“探秘”阿里巴巴园区里的黑科技

之前我写过一篇文章介绍阿里西溪园区打造的“未来餐厅”，员工在食堂打完菜后只需将托盘放在无人结算机上，1秒内就可完成结算和刷脸支付的全流程！

千面电商画像是什么 杭州千面电商

千面电商画像是什么 杭州千面电商

其实阿里的员工在日常生活中用各种黑科技搞了非常多好玩的场景应用，而且听说，在9月19日到9月22日的杭州云栖大会Alibaba Space Station阿里巴巴信息平台展台（C102）上，这些阿里内部的办公、生活“黑科技”将首次“搬”到现场，非常期待。这里和大家一起来了解下都有哪些好玩的黑科技。

刷脸这一技术作为还在实验室阶段的黑科技，在不少公司可能也就停留在购买一套刷脸考勤系统，然后客户来了给客户展示一下黑科技。而在阿里，程序员们将人脸识别跟各种生活场景进行了“有机”的结合，在阿里园区，员工除了可以“刷脸”进入办公大楼之外，还可以刷脸取快递、进入会议室、吃饭、登录账号等。

举个例子，员工早上来上班，只需要刷脸，即可打开门禁，系统还会根据面部表情及特征，判断员工今天是否心情舒畅，给员工一个微笑指数，说不定这个数据以后还能进行大数据分析，看看你每天上班是不是快乐。

从几百个快递包裹里一个一个翻？这简直太麻烦，在阿里园区，员工只需要在入口刷一下脸，系统便会智能地告知员工，包括在第几排的第几个货架上，简直不要太简单。

当然，还有我们之前介绍的刷脸结账和人工智能计算菜价的黑科技。通过刷人脸调用支付宝即可结账，而AI算菜价，则是阿里的工程师自主研发的技术，通过识别菜盘的颜色，快速识别菜品并且计算菜价，比传统的图像识别方式精度大大提高，而成本大大降低，据说不到传统方案的十分之一，好希望阿里的线下盒马鲜生能尽快上线这一技术应用。

去年，有不少公司都在炒作AR的概念，有个公司买个AR头盔，布置了一套AR场景，就敢说自己具备了AR技术，就像现在天天各种发割韭菜的都自称区块链大拿一样。而阿里的程序员们把AR技术用在了像智能会议、智能停车场等场景中。

当然，阿里的智能会议系统除了一般的智能会议室的常规能力，比如上面的智能感应亮灯（小米的同学在哪里）和投屏技术（其实苹果原生的airPlay早就有了），特色的还要属AR工牌。

在阿里的视频会议系统中，如果你不认识视频里出现的员工，没关系，系统会根据人脸识别，自动展现出AR，上会显示出对方名字。要是对方是老外或者着一口地方方言，会议中还有实时翻译把字幕打印在屏幕上，就像看电影一样，惊喜不惊喜？意外不意外？还有这种作？只能双击666。

阿里的园区保安GG们都戴着墨镜，你以为真的只是墨镜吗？来看阿里的的保安大哥戴的是干嘛的。戴上的他们，只要扫过车牌就能看到这个车辆车主是谁，车号多少，是否属于违停，手指隔空点一点就登记好了。

一般我们常说的千人千面通常是指在电商平台购物时，不同的人给你不同的购物。当然，也有不少公司自己建设的大数据平台号称可以给客户进行千人千面画像，精准推送营销广告，大幅提升服务和商品销量，其实真的有效果吗？恐怕他们自己连A/B TEST都没有做过就开始吹牛了吧。

作为电商起家的阿里，把千人千面与线下显示屏做了个结合，又叫做视联网屏，通过识别是哪个用户在看这块屏幕，后台根据千人千面算法，通过判断员工身份，播放不同的内容。只能说，阿里园区不仅生活文化丰富，还有这种作，真是蛮好玩的。

这玩意倒是没什么新意，有点像苹果的SIRI，不过苹果的SIRI只是个人生活助理，而阿里的这个办公小助理则是有点像企业的移动OA，一方面可以查看一些内部的、日程安排、会议提醒、出提醒、快递提醒，还可以用它来订餐、订会议室、订回家的大巴，跟各项办公相关服务打通。

