<dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><small id="yhprb"></small><dfn id="yhprb"></dfn><small id="yhprb"><delect id="yhprb"></delect></small><small id="yhprb"></small><small id="yhprb"></small> <delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"></dfn><dfn id="yhprb"></dfn><s id="yhprb"><noframes id="yhprb"><small id="yhprb"><dfn id="yhprb"></dfn></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><small id="yhprb"></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn> <small id="yhprb"></small><delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn>

新聞中心

EEPW首頁(yè) > 嵌入式系統 > 業(yè)界動(dòng)態(tài) > Amazon如何利用云服務(wù)處理大規模多維數據集

Amazon如何利用云服務(wù)處理大規模多維數據集

作者: 時(shí)間:2016-05-10 來(lái)源:51CTO 收藏

  智能電視設備能夠了解需要錄制哪些節目,濃縮咖啡機則能夠在需要維修時(shí)自動(dòng)報警,冰箱在牛奶即將耗盡前及時(shí)發(fā)出提醒——這一切都依托于數據分析的力量而實(shí)現。隨著(zhù)人們對于市場(chǎng)未來(lái)與消費者行為做出預測的愿望變得愈發(fā)迫切,以沃爾瑪、、eBay以及Nordstrom等企業(yè)為代表的零售業(yè)巨擘已然將預測性分析視為一種必需。

本文引用地址:http://dyxdggzs.com/article/201605/290942.htm

    

 

  根據EKN Research發(fā)布的一份最新報告,有80%的電子商務(wù)巨頭表示他們已經(jīng)開(kāi)始緊隨走上分析技術(shù)發(fā)展道路。Jeff Bezos和他的管理團隊在過(guò)去十七年中一直努力推動(dòng)針對在線(xiàn)購物業(yè)務(wù)做出革新,并借此拿下每年20億美元營(yíng)收(其中包括高級電子商務(wù)業(yè)務(wù)與云計算服務(wù))。在今天的文章中,我們將一同了解Amazon如何利用大數據分析機制提振自身業(yè)務(wù)。順帶一提,與網(wǎng)絡(luò )層面的帶頭大哥一樣,沃爾瑪作為實(shí)體店鋪經(jīng)營(yíng)領(lǐng)域的領(lǐng)袖亦在大數據分析研究方面頗具心得。

  總部位于西雅圖的電子商務(wù)巨頭Amazon公司正利用大數據技術(shù)處理其約2億個(gè)客戶(hù)賬戶(hù),并將來(lái)自客戶(hù)的高達10億GB數據保存在超過(guò)140萬(wàn)臺服務(wù)器之上,旨在借此做出預測性分析并推動(dòng)銷(xiāo)售成效。數據已經(jīng)成為Amazon公司的命脈,該公司利用數據確保自身能夠通過(guò)個(gè)性化推薦、價(jià)格優(yōu)惠、針對性營(yíng)銷(xiāo)等方式為客戶(hù)帶來(lái)獨特的購物體驗。大數據分析對于A(yíng)mazon公司無(wú)異于一支魔杖,幫助其在當下這個(gè)市場(chǎng)競爭極為激烈的時(shí)代下利用個(gè)人數據維持客戶(hù)忠誠度這種使用數據并實(shí)施正確創(chuàng )新的能力也成為Amazon得以躋身全球財富五百強企業(yè)的前提條件。

  “數據即力量”可謂指引Amazon走向成功的座右銘。大家不妨打開(kāi)自己的Amazon主頁(yè),其中的內容永遠不會(huì )一成不變。Amazon公司會(huì )對大家在電子商務(wù)網(wǎng)站以及應用當中的一切操作做出追蹤——旨在盡可能多地收集數據。當審視Amazon當中的“賬戶(hù)”選項時(shí),我們能夠從中窺探到其對于客戶(hù)動(dòng)向的強大追蹤能力——“您可能喜歡的”、“看過(guò)上述產(chǎn)品的客戶(hù)還看過(guò)這些寶貝”、“同類(lèi)產(chǎn)品推薦”、“購買(mǎi)該產(chǎn)品的客戶(hù)還購買(mǎi)了”等等,Amazon不斷追蹤客戶(hù)的動(dòng)向,從而為其提供個(gè)性化的卓越購物體驗。

