论文部分内容阅读
内容摘要：亚马逊的成长史可谓是一个传奇式的电子商务成功案例，杰夫·贝索斯成为美国《时代》周刊1999年的年度人物。亚马逊在线的创新之举和经营之道充满了传奇色彩，有时也颇有争议：该公司拥有若干电子商务流程的专利，但有人认为这些流程不应该受专利权限制。本文将探讨亚马逊所开展的使该网站在众多电子商务网站中脱颖而出的奥秘之一——数据营銷模型，以及该网站如何通过研究客户数据来拓展其网上销售。
关键词：亚马逊、数据营销、精准营销、
中图分类号：A715文献标识码： A
0引言
作为中国电子商务的领袖，亚马逊——这个零售巨头，曾经以网络书店出名，随后开始销售音乐和音像制品，目前已经成功转型为全面的网络零售商——亚马逊的物流仓库里堆满了非音像传媒的商品，如麻布、服饰、网球拍以及其他任何普通人能够用到的东西。老用户们可能还会怀念以前的亚马逊，但年青一代的用户已经认同了这个新的亚马逊。
从创立初期的亏损到如今大获成功，推荐系统功不可没。2012年第二财季，亚马逊营收达到了128.3亿美元，与去年同期的99亿美元相比大涨了29%。毫无疑问，如此惊人的增长肯定离不开推荐系统。亚马逊将其深度整合到购物流程的方方面面，从商品发掘到结账付款，几乎无处不在。
亚马逊在利用客户数据实现精准数据营销方面有很多值得其他行业去学习或借鉴的地方，特别是各大行业在大力推行精准营销的当下。
1文献回顾
在亚马逊网上买过图书或其他商品的朋友一定都有过这种购物体验。当你再次进入亚马逊网上的主页时，你会看到许多商品推荐板块;点入某个商品的网页，“人气组合”与“浏览了该商品的用户还购买了其它商品”等栏目赫然在目。亚马逊不仅能够记住你的名字，而且还能够成为你的私人导购员，了解你的需求，并为你推荐你感兴趣的商品，数码爱好者们会发现亚马逊上满是新潮电子产品的推荐，而新妈妈们在相同的位置看到的却是婴幼儿产品。另外，注册时提供的邮箱会不定期收到亚马逊特别为你量身定制的个性化推荐。不过，亚马逊对推荐系统的效率守口如瓶。亚马逊的一位发言人表示，“我们的任务是取悦用户，让他们在不经意之间发现美妙的产品。我们相信快乐每天都会出现，这是我们衡量成功的标准。”
当亚马逊在网站上向消费者推荐商品时，它绝非无的放矢。这家零售巨头如此了解客户的需求，知道客户想要什么，不想要什么，能够推荐客户感兴趣的商品，从根本上讲，其推荐系统推荐的基础是一系列基本元素：用户某个商品上停留了多久过去购买过哪些商品;他们的虚拟购物车里有什么;哪些商品被他们评价或“赞”过;其它用户浏览及购买了哪些东西。亚马逊把这套自主研发的算法称为“从项目到项目的协同过滤算法”。依靠这套算法，亚马逊向回头客们提供了深度定制的浏览体验。
2模型及研究
在深入探究亚马逊的电子商务方略之前，我们先来大致看一下至关重要的技术基础设施。
亚马逊的技术核心完全基于Linux。到2005年，亚马逊已拥有三个世界上最大的Linux数据库，总容量分别为7.8TB（1TB=1024GB）、18.5TB和24.7 TB[参考]。亚马逊的中央数据仓库由28个惠普服务器组成，每个节点有4个CPU，运行Oracle 9i数据库软件。
这个数据仓库的功能大致有三：查询、记录历史数据和ETL（提取、转换和装载，这是一项主要的数据库功能，可以从一个数据源提取数据，然后集成到另一个数据源）。2005年，查询服务器（容量为24.7TB）中存有15TB的原始数据，点击历史记录服务器（容量为18.5TB）中存有14TB的原始数据，ETL群集（容量为7.8TB）中存有5TB的原始数据。亚马逊的技术架构每天要处理数百万的后台操作以及来自五十多万第三方卖家的查询。在2003年和2004年间，甲骨文公司（Oracle）帮助亚马逊将数据仓库迁移到Linux平台下，根据此后甲骨文公司所发布的报告，其中心任务处理过程大致如下：
第一步： 收集用户行为数据