比如下面这个无人餐柜，员工只要在手机通过小助理上提前点好餐，时间到了再到食堂里凭取餐号取走，或者堂食。

为解决员工停车难问题，系统通过大数据分析，自动计算出因为出、休、限行等情况可能会出现的空余车位，然后在前一天释放出来推送给员工的私人助理，员工直接通过手机预订停车位即可。

上面的这些场景，其实圈内的程序员们应该看起来都很简单，动动手就能实现。 其实技术本身就只是一个工具，能够用技术解决的问题都不是问题，如何用技术服务好场景，实现便捷体验，降本增效，终产生商业价值，这其实应该是每个程序员的初心。 期待有更多好玩的黑科技，并且这些黑科技都能找到场景商用，实现其商业价值。

人人都看得懂的电商用户画像？

问：真的是人人都看得懂的电商用户画像?

汪：其实，还包括非人类，如：运营喵，程序猿，射鸡狮……

上图的2个描述即是一个典型的用户画像案例。（吼，怎么有种强行配CP的即时感~）

“Persona”的概念早是由“交互设计之父” Alan Cooper提出,他认为 “Personas are a concrete representation of target users.” 即用户画像是真实用户的虚拟代表，是建立在一系列真实数据之上形成的目标用户模型。

简而言之，用户画像其实就是“用户信息标签化”的梳理，结合产品业务的需要，给不同群体的用户特征贴上合适的标签。

从电商产品的角度看，通过分析用户的个人基本信息以及在使用产品过程中的行为轨迹如：浏览、点赞、加入购物车、下单、使用支付方式等等，用标签把用户的典型特征描述出来，提炼以下用户信息卡片：

1、 基本属性

往往在注册时获取，如手机号码、性别、年龄、教育程度、所属地区等等

2、 行为特征

通过分析浏览、购买行为，例如收藏母婴店铺、多次参加母婴专场满减活动等等，可以判断这是一个新晋父母，对优惠活动敏感度强；

3、 购买能力

通过分析用户的订单金额和次数，购买品牌偏好，推算出其客单价、用户是否是高端中户、购买频次、是活跃用户还是沉睡用户等等；

4、 社交特征

分析商品分享给好友的频次、收货人电话和地址的数量，可以研究该用户的社交情况；

5、 心理特征

分析用户参加促销活动的频次，优惠券消耗的情况、同一品牌、店铺的复购率等维度，可以推算用户对大促的敏感度，对平台或者品牌的忠诚度；

6、 兴趣爱好特征

用户浏览、收藏、关注店铺的类型，加入购物车、提交订单的商品类别，可以分析出用户对某些品牌、品类的偏好度，从而进行某个品类的专场营销活动。

举个栗子：

挨踢宅男小马哥关注了66家动漫手办店铺，他的用户标签可能是“动漫达人”，如果平台或商家有动漫周边大促的活动上线，会优先将活动信息推送给这类的目标用户。

常见电商用户标签： 动漫达人、数码发烧友、潮妈、游戏奶爸、单身贵族、家庭用户、持家、尝鲜、败家

正如“一千个人心中有一千个哈姆雷特” ，用户对产品的需求存在异性和冲突性，不同的用户对产品的类型、内容偏好，营销敏感度的反响都存在偏。

“用户画像”通过算法、用户模型，提炼用户群体的典型标签， 一方面可以让团队成员在产品需求设计的过程中能够相对客观、合理地将注意力在目标用户群的动机和行为上进行产品设计；另一方面也助力于提升营销推广的精准度，提高信息获取的效率，促成产品需求优先级的决策。

例如：应用push、短信、邮件、个性化专题展示，提高用户购买转化率。（终于为败家指数越发上升找到一个完美的借口~）

如，地域分布、购买时段、品牌偏好、用户价值大小统计

如：喜欢上的用户有多少？喜欢上的人群中，男、女比例和年龄分段是怎么样的？单身的有多少呀？（怎么感觉在心用户的终身大事org）

特征、行为关联规则，如：商品搭配购买、关联购买，购买，贴心为用户符合其口味的品类，沉浸在“买买买”的愉快体验中。（真是毫不设防啊……）

构建用户画像是为了还原用户信息，确保信息的客观真实性，因此有一个大原则必须遵循：数据来源于所有用户相关的真实数据。

构建用户画像的过程可以归结为以下三步：

主要包括用户网络行为数据、网站内行为数据、用户内容偏好数据、用户交易数据；

通过对采集数据的处理，进行行为建模，以抽象出用户的标签，通过数学算法模型尽可能地排除用户的偶然行为。涉及的技术点：文本挖掘、自然语言处理、机器学习、预测算法以及聚类算法。（Ho~程序猿GG的亮技能的时刻来了）