  舉例來(lái)說(shuō),我們可以通過(guò)以下頁(yè)面看到如果大家選擇在A(yíng)mazon.com上購買(mǎi)一塊磁盤(pán)驅動(dòng)器,那么頁(yè)面同時(shí)會(huì )顯示與之類(lèi)似且售出數量較高的其它產(chǎn)品以及大家可能希望一同購買(mǎi)的其它相關(guān)產(chǎn)品。

  Amazon如何運用Hadoop技術(shù)

  Amazon公司已經(jīng)通過(guò)云環(huán)境下的一系列工具對大數據具體使用方式加以擴展,從而實(shí)現數據存儲、數據收集、數據處理、數據共享以及數據協(xié)作等等。Amazon公司的Elastic MapReduce能夠幫助這家零售商有效管理并使用其分析平臺,同時(shí)以Hadoop框架為基礎構建起預測性分析體系。與電子商務(wù)貨架上約15億種產(chǎn)品相關(guān)的各產(chǎn)品分類(lèi)數據廣泛存在于全球范圍內的200多座數據中心,保存于A(yíng)mazon S3當中且每周進(jìn)行約5000萬(wàn)次更新。S3中的產(chǎn)品數據目錄每30分鐘進(jìn)行一次處理,并將結果發(fā)送回各數據倉庫當中。

  Amazon建立的個(gè)性化推薦機制

  Amazon公司利用大數據分析機制了解客戶(hù)的實(shí)際購買(mǎi)行為、搜索哪些關(guān)鍵字以及具體需求,并據此贏(yíng)得了客戶(hù)的高度認同。

  Amazon generates an additional 10%-30% revenue in response to the recommended suggestions it offers to its customers. Amazon公司全部營(yíng)收中約有10%到30%來(lái)自其為客戶(hù)提供的購買(mǎi)建議。Amazon公司是大數據挖掘領(lǐng)域的先驅?zhuān)淠軌蚶脭祿治鼋Y論提供個(gè)性化營(yíng)銷(xiāo)手段,從而為客戶(hù)提供獨一無(wú)二的購物體驗。憑借跨越十個(gè)國家的超過(guò)200萬(wàn)賣(mài)家以及2億消費者,Amazon公司得以利用極具創(chuàng )新性的數據驅動(dòng)型技術(shù)為受眾群體提供個(gè)性化推薦。

  在A(yíng)mazon方面看來(lái),其客戶(hù)主要分為兩類(lèi):

  Amazon買(mǎi)家客戶(hù)

  立足于A(yíng)mazon市場(chǎng)之上的賣(mài)家客戶(hù)

  Amazon公司的推薦算法包含有大量相關(guān)因素,包括購買(mǎi)記錄、瀏覽記錄、好友影響、特定產(chǎn)品銷(xiāo)售趨勢、社交媒體對高人氣產(chǎn)品之宣傳以及客戶(hù)此前曾進(jìn)行過(guò)的類(lèi)似產(chǎn)品購買(mǎi)行為等等。經(jīng)過(guò)重重處理,其最終才會(huì )為客戶(hù)提供產(chǎn)品推薦。Amazon公司一直在完善其推薦算法,從而尋求為客戶(hù)提供更理想服務(wù)水平的途徑。

  電子商務(wù)市場(chǎng)中的賣(mài)家面對的問(wèn)題包括:

  ? 他們應當在自己的貨架上添加哪些新產(chǎn)品?

  ? 他們應當為特定產(chǎn)品準備多少庫存以滿(mǎn)足客戶(hù)的實(shí)際需要?

  ? 如何通過(guò)提供更多選項與更出色的服務(wù)保持客戶(hù)滿(mǎn)意度?

