数据科学如何为电商企业增加利润？

PuneetGupta，Brillio（一家立足于美国的科技咨询和软件开发商）的首席科技官说：“有了预测分析和机器学习应用，电商企业现在可以对消费者的行为模式有清晰的了解，贯穿全站各种商品的购买历史和销售表现。”

这一类应用，最好的例子是亚马逊使用预测建模的推荐系统。亚马逊的推荐系统发掘，并用数据表示从历史数据中发现的关系，以此来进行分类和预测未来事件。

2) 获取关于消费者留存、增值销售和组合销售的洞察

消费习惯不断变化，忠诚度不断消减，预期居高不下。获取消费者洞察对于电商企业的存活已经至关重要。

每个电商网站、APP 都要销售商品，但他们需要的答案应该针对于：

• 谁在购买他们的商品？

• 这些人住在哪里？

• 他们对什么样的商品感兴趣？

• 如何更好地服务他们？

• 什么促使他们购买？

上面这些问题都能由专注于消费者洞察的数据分析师提供答案。而数据科学利用更先进的分析方式，例如分类器、区隔、非监督聚类、预测模型、主题建模和关键词提取的自然语言处理，创造更多价值。

BlueYonder 一家德国软件企业，使用数据科学工具与技术协助 Otto（欧洲线上时尚巨头）。当消费者走进实体店，或登录零售店 wifi ，或连接上网站、APP ，自动学习就已经开始。这些消费者会收到基于地点、天气和大量其他因素决定的推送信息。

3) 优化产品策略

电商企业不得不面对种种问题，比如：

• 应该出售什么商品？

• 什么价格？什么时候实行这种价格？

数据科学算法帮助电商企业决定和优化产品组合。每个电商企业都有一个产品团队研究这个设计过程。而此过程中数据科学算法可帮助企业预测：

• 产品组合中的漏洞是什么？

• 应该生产什么产品？

• 从工厂订的第一批货应该订多少？

• 什么时候应该停止特定产品的供应？

• 应该销售什么产品？

数据科学家利用更先进规范的预测分析帮助电商企业。而数据分析师仅仅对企业获取了多少利润，哪种商品没有价值等问题进行回溯分析。