技术与商业到底啥关系?我们从业务角度聊一聊

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

思函,阿里巴巴研究员。2005年加入阿里巴巴,最早在雅虎中国从事搜索产品工作,从2009年开始,一直负责淘宝和天猫核心搜索推荐的产品及运营业务。

1a4041c35c60e4dc7e597a6838c0cf3f0cc78731

“如果没有技术参与的话,整个阿里巴巴要引领商业变革的理想是很难完全实现的,而技术在这个过程中越来越起到核心的作用”,思函在当日的活动现场如是说。下面是他演讲稿的内容整理。

一、技术促进繁荣生态

很多人都知道阿里巴巴是一个生态。它有一个非常重要的特点,也就是阿里巴巴,尤其以淘宝天猫为核心的整个阿里巴巴新零售的生态,在全球范围内算得上是独一无二的。为什么独一无二呢?

第一,就中国的消费领域来讲,用户众多且多元化,我们既有北上广深这种消费水平与欧美大都市接近的地方,又有许多贫穷落后的地方,不同地方用户的消费能力以及他对商品和商业的理解是有很大差异的。而且每个多元化中间的细分领域都有足够多的用户,可以支撑足够大的产业。这种用户多元化的特点是阿里新零售独一无二多元化生态的基础之一。

第二,中国被称为世界工厂,我们的设计生产和制造能力有着完整、丰富、敏捷的特征。简单地讲,我们什么都能生产,而且还非常快速。就拿浙江来说吧,浙江本身就有大量工厂,市场上需要什么东西,工厂很快就能生产,杭州本身也是服饰类商品的重要集散地,而义乌又是全国最重要的小商品集散地。所以整个供应链是非常及时、敏捷的,只有这样的供应链才能快速响应不同用户的多元化需求,不然光有用户需求没有商品供应也不行的。

中国在生产方面的特点也是全世界其他地方所没有的,所以跟用户多元化的需求结合起来,就构成了阿里最丰富的多元化生态的基础。同时,也正是有淘宝天猫这种多元化的平台,也反向促进了中国多元化的生产形态,比如我碰到过一个案例,有一个淘宝卖家生产的是一种很特殊的螺丝,在没有淘宝的时候,他所在的一个城市可能只有很少的用户,但有了淘宝,全国的用户加起来,就可以支撑他持续生产这种产品。

第三,除了电商生态外,整个新零售的体系是一个更大的生态,我们的用户非常多样,用户的需求也逐渐升级,比如有些用户的购物目的性很强,有些用户可能就只是想享受“逛一逛”的乐趣,甚至现在有的用户上手淘上根本就不是要买东西,而是要看看有意思的直播、视频和文章。我们的商品也一样,有奢侈品、有品牌商品,还有小众的特色商品,有高端的,也有性价比高的。

我们还有网红、达人的参与,最火的网红和特色卖家已经有数千万计的粉丝,所以目前淘宝现在逐渐已经从一个购物货架,发展成一个消费者社区和消费平台。围绕着整个生态,我们还有很多服务机构,线上线下打通。我们所覆盖的场景也越来越多元化,线上不同客户端的产品、搜索推荐场景、营销场景等,同时线下也有大量覆盖的新零售场景等。

d4f5f4b20ccace61ebdf0abd98d69d72b3e4a31f

所以对于这么一个复杂的生态,一方面,我们的根本目标是促进这个生态的持续繁荣,而不是只解决个别的、局部的、短期的问题,这是与其它互联网应用完全不同的地方,比如我们不是要满足用户需求就够了,我们还需要让商家、达人都能快速成长,好的东西能快速浮现出来提供给用户。另一方面,由于我们生态体量庞大,千万级的商家,亿级的用户,数十亿级的商品,每天海量的用户行为,并且大量需要实时处理。所以这些问题已经完全不是传统方法所能解决的,必须有技术的深度参与,技术已经越来越成为生态繁荣的核心驱动力;同时,这种独一无二的生态特点,也给技术提供了其它领域完全无法比拟的挑战和机遇。

