從電商到媒體,從商品推薦到客戶行為分析 - Udn 的 big data 價值實踐之路

4,699 views

Published on

亞洲 Hadoop 產品與解決方案引領者 Etu,於年度 Etu Solution Day (ESD) 活動中發表「2014 年台灣 Big Data 市場 5 大趨勢預測」。Etu 也首度發表兩岸的 10 大行業、21 種 Hadoop Big Data 已經被驗證的應用,如電信業的經營分析與客服查詢、電子商務的精準推薦、數位媒體的內容推薦、零售行業的使用者行為分析、高科技製造的資料倉儲工作分流卸載與製程良率分析、政府與地產的輿情分析、電力的能源管理、保險的巨量小圖檔管理等。預期 2014 年的台灣 Big Data 市場將更為成熟,經過驗證階段後,進入最後導入階段的企業也可望有倍數的成長。

Etu 負責人蔣居裕表示:「UDN 的採用,說明了台灣企業導入 Big Data 應用的需求在特定產業力道明顯上揚,『2014 年台灣 Big Data 市場的 5 大趨勢預測』也呼應了這樣的看法。」蔣居裕說:「一、首先過河的人,要開始挑戰資料價值的海洋,越早期投入者,越用越深,越深越廣;二、Total Data BI 帶動企業採用多結構化資料倉儲。客戶行為分析、精準行銷、客戶體驗是應用目標;三、從新舊系統整合到 End-to-End 解決方案,大部分企業期待廠商能夠完整交付 Big Data 應用與專業技術顧問。『容易』(Ease) 是 Big Data 產品進入企業的關鍵字;四、資料探索工具當道,力助 Business User 比 IT 人員更能挖掘 Big Data 的價值。『探索』(Discovery) 是 Big Data 分析的神髓所在 —— 探索關聯、探索意圖、探索缺少什麼;五、Big Data 教育訓練課程,從以處理技術為主者,快速擴展到資料分析。但均會被含括在『資料科學』大傘下。資料科學家萬中選一,強調專業分工的資料科學團隊,才是實踐資料價值希望之所在。」

ESD 2013 另外還展現了藉由 Etu Appliance 所架構起來的 Etu Ecosystem,展示了由 Etu 以及 ISV 夥伴們所開發的 End-to-End 解決方案:Etu Recommender,除了原有的個人化精準推薦,現在還可與第三方工具整合,進行資料視覺化探索,建置使用者行為分析資料倉儲;合作夥伴堂朝數位整合的雲端電子刊物加值平台、PilotTV 前線媒體的收視量測系統、樺鼎商業資訊的視覺化分析工具、以及衛信科技的 SDN 網路管理完整解決方案,則分別透過 Etu Appliance 來做巨量、可擴展的檔案格式轉換運算、臉部辨識資料及時處理與分析、多結構化資料倉儲、網路資料封包預處理等工作。這些方案的共同點,就是它們都是基於不斷獲得各種產品創新獎項的 Etu Appliance 所開發或整合的應用。

Published in: Technology
1 Comment
27 Likes
Statistics
Notes
No Downloads
Views
Total views
4,699
On SlideShare
0
From Embeds
0
Number of Embeds
796
Actions
Shares
0
Downloads
262
Comments
1
Likes
27
Embeds 0
No embeds

No notes for slide

從電商到媒體,從商品推薦到客戶行為分析 - Udn 的 big data 價值實踐之路

  1. 1. 從電商到媒體,從商品推薦到客戶行為分析 - udn的Big Data價值實踐之路 聯合報電子商務部 黃俊賢
  2. 2. Agenda 一、源起 - udn買東西的誕生 二、Big Data的價值 三、尋找金羊毛 四、未來展望 五、「你究竟從事甚麼產業?」
  3. 3. 最懂你的網站 員工數 140人 會員數 40/200萬 商品品項數 120萬 單月不重複訪客 200萬 年銷售額 15億
  4. 4. 關於聯合報系 62 600萬 448/ 1,344 60萬 1.1 億 264/ 9,599 200萬 250萬
  5. 5. Big Data的價值 – 回歸本質 S+V+O S V O S Ving O
  6. 6. Big Data能帶來甚麼改變? 體能/裝備 戰技 戰法 戰術 戰略
  7. 7. 尋找金羊毛
  8. 8. Touchdown! Search Results Category Pages 產品資料 Cart Pages 歷史訂單 Etu Recommender 瀏覽、點擊 Etu Recommender Application 轉化率分析 搜尋 放入購物車 結帳 即時訂單 線上評論 Product Pages 資 料 擷 取 協同過濾 分析 Collaborative Filtering Email Confirmation 推 薦 清 單 EDM 推薦引擎 Etu Appliance
  9. 9. 未來展望 – EC篇  Big Data實際應用 透過各種方式探索、收集、分析客戶的需求與「問題」,與客戶進行實 質的互動  推薦引擎:online • 推薦類型:User Based、Item Based推薦 • 同類推薦:商品、新聞、廣告、展演活動…等 • 跨類推薦:新聞推商品、新聞推廣告、活動推商品…等  大數據分析:offline • 瀏覽行為分析:顧客動線分析 – Click Stream • 網站功能效益:電子報、活動網頁、排行榜、… • 行銷效益分析:準確地評估活動或廣告帶來的效益。 • 使用者喜好分析 (使用者分群) • 使用者行為預測
  10. 10. “pre-” + “-ing” + “post-” 消費者 电商前台页面 商品頁 行為數據採集 分館頁 購物車頁 推薦結果 統計分析 Hive SQL Recommender 瀏覽日誌 推薦結果 API JDBC/ODBC Connector HBase Hive SQL 搜尋日誌 購物車 訂單 採集 ER Data Exporter 推薦計算 結果展現 行為數據倉庫 Hive Tableau 分析挖掘
  11. 11. 未來展望 – udn 2.0 從面向「內容」到面向「用戶」 藝文 廣告 CRM 展演 新聞 出版 TV (內容) 教 育 EC
  12. 12. 「你究竟從事甚麼產業?」  新產業的誕生 – 大聯合報虛擬生活圈     解構傳統產業定義 顧客導向 :單向餵養 -> 雙向交流 跨平台、跨載具 (多螢) 雙向虛實整合 企業能不能持續成長,取決於對本身業務的定義有多寬廣,以及對顧客需求的 評估有多仔細。因此,要以顧客為導向,妥善地管理你的產品;而且,不要畫 地自限,只著眼於眼前的獲利,才能讓自己的事業有更高、更寬廣的發展。 鐵路公司任由其他公司搶走顧客,因為他們認為自己屬於鐵路業,而不是運輸 業。他們會對自己的業務範圍界定錯誤,是因為他們以鐵路為導向,而不是以 運輸為導向;是以產品為導向,而不是以顧客為導向。 行銷短視症 (Marketing Myopia) 希奧多.李維特 Theodore Levitt

×