在此阶段，需要结合用户模型来给用户贴标签，如：

通过判断＋聚类算法判断用户的忠诚度

根据用户购买服装鞋帽等用品判断

判断用户对于网站的价值，筛选不同维度用户来进行针对性推广，对提高用户留存率非常有用

根据用户对“汽车”话题的关注或购买相关产品的情况来判断用户是否有车、是否准备买车，进而推送汽车相关的商品，甚至保险服务；

此外，还有流失用户模型、数码用户模型、优惠敏感用户模型等等。

通过记录、抓取用户的基本属性、购买能力、行为特征、兴趣爱好、社交网络等数据进行分析，创建、具体化用户画像。

用户画像有其自身的特性和局限性，例如无法地描述一个人，且具有时效性，因此，需要根据用户画像的基础数据持续更新和修正，同时要善于从已知数据中具象化出新的标签使用户画像越来越鲜活立体，发挥其参考指引价值。

不同的公司、团队获取数据、提炼用户特征方式均有所不同，大的公司会自建数据分析系统以及有强大的用研和数据分析团队支撑，而稍小一些的公司更多借力于第三方平台提取数据或开展细分用户群的用户调研工作。

1、 用户画像一定要建立在真实的数据源基础上，否则可能会导致产品、运营的一系列方向决策错误；

2、团队成员对用户画像的认知和认同不容小觑，应该在项目的不同阶段都尽量让团队成员参与进来；

3、用户画像具有时效性，必须阶段性地更新修正，定期更新数据分析时间周期和方向维度，以及时了解市场和用户的变化趋势，保持用户画像的市场适用性。

4、不要神化用户画像的作用和意义，甚至许多公司产品对这块的研究还是缺失的。正确合理的用户画像可以更好地促进公司产品发展以及更好地辅助产品方向决策。

参考素材：

1、易观智库：大数据下的用户分析及用户画像

2、邱胜昌老师慕课网：电商大数据应用之用户画像

3、杨步涛：基于用户画像的大数据挖掘实践

京东“千人千面”你了解吗？详解原理

京东大数据”千人千面“的用户画像模型

京东大数据”千人千面“的用户喜好模型

京东大数据”千人千面“的订单量和展示量统计

什么是京东“千人千面”？“

“千人千面”的背后是大数据的支持

“千人千面”是互联网时代到来以后，尤其是大数据催使商家提供个性化定制服务之后，各大电商都在追求的目标。过去的这几年，是3C产品（Comr,Communication, Consumer Electronics）的更新迭代是频繁的几年，这为曾经专注于3C产品的京东赚足了眼球，也赢得了体量庞大的用户数量。

“京东目前已经设立了300多个标签，用来定义用户的特征，覆盖用户基本属性、购买能力、行为特征、社交特征、心理特征、兴趣偏好等多个方面。”王晓说。“‘千人千面’在我的理解中就是在大数据的指导下，网站对用户提供个性化的精准营销的重要方法，京东历来都十分重视用户体验，其实这背后的重点还是用户画像技术。”针对为不同行为习惯和兴趣爱好，在标签定向中已经显示出有明确异的用户，京东采用的是异化的投放营销方式。

王晓介绍，用户画像使得搜索、、广告等营销系统能更加智能地服务用户，同一个搜索词在不同用户不同时刻搜索时，可能有完全不同的购物意图，针对用户的属性特征、性格特点或行为习惯，结合用户行为的上下文分析，陈列或符合该用户偏好的商品，也能很大程度上提高用户购买转化率和重复购买率。

