天貓的非線性思考

梁爽

“到那一步，你覺得天貓會是怎么樣的？”

“無所不能啊”。

天貓營銷平臺總經理劉博（花名：家洛）語氣肯定，沒有絲毫猶豫。他身后的墻上，貼著天貓“6·18”的安排，節奏緊密、不帶一絲喘氣的空隙。

此時，離“6·18”還有5天，沒人能預測出“6·18”的準確結果。但家洛看上去，已經胸有成竹。

5天后，天貓“6·18”的數據迫不及待地從各個平臺發出：5分鐘成交200噸奶粉，7分鐘成交2 000萬片紙尿褲，14分鐘成交160噸泰國榴蓮，10個小時成交4500萬張面膜。

零點過后僅10分鐘，天貓服飾總體成交額突破10億元，“6·18”期間僅花唄分期交易金額就突破40億元。

有20%的00后男生，第一次在天貓國際上下單，購買了彩妝……

這些數據上傳到天貓的系統中，以0和1的形態，與其他上億次的交易數據一道，成為天貓用來觀察下一輪趨勢的大數據。

奈飛、庫里和線性思維

這兩年，有兩個被津津樂道的大數據故事：

風靡全球的美劇《紙牌屋》，是大數據的杰作。奈飛公司用大數據分析發現，喜歡觀看1990年版《紙牌屋》的用戶，同時喜歡看導演大衛·芬奇和凱文·史派西的作品。奈飛于是決定由大衛·芬奇導演，搭配凱文·史派西主演翻拍《紙牌屋》。

這是第一個故事。第二個故事發生在NBA。

剛剛獲得NBA總冠軍的金州勇士隊，六年前戰績慘不忍睹。2011年入主的新投資人拉科布是數據分析的堅定擁躉者，利用數據分析，讓球隊意識到NBA傳統的爭奪制空權打法，好看但是低效，轉而尋找更高效的打法，即提高三分球命中率。于是勇士賣掉大牌球星，培養新人庫里，并且通過數據指導比賽的人員和戰術布置，最終獲得總冠軍。

這兩個看似合情合理的故事，更像是從結果倒推之后的歸納總結，帶著大數據將全面統治世界的神秘感。從結果倒推原因，是按照時間順序的線性思維，A發生在B之前，A即為因，B就為果。看似邏輯自洽，它卻不一定是真正的原因。

《紙牌屋》的大數據故事已經被證實為營銷手段，NBA里會用數據的球隊也不只有金州勇士。

電商時代，這樣的故事也不少。用戶因為點擊了幾次紙尿布的廣告，就收到“祝賀當爸爸”的賀卡和無休止的嬰兒用品推送。但觸發這一切的開關，那幾次紙尿布點擊，可能只是用戶的誤操作。這位剛參加完高考的男生，其實是想點開旁邊的《王者榮耀》廣告。

人的交易和交易的人

觸發用戶行為的原因，常常只是一念之間的轉變。

尋找用戶的品牌們，大多落入過線性思維的陷阱。用戶在半年前購買過某品牌的洗發水，是他半年后繼續購買的理由嗎？會是他購買其他洗發水的理由嗎？

即使能夠掌握這1個用戶最真實的原因，也不能推導出1 000個用戶的購買動機，更不用說幾百萬個用戶。最讓品牌頭痛的，是要讓那些從未購買過的用戶，拿起這款洗發水，放入購物車，走到收銀臺，付錢結賬。

新品推出時，廣告詞常常是“專為高端人士定制”“年輕人的選擇”，這些看似精準的定位，是對用戶喜好、習慣等特征的臆測。即使他們有問卷調研，但問卷調查的答案是“用戶的真實需要”，還是“用戶認為自己需要”，已經被廣泛質疑。

大數據時代之前，數據獲得的成本高、周期長，尋找其中的規律難度非常高。對于規律的獲取，就像是驗證相對論的過程：假設—求證—再假設—再求證。

在尋找用戶的路上，品牌面臨的難題更頭痛：大膽假設，無法求證。

過去求證的途徑，主要是銷售數據，一切圍繞交易結果進行判斷。用上一次的交易模型，指導下一次的交易。

電商時代，可供品牌參考的數據多出一個維度：轉化率、點擊率、頁面停留時間……在過去很長一段時間里，電商平臺以此作為打擊傳統零售的武器，為品牌商提供比商場收銀、電視廣告、街頭調研……。更精準的用戶數據。

精準，是一個相對概念。3.141 5比3.14精準，3.141592比3.141 5精準。這取決于你的計算能力和對數據精準的需求。

去年底之前，天貓也是以此進行定位。當時阿里巴巴還沒有提出新零售，天貓是以賣貨為主的場所。

今年5月，天貓換掉了過去“上天貓就購了”的品牌定位，代之以“理想生活上天貓”。之前天貓的目標是抵達“購買”，現在則想要觸達“人（理想生活）”，重心從“人的交易”，轉變為“交易的人”。

“過去十年，我們幫助品牌商賣貨，做得非常好。但是走到這一步，我們發現僅僅幫他們賣貨是不夠的。如果只是這樣，其他品牌的競爭力就在上升。我們需要其他層面的東西。”家洛口中的“其他層面”，是重新找到了使用數據的途徑。

“去年年底之前，我們沒有為品牌做具體的數據沉淀，只是做數據反饋，比如數據的結果是那樣的，轉化率是這樣的。”