在亚马逊上购物的前提是要注册一个通过邮箱认证的账户；购物后，还需要填写一些诸如收货地址、账单地址等的基本信息。但更重要的是，亚马逊收集到的客户数据不仅仅只是询问一些简单的个人基础信息，而是利用观察法、留置问卷调查法等调研方法获取了包括了客户的购买习惯、客户的兴趣爱好等更为深层次的数据，这些数据为卓越亚马逊开展精准数据营销打下了扎实的基础。
用户一般的购物流程：搜索了什么，浏览了哪些产品的详细介绍，在某个商品上停留了多久，最终购买了什么产品,都会被亚马逊记录下来。其他用户的历史购买行为也在这里派上了用处，成为有利的相关推荐。因为用户做购物决策的时候，也想知道其他人都看了什么，买了什么。
除了用户购买行为数据外，亚马逊还通过一些活动来“勾引”用户说出喜好和需求，其中比较典型的活动就是投票。例如下面关于是否喜欢情人节的投票。多数喜欢情人节的用户是热恋中的人，亚马逊可能会推荐各种礼物，如情侣装，戒指，鲜花等。失恋和单身的人一般不喜欢情人节，亚马逊推荐失恋疗伤的书籍，如游戏机之类自娱自乐的的商品.
如果用户对于投票的热情不高，亚马逊甚至会砸钱来“勾引”用户说出自己的喜好。一旦用户投票了，其观点、倾向、或兴趣爱好就暴露了。换言之，这个用户就被亚马逊打上了“标签”。
第二步：甄选目标客户
光光收集客户行为数据还只是第一步，亚马逊强大之处在于它可以整合客户行为数据和喜好，并挖掘用户的潜在需求。对有相同特征的客户作定向、精准的营销。
比如A作家新推出一部作品集，亚马逊将大致按照以下的步骤来做一期推广邮件营销。
首先，从用户购买行为数据中筛选出曾经购买了该作者写的书的客户。但是，这些客户仅仅只是是亚马逊营销目标一部分，别忘亚马逊还收集了用户的一些非购买行为数据。再加上在网站举行的关于“喜欢A作家还是B作家”的投票中选择这位正在出新书的A作家的用户。
甄选目标客户这一步对于我们培育某一重点品牌时非常关键，甄选目标客户需要对收集到的客户数据进行分析，筛选出真正有潜力消费某一重点品牌的目标客户。当我们在培育某一重点品牌时，要做到“弹无虚发”，就需要仔细甄选目标客户。
第三步：提供合适套餐
亚马逊在甄选完目标客户之后，还会对目标客户的购物心理进行分析，看看他们都有哪些共同特征，进而为他们提供合适套餐（是指为他们定制合适的促销方式）。同样，我们在培育某一重点品牌时，在甄选完目标客户之后，还需要对目标客户的购物心理进行分析，根据目标客户的需求，为他们提供合适套餐，提升他们对某一重点品牌的购买欲望。
继续以A作家出新书为例，如果目标用户的购买行为数据显示，他们选择最便宜送货方式的比例要比整体的用户群体高。这说明这群用户对于运费价格比较敏感。那么这适合这次推广的目标人群的促销方式就可以确立了——购买A作家新书XXX免运费。
在这方面，行业外就有一个较为经典的案例。“尿布”和“啤酒”这本来是两种风马牛不相及的商品，但是，沃尔玛却发现了这两种商品之间的关联。有一次，一组消费者购买数据引起了沃尔玛IT部门的注意，他们通过专业软件发现：客户购买尿布的支持度为5%，即每100个人中有5个会买尿布；同时购买啤酒的信赖度高达80%，即这5个人中有4个同时购买了啤酒。尿布和啤酒两种风马牛不相及的商品竟然经常出现在同一张购物小票上，尿布和啤酒是消费者经常同时购买的两种商品。经过调查，沃尔玛发现在美国有孩子的家庭中，太太经常嘱咐他们的丈夫下班以后要为孩子买尿布，这其中，30%至40%的丈夫会在买完尿布以后又顺便带回了自己爱喝的啤酒。既然尿布和啤酒一起被购买的机会很多，沃尔玛就根据这一发现，对所有的美国门店进行了重新组合，将原本分散在两层的啤酒和尿布集中到了一起摆放，使那些周末才出现在超市里的年轻父亲节约了采购时间。结果是尿布与啤酒的销售量双双实现增长，销售额竟然翻了一倍多。