讲的再具体一些,从生态角度和业务角度而言,对技术造成的具体挑战是什么?我们觉得核心是通过技术对多目标进行优化,并且这个优化还不是短期优化,必须是长期乃至前瞻性的优化。比如一个算法优化不是带来用户指标提升就可以的,必须重视对商家和商品的影响,尤其是对商家长期经营行为和平台商品丰富性的影响。我们要让用户满意,同时也要让平台的品牌商家、特色商家、性价比商家都能找到很好的发展空间。

再举个例子,很多用户都喜欢买打折促销的商品,这种商品的短期成交也普遍很好,那我们是不是要主推这种商品给用户?事实上这里边有商业逻辑的,卖家的新品通常不希望打折,而积压的库存会非常愿意打折,而有的卖家打折商品是亏钱的,目的是引流用户去组合购买店内的其它商品,如果我们只把促销商品展现给用户,而不考虑商业端的特性,必然损害商家长期利益,商家对平台的粘性会逐步下降。从另一方面讲,总是把打折促销的商品展现给用户,也容易使用户对平台产生促销平台的认知,用户有正常或者中高端购物需求的时候,相反就会选择其它平台。

5cdb103f6ed9cfc6191df2c14ccef2b82b538942

所以我们技术在构建和优化的时候就必须要适应和理解这种商业生态,不能简单地做单目标局部短期优化,必须多目标长期地把这种商业生态需求同算法融合在一起。这对我们的算法有很大的挑战,同样也带来了很大的发展空间。

二、技术提升商业效率

与传统商业相比,互联网商业是有着较大不同,这种不同主要体现在三个方面。

第一,流量集中化。线下的商业会有地理位置的限制,线下开一个店,能够自然而然地吸引周围的部分用户过去。它带来的问题,是好的东西不能快速呈现给更多用户,而不好的东西也会有一定生存空间,并不利于商品的优胜劣汰,比如三线及以下城市和乡村地区的假货,跟线下实体店的模式是有关系的。而线上最重要的特点是用户和流量集中化,不再有地理位置限制,可以显著提升商业效率。这里对技术有非常强的依赖和挑战,要求我们能快速把好的商家和商品筛选出来给用户,把不好的淘汰掉,甚至要针对不同类型的用户和场景,更多体现某一类商品或商家的特点。一旦我们做不好,负向结果也会迅速扩大,会把不好的或者不适合的商品迅速推送给某个场景下某个用户群体,这样对生态对用户的损害也是非常显著的。

第二,产品化。线上基于互联网的商业跟线下商业最大的不同就是,用户和卖家的自我选择权其实被一定程度限制了,尤其是卖家,他们必须依靠平台提供的产品和系统才能经营,如果没有工具和产品,卖家寸步难行,这和线下完全不同,线下卖家只要自己开个店,总能做一些事情。所以这方面也体现了我们技术和产品的价值,不是参与不参与或者参与多深入的问题,而是我们已经参与必须参与,甚至没有技术和产品,这个体系根本没有办法运转,卖家根本无法经营,买家根本无法挑选。

第三,大数据赋能。在流量集中化和产品化的前提下,之所以技术能够提升商业效率,核心也在于线上环境有丰富的大数据,例如用户、商品、商家、交易、评价等数据,而这些大量的数据是结构化和打通的,在这个基础上技术才能有发挥的空间,才能去提升商业效率。在这方面,阿里的数据能力也是得天独厚的,我们的数据不但丰富真实,而且和商业有关的数据其实是最有价值的数据,这种肥沃的土壤也是在其它领域所无法比拟的。

三、技术洞察商业本质

商业系统是非常复杂的,要去理解它,远远没有想象的容易,这里也需要技术的深度参与。

第一,用户是非常复杂的。也许很多人觉得,用户很简单,只要我拿到了数据,我就知道他是个什么样的人。但其实这件事情非常不简单。打个比方,在购物领域,针对不同领域的购物需求,用户的购物行为是不一样的。