  Amazon公司在服務(wù)賣(mài)家客戶(hù)方面亦取得了巨大成功,其舉措包括為賣(mài)家提供庫存建議、新產(chǎn)品添加選項指導以及如何為特定產(chǎn)品匹配合適的交付方式從而滿(mǎn)足客戶(hù)等等。平均來(lái)講,Amazon公司的每位賣(mài)家客戶(hù)能夠獲得超過(guò)100條關(guān)于產(chǎn)品目錄的建議與意見(jiàn)。

  在提高客戶(hù)滿(mǎn)意度方面,最具挑戰也最為關(guān)鍵的一點(diǎn)就是提升產(chǎn)品庫存管理機制。Amazon公司提供的一類(lèi)常見(jiàn)建議就是提醒賣(mài)家哪類(lèi)產(chǎn)品即將售罄。根據推薦算法中的各項因素,Amazon公司會(huì )向賣(mài)家提供建議以展望其產(chǎn)品的未來(lái)市場(chǎng)需求,從而提醒其盡早在A(yíng)mazon市場(chǎng)上進(jìn)行補貨——這無(wú)疑是一項雙贏(yíng)戰略。

  Amazon的動(dòng)態(tài)價(jià)格優(yōu)化機制

  價(jià)格優(yōu)化在零售市場(chǎng)上是一項關(guān)鍵性因素,因為各零售商都在努力為每款產(chǎn)品提供最具吸引力的價(jià)格優(yōu)勢。價(jià)格管理工作一直受到Amazon的嚴格關(guān)注,這也成為其吸引買(mǎi)家、壓倒其它競爭對手并提振業(yè)務(wù)利潤率的有效途徑。

  動(dòng)態(tài)定價(jià)機制能夠幫助Amazon公司以24 x 7 x 365的全天候方式關(guān)注產(chǎn)品價(jià)格并借此提升25%銷(xiāo)售利潤率。Amazon公司從2012年到2013年的銷(xiāo)售總額增長(cháng)了27.2%,同時(shí)也第一次憑借可觀(guān)的營(yíng)業(yè)額躋身全美十大頂級零售商。Amazon公司的產(chǎn)品定價(jià)策略通過(guò)對站內客戶(hù)行為、產(chǎn)品可用庫存、競爭對手同類(lèi)產(chǎn)品價(jià)格、訂購歷史、產(chǎn)品偏好性以及產(chǎn)品預期利潤率等數據來(lái)源的分析支持實(shí)時(shí)價(jià)格調整。Amazon公司目前每十分鐘即對全部產(chǎn)品進(jìn)行一次價(jià)格變更。

  購物者們可能總會(huì )發(fā)現Amazon永遠能夠在電商競爭對手當中拿出最為優(yōu)惠的產(chǎn)品價(jià)格——而這應當歸功于其動(dòng)態(tài)定價(jià)策略。Amazon的動(dòng)態(tài)定價(jià)算法能夠根據價(jià)格感知以及人類(lèi)心理琢磨等方式在一小時(shí)內實(shí)現多次價(jià)格調整。除了利用攤薄成本壓低暢銷(xiāo)產(chǎn)品價(jià)格之外,Amazon還能夠及時(shí)上調滯銷(xiāo)產(chǎn)品價(jià)格以提振利潤額。

  舉例來(lái)說(shuō),Amazon公司能夠將銷(xiāo)量最可觀(guān)的智能手機的價(jià)格設定為較競爭對手低25%,同時(shí)將人氣不高的智能手機機型的價(jià)格提升為較競爭對手高10%。

  根據《彭博商務(wù)》發(fā)布的一份分析報告,“Amazon公司在特定時(shí)期內可能并不是特定產(chǎn)品價(jià)格最低的賣(mài)家,但其能夠始終保持高關(guān)注產(chǎn)品的價(jià)格優(yōu)勢并借此吸引到大量客戶(hù),從而實(shí)現更理想的整體收益——在這方面Amazon的表現甚至超越了沃爾瑪?!?/p>

  Amazon擁有眾多對其服務(wù)極為滿(mǎn)意的客戶(hù),他們之所以給出高評價(jià),完全是由于A(yíng)mazon的動(dòng)態(tài)定價(jià)策略,甚至未能在正確時(shí)間享受折扣時(shí)不會(huì )斥責Amazon而更傾向于歸咎于自身原因。動(dòng)態(tài)定價(jià)策略方面最典型的例子就是不久之前Amazon公司以70美元超低價(jià)對《星球大戰》系列藍光合集進(jìn)行清倉,但一周之后價(jià)格則上漲到了134美元。買(mǎi)到這套禮盒的客戶(hù)竊喜不已,而未能及時(shí)下手的買(mǎi)家則捶胸頓足。