雁群和“人”

如之前所說，個人的行為只是“一念之間”，除非在大腦里植入芯片，個體的“念”難以判斷。更何況，用數據判斷個人的心念，也必然會涉及隱私。

如果將可觸達的個體數據做集合，形成具有共性的群體，一個群體的行為則是可以找到某種規律和趨勢。雁群飛行，我們能看到“人”的規律;獨雁飛行，只有飛行本身。

天貓想用數據找到雁群，雁群里有“人”。

于是，群體被解構為數據。圍繞一個群體的數據，在“量”上面難以估計。天貓要獲取數據，抵達用戶，需要依靠家洛口中反復出現的“專業能力”。

這種專業，一方面在“量”上，一方面在“力”上，二者都是基于阿里生態。

天貓在數據“量”上積累，來自兩個地方：天貓平臺自身和天貓以外、阿里以內的地方。

首先是天貓平臺本身，這類數據包括兩個方面：

第一，用戶和品牌之間的直接互動。平日的購買、瀏覽、收藏，活動時的搶購……所有用戶群體與品牌之間互動的數據，都會被天貓沉淀下來，每一次的數據都滲透到下一次，平臺上數據越來越厚。包括聚劃算、粉絲趴、超級品牌日在內的活動，即使用戶只是瀏覽沒有產生購買，這樣的行為都會轉化為，輔助下一次決策的數據。

第二，用戶在天貓上其他關聯行為產生的數據。剛剛購買Refa按摩儀的用戶，點擊了飛利浦剃須刀的頁面，瀏覽了20分鐘詳情頁之后，沒有下單就退出了。這一串行為，很難說存在因果關系，但其中的關聯性在大量的數據沉淀之后，自然會顯現出價值。

其次，天貓以外，阿里生態以內的所有地方，“雁過必留痕跡”。支付寶記錄下北京的小張昨天吃了海底撈，交了水電費，鄭州的小李今天在淘寶買了雞毛撣子、同時用花唄分期買了iPhone7……用戶在阿里生態上進行的行為軌跡，從多個維度沉淀出數據。

從“力”來說，阿里云的成熟，對阿里生態上每個環節的數據專業能力的提升，都有不言而喻的作用。現在的天貓有能力，從“3.14”走到“3.141 5”，更加接近真相。

5月的發布會上，圍繞理想生活的概念，天貓發布了五個趨勢詞：樂活綠動、獨樂自在、人設自由、無微不智、玩物立志。這是天貓基于大數據，從“雁群”中看到的“人”。

在這五個趨勢中，我們已經看不見“購買”“商品”的直接呈現，反倒是對“人群”的強調。天貓將“人群”送達品牌手中的勢能，是讓做了16年出口的美的洗碗機，決定推出針對國內市場的產品。2016年，在天貓上，美的洗碗機銷售額超過4 000萬元，銷量增長1 900%。

所有非B的，即為B的原因

如果我們能進入到互聯網的數字空間里，可能會發現這里和宇宙一樣，沒有邊際，不分上下，不辨左右。

這里是真實世界的數字倒影。

我們在有限的物理世界中的行為，讓這個無限空間里的數據不斷膨脹。所有像天貓這樣，挖掘數據、沉淀數據的平臺，他們在做的事情，就是喚醒這個空間里沉睡的數據，繼而觀測、洞察數據。

從牛頓經典力學開始的線性思維，需要在這個空間被打破，一切都是非連續性。過去“A→B”，A是B的原因，不僅僅是A，我們還找到了“A1、A2……A20”，越來越多的原因，但我們依然是在線性思維之下尋找解答。

我們要面對的，可能是“所有非B的，都是B的原因”。

沒有確定的原因，只有可以被洞察的數據。這是大數據時代最值得敬畏的地方。

從過去線性反饋數據，到如今立體沉淀人群數據，天貓在做的，是在技術支持下，嘗試著打破線性因果鏈條，沉淀出一個形象立體的用戶群。

不談因果，只講數據。

不僅僅是天貓，中國各個電商服務用戶的能力，已經無需贅言。但是對品牌商的價值，如果只停留在促成交易層面，那么中國最好的三大電商應該是打折網、團購網、返利網。低價、折扣是觸發交易的一劑良藥，但這樣的交易并沒有可延續性，更談不上品牌價值。不被折扣綁架的持續交易，需要品牌商在服務、品牌價值等方面找到溢價能力。

品牌想要找的是自己的受眾，用戶需要最適合自己的品牌，兩端相互存在吸引力。天貓過去做的事情是互聯網最基本的一個功能：匹配。為用戶匹配合適的品牌，為品牌找到用戶，這個匹配能力來自數據力。

如果品牌是一棵樹，天貓做的事情，是用數據支撐，讓這棵樹在天貓平臺上長得足夠高，讓足夠遠的人看到，自己走過來。

“6·18”五天前的那次采訪，在阿里園區里，天貓營銷平臺總經理家洛談到技術的力量。他相信，技術會從過去的“滿足業務需求”，轉變為商業模式的驅動器。當天貓挖掘數據、沉淀數據的技術更強大時，在洞悉用戶趨勢，為品牌商傳遞價值等方面，天貓的想象力將足夠大。

“無所不能。”

編輯 陳志強 E-mail：sjplczq@163.com