離你近點？——都行
- 我叫那個誰誰誰了??？——看你
- 下周X晚上X點，你能到吧？——盡量
為什么大家越來越佛系？
因為平時見過的套路太多了，相當于提前經歷，建設了足夠的心理預期，真正遇到的時候就沒有應激反應。
佛系用戶看破的不是紅塵，而是套路。比如平時見慣了打折促銷，對雙十一雙十二的折扣力度不那么在意了。
這么說來，
最容易遇見佛系用戶的，就是電商了。
離錢最近，營銷最6，套路最多。
作為理性分析派的電商產品經理，相信你內心有一堆公式——
- what+what=新用戶下單；
- what/what=復購；
- ∫what(x)e^(-2πix·what)dx=ARPU↑；
遇見白領套公式2，遇見大學生用公式1，遇見程序員公式3妥妥的……
遇見佛系用戶呢？
尼瑪……ta們是誰？ta們長啥樣？ta們在哪？ta們就是公式中的誤差參數吧！
在佛系用戶看來，你俗不可耐的營銷不過是浪費時間而已。
ta們面無表情的點擊點擊點擊，再核對一遍早就準備好的購物車，分享商品頁，領券，付款，關掉APP，刪了分享，繼續面無表情的刷朋友圈。
這就是為什么電商競爭逐漸向折扣力度競爭轉變。
舊電商一直在進化，痛苦，艱難。
不管O2O，還是新零售，又或國外無處不在的Omnichannel，本質和擴品類一樣，都是為了讓電商“地盤”越來越大，將電商APP塞進每一個可能產生消費的場景?；蛘哌@些對佛系用戶或許好使，前提是他們愿意去線下體驗。
內容類電商火了禮物說、蘑菇街等一批平臺，但隨著用戶淘貨成本的進一步上升，此類平臺的可信度大大下降。導致GMV中80%以上都是大品牌的爆款，而這些爆款是利潤最低的。
做品牌似乎很美，但又有幾個小公司能專注并且堅持呢？你可以選擇死磕一件襯衣，但很快就被各種營銷套路擠壓的開始懷疑人生。
有的轉向垂直品類電商，信仰小而精就是未來，但現在最貴的就是流量，很難想象一個新興母嬰平臺能一邊做廣告投放，一邊發優惠券拉新，最后還維持盈利。
跨境電商的背景都不簡單，要么背靠一帶一路，要么有大牌獨代資源，但是18年監管要更嚴，以及，還記得禁韓令嗎？
還有社群電商、社區電商、大企業內部銷售等等，就不說了，連基本用戶體驗都不周全（如質量、價格、物流速度等），微商更是上不了臺面。
作為電商行業從業者，這些套路你可能沒有逐一嘗試吧？
遺憾的是，你的用戶都試過了。
因此，大型電商平臺（亞馬遜、阿里巴巴、eBay、京東等）除了繼續爭奪原有業務之外，都在探索和佛系用戶更好相處的方法。目前看來，人工智能似乎成了最佳選擇。
其他舊電商們都在猶豫，要不要把AI當成新戰略。
值得慶幸的是，電商業務天生有AI化潛質，用戶的每一個行為都表達出內心的一部分需要， 從而順理成章地誕生了新功能，提升了用戶體驗。
佛系需求 1：推薦和個性化預測
通過大數據、貝葉斯算法等，實現智能推薦功能，降低用戶選擇成本，包括：
- 基于搜索、已購和瀏覽記錄的興趣推薦（相似品、互補品算法，高頻、低頻等等）
- 基于用戶訪問時間的活躍性推薦（根據時間推測用戶可能的使用場景，然后做出推薦）
- 基于位置信息的推薦（檢查用戶是否處于線下商圈，是否需要推薦店鋪）
- 基于社交屬性的推薦（根據好友關系、社交行為等，猜測用戶可能需要的商品）
佛系用戶在意效率，那么推薦功能或許能幫ta們。
佛系需求 2：通過圖片找相似商品
這是比較老的一個領域，但可能是最受歡迎的功能之一，通過計算機視覺+深度學習做到“以圖搜圖”，例如，一個妹子有一張吊燈的照片，很喜歡但買不到，于是她把照片上傳到電商APP，AI能理解商品的款式、規格、顏色、品牌及其他的特征，最后給出相似商品的鏈接。
這個功能可以顯著地提升佛系用戶的搜索能力。
“能搜到就買，搜不到就算了”這種需求現在也能爭取一下了。
這方面做的小有成就的國內外有幾十家，下面可以找到他們，以及一些開源代碼：
圖片截取自ChenLee_1的blog
佛系需求 3：人工智能客服
對于PM來說，引入chatbot是簡單有效的AI產品策略，電商平臺尤其如此。
chatbot并非在AI技術大熱后的產物，早在互聯網電商初期，為滿足大量客服響應，電商早已通過程序開始了機器人客服工作。
