亚马逊收购全食背后,是大数据对零售行业的重构

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介:

亚马逊收购全食背后,是大数据对零售行业的重构

当亚马逊宣布将以137亿美元收购全食超市时,相信所有人心中都有一个疑问,为什么亚马逊愿意为了一家经营状况正在下滑的公司耗费如此之巨。其中的原因在于,在亚马逊线上商城购买瑜伽垫和健康追踪器的人,很有可能也会对有机食品连锁店里的葡萄、坚果等产品感兴趣。

简而言之,这笔交易遵循了亚马逊以数据为驱动的经营理念,可以带给亚马逊大量关于消费者线下购物行为的数据,以及潜在的丰厚利润。

当然,两者的整合还有许多其他好处。亚马逊将从全食超市超过460家的线下门店获得更加稳定的收入,同时还可以引入机器人和其他自动化技术,降低后者的经营成本并改善盈利状况。不过,亚马逊的最终目的还是在线上和线下卖出更多的商品,包括许多消费者没有意识到他们需要的商品。

亚马逊目前还没有公布具体计划,但分析师们对所有可能性都热衷不已。芝加哥零售市场调查公司的Ryne Misso说道:“这对亚马逊来说,将是一个有趣的时刻”。他们正在推出一套全新的、横跨杂货和耐用品市场的消费者档案。

记录消费者数据

亚马逊是利用历史浏览和购物数据,促使消费者购买更多商品方面的专家。雷锋网了解到,亚马逊商城的主页有访问历史浏览商品的快捷入口,以及根据你的消费行为趋势自动推荐的商品。亚马逊还会向你发送邮件,提醒你过去浏览过却没有下单的商品现在有了折扣。

北卡罗来纳州的移动分析公司Reveal Mobile的CEO Brian Handly表示,虽然亚马逊在人工智能技术方面不一定强于其竞争对手,但它的用户数和业务种类正在节节攀升。

eMarketer表示,全食超市可以帮助亚马逊更好地了解消费者在实体零售店的购买行为。目前,实体零售店仍然贡献了全球90%的零售交易额。

亚马逊可以借此了解,某个特定消费者是更倾向于每个月一次的大采购,还是少量高频的购买行为。商店里的WiFi热点可以通过手机的特殊信号,判断出用户在哪些货架通道花费的时间最长。亚马逊最近在西雅图推出了一家无人售货便利店,店内货架上的传感器也可以起到同样的作用。

Misso表示:“亚马逊将分析这些数据,为消费者量身打造商店”。

这一切听起来可能有些令人毛骨悚然,但亚马逊已经在做了,而且在线上商城做得还很出色。

运营Ponemon Institute privacy智囊团的Larry Ponemon表示,就他个人而言,会觉得记录他不健康的饮食习惯令人毛骨悚然,但它并不希望消费者对此反感,因为亚马逊和全食都赢得了用户的高度忠诚和信任。

重新设计商店

为了让商店获得更高的利润,亚马逊可能会推动消费者到线上购买低利润的散装物品,比如洗涤剂和卫生纸;从而为利润更丰厚的商品腾出储存空间,比如易腐烂的食品和即食热食。

亚马逊品牌咨询公司Arcature的首席执行官Larry Light说道:“亚马逊面临的挑战是如何将适合线上和线下的业务区分开来”。

不只是日常用品

亚马逊还可以利用日常用品的消费数据来促进其他产品的销售。比如说你经常购买亚洲食谱中的原材料,那么亚马逊可能就会向你推荐一本泰国或日本的烹饪书,或者一个电饭煲。

或者你通过亚马逊的视频应用观看墨西哥美食节目,亚马逊就可能会向你推荐牛油果的购买信息或者定期派送玉米粉圆饼和罐装豆类的订阅服务。

又或者,它可以根据你在Kindle上选择的食谱自动生成购物清单。

假如你刚刚买了一些露营装备,亚马逊可能会向你推荐格兰诺拉麦片或者其他健康的即食食品。同样的,刚刚购买健身追踪器的用户也会收到相应的商品推荐。

对行业有哪些影响

沃尔玛目前仍然是整体领先的零售商,在零售行业占据着巨大的市场份额。据雷锋网了解,即使将全食包括在内,沃尔玛的零售收入也是亚马逊的3倍。然而,它却处于守势。为了加强线上业务,沃尔玛已经在Jet、Bonobos、ModCloth和Moosejaw等电子商务公司投入了大量资金。分析师认为,这些公司同样可以帮助沃尔玛进入大数据零售这场游戏。Light 表示,“沃尔玛的真正挑战在于,他们认为技术是可以买到的”。但Euclid Analytics的首席执行官Brent Franson指出:“相比于把大数据技术植入公司的核心DNA,扭转劣势要困难得多(Euclid Analytics是一家尝试将大数据分析应用到实体零售中的企业)。得益于以数据为驱动的商业模式,亚马逊从一开始就建立起了优势。”