这就是精准数据营销的魅力，甄选完目标客户之后，对目标客户的购物心理进行分析，并根据目标客户的需求，为他们提供合适套餐，提升他们对某一重点品牌的购买欲望。
第四步：营销信息设计
与大多数公司一样，亚马逊也是利用电子邮件与目标客户进行一对一的交流，这是亚马逊最为擅长的沟通方式。亚马逊会将营销信息进行很巧妙的设计和包装，并通过发电子邮件的形成传达给目标客户。
普通的邮件营销会有三个维度来衡量邮件营销的效果。第一维度为邮件的打开率；第二个维度为点击率，即客户在打开邮件之后，是否点击进入亚马逊的页面；第三个维度，是转化率，即那些通过营销邮件进入亚马逊网站最终完成购买的数量。而亚马逊邮件营销的奇妙之处是通过它先进的智能推送系统逻辑来决定单个独立客户收到哪一种类型的个性化邮件，从而达到最大化营销效果的目的。
依据个人日常收到的亚马逊邮件，基本上判断出该网站将注册用户分为：
新注册用户
在网站上有浏览、购买记录，并且大部分是单一的消费类别
在网站上有购买记录，但购买的种类较多，没有针对性
对网站失去兴趣，很久不登录的用户
针对上述1、3、4类用户，亚马逊选择向用户发送不同类别的促销直邮，以低价促销活动吸引客户。
针对在网站上有浏览、购买记录，并且大部分是单一类别的消费，亚马逊在直邮中会推荐与用户浏览收藏的类别相同或相似的产品。
亚马逊除了研究邮件阅读率、点击率、退出率等关键参与指标，还按照邮件营收率等指标，对邮件生态系统进行优胜劣汰式优先级排序。
这一策略能防止客户的收件箱被亚马逊的广告邮件塞满，同时将购买机会最大化，也使客户不容易对公司的广告邮件造成反感。事实上，此类邮件的转化率和效率“非常高”，比网站推荐的效率要高得多。根据其他电子商务网站的业绩，在某些情况下，亚马逊网站推荐的销售转化率可高达60%。
3 结论
在如今各大促销中，各电商企业开始纷纷投巨资打广告，包括电视、网站、路牌等各种形式，以期刺激消费者的购买需求。在亚马逊看来，这是传统的营销手段，是“人力+广告费”，多少有些使蛮力的感觉。亚马逊的营销则更多依赖于其强大的系统以及数据分析。用户在使用亚马逊网站的过程中，很多行为都会被记录。亚馬逊根据这些数据，不断勾画出每个用户的特征轮廓和需求，并以此为依据进行精准营销。亚马逊运用嵌入式营销技巧来实现购物体验的个性化，这种技巧或许最能体现该公司的整体销售理念：极其深入细致地了解客户需求。
这给我们带来的启示是，开展精准数据营销的首要工作是收集客户数据，这是开展精准数据营销的第一步。精准数据营销需要以精准的数据做为支撑，脱离了客户的真实数据，精准数据营销就只能变成一个没有支撑的“空中楼阁”。收集客户数据重在精确、重在深入有效，收集客户数据不能“泛泛而谈”。另外，将营销信息精准地传达给目标客户，让目标客户知晓的这个步骤中，营销信息的设计、包装、传达都是非常重要的。营销信息的设计有没有吸引力、包装有没有特别的亮点、传达的方式是否到位，这些都将直接影响到我们开展数据营销的最终成效，直接影响最终成效。
参考文献
1."Amazon Knows Who You Are."Wired News.
http://www.wired.com/news/ebiz/0,1272,67034,00.html
2.Amazon.com:Amazon Web Services
http://www.amazon.com/gp/browse.html/002-9074061-5706435?%5Fencoding=UTF8andnode=3435361
3.Amazon.com Help:Is it safe to enter my card number online?
http://www.amazon.com/exec/obidos/tg/browse/-/518224/104-4492038-0437536#secure
4."AMR Research on OracleBI 10g."Oracle.
