如何才能又快又好的响应业务需求，占据竞争优势？
需要怎样的业务组织结构？
产品线规划以及技术实现又如何匹配？
促销是简洁明了还是把人绕晕了好？
大家好，先自我介绍一下，我叫史海峰，目前在当当技术部里负责架构部。感谢中生代技术群的邀请，今天冒昧跟大家分享一些这几年在电商行业对营销的理解。营销体系这个概念很大，泛化一点，面向用户的所有售前、售中环节都可以算是。所以也不大可能面面俱到，想到什么就说什么，可能会比较散。本次分享尝试从业务、产品和技术三个维度解读营销体系。纯属个人感受，难免偏颇，请各位见谅，求指点。
12年刚到当当的时候，觉得电商业务很有意思，从业务结构上看起来最复杂的有几点：
- 仓储的管理和优化，到仓库里的都是成本
- 供应链，良好的预测和库存控制
- 客户行为分析，读懂客户，维持客户粘性，拓展新客户
- 各种促销，把客户绕晕，但又不能晕到不买了
电商的运营核心目标就是销售，不是改变世界，也不是高品质生活，所以营销这方面也是表面竞争最激烈的战场。于是就跟线下商场一样，要搞活动，要造节，最后发现一切正式非正式官方民间的节日都成了购物节。顺便吐槽一下，如今618、双十一搞得乱花渐欲迷人眼，我已经不怎么跟风非要占个便宜薅羊毛了，太费劲。
一般电商公司，一条产品线上关联几个主要角色，业务部门、产品部门、研发部门，今天也就从这三个方面来入手。
业务
在商业管理理论中有几种营销理论，分别是4P、4C和4R。4P：即产品（product）、价格（price）、渠道（place）和促进（promotion）
4C：消费者的需求与欲望（Consumer needs wants）、消费者愿意付出的成本（Cost）、购买商品的便利（Convenience）、沟通（Communication）；
4R：关联（Relevance）、反应（Responsive）、关系（Relationship）、回报（Recognit）
具体含义各位感兴趣可以百度，可以看做是一层层的进化。
4C：关注客户，满足消费需求。
4R：关系营销，维系客户，持续消费，发掘需求。
用一个比较糙的比喻，就是最早的时候是手里有货不知道卖给谁，可劲儿吆喝，用低价来吸引人，后来玩好了，知道该找什么样的人才有钱买东西，需要啥就卖啥，最后大家都熟了，有了感情，不是就图个新鲜感或者便宜了，而是越处越有感情，你自己还不知道自己想要什么，这边就做好了给你送上门去，开开心心掏钱。
但做电商网站做大了就是B2C，需要人机互动，才越玩花样越多，越复杂越智能，这是行业的大趋势，越是综合电商越需要更多的营销手段。像垂直品类或者唯品会闪购那种一招鲜吃遍天的电商，相对可能会简单一些。而O2O这类非标品电商则要求更为复杂，本身实际情况就很复杂。
从赚钱的角度来讲，主管销售运营的业务部门是最重要的，业务部门的分工和运作模式决定了电商公司的业务模型。
在PC时代，首页是电商最重要的流量入口，有人说过，打开一个电商网站的首页，就能知道业务部门怎么划分的。现在的淘宝上，天猫、聚划算、天猫超市，也是排在前面，单独标出红色的。
技术是业务服务，业务决定技术架构，营销体系的功能源自业务部门的运营能力。有时候想技术驱动业务，做一个功能出来，但运营根本不用，做了也是白做。比如常说的数据化运营，不是说搞一套大数据系统就OK，而是运营人员切实的关注数据，使用数据，依赖数据。
营销体系的对象应该是客户，做好的话，就是千人千面，能够根据每个客户提供差异化服务。
这其中有很多玩法，往大了说，618、双十一，往小了说，限时抢、满减、多买多折、加价购、赠品、手机专享价，往花样了说，积分、抽奖、会员级别、礼券、拍卖、众筹、一元购、秒杀、团购、预售、预订、企业客户销售、分销、定时购、心愿单、红包、满额包邮等等等等。
