Vi säger att dagens data är olja. Dessa dataoljor innehåller konsumentbehov, smärtpunkter, preferenser och vanor.
De är som olja och väntar på att bli utvunna. De är produktivitetshöjande, nya energikällor.
Låt oss i dag prata om hur digital olja möjliggör produktval och hur vi ska utvinna konsumenternas behov, smärtpunkter, preferenser och vanor i dataolja.
1. Vad är digitalisering?
Innan vi pratar om digitalt produktval, låt oss prata om vad digitalisering är.
Digitalisering är att extrahera data från den fysiska världen, förfina den till information, förfina den till kunskap och aggregera den till visdom.
I denna process finns det fyra nyckelsteg: gruvdrift, grovbearbetning, raffinering och polymerisation.
Det första steget är att extrahera data från den fysiska världen.
Vad betyder det? Det är att förvandla vår uppfattning av den fysiska världen till en text, ett foto, ett ljud och en video. Resultatet av gruvdrift är data.
Det andra steget är att förfina den massiva datan till information.
Eftersom den data som utvinns inte är av något värde i sig själv, om du vill få användbar information måste du göra det “minska buller” data och identifiera värdefull information från den massiva datan.
Genom att bryta data kan du till exempel identifiera en person på fotot, en viktskala och ett nummer på det. Detta är information.
Det tredje steget är att förfina information till kunskap.
Grov information, såsom information om viktskala, information om kroppsfettskala, information om blodtryck och höjdinformation, är enbart av ringa värde.
Hur gör man? Från denna information förfinas kunskapen.
Till exempel, Mr Zhang väger 180 pounds. Kan man utifrån denna information fastställa att Zhang är ohälsosam? Det kanske inte fungerar, du måste ha annan information som referens.
Öka höjdinformationen. Till exempel, om Zhang är mer än 2 meter lång är 180 pund inga problem. Men tänk om 1,7 meter? Det kan finnas ett problem.
Så det är bättre att ha ett annat meddelande. Kroppsfett.
Bara genom att sätta ihop informationen, såsom vikt, längd och kroppsfett, kan vi “förfina” det verkligt användbara “hälsa”: kunskap.
Kunskap är mycket viktigt. Men värdet av isolerad kunskap är fortfarande begränsat. Endast när kunskap flödar, kolliderar med varandra, stimulerar varandra och producerar ljus visdom.
Det fjärde steget är att samla kunskap till visdom.
Jag vet att jag har högt blodtryck, men hur ska man behandla det? Med hjälp av artificiell intelligens algoritmer, beräkna den bästa behandlingsplanen för detta fall.
Detta är visdom.
Det här är de fyra stegen i digitaliseringen.
Din digitaliseringsnivå beror på om du kan extrahera data från digital olja, om det är information, kunskap eller visdom.
2. Produktval av digitalisering
Hur väljer man produkter med hjälp av digitalisering?
Digitalt produktval är faktiskt “brytning” data från konsumenter’ shoppingbeteende. Sedan, från dessa uppgifter, “raffinering” kunskapen om “vilka produkter gillar konsumenterna”. Slutligen, använd denna kunskap för att tjäna pengar.
Vad betyder det?
Tidigare gjorde vi först en produkt och sedan spenderade vi mycket pengar på att annonsera och shoppa aktiviteter. Låt konsumenterna förstå denna produkt och gradvis bygga upp förtroende för denna produkt. Slutligen uppstår köpbeteende.
Om vi kan hitta en produkt som konsumenterna gillar först och sedan tillverka den här produkten, skulle det inte vara bättre att sälja?
Nu förverkligas detta antagande genom digitalisering.
Till exempel kan säljare utvinna konsumenternas behov, preferenser, smärtpunkter och vanor från konsumentrecensioner och köpdata.
Mata sedan tillbaka denna information till fabriken och fabriken kan producera skräddarsydda produkter utifrån dessa behov.
Hur är det med konsumenterna? Du kan också använda recensionsdata och försäljningsdata för att se vilken produkt som är mest populär och vilken produkt som är av bättre kvalitet.
Säljare kan använda digitalisering för att välja produkter som är mer populära bland konsumenterna, och konsumenter kan också använda digitalisering för att veta kvaliteten på produkterna i förväg.
Angående produktval av digitalisering vill jag dela tre berättelser med er.
Huvudpersonen i den första historien är Xiao. Han brukade vara en specialsoldat och startade senare en gränsöverskridande e-handelsverksamhet, och han gjorde ett bra jobb.