http://h50055.www5.hp.com/tw/Campaign/Downloads/HP_IT64_Forum/6_Track_E/E3.pdf
5.Winter,Richard and Auerbach, Kathy."Contents Under Pressure."Intelligent Enterprise.
http://www.intelligententerprise.com/print_article.jhtml?articleID=18902161
关键词：亚马逊、数据营销、精准营销、
中图分类号：A715文献标识码： A
0引言
作为中国电子商务的领袖，亚马逊——这个零售巨头，曾经以网络书店出名，随后开始销售音乐和音像制品，目前已经成功转型为全面的网络零售商——亚马逊的物流仓库里堆满了非音像传媒的商品，如麻布、服饰、网球拍以及其他任何普通人能够用到的东西。老用户们可能还会怀念以前的亚马逊，但年青一代的用户已经认同了这个新的亚马逊。
从创立初期的亏损到如今大获成功，推荐系统功不可没。2012年第二财季，亚马逊营收达到了128.3亿美元，与去年同期的99亿美元相比大涨了29%。毫无疑问，如此惊人的增长肯定离不开推荐系统。亚马逊将其深度整合到购物流程的方方面面，从商品发掘到结账付款，几乎无处不在。
亚马逊在利用客户数据实现精准数据营销方面有很多值得其他行业去学习或借鉴的地方，特别是各大行业在大力推行精准营销的当下。
1文献回顾
在亚马逊网上买过图书或其他商品的朋友一定都有过这种购物体验。当你再次进入亚马逊网上的主页时，你会看到许多商品推荐板块;点入某个商品的网页，“人气组合”与“浏览了该商品的用户还购买了其它商品”等栏目赫然在目。亚马逊不仅能够记住你的名字，而且还能够成为你的私人导购员，了解你的需求，并为你推荐你感兴趣的商品，数码爱好者们会发现亚马逊上满是新潮电子产品的推荐，而新妈妈们在相同的位置看到的却是婴幼儿产品。另外，注册时提供的邮箱会不定期收到亚马逊特别为你量身定制的个性化推荐。不过，亚马逊对推荐系统的效率守口如瓶。亚马逊的一位发言人表示，“我们的任务是取悦用户，让他们在不经意之间发现美妙的产品。我们相信快乐每天都会出现，这是我们衡量成功的标准。”
当亚马逊在网站上向消费者推荐商品时，它绝非无的放矢。这家零售巨头如此了解客户的需求，知道客户想要什么，不想要什么，能够推荐客户感兴趣的商品，从根本上讲，其推荐系统推荐的基础是一系列基本元素：用户某个商品上停留了多久过去购买过哪些商品;他们的虚拟购物车里有什么;哪些商品被他们评价或“赞”过;其它用户浏览及购买了哪些东西。亚马逊把这套自主研发的算法称为“从项目到项目的协同过滤算法”。依靠这套算法，亚马逊向回头客们提供了深度定制的浏览体验。
2模型及研究
在深入探究亚马逊的电子商务方略之前，我们先来大致看一下至关重要的技术基础设施。
亚马逊的技术核心完全基于Linux。到2005年，亚马逊已拥有三个世界上最大的Linux数据库，总容量分别为7.8TB（1TB=1024GB）、18.5TB和24.7 TB[参考]。亚马逊的中央数据仓库由28个惠普服务器组成，每个节点有4个CPU，运行Oracle 9i数据库软件。
这个数据仓库的功能大致有三：查询、记录历史数据和ETL（提取、转换和装载，这是一项主要的数据库功能，可以从一个数据源提取数据，然后集成到另一个数据源）。2005年，查询服务器（容量为24.7TB）中存有15TB的原始数据，点击历史记录服务器（容量为18.5TB）中存有14TB的原始数据，ETL群集（容量为7.8TB）中存有5TB的原始数据。亚马逊的技术架构每天要处理数百万的后台操作以及来自五十多万第三方卖家的查询。在2003年和2004年间，甲骨文公司（Oracle）帮助亚马逊将数据仓库迁移到Linux平台下，根据此后甲骨文公司所发布的报告，其中心任务处理过程大致如下：
第一步： 收集用户行为数据
在亚马逊上购物的前提是要注册一个通过邮箱认证的账户；购物后，还需要填写一些诸如收货地址、账单地址等的基本信息。但更重要的是，亚马逊收集到的客户数据不仅仅只是询问一些简单的个人基础信息，而是利用观察法、留置问卷调查法等调研方法获取了包括了客户的购买习惯、客户的兴趣爱好等更为深层次的数据，这些数据为卓越亚马逊开展精准数据营销打下了扎实的基础。
用户一般的购物流程：搜索了什么，浏览了哪些产品的详细介绍，在某个商品上停留了多久，最终购买了什么产品,都会被亚马逊记录下来。其他用户的历史购买行为也在这里派上了用处，成为有利的相关推荐。因为用户做购物决策的时候，也想知道其他人都看了什么，买了什么。
除了用户购买行为数据外，亚马逊还通过一些活动来“勾引”用户说出喜好和需求，其中比较典型的活动就是投票。例如下面关于是否喜欢情人节的投票。多数喜欢情人节的用户是热恋中的人，亚马逊可能会推荐各种礼物，如情侣装，戒指，鲜花等。失恋和单身的人一般不喜欢情人节，亚马逊推荐失恋疗伤的书籍，如游戏机之类自娱自乐的的商品.
