双十一后，细数电商行业的黑科技

　　如何让用户买的爽？在这个问题的引导下，电商品牌之间的竞争从网络稳定性、物流流程的PK，转到了今年更高级的竞争领域：人工智能和算法的较量。
　　双十一刚刚过去，电商的从业者终于可以喘口气了。这个节日从九年前的光棍节演变成如今电商行业的狂欢节。早几年双十一刚流行的时候，零点订单过多造成网络瘫痪、到了支付环节一键崩溃是常被吐槽的事情。这几年软硬件技术的发展，双十一的购物体验越来越好。让用户扼腕叹息的从“网络崩溃”变成了“今年没抢到”。
　　如何让用户买的爽？在这问题引导下电商品牌之间的竞争从网络稳定性、物流流程的PK，转到了今年更高级的竞争领域：人工智能和算法的较量。
　　无论是阿里今年上岗的高精度智能运营机器人天巡，还是一秒自动生成8000张banner的“鲁班”，人工智能现在已经成为大品牌电商的重要助手。
　　运营优化、个性化推荐、越来越强大的垂直搜索功能，自动化仓库和动态定价可以说AI正在逐步重塑购物的未来。虽然国内人工智能在电商行业应用最多的还在大公司，但从谷歌这张AI营销趋势图中可以看出，从2012年2017年，人工智能在电商的营销应用比重在逐年上升。
　　并非只有巨头公司才有用人工智能技术，当下越来越多第三方技术服务公司的崛起，更多公司愿意采用外包技术来改善运营效率和用户体验。国内有丰富行业敬业的人工智能专家陈运文介绍，在服务的上百家企业中，电商是对人工智能技术需求很大的行业。一条、顺丰旗下的丰趣海淘和同仁堂旗下的天然淘等优势电商平台，都积极用技术服务对平台进行战略性优化。
　　现在越来越多人开始多平台购物，随着对人工智能技术应用的厚望，用户也会期望越来越多的品牌有更好的购物体验和服务水平。
　　让用户知道，你懂他
　　了解用户的需求，并在用户购买过程中传达你很了解他，这样的方式首先在心理层面就增加了用户的满意度。电商的个性化服务最原始的模型是十几年前邮箱中写有我们名字的邮件。而当下人工智能在电商行业应用最广泛的功能就是个性化推荐和搜索。双十一刷淘宝时，那些“你可能喜欢”的推荐，常常让我们忍不住再去多看两眼。
　　人工智能个性化服务包括：
　　动态更改每个用户的网站界面，包括搜索功能
　　发送有针对性的营销信息
　　展示自动化、个性化的广告
　　在特定的时间段为用户提供有吸引力的购买内容
　　我们常说的精准营销就是在正确的时间，以正确的渠道把消费者感兴趣或需要的商品呈现给他。在数据驱动的今天，电商行业做的风生水起的都积极把数据驱动发挥到了极致。这些数据信息包括常见的数据统计，日常浏览模式以及用户偏好的优惠和商品内容等等。
　　但对公司运营结果产生影响的不是数据，而是对数据的分析和应用。人工智能实现了自动挖掘并分析客户数据的功能。比如，喜欢这个东西的人还会喜欢什么。就像很多电商网站在做女性商品促销时，还长附带上一部分男性商品。看上去男女商品之间毫无联系，背后却有着对用户深刻的洞察。在营销中非常经典的案例：沃尔玛超市通过大量的数据调查发现，周五下班后的奶爸，他们会同时购买两类产品：啤酒和尿布。把这两类看起来毫不相关的商品组合起来促销却收到了意想不到的效果。
　　企业有大量的资源，能通过网页或手机屏幕能呈现在用户的面前却是很少的一部分。那些热门的常常被放置最前，随之热门的会越来越热门，冷门的商品更加无人问津。社会学中把这种现象叫做马太效应。即强者愈强，弱者愈弱。推荐系统最直观的应用就是希望能够消除这种效应，让小众的冷门商品也找到对自己感兴趣的用户。对用户而言，不必每次都去看热榜，自己的兴趣和需求也能得到更好的满足。