比如有的工程师,他总是穿公司发的衣服,一穿好几年,买的衣服都很便宜,但他买电子产品的时候,会买很贵高端的电子产品。还有一些女性用户,她不只是会给自己买东西,也会给全家人买东西。一个用户今天买了建材,过了半年就该买家具了,因为他在装修。在地铁里的时候,很多用户不会买很贵的需要长期决策的东西,而更容易买快消品这种不需要思考的东西。有很多这样的例子,所以如果你掌握了技术做搜索推荐,但搞不清楚用户的复杂性,没有精准挖掘用户的需求,那你推的东西可能就完全错了,这是很需要技术深入挖掘的,在技术上也有很大的机会。

第二,面向的商家也是非常复杂的。阿里的平台上,存在各种不同类型的商家以不同的商业模式在经营,我们必须通过技术和算法去有效分析识别他们,让他们都能有充分的发展空间。举个例子,有些商家是品牌商家,这种商家可能今年双十一要卖的货,现在已经在设计甚至开始生产了。但很多商家不一定是品牌商家,他也有很强的生命力,不过模式不同。

bfae43956c22831c8596d81e38aa0d664e0b0ffb

比如淘宝有很多从批发市场挑选货物,再到平台上进行售卖的商家。他们的特点就是可以在大量的商品中挑选中对消费者最有吸引力的商品,一个这样的大商家,可能每个星期可以从市场上的几千个款式的衣服中间选择几十款推给他的用户,所以他的优势就是快速响应,同时挑的款都很好看很吸引人,但他们的问题是因为不控制生产和供应链,所以品质会不稳定。这两种商家对消费者的服务和体验完全是不一样的,需要深入分析识别,然后个性化的对不同类型的用户和场景进行推荐和匹配,如果我们把他们混成一团的话,随意处理,对商家对消费者都会产生很多损害,甚至导致整个生态的不可持续。

第三,我们面对数十亿计的商品,形形色色非常复杂。这种巨大的体量和复杂性,意味着我们是不可能靠人工把它们准确定义出来的,必须靠算法。举个例子,我们看一件衣服,什么叫“好看”?

许多女性用户可以很快速地做出自己的判断,这件衣服很好看。把好看的衣服更多推荐给我们的消费者是算法系统的核心问题。但我们怎么用算法,用AI,把“好看”这件事情定义清楚?在浩如烟海的商品中自动找出最“好看”的商品?而且你还要分不同行业,男装、女装,鞋、裤子、箱包等,对“好看”的评价方法都是完全不同的。解决这个问题,除了需要把人的经验很好地体现在技术方面,也需要各种不同类型技术的结合,比如图像、文本、标签,也包括对用户偏好、对商家,对场景、对环境等各方面的深入了解。

四、技术引领商业创新

阿里巴巴在新零售领域,是要带来商业体系的巨大变革和创新,技术在这里边会起很大的作用,也是最核心的部分。

第一,创新的智能商业体系。随着消费升级和用户需求的变化,越来越多以往的商业模式已经变得陈旧,带来很多问题,很多卖家也希望有本质的变化,这里边如果没有技术的参与,也是难以实现的。

比如上边提到的去批发摊位选货的商家,因为不掌握上游供应链,所以商品品质不稳定,越来越难以适应消费者逐步升级的需求。所以很多这种卖家希望转型,有自己的设计团队,有自己的供应链,甚至有自己的原创品牌。但这里边面临一个问题,就是以前在市场选货,可以每周在几千款衣服里挑选合适的款式,选择面宽,被用户最后喜欢的几率也大。而自己有设计团队做原创之后,是没有办法设计出大量款式供挑选的,而自主设计的成本又很高。这里边就需要我们技术和算法帮助,能够针对他们的目标用户,去预测当前和近期市场的需求方向,甚至能精细到材质、风格、款式,来指导卖家的设计和生产方向,这样会大大增加卖家的收益,降低成本,使得自主设计生产成为一种新模式,并以此为基础培育淘宝丰富的特色商家生态。甚至于许多天猫的品牌商家,我们也可以用技术去帮他们来预测未来趋势,帮他们选品定款,显著提升成交量降低各种推广决策成本,完全改变以前传统的品牌经营模式。