京东大数据”千人千面“的个性化案例

京东大数据”千人千面“的用户实时兴趣

京东大数据”千人千面“的用户画像服务

京东大数据”千人千面“的商品画像

京东大数据”千人千面“的个性化需要解决的问题

大数据业务是所有业务的基石

此外，涵盖尽可能多的商品品类，覆盖全价值链的电商数据是京东的一个比较优势。王晓说：“这类数据在行业内是具有稀缺性的，这使得京东大数据的应用价值优势凸现。京东大数据在数据、模型、技术、工具等多个层面高度的整合和统一，大大提升了大数据在整个内融合和利用的效率，促进大数据的深度价值挖掘。”

京东在大数据平台上的布局，一直没有离开“自主研发”这个思想。王晓介绍：“京东在大数据平台上的布局策略，就是持续在自主研发的京东大数据平台技术和产品体系加大投入，保障大数据业务可持续发展。”当然，随着业务规模的进一步扩大和丰富，京东没有排除外部数据合作的可能。“通过业务扩张和数据合作，不断丰富和扩大京东大数据平台的数据内容体系，逐步提升大数据整合价值、深度应用。这也是我们的战略之一。”王晓补充道。

谈起京东数据目前遇到的挑战，王晓坦言：“目前京东的业务发展速度太快，公司规模也越来越大，如何在当前的规模之下，服务好整个的大数据需求，是摆在我们面前的挑战；其次，如何在现有的数据内容中持续深度挖掘数据的应用价值是另一个挑战。基本的统计报表分析已经不能满足决策支持的要求，我们需要在数据的宝藏中，持续挖掘出价值，通过一系列技术和分析方法帮助提升用户体验，提升内部运营效率。”

什么是现代营销广告的“千人千面”？

千人千面早是淘宝提出来的算法；

大概的做法是这样的，每个消费者都由不同的标签组成，性别，年龄，所处地域，爱好，消费习惯，学历，经济能力等等，这些标签汇集起来就变成了大数据，形成了消费者画像；

在做营销的时候，可以根据消费者画像，更精准地投放（推送）广告（产品），得到更有效的转化；

正如淘宝的排名算法就是用到了千人千面，你一进入淘宝，马上知道你喜欢哪些物品，就给你什么。

淘宝系统：千人千面的底层逻辑

从电商平台的角度来讲，个性化技术可以让每一个流量得到更加充分的利用，限度的提高流量效率。

我们必须承认，技术以及智能手机的发展，让个性化技术变得更加容易实现。因为手机这种产品的私密性（除了自己用以外，甚至家人用的都非常少），你手机的型号，你在手机上的浏览行为、购买行为等数据，在分析上就变得更有价值。

从电商平台的角度来讲，个性化技术可以让每一个流量得到更加充分的利用，限度的提高流量效率。因为他会根据数据分析，把消费者有可能成交的产品优先给消费者。

一. 个性化技术基于的逻辑基础

简单的来说，就是我们首先要搞清楚，淘宝的个性化技术会通过什么样的方式把产品优先展现在你面前。这种的逻辑基础是什么？我们可以简单的分成四个不同的层面来分析。

1. 你购买过的店铺意味着“认可”

其实这是很好理解的，因为你已经购买了，所以这证明了你对这个店铺的认可，尤其是在一些比如说衣服、视频、鞋子、宠物用品等复购率比较高的商品中。如果你在这个店铺里面买过，那么你在搜索相关的的时候，这个店铺符合要求的商品就会被优先展现（尤其是新上架的商品），方式是：购买过的店铺。

同样的方式，你收藏的店铺、浏览过的店铺等等，都会以一种强个性化的方式得到优先，只不过被优先的就是“购买过的店铺”。在绝大多数类目里面，这种别的个性化都是非常明显的，在端。

2. 根据你的浏览痕迹等相关产品

你在手机端的所有的浏览行为都会被记录下来（理论上来讲真是这样的），因此你收藏的宝贝、加购的宝贝、搜索过的等等，都是给你进行个性化的重要依据。这个明显的就是你搜索并且看完一些宝贝后，关闭淘宝，过一段时间再打开淘宝，你就可以看到在“猜你喜欢”模块里面出现。

3. 根据你的人群特征以及以前的一些消费行为特征“猜你喜欢”