总而言之，营销是面向人的，与同行竞争的，与人斗其乐无穷，电商都依赖于系统，营销活动的执行需要系统支持，需要把营销的手段都实现在系统里，而且要推陈出新，比同行玩得更吸引消费者。
一个公司经营多年，逐渐就会树立起自身的品牌形象，这个形象是消费者心目中的，不见得是公司的宣传口号。而品牌是无形资产，是一个复合的符号，有了品牌影响力，意味着有了忠诚的客户群，就能活得很好。比如当当近几年很少做广告，但活跃用户上千万，在图书销售领域有着极强的品牌。比如有一些似乎名不见经传的电商网站，存在了很多年，一直不温不火，都是有稳定的客户群和收入。
从营销角度看，广告、代言、赞助、冠名、公益、行业大会等等都是，但相对传统，也不大可能通过系统来监控和评估。
而如今移动互联网时代，APP端订单占了多数，还有每天都必须打开的微信，依托于公众号的营销也是很有效果的。
所以从业务层面看，跨渠道跨品类跨商家的协同、多种营销手段的聚合、面向客户的完整闭环、更深度结合技术手段是未来的趋势，也是对业务部门的挑战。
产品
所谓产品，落地之后就是系统，或者说产品线。前面提到了业务运营上需要很多玩法，对于一个综合电商来说，很难用一套系统来实现，即便是规模很小，花样多了，也需要合理的建模和解耦，搞成一大坨就丧失了灵活性和扩展性。
基本上，不同的营销方式，需要不同的独立系统支持，于是前台系统越来越多，后台如果同样划分，就会特别零碎，各自独立，缺乏复用和协同。
于是乎我们看到了阿里调整了组织结构，提出了“小前端+大中台”的模式，组织结构对应着系统架构，有一个通用的平台，才好在上面展开各种手段。
电商的业务运营部门可以按照品类垂直切分，但产品线没有必要，除非是美团、去哪儿那样的包含多种差异很大的业务线的公司，如今多数的所谓电商，还是指在线零售。
如今电商行业越来越成熟，系统也在不断进化，促销的业务模型越来越复杂。往往会产生之前完全没有想到过的关联，比如手机专享价，比如赠送运费险。
这张图是当当促销系统重构时设计的模型，支持多种规则和维度，但真的还是有hold不住的。
随着移动互联时代的到来，引导客户使用APP成了经营目标，于是催生了分渠道的差异化营销，礼券有移动端专用的，促销价也有专门针对移动端的。促销方法越来越多，同一个商品可能同时有几种促销，甚至出现了给客户选择使用哪种促销这种功能，促销的条件限制、互斥和叠加规则越发复杂。能给用户多个选择似乎还是好的，比如我遇到过因为VIP折扣导致低于包邮门槛加上邮费反而更贵的情况，那时候我认为我应该有权决定是否享受VIP折扣。
最优解怎么来？就要在最终下单结算的交易环节进行整合计算，上面说的所有营销规则，多数都要作用在交易系统，于是交易系统成了最复杂的计算系统，还要求够快，不能让客户等。现在很多B2C都是平台电商，搞起促销来，要整合入驻商家，同样需要系统化支持，于是便有了活动管理平台。
活动管理平台的核心模型是活动，由平台或者商家发起，设定一定的条件和要求，这样既便于宣传，也便于在数据上进行统计，支持运营。
数据化运营，最怕的就是没数据，或者有了数据分析不出来，为什么某个商品销售的好，为什么某个地区客户多。这一切的一切还是先要有数据，尽可能收集所有有价值的数据，价格的历史，库存的变化，用户的操作行为。只有有意识有目的的积累足够多的数据，才有可能应用大数据技术，挖掘分析出规律，提供好的推荐、预测。用好数据，需要专门的人才，不是只需要会开发和算法，更重要的是理解业务，会数据分析。