via    mercurynews         雷锋网(公众号:雷锋网)编译


本文作者:刘伟

本文转自雷锋网禁止二次转载,原文链接


相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
3月前
|
机器学习/深度学习 供应链 大数据
【2023Mathorcup大数据】B题 电商零售商家需求预测及库存优化问题 python代码解析
本文提供了2023年MathorCup大数据竞赛B题的电商零售商家需求预测及库存优化问题的Python代码解析,涉及数据预处理、特征工程、时间序列预测、聚类分析以及模型预测性能评价等步骤。
172 0
ly~
|
1月前
|
供应链 搜索推荐 大数据
大数据在零售业中的应用
在零售业中,大数据通过分析顾客的购买记录、在线浏览习惯等数据,帮助零售商理解顾客行为并提供个性化服务。例如,分析网站点击路径以了解顾客兴趣,并利用历史购买数据开发智能推荐系统,提升销售和顾客满意度。此外,大数据还能优化库存管理,通过分析销售数据和市场需求,更准确地预测需求,减少库存积压和缺货现象,提高资金流动性。
ly~
188 2
|
3月前
|
分布式计算 搜索推荐 物联网
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
大数据及AI典型场景实践问题之通过KafKa+OTS+MaxCompute完成物联网系统技术重构如何解决
|
3月前
|
供应链 安全 大数据
区块链与大数据:重构未来世界的密码
在科技飞速发展的时代,大数据被誉为“未来的石油”,区块链则被称为“信任的机器”。两者结合,将如何重塑世界?本文解析区块链与大数据的核心特性——区块链的去中心化、安全透明与大数据的海量、多样、实时价值;展示其在金融、供应链、医疗、交通等领域的应用场景;并展望未来跨界融合、信任重构、智能化发展以及隐私保护的趋势,预示着一个高效可信的新时代的到来。
173 1
|
6月前
|
存储 弹性计算 大数据
【云计算与大数据技术】Google、亚马逊、IBM、阿里云等云计算应用平台介绍讲解(超详细)
【云计算与大数据技术】Google、亚马逊、IBM、阿里云等云计算应用平台介绍讲解(超详细)
383 0
|
存储 分布式计算 Kubernetes
带你读《2022年开源大数据热力报告》——热力趋势三:云原生大规模重构开源技术栈
带你读《2022年开源大数据热力报告》——热力趋势三:云原生大规模重构开源技术栈
279 0
|
机器学习/深度学习 SQL JSON
图解大数据 | 使用Spark分析挖掘零售交易数据@综合案例
电商与新零售是目前大数据与AI应用最广泛的场景之一,本案例以跨国在线零售业务为背景,讲解使用pyspark对HDFS存储的数据进行交易数据分析的过程,并且对分析结果使用echarts做了可视化呈现。
4420 1
图解大数据 | 使用Spark分析挖掘零售交易数据@综合案例
|
SQL 存储 分布式计算
重构知识的供给模式 — 《数据平台》从思考到落地
我们想尝试去建立一套 “高度自动化&体系化的知识管理系统,重构知识的供给模式”
重构知识的供给模式 — 《数据平台》从思考到落地
|
SQL 存储 分布式计算
重构知识的供给模式 ——《数据平台》从思考到落地
如何去建立一套 “高度自动化&体系化的知识管理系统,重构知识的供给模式”。是不是看不懂?而且有点冲?是不是谜语人附体?别急,本文作者将会做详细的说明。
重构知识的供给模式 ——《数据平台》从思考到落地
|
存储 分布式计算 自然语言处理
基于MaxCompute+开放搜索的电商、零售行业搜索开发实践
搜索一直是电商行业流量来源的核心入口之一,如何搭建电商行业搜索并提升搜索效果,一直是电商行业开发者努力攻克的难题。基于传统数据库或开源引擎虽然能够搭建基础搜索服务,但随着商品数据的增多和业务流量的增长,难免会遇到性能瓶颈和效果瓶颈。另一方面,随着电商、直播、云计算等技术的不断发展,越来越多的传统零售企业正在进行互联网云上转型,特别是受近两年疫情等因素的影响,APP、小程序已经成为零售企业重要的业务增长来源。在此背景下,如何快速搭建高效搜索服务成为零售行业上云及转型的难题。
1201 0
基于MaxCompute+开放搜索的电商、零售行业搜索开发实践