如果用户对于投票的热情不高，亚马逊甚至会砸钱来“勾引”用户说出自己的喜好。一旦用户投票了，其观点、倾向、或兴趣爱好就暴露了。换言之，这个用户就被亚马逊打上了“标签”。
第二步：甄选目标客户
光光收集客户行为数据还只是第一步，亚马逊强大之处在于它可以整合客户行为数据和喜好，并挖掘用户的潜在需求。对有相同特征的客户作定向、精准的营销。
比如A作家新推出一部作品集，亚马逊将大致按照以下的步骤来做一期推广邮件营销。
首先，从用户购买行为数据中筛选出曾经购买了该作者写的书的客户。但是，这些客户仅仅只是是亚马逊营销目标一部分，别忘亚马逊还收集了用户的一些非购买行为数据。再加上在网站举行的关于“喜欢A作家还是B作家”的投票中选择这位正在出新书的A作家的用户。
甄选目标客户这一步对于我们培育某一重点品牌时非常关键，甄选目标客户需要对收集到的客户数据进行分析，筛选出真正有潜力消费某一重点品牌的目标客户。当我们在培育某一重点品牌时，要做到“弹无虚发”，就需要仔细甄选目标客户。
第三步：提供合适套餐
亚马逊在甄选完目标客户之后，还会对目标客户的购物心理进行分析，看看他们都有哪些共同特征，进而为他们提供合适套餐（是指为他们定制合适的促销方式）。同样，我们在培育某一重点品牌时，在甄选完目标客户之后，还需要对目标客户的购物心理进行分析，根据目标客户的需求，为他们提供合适套餐，提升他们对某一重点品牌的购买欲望。
继续以A作家出新书为例，如果目标用户的购买行为数据显示，他们选择最便宜送货方式的比例要比整体的用户群体高。这说明这群用户对于运费价格比较敏感。那么这适合这次推广的目标人群的促销方式就可以确立了——购买A作家新书XXX免运费。
在这方面，行业外就有一个较为经典的案例。“尿布”和“啤酒”这本来是两种风马牛不相及的商品，但是，沃尔玛却发现了这两种商品之间的关联。有一次，一组消费者购买数据引起了沃尔玛IT部门的注意，他们通过专业软件发现：客户购买尿布的支持度为5%，即每100个人中有5个会买尿布；同时购买啤酒的信赖度高达80%，即这5个人中有4个同时购买了啤酒。尿布和啤酒两种风马牛不相及的商品竟然经常出现在同一张购物小票上，尿布和啤酒是消费者经常同时购买的两种商品。经过调查，沃尔玛发现在美国有孩子的家庭中，太太经常嘱咐他们的丈夫下班以后要为孩子买尿布，这其中，30%至40%的丈夫会在买完尿布以后又顺便带回了自己爱喝的啤酒。既然尿布和啤酒一起被购买的机会很多，沃尔玛就根据这一发现，对所有的美国门店进行了重新组合，将原本分散在两层的啤酒和尿布集中到了一起摆放，使那些周末才出现在超市里的年轻父亲节约了采购时间。结果是尿布与啤酒的销售量双双实现增长，销售额竟然翻了一倍多。
这就是精准数据营销的魅力，甄选完目标客户之后，对目标客户的购物心理进行分析，并根据目标客户的需求，为他们提供合适套餐，提升他们对某一重点品牌的购买欲望。
第四步：营销信息设计
与大多数公司一样，亚马逊也是利用电子邮件与目标客户进行一对一的交流，这是亚马逊最为擅长的沟通方式。亚马逊会将营销信息进行很巧妙的设计和包装，并通过发电子邮件的形成传达给目标客户。
普通的邮件营销会有三个维度来衡量邮件营销的效果。第一维度为邮件的打开率；第二个维度为点击率，即客户在打开邮件之后，是否点击进入亚马逊的页面；第三个维度，是转化率，即那些通过营销邮件进入亚马逊网站最终完成购买的数量。而亚马逊邮件营销的奇妙之处是通过它先进的智能推送系统逻辑来决定单个独立客户收到哪一种类型的个性化邮件，从而达到最大化营销效果的目的。
依据个人日常收到的亚马逊邮件，基本上判断出该网站将注册用户分为：