  Amazon的供應鏈優(yōu)化機制

  Amazon公司顯然已經(jīng)在強化客戶(hù)購物體驗方面取得了成功,但如果沒(méi)有高效的供應鏈與發(fā)貨機制,這一切仍然是空談。根據由CapGemini發(fā)布的一份調查報告,89%的美國客戶(hù)在無(wú)法立即得到發(fā)貨服務(wù)時(shí)會(huì )立即轉換到其它商務(wù)平臺。而且相較于沃爾瑪的約50萬(wàn)貨品發(fā)送量,Amazon的發(fā)貨強度高達1000萬(wàn)件。

  Amazon公司擁有與制造商之間的實(shí)時(shí)對接通道,能夠根據同一天內或者次日的交貨數據追蹤庫存并為客戶(hù)提供更易接受的選項。Amazon公司利用大數據系統根據供應商供應能力選擇數據倉庫,從而避免客戶(hù)們由于無(wú)法及時(shí)收到貨品而決定退單。這些大數據系統幫助Amazon預測必要的數據倉庫數量以及每套倉庫所需要的具體容量。

  Amazon公司還利用圖論原則選擇優(yōu)化規劃、路線(xiàn)以及產(chǎn)品分組,從而最大程度降低交付成本。

  預測式出貨——Amazon在客戶(hù)決定購買(mǎi)前即掌握其需求

  Amazon公司憑借著(zhù)預測式出貨(Anticipatory Shipping)專(zhuān)利技術(shù)顯著(zhù)提升交貨速度,從而進(jìn)一步擴大了自身與競爭對手間的比較優(yōu)勢。直觀(guān)來(lái)講,這項專(zhuān)利旨在利用預測式分析工具預先判斷客戶(hù)是否會(huì )購買(mǎi)對應產(chǎn)品,并在其實(shí)際下單之前就開(kāi)始發(fā)貨。這項專(zhuān)利表明,Amazon對于自己的預測分析系統在準確性方面的表現極具信心,甚至能夠判斷出客戶(hù)要買(mǎi)什么、何時(shí)購買(mǎi)。

  眾多傳統零售商都有能力為客戶(hù)提供個(gè)性化購買(mǎi)建議,但Amazon正試圖通過(guò)準確預測客戶(hù)想要購買(mǎi)的貨品而將技術(shù)手段提升至新的水平。如果其大數據算法出現了錯誤,那么Amazon可能必須承擔產(chǎn)品重返物流中心所帶來(lái)的種種意外成本。盡管存在著(zhù)這些潛在挑戰,但預測式出貨技術(shù)仍然值得期待,我們也將關(guān)注其如何幫助Amazon在未來(lái)繼續保持強大的競爭優(yōu)勢。

  以沃爾瑪、Amazon、eBay以及Norstrom為代表的各零售商正積極投資大數據技術(shù),旨在維護客戶(hù)關(guān)系并拓展自身業(yè)務(wù)。人們驚訝地發(fā)現零售商已經(jīng)能夠做出極為準確的預測,而這些與客戶(hù)行為相關(guān)的準確判斷將在長(cháng)遠角度上切實(shí)推動(dòng)其業(yè)務(wù)價(jià)值。



關(guān)鍵詞: Amazon 云服務(wù)

評論


相關(guān)推薦

技術(shù)專(zhuān)區

關(guān)閉
国产精品自在自线亚洲|国产精品无圣光一区二区|国产日产欧洲无码视频|久久久一本精品99久久K精品66|欧美人与动牲交片免费播放
<dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><small id="yhprb"></small><dfn id="yhprb"></dfn><small id="yhprb"><delect id="yhprb"></delect></small><small id="yhprb"></small><small id="yhprb"></small> <delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"></dfn><dfn id="yhprb"></dfn><s id="yhprb"><noframes id="yhprb"><small id="yhprb"><dfn id="yhprb"></dfn></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><small id="yhprb"></small><dfn id="yhprb"><delect id="yhprb"></delect></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn> <small id="yhprb"></small><delect id="yhprb"><strike id="yhprb"></strike></delect><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn><dfn id="yhprb"><s id="yhprb"><strike id="yhprb"></strike></s></dfn><dfn id="yhprb"><s id="yhprb"></s></dfn>