大数据:支撑餐饮团购O2O的第三种模式
大数据:支撑餐饮团购的第三种模式
目前,餐饮团购主要包括美团、大众点评、百度糯米,但三者的内在驱动力却有所不同。
美团是典型的交易驱动模式,业务比较单一,利润主要来自于团购业务的交易佣金。由于起始阶段缺少其他业务带来的用户基础积累,美团正是通过自身强大的运营能力,获得竞争优势,从而占据团购行业的半壁江山,这既是美团的优势,也同样是美团的劣势,毕竟运营能力是可以被复制的。
大众点评是典型的信息驱动模式,依托其前期商家点评信息的积累,大众点评拓展了团购业务,且已经成为大众点评的主要利润来源。大众点评在点评信息方面的领先优势,一方面为其积累了商家资源,另一方面积累了用户群,从而为其团购业务的开展奠定了基础,但是点评的业务集中于一二线城市,这造成了其团购业务在运营能力上与美团的较大差距。
糯米网在百度收购后得到了资金和流量的支持,稳固了其在团购市场的位置。同时,百度借助自身的技术力量,为糯米开拓新的数据驱动模式。这次517吃货节可以看做是对这一模式的“大练兵”。
所谓数据驱动,就是依托百度对搜索数据、地理位置、用户浏览数据的综合分析,提炼出针对特定对象的有效数据,并以此辅助相关产品的运营和推广。在与餐饮O2O的业务结合中,百度想到从海量数据中找出某地用户,最喜欢的小吃,以及这些小吃在哪些餐馆做得最好,然后才是邀请这些餐馆参加百度糯米团。通过数据分析,找到大多数人的喜好,以此吸引更多用户参与,这是数据驱动模式的简单逻辑。
数据分析:简单背后的复杂过程
这个简单逻辑背后蕴藏的是复杂的数据运算,我们看到的结果是一个个美食餐馆top10榜单,但支撑这些简单结论的是庞杂的数据和复杂的运算。
比如要找出上海最会做剁椒鱼头的十家饭馆,要最终确定关键词“剁椒鱼头”的搜索目标是找到上海的餐馆,第一步要剔除搜索“剁椒鱼头”只是为了找到这道菜的做法,或者是了解这道菜的具体常识的其他需求;第二步是要确定搜索目标在上海;第三步是与具体制作剁椒鱼头,且活动用户好评的餐馆匹配起来;第四步是通过数据量排序,找出餐馆的顺序。
据了解,为了保证榜单的准确性,百度糯米还邀请了各地烹饪协会的专家参与评价,并最终确定榜单。这有效的避免了仅仅依靠大数据分析可能导致的偏差,毕竟机器跑出来的数据,可能有机械分析的局限性,难免遗漏那些“酒香不怕巷子深”的老店。
据百度内部人士介绍,这些更有意义的数据,不是来自高频词,而是从百度搜索中的“长尾词汇”挖掘分析得来。他们不像单一词汇那样容易成为高频搜索词,每天有几十上百万,甚至过千万的搜索量。他们是几个词,或者词组甚至是一个完整的句子,每天只有几千上万的搜索,但是却更具体也更有价值。
大数据分析的复杂主要是如何让网络更有智慧,让机器组成的神经网络能深度学习人的思维,总结出人群中的规律。为了提升这一能力,百度正在开展“百度大脑”项目,目前它具备了两三岁孩子的智力。但是百度相信:随着计算成本的飞速下降和计算能力的飞速提升,未来十几二十年,这样的大脑或许比人脑还要聪明。
显然,对于“剁椒鱼头做法”、“剁椒鱼头北京”、“剁椒鱼头哪里好吃”,这几个搜索用词所蕴含的目的和意义是不同的,通过对其数据相关性的存储和分析,可以让“百度大脑”学习到更多内容。在未来的某一天,它又会告诉我们更多我们想知道的东西,而这种结果的输出,无疑会越来越精确,且更有价值。
大数据格局:为你做决策
百度糯米通过517让我们体会到了百度大数据的威力——吃什么上哪吃,我来帮你做决策,你所需要的就是掏腰包。
百度的目标是要打造一个弱化人脑的智能数据平台,让数据分析帮助人来决策。这与百度做搜索引擎的出身有关。而且,搜索引擎是用户主动行为,通过收集用户主动需求的数据,百度可以知道用户想要什么,通过数据分析,百度就能够知道用户喜欢什么。久而久之,百度就可以参照众人的决策过程,去帮助有需求的用户进行决策或者是推荐用户喜欢的内容。
同样,阿里和腾讯也在做大数据方面的开发。稍加分析我们就会发现他们各具优势,阿里的数据与百度类似,而且也更精细,比较明确的体现了用户的购物需求。因此,阿里在处理大数据方面需要的是数据整合能力,把合适的数据分配到所需的卖家或买家手中,对智能性的要求不高,却有极大的商业价值。
而腾讯的数据来源主要是社交网络,数据量大且信息点分散,要深入挖掘出其中的有用数据需要一个更强大、更智能化的“大脑”,因此,要使其发挥出与百度目前的相同的智能水平,其数据挖掘能力必须高过百度,因而难度较大。不过,腾讯可以在个别领域有所突破,比如对用户所需资讯的匹配上,可以做些工作。
综合来看,百度借助搜索引擎,可以实现数据广度与分析智能化要求两个维度的最佳卡位。可以在较短时间内实现数据分析的稳步智能化,在商业拓展上虽然不会有阿里那样直接,但却会给用户更多惊艳的感受,本次517吃货节,就可以算作一例。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21