另外，我们都知道，在手淘首页是有猜你喜欢板块的。如果你能够进入到这个板块，那么你的流量会非常大。那么这个板块的标准是什么呢？首先他会去判断这个消费者的一些人群特征，然后结合他以前的购物行为，匹配一些标签，比如说：20——35之间、女性、低收入人群、爱宠人士、双鱼座……，然后再去分析淘宝上的这些店铺，有哪些店铺标签是符合这些特征的，然后把匹配的店铺的商品，优先给这些消费者。

很多店铺经常有大量的来自于手淘首页的流量，当然，有的转化高，有的转化低，就在很大程度上是通过这种方式给你匹配进来的。这时候如果你的店铺标签非常明确，跟人群匹配的程度比较高，那么你的转化数据就好，这些流量就会持续不断的进来。否则进来一段时间后，就会轻易的掉下去。

4. 根据概率进行匹配

如果是一个新注册的买家来购物，这时候咋办？因为这个买家除了具备一些基本的人群属性外，购物行为和购物偏好方面是空的。好，这时候搜索引擎会根据概率来进行匹配。什么意思呢？比如，连衣裙这个产品，在风格上有韩版的、的、田园风格的等等。那么搜索引擎通过分析以前搜索“连衣裙”这个的消费者，发现70%以上的消费者终都购买了“韩版”的，那么韩版就是一个高概率成交风格。所以，展现在这个消费者面前的，会更多的是韩版风格的连衣裙。

二. 关于个性化标签的问题

淘宝的搜索引擎在匹配个性化流量的时候，重要的依据就是店铺标签和产品标签，所以我们如果想获得更多的个性化流量，基本的方法就是不断的去强化自己的店铺标签和产品标签。因此，首先我们需要了解的就是：这些标签是如何形成的。

1. 你宝贝所在的类目、属性以及标题中的

这主要是针对新品新店来讲的，因为还没有消费者浏览、购买等等，所以你在上传宝贝的时候，你选择的类目、宝贝的属性、标题的等等就是形成产品标签和店铺标签的重要点。

在这里面有这样的一个小细节分享给大家：

你在刚开始上传宝贝的时候，你的商品在重要属性方面保持一致性，举个简单的例子：你的店铺当中都是韩版的连衣裙、都是面料的、都是适合25——29周岁年龄的、都是五分袖的。

那么这时候你的店铺就会被“暂时性”（因为以后还是重点看浏览）的打上韩版、类似、25——29周岁等标签，符合这些标签的消费者就会优先匹配给你的店铺。

另外就是标题的写作，如果你的标题当中都含有“韩版”、“春款”、“碎花”、“显瘦”这样的属性词，那么也比较容易被贴上比较强烈的这类标签属性。

相反，如果刚开始的时候，你店铺内的宝贝重要属性值都非常分散，那么淘宝在给你匹配流量的时候就会比较纠结，因为他也不知道你到底是什么样子的店铺。

2. 消费者行为强化标签

店铺和商品主要的标签当然还是来自于消费者的行为。其逻辑是这样的：

消费者具备明确的人群特征（比如年龄、性别、收入、偏好等等）——然后消费者在你的店里留下痕迹（浏览、收藏、加购等）——然后该消费者身上的标签会留在你的店铺里作为统计依据——当数据足够的时候算概率统计你的店铺标签。

比如100个来你店里消费的人员，其中有60%都是年龄在25——29之间的，那么你店铺的标签就是“25——29”之间，下一次的匹配时，你的商品也会被优先匹配给符合这个年龄段的消费者。你的人群特征可以从：生意参谋——市场行情——人群画像——买家人群画像，这个路径是可以看到的。

消费者行为强化的标签权重从高到低的排序依次是：购买、加购、收藏、咨询、浏览。另外你还注意这样一种现象：

信用级别高的买家比信用级别低的买家带来的个性化标签权重高；

标签明确的买家（一直偏好某一类商品）比标签不明确的买家标签权重高；

被列入黑名单的买家号无法带来标签权重。

3. 老客户购买强化标签

老客户加权的效果是明显的，尤其是一个标签非常明确的老客户，因为这实际上就是小而美的体现：他买了你的东西，觉得非常满意，当你出现新品的时候又来购买，这种加权是很强悍的。

以上基本就是电商产品的逻辑了，欢迎大家多多评论交流分享~