根據Gartner的預測，到2020年85%的零售業消費者互動都將由AI來管理。
京東自2012年下半年起上線的智能機器人JIMI。其累計服務用戶已經破億，并于2016年9月7日正式發布開放平臺，免費向第三方開放使用。
2016年3月，阿里巴巴發布人工智能服務機器人“店小蜜”，這款面向淘系千萬商家的智能客服，經過商家授權、調試，可以取代部分客服，從而降低人工客服的工作量。
佛系用戶或許是最能忍受chatbot的人，及時響應，效率高。
情感AI或成新趨勢，或許有助于ta們還俗吧。
目前的AI客服都沒有解決“情感化”問題，而有預測稱情感AI或是電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，來判斷消費者對客戶機器人的滿意度。
在實體店中，情感AI甚至能夠通過人臉識別和GSR傳感器采集分析大量有價值信息：
- 店里哪些區域對顧客吸引力最大
- 顧客何時何地感到不安或迷失
- 哪些產品或者促銷手段最受顧客青睞
- 顧客對店面和貨架以及客服的滿意度
例如在可口可樂的人工智能實踐中，不僅能夠通過分析附近用戶手機的doubleclick和瀏覽歷史數據來判斷消費者的性別、年齡段和收入，給出針對性的廣告展示和路徑指引，而且僅僅根據消費者在實體店的移動速率變化就可判斷其情緒變化和購買意愿。
這對佛系用戶來說恐怕會造成一定負擔，如阿里推出的用微笑爭取折扣的功能。
用AI降低電商成本：
- 內容管理方面：AI可以通過圖片為商品打標簽、制作海報、寫簡單的宣傳文案。
- 無人倉庫：通過人工智能實現系統自動預測、補貨、下單、入倉和上架。
- 營銷效果預測：通過對往期活動數據的學習，得出公式，避免低效營銷。
理解趨勢和讀懂消費者：
其實有大量的用戶信息是隱藏在圖片中的，根據用戶瀏覽的圖片，可以讓機器從中學習到最近某品類的流行趨勢（如規格、風格、顏色材質等），這是商品生產者的最愛，也是平臺和供貨商談判的重要依據。
使用人工智能技術總結的時裝流行趨勢：
如果電商都這么做了……
十年后，佛系用戶的極樂世界來了為大家服務的，不會再是真的人類了。
電商人要失業了嗎？
據說亞馬遜有54萬員工，京東、阿里也有20萬呢，哎呀好心疼。
舊電商們再搶救一下吧！
營銷什么的還請加油！
不要輸給機器呀！
當然看到這里你還是想做AI，那我們就來討論討論：舊電商AI化的門檻究竟在哪呢？
1、如果需要AI預測營銷效果，提升GMV，需要注意：
- 數據收集：和用戶接觸的每個點都要量化，包括營銷，用戶行為等等；
- 目標與達標：實現營銷/促銷活動目標的數據更有助于訓練算法，能提供更好的預測和建議；
- 統一性：將營銷、銷售、用戶行為等數據聯系到一起，這樣更有可能AI化；
2、重點說下數據，這關系到推薦算法，降低運營成本等等。
數據類型：
- 用戶行為反饋：如瀏覽，點擊，購買，評價，分享，收藏，咨詢等，用戶身份信息，如年齡，性別，職業，受教育程度， 收入等，以及地域相關信息，如城市，省份，郵編等；
- 商品數據：銷量數據、供應商、物流倉儲、產品屬性、產品規格、產品圖片等；
- 營銷數據：活動收入、優惠力度、渠道與流量數據、核心頁面數據、ARPU與忠誠度提升等；
- 日常運營數據：GMV、UV、下單率、付款率、客單價、ARPU、庫存物流、供應商價格等；
圖片來自知乎數據小人
- 用戶數據來源：用戶訪問點擊操作，服務器日志（Log）以及交易（Transaction）記錄。
- 埋點式采集：傳統的埋點式方法是在用戶訪問頁面放置探針，在服務器的后端采集盡可能多的用戶點擊和訪問操作。這種方法應用非常普遍。缺點是：第一迭代周期較長，第二隨著Javascript前端技術的飛速發展大量的用戶操作都是預加載或延遲加載，許多信息并未在后端紀錄造成數據缺失。
- 非埋點式采集：非埋點式的方法則是在App或頁面前端放置SDK將用戶所有操作異步傳回服務器后端。應用此方法獲得的數據內容更全面。缺點是：數據量較大，后端需要進一步進行細分篩選。
本文由 @七日輯（微信公眾號：七日輯） 原創發布于人人都是產品經理。未經許可，禁止轉載。
沙發