新注册用户
在网站上有浏览、购买记录，并且大部分是单一的消费类别
在网站上有购买记录，但购买的种类较多，没有针对性
对网站失去兴趣，很久不登录的用户
针对上述1、3、4类用户，亚马逊选择向用户发送不同类别的促销直邮，以低价促销活动吸引客户。
针对在网站上有浏览、购买记录，并且大部分是单一类别的消费，亚马逊在直邮中会推荐与用户浏览收藏的类别相同或相似的产品。
亚马逊除了研究邮件阅读率、点击率、退出率等关键参与指标，还按照邮件营收率等指标，对邮件生态系统进行优胜劣汰式优先级排序。
这一策略能防止客户的收件箱被亚马逊的广告邮件塞满，同时将购买机会最大化，也使客户不容易对公司的广告邮件造成反感。事实上，此类邮件的转化率和效率“非常高”，比网站推荐的效率要高得多。根据其他电子商务网站的业绩，在某些情况下，亚马逊网站推荐的销售转化率可高达60%。
3 结论
在如今各大促销中，各电商企业开始纷纷投巨资打广告，包括电视、网站、路牌等各种形式，以期刺激消费者的购买需求。在亚马逊看来，这是传统的营销手段，是“人力+广告费”，多少有些使蛮力的感觉。亚马逊的营销则更多依赖于其强大的系统以及数据分析。用户在使用亚马逊网站的过程中，很多行为都会被记录。亚馬逊根据这些数据，不断勾画出每个用户的特征轮廓和需求，并以此为依据进行精准营销。亚马逊运用嵌入式营销技巧来实现购物体验的个性化，这种技巧或许最能体现该公司的整体销售理念：极其深入细致地了解客户需求。
这给我们带来的启示是，开展精准数据营销的首要工作是收集客户数据，这是开展精准数据营销的第一步。精准数据营销需要以精准的数据做为支撑，脱离了客户的真实数据，精准数据营销就只能变成一个没有支撑的“空中楼阁”。收集客户数据重在精确、重在深入有效，收集客户数据不能“泛泛而谈”。另外，将营销信息精准地传达给目标客户，让目标客户知晓的这个步骤中，营销信息的设计、包装、传达都是非常重要的。营销信息的设计有没有吸引力、包装有没有特别的亮点、传达的方式是否到位，这些都将直接影响到我们开展数据营销的最终成效，直接影响最终成效。
参考文献
1."Amazon Knows Who You Are."Wired News.
http://www.wired.com/news/ebiz/0,1272,67034,00.html
2.Amazon.com:Amazon Web Services
http://www.amazon.com/gp/browse.html/002-9074061-5706435?%5Fencoding=UTF8andnode=3435361
3.Amazon.com Help:Is it safe to enter my card number online?
http://www.amazon.com/exec/obidos/tg/browse/-/518224/104-4492038-0437536#secure
4."AMR Research on OracleBI 10g."Oracle.
http://h50055.www5.hp.com/tw/Campaign/Downloads/HP_IT64_Forum/6_Track_E/E3.pdf
5.Winter,Richard and Auerbach, Kathy."Contents Under Pressure."Intelligent Enterprise.
http://www.intelligententerprise.com/print_article.jhtml?articleID=18902161