Xiao Lei extraherade information från dataolja. Jag såg de behov som mina kamrater inte såg och svarade snabbt för att matcha motsvarande produkter.
Till exempel, i juni 2020 upptäckte han möjligheten med en mikrofon under Tmall 3c audiovisuella kategori på grund av en oavsiktlig möjlighet.
Xiao såg att mikrofonsökordet företagspersonal sökdata under kategorin 3c audiovisuella rankade tvåa.
Dessa uppgifter fångade hans uppmärksamhet. Han kontrollerade att transaktionsbeloppet den 19 juni var 250 miljoner per månad, och det ökade plötsligt till 390 miljoner den 20 mars och det var 330 miljoner i juni.
Xiao extraherade en mycket viktig del av information från dessa dataoljor. Användare har efterfrågan på denna produkt, men utbudet kan vara otillräckligt.
Han delade ytterligare upp denna efterfrågan och fann att det faktiskt finns två behov av mikrofoner, den ena är efterfrågan på karaoke, och den andra är efterfrågan på direktsändning.
Kontakta sedan fabriken för att tillverka dessa två produkter. Xiao är att extrahera information om “vad konsumenterna gillar” från data och sedan hitta ett sätt att möta efterfrågan.
Den andra historien kommer från Five Merchants-studenterna. Den här historien är intressant.
Den här eleven gick ofta till en liten restaurang nära samhället för att äta.
Men en dag upptäckte han att restaurangen var stängd för affärer. Varför, han var väldigt förbryllad, så han frågade chefen, varför är du inte öppen för affärer?
Chefen sa att den lilla restaurangen köptes av en viss restaurangplattform.
Klasskamraten frågade chefen igen, varför? Tjänar du mer nu än tidigare?
Chefen var fascinerad. Berätta för den här klasskamraten, låt mig säga dig, den här plattformen är verkligen kraftfull.
Till exempel rekommenderar den oss de 20 mest populära rätterna i grannskapet. Jag koncentrerade mig på att göra dessa 20 rätter och försäljningen av takeaway ökade med 40 %.
Eftersom jag bara gör hämtmat finns det ingen middag, vilket sparar hyra och mycket pengar.
Onlinebeställningskvantiteten är relativt fast, och materialen kan förberedas enligt kvantiteten, så förlusten är mindre och kostnaden sparas.
Sammanfattningsvis är det genom digital empowerment som kostnaderna sänks, försäljningen är högre och vinsterna blir bättre.
Plattformen har grovt förfinat informationen om “20 populäraste rätterna” i det massiva “köpinformation” och “utvärderingsinformation”.
Så länge restaurangägaren lagar dessa 20 rätter behöver han inte oroa sig för att inte ha en beställning.
Det här är en berättelse om digital bemyndigande för produktval.
Den tredje historien är en gemenskapsbutik i Hangzhou.
Det här är en samhällsbutik som har varit öppen i många år. 2018 förvandlades denna butik till en “T-galleria butik”.
Efter förändringen, vad har förändrats?
“T-Mall butik” har lanserat två optimeringar för denna butik:
För det första köpplattformen med ett enda ställe “Återförsäljare” lanserades.
Vad betyder det?
Operatören av denna butik kan lägga en beställning på Ali's “Retail Pass”, och sedan enhetligt leverera den på T-mall.
T-mall har beväpnat dessa små butiker med sina egna kredit- och premiummöjligheter, löst deras inköpspris- och kvalitetsproblem och optimerat transaktionsstrukturen.
För det andra, använd “data” att hjälpa små butiker att välja ut produkter och lägga dem på hyllorna.
Till exempel i det här samhället håller många invånare hundar. Men många butiker har aldrig sålt hundmat, så jag vet inte om det.
Däremot de samhällsbutiker som har ändrats till “T-mall butiker” har en fördel. Vilka är fördelarna?
Det är T-mall som den största e-handelsplattformen i Kina. De flesta av invånarna i närheten av denna gemenskapsbutik har köpt hundmat på T-gallerian.
Därför kan T-mall extrahera informationen om människor som köper hundmat från människorna runt denna lilla butik från data från människor som köper hundmat.
Sedan, säg till T-Mall-butiken i det här samhället att du borde köpa mer hundmat, och ange till och med vilka märken och specifikationer som de närboende gillar.
Butiken köpte varor enligt plattformens rekommendationer, och det sålde verkligen bra.
Om produkten säljer bra kommer lagercykeln att förkortas och kapitaleffektiviteten ökar. På