复杂的营销给系统带来的更大挑战是计算收益，评估效果，设错价格的情况属于乌龙，但叠加了几种不同促销，如何分摊成本，计算毛利率又是一件麻烦事儿。如果做到位，每个客户都会有用户画像，有计算出的信用度和消费倾向，喜好，成长潜力。我曾经开玩笑说电商的最终的目标就是精细化计算，每个人看到的价格和优惠都是不同的，连比价都没法比。
而且现在面向用户端的聚合太强，用原来简单功能划分的方法切分产品归属已经不合时宜，需要更多的交叉重叠，对于管理成本和沟通效率都带来了挑战。
研发
综合电商，业务量可以不大，但商品一定要多，充分发挥“长尾效应”，当然这也体现的是运营策略。
商品数据量大了，促销系统既要支持大数据量，还要提供快速响应的服务以及保证数据一致性，自然会有很多挑战。比如一般的促销规则是基于商品的，也有基于店铺的、品类的，再交叉叠加客户级别、渠道、区域等等，当然也都有时效性。这其中需要分别建立不同的数据模型，要支持数据量的快速增长，促销已经是常态，多数热销品随时都在促销，促销数据既变化率较高，数据量也大，怎么扩展？
要支持例外品，要同步给搜索系统，要快速更新，同步商品的状态，分色分码关系的变更，尽量避免数据不一致的情况。这就需要搭建基于数据库分库分表、高效大批量的MQ、缓存集群的技术架构。还要支持各种互斥和叠加的规则设置、计算，客户被绕晕了，系统不能晕，这需要规则引擎。赶上促销，流量暴涨，还要能快速的一键部署，弹性扩容。
说到搜索，关于促销我一直比较关注，促销活动那么多，动不动就几十万品，其实意义是不大的，客户根本看不过来。那么最基础的，就是提供搜索功能，这方面亚马逊做了，京东和当当都没怎么做。京东比较精一点的是很多促销活动商品非常有限，在活动页面上都展示出来了，不需要搜索。
当当目前正在改进促销列表页面，原来支持品类、价格销量排序，接下来将会提供搜索功能。
做得再好一些，可以提供基于收藏夹、购物车甚至是浏览历史、推荐列表的凑单推荐。至于秒杀、拍卖、预订、定时购之类的多半都是独立的系统，根据各自不同特点实现即可，多数都有成熟的解决方案。最基本的商品推荐，目前能做到个性化非常好的也不多，这里有很多现实问题，比如国内电商较多，难以数据共享导致数据不完整，也有时间不够长数据积累不足方面因素，可能还有一些算法效果的问题，现在多数的推荐主要基于商品相关性提供，类似买了又买看了又看，从客户本身特征挖掘有限。还有最基本的就是变价了，抓取行业商品价格、促销、库存情况，根据变价策略进行调整，这方面的关注点一个是怎样抓取和防抓，抓取的时间点，变价的速度，与比价平台数据同步的实时性。这方面可以关注到的包括当年淘宝屏蔽百度，最近据说有所放开，以及京东当年某段时间价格干脆用图片显示。
基本的功能要做好，现在有更高级的也不能落下，所以行业竞争的门槛和成本都是在不断提高的。
随着流量越来越珍贵，营销模式进化到了更为聚合密集的场景，在每一个能够与用户交互的场景尽一切可能带来转化，加深关系。比如如今商品详情页、购物车、交易页面上会聚合更多的信息，自动匹配能够使用的礼券，或者推送新的礼券，也许将来每一个界面都聚合所有核心功能。这样自然需要更多的系统交互，服务调用更为复杂，更难以管理，要有服务治理机制和框架，需要有应用层的流量控制。
另外，要做数据化运营，先要收集数据、汇总数据、处理数据，与业务系统之间解耦的常见做法是通过消息中间件，也就是说，业务系统将业务事件、数据通过消息发出来，监听消息的可以是其他业务系统，也可以是数据系统。对于运营类的数据系统，并不需要特别精确的数据，但实时性越高越好。因此传统的离线方式的处理已经不能满足实时营销的需求。
把数据收集下来才能形成反馈，针对用户形成下一步的营销动作，在用户还没离开之前就进行交互，如果离开，则要通过其他的渠道，邮件、短信、微信等等进行处理。