　　有丰富的推荐系统实践经验的工程师于敬认为，想要避开马太效应，打造精准的个性化推荐系统有两个要点：一个是用户画像的建模，还有个性化推荐算法。
　　用户的兴趣画像是动态变化的过程，有一些是长期稳定的兴趣，有些则是短期兴趣。比如喜欢体育运动的男士会在电商网站经常浏览运动装备。突然有一天他成为了爸爸，在一段时间内可能也会浏览婴儿用品，但这只是他短时间内的兴趣倾向。达观的算法模型考虑了物品随时间因素变化的特性，根据用户的行为数据不断调整兴趣画像模型，实现持续给用户惊喜的推荐效果。
　　搜索行为的妙用
　　调查显示，在购买产品之前，大约88的消费者会先在网上进行搜索，消费者希望能快速准确搜索到想要找的商品。如何在用户搜索时引导他快速发现想要的内容，也是电商运营的一个重要部分。
　　丰趣海淘在用户搜索时会给出相关提示
　　目前流行的机器学习算法是基于识别意图（也就是常说的自然语言处理）而不是根据拼写或关键词对照进行检索，这也改善了搜索效果的满意度。人工智能在搜索引擎上可以实现的效果：
　　提供相关的自动建议，比如在搜索框中，当用户打出一个字时，下面就会出现带有这个字的相关商品提示
　　根据用户行为对搜索结果进行排名
　　显示搜索产品的相关产品内容
　　理解语音（语音搜索）
　　分析图像（可视化搜索）
　　用户的搜索行为表现了用户的购买诉求，知道这些行为便可以给企业运营提供指导性建议。如图某电商后台用户搜索统计的截图，通过分析能知道哪些商品是受欢迎的，运营者可以及时备货。哪些产品还没有被用户搜查，是否需要改变商品展示的位置以解决长尾问题。
　　不打无准备的仗：预测营销
　　预测营销是建立在数据驱动的基础上，帮助品牌“先发制人”。传统的营销往往优先考虑产品的特点、定位，再去寻找潜在消费者，而预测营销的最大区别是“以人为中心”，全面地了解消费者的历史行为、实时动态、未来倾向，把消费者的真实需求放在首位。
　　通过人工智能和机器学习，可以实现市场营销预测的有：
　　客户将购买什么
　　客户不想看到什么
　　他们典型的价格门槛
　　他们可能性产生购买行为的时间段
　　根据上述的条件和大量的数据，企业则可以预估将采取哪些营销计划。当然去分析这些数据，制定有目标性的线上营销计划是一件大周期事件，而且需要和上面提到的用户搜索分析结合进行。
　　当使用人工智能来驱动预测分析时，整个过程被流程化，对数据分析的人为错误被消除。还可以把营销人群的技术扩大到几千或上百万，同时保证其精准性。
　　抓住用户的心：动态定价
　　一开始商家对消费者偏好不了解时，希望通过动态定价和行为数据了解消费者对商品的偏好和消费行为。即使一家电商拥有10000件商品，也可以通过手动调价（成功竞价，不吃利润）来完成一项几乎不可能实现的任务。
　　电商行业的竞争环境在不断变化，交货率，物流和竞争对手的价格这些都还只是变化中的一小部分。显然在商品数量上千之后，人工去定价是一种低效行为。人工智能根据多种数据：市场条件、用户行为和需求、库存情况及内部运营需要，来实现实时调整定价。比如谷歌的动态定价会根据买家之前支付的价格，自动调整用户能够接受的最低价格。
　　Gartner预测到2021年，零售商对人工智能领域的资金投入，72将花在机器学习技术上。那时人工智能会更大范围覆盖电商行业的诸多业务线：搜索引擎优化、个性化推荐、欺诈检测和预防、产品退换货优化，销售和库存的预测、物流和仓储系统的优化
　　“双十一是电商行业的阅兵仪式。”它检验了商家的服务、流程、技术、对用户洞察的精准度。传统在线商城和品牌电商之间在这种竞争中逐渐拉开距离。这也给我们敲了警钟：如果无法跟上潮流深入了解用户，在激烈的市场竞争中则可能面临出局的危险。