70d911ad6cd847a89429bea0d934e01d6f97dd78

事实上,传统商业的分销代理渠道等模式,提升消费者的成本,降低了效率,换取的是商家可以分散风险,代理商的预定、批发等模式可以帮商家有计划地生产,有预期有规律地降低库存等。而线上模式取消了中间环节,极大提升了效率,但商家也面临风险的提升,所以技术在中间可以起到关键作用。一方面我们可以通过精巧的算法设计,让优质商品和商家可以比较稳定的获得用户,以指导其生产备货,更重要的是我们可以用大数据和人工智能来预测未来用户需求的走向,以帮助商家更高效精准的规划设计生产,降低成本和风险。

第二,线上线下商业打通升级。在新零售背景下,线上和线下商业及大数据的结合,会带来商业模式根本的创新和改变。举个例子,现在大量家具商场,都是按照品类、品牌的方式来对顾客做展示。但不同的用户诉求是根本不同的,比如你不太可能既买北欧风格的餐桌,又买传统中式风格的沙发,你的消费能力也是有一个范围,不可能超出或者低于这个范围太多。所以当进入一个家具商场的时候,大多数用户是有不同的需求的。但我们现在很多家具市场并不是这样组织的,这样用户实际上耗费了大量时间。实际上只要我们能够把我们的线上线下的大数据,我们的算法能力有效地应用在这些场景下,我们就能够非常好地解决这个问题。

首先我们线上线下数据是打通的,一个用户进到线下的这个场景,我们会知道他是谁,他是一个什么样的用户,他可能偏好什么样的东西,这样商场或品牌的导购员可能只需要用一个手机或者pad,就可以给用户制定一个合理的浏览路径,可以让用户首先对符合需求的品牌和商品有一个大致的认知,然后再有针对性地浏览。甚至于未来的线下的商场,都是要通过大数据的方法来对它的货品和品牌的摆放模式重新进行设计,也都是要通过算法和大数据来帮助消费者快速做选择和判断。这只是一个例子而已,在新零售背景下实际上有大量类似的场景可以给技术提供广阔的空间。

第三,创新跨界市场的发现和培育。多元化的阿里生态,一个很重要的特征就是新物种和新模式的快速产生和成熟。这里边技术可以起到很强的催化剂作用。现在的用户越来越追求个性化,很多年轻用户并不希望自己和别人完全一样,而是希望能体现自身的独特价值和兴趣。而且这种独特价值的体现会越来越细分,越来越具体。而淘宝天猫由大量卖家和达人等组成的生态,具有很大的潜力去快速满足越来越多越来越细分的用户个性化需求,但另一方面我们的卖家往往对于“货”比较熟悉,对于用户潜在新的需求并不了解,即使他有这种设计生产能力,也不会有意识地进入这些新领域。而我们的买家有时候也根本不知道平台上已经有这种独特好玩的新事物。

这就需要算法和技术能快速发现这些新的用户需求和新兴市场,一方面让对应的用户群体能接触到,激发他们的兴趣,另一方面也让供给端的卖家能够注意到这些市场的潜力,快速填补空白,带来创新市场的快速繁荣。比如我们前期基于技术和算法在原创设计和宠物服饰等领域进行了探索,使得这些市场短期内在淘宝上有了十几倍到几十倍的增长。这块工作还有大量的空间需要我们去探索。

fa4138394557df88122c8f6d0029f090d21578a0

最后总结下来,阿里和新零售的生态,是在快速变化的,始终会给我们带来新的机遇和挑战。就拿我们自己团队举例子,一开始做搜索的时候,会觉得跟网页搜索区别不大,但事实上当我们了解了电商领域用户需求的特点和商家视角以后,就会发现其实这是一个崭新的世界。而后来我们把对商品认知场景的认知结合进来,又逐步把供应链和生产、营销领域的特点结合进来,过去一段时间又开始把线上线下打通,最近我们又开始在内容、社区、娱乐等方向拓展,每次探索技术的进步对我们的认知和方法都是一次很大的飞跃。我们在快速发展,也始终面临新的挑战和空间,这一点,无论对于技术还是产品团队,都是一件非常有吸引力、非常有挑战、又非常有意思的事情。

