從電商到媒體，從商品推薦到客戶行為分析

- udn的Big Data價值實踐之路

聯合報電子商務部

黃俊賢

Agenda

一、源起 - udn買東西的誕生

二、Big Data的價值

三、尋找金羊毛

四、未來展望

五、「你究竟從事甚麼產業？」

最懂你的網站

員工數 140人

會員數 40/200萬

商品品項數 120萬

單月不重複訪客 200萬

年銷售額 15億

關於聯合報系

1.1億

600萬

200萬

264/

9,599

60萬

448/

1,344 250萬

62

Big Data的價值 – 回歸本質

S + V + O

S V O

S Ving O

Big Data能帶來甚麼改變?

體能/裝備

戰技

戰法

戰術

戰略

尋找金羊毛

Touchdown!

Etu Recommender Application

協同過濾 分析

Collaborative Filtering

轉化率分析

資料 擷 取

推薦清單

推薦引擎

Etu Appliance

Etu Recommender

Product Pages

Category Pages

Search Results

Cart Pages

Email Confirmation

EDM

歷史訂單

產品資料

即時訂單

瀏覽、點擊

放入購物車

結帳

線上評論

搜尋

未來展望 – EC篇

Big Data實際應用

透過各種方式探索、收集、分析客戶的需求與｢問題｣，與客戶進行實質的互動

推薦引擎：online

• 推薦類型：User Based、Item Based推薦

• 同類推薦：商品、新聞、廣告、展演活動…等

• 跨類推薦：新聞推商品、新聞推廣告、活動推商品…等

大數據分析：offline

• 瀏覽行為分析：顧客動線分析 – Click Stream

• 網站功能效益：電子報、活動網頁、排行榜、…

• 行銷效益分析：準確地評估活動或廣告帶來的效益。

• 使用者喜好分析 (使用者分群)

• 使用者行為預測

“pre-” + “-ing” + “post-”

Recommender

商品頁

电商前台页面

分館頁 購物車頁 推薦結果

行為數據採集 推薦結果 API

HBase 瀏覽日誌

搜尋日誌

購物車

訂單

消費者

統計分析

行為數據倉庫 Hive

JDBC/ODBC Connector

Hive SQL

Hive SQL

採集 推薦計算 結果展現 分析挖掘

Tableau

ER Data Exporter

從面向「內容」到面向「用戶」

EC

廣告

TV 出版

藝文展演

教育

新聞

(內容)

未來展望 – udn 2.0

CRM

「你究竟從事甚麼產業？」

新產業的誕生 – 大聯合報虛擬生活圈

解構傳統產業定義

顧客導向 ：單向餵養 -> 雙向交流

跨平台、跨載具 (多螢)

雙向虛實整合

企業能不能持續成長，取決於對本身業務的定義有多寬廣，以及對顧客需求的評估有多仔細。因此，要以顧客為導向，妥善地管理你的產品；而且，不要畫地自限，只著眼於眼前的獲利，才能讓自己的事業有更高、更寬廣的發展。

鐵路公司任由其他公司搶走顧客，因為他們認為自己屬於鐵路業，而不是運輸業。他們會對自己的業務範圍界定錯誤，是因為他們以鐵路為導向，而不是以運輸為導向；是以產品為導向，而不是以顧客為導向。

行銷短視症 (Marketing Myopia)

希奧多．李維特 Theodore Levitt