那么在研发技术层面，需要有足够的系统资源，高效全面的数据收集体系，高度匹配的业务分析工具，完善的自动化运维部署系统，保障稳定的高可用架构和基础平台。没有好的技术基础，要想构建如此复杂的营销体系，是不大可能实现的。
好了，三方面都说了不少，个人拙见，求指正。
Q&A
Q：有两个小问题，第一个，就是上面提到的基础平台都有哪些 第二个就是如果业务朝令夕改技术这边该如何应对
1.技术层面的基础平台跟营销关系不大，业务层面的话，可参考阿里的中台，搜索、数据、共享事业群（交易啊、商品啊，客户啊等等）
2.电商基于系统，业务变更正常，但必须考虑时间成本和代价，包括ROI。一般互联网鼓励试错，但不代表可以一错再错不负责任。就像做产品、项目要有复盘，业务方面也应该衡量效果和成本。
Q：全渠道营销工具，里面有很多的营销玩法：1、这些玩法的生命周期有多长，新玩法和老玩法对销量的buff加成怎样？2、如何把这些营销工具有机结合起来一起用？有什么策略管理吗？
1.产品生命周期看业务部门需要了，技术提供可行性和数据支持，比如分配流量，A/B TEST，以便判断营销效果，做好了，有一定积累和模型，可以做一些预测，但最终决策还是运营部门。
2.有机结合一方面是被业务部门天马行空逼出来的，另一方面产品部门要分析通用性，进行系统层面的整合，并将整合后的能力反馈给业务部门。基本属于业务驱动型，要说策略，就尽量不要重复造轮子吧。还有，可能的话，留出一定扩展性。
Q：请问团购网站在你所说的电商范围内吗？做这类网站有什么需要注意的地方？
A：团购网站也算是电商，相对模式比较单一，好像分成商品类和服务类。团购多数是要对接供应商或者商家，整合模型比较复杂，系统对接也比较多，需要数据同步。这是我想到的。
Q:组织一次营销活动，在20个营销工具里面，选哪套配置会得到最佳效果，技术能支撑业务决策吗？（例如选择3个营销工具的“铁三角”组合什么的）
A:技术支撑业务决策，在有比较充足的数据沉淀情况下是可以的。
本文来自 史海峰微信个人公众号“IT民工闲话”：
当当架构部诚聘性能测试工程师，位置北京东北三环内，欢迎推荐。
请发简历到 shihaifeng@dangdang.com
岗位职责：
1、了解性能测试项目需求，合理确定性能测试工具选型；
2、负责编写性能测试过程各阶段文档产出物：性能测试计划、性能测试报告；
3、开发性能测试脚本，并有效管理与维护；
4、部署与维护性能测试环境，保证正常使用；
5、研究性能测试工具或辅助工具的使用和开发；
6、预测系统的性能瓶颈、风险和安全隐患，针对性能瓶颈快速、准确地甄别问题并提出解决方案；
7、制定线上性能测试方案，协调相关部门，在确保业务正常的前提下进行性能测试；
任职资格：
1、计算机相关专业统招本科及以上学历，3年以上编写性能测试程序或使用性能测试工具实施测试的经验；其中两年以上web项目性能测试经验，有WEB网站测试经验者优先；
2、精通LoadRunner，了解缺陷管理工具；
3、熟悉WEB技术，如XML/HTML/CSS/javascript等；
4、熟练使用至少一种开发语言,如：C/Java/Python/Go等；
5、熟悉MySQL/SQLServer/Oracle等至少一种数据库，能够熟练编写SQL语句；
6、熟悉Linux操作系统、掌握网络基本知识、了解Redis/MongoDB。
6、熟悉Jmeter、Http_load等自动化测试工具者优先考虑；
7、具备较强的沟通能力，团队精神好，责任心强，能积极主动推进工作进程；
本文作者 史海峰
中生代技术微信号公众号：freshmanTechnology