而我们技术团队所从事的工作,不仅是对商业的升级和变革,还会实实在在影响那些在阿里和淘宝天猫平台上经营和生存的商家和合作伙伴,很多卖家和卖家背后的员工,因为我们所构建的平台和机制,有了新的希望和机遇,给他们带来人生和事业的转变。我们每一个优化和调整,可能都会影响到成千上万卖家的利益和经营方式。所以如何为这些卖家和合作伙伴,构建一个高效和持续发展的系统,始终可以让消费者满意,让诚信卖家可以不断发展,让卖家和他们背后的员工持续可以在这个平台上创新创业,实现他们的理想和价值,也是我们技术和产品团队做这项工作的核心价值所在。


原文发布时间为:2018-04-28

本文作者:思函

本文来自云栖社区合作伙伴“阿里技术”,了解相关信息可以关注“阿里技术”。

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
|
1月前
什么是业务? 编程语言范畴中谈到的业务是什么
本文阐述了在编程语言范畴中,业务指的是公司或产品解决一系列问题的过程,技术只是完成业务的手段,同时强调了在实际开发过程中需要结合业务场景进行技术上的调整。
52 1
什么是业务? 编程语言范畴中谈到的业务是什么
|
1月前
|
供应链 数据挖掘
NPDP|在传统行业,怎么做好产品管理?有啥诀窍
在传统行业中做好产品管理,需要企业具备敏锐的市场洞察力、卓越的产品设计能力、高效的供应链管理、强大的营销与品牌建设能力,以及持续的创新精神。通过这些诀窍的综合运用,企业可以不断提升产品竞争力,实现可持续发展。
|
4月前
|
监控 运维
开发与运维技术问题之技术PM如何协调业务诉求与技术能力之间的关系如何解决
开发与运维技术问题之技术PM如何协调业务诉求与技术能力之间的关系如何解决
48 1
|
4月前
|
供应链 Java 中间件
软件架构一致性问题之研发新产品创造价值如何解决
软件架构一致性问题之研发新产品创造价值如何解决
36 0
|
Cloud Native Go Python
面试中的商业思维:如何展示你对业务的理解
面试中的商业思维:如何展示你对业务的理解
90 0
|
人工智能 架构师 算法
学习笔记 | 在变化中抽象不变: 技术变局下的架构师升级之想
学习笔记 | 在变化中抽象不变: 技术变局下的架构师升级之想
140 0
|
人工智能 数据可视化 前端开发
技术人如何做好业务?
技术人如何做好业务?
317 0
|
数据采集 存储 编解码
在架构师的角度去看大型网站架构面临的挑战:技术架构的基本思路
技术架构的基本思路 技术架构既要清晰地划分功能模块或子系统,又要对整个网站系统的技术逻辑有清晰的认知。庞大的技术架构确实会让人望而却步,架构设计也变得无从入手。 如果把一个庞大的技术架构分成独立的几部分,然后再逐一深入的话,那么一个庞大的技术架构也不是不可理解的
|
供应链 数据挖掘 UED
数字化转型过程中需要厘清的几个关系:产品与能力
在上一篇文章中,笔者主要阐述了规划和建设的关系,而这一篇,重点将聚焦于产品和能力的关系。所谓产品和能力,主要的矛盾在于数字用户的群体和数字语言的鸿沟。如今,数字化转型,已经成为各行各业乃至整个社会的发展目标,而IT组织作为数字工具的支撑,数字需求的传递、数字产品的能力、数字化结果的评估需要重点厘清。
248 0
|
人工智能 新能源 算法
【商业逻辑】企业该选择人工还是智能?看完你就明白啦!
AI图像处理技术在光伏、纺织、LCD、PCB、芯片等多个行业取得的成功,证明了图像技术的可塑性。AI图像处理技术的跨界复制与持续迭代能力将加速该技术的产品化落地,最终实现在制造业的规模化应用。
673 0
【商业逻辑】企业该选择人工还是智能?看完你就明白啦!
下一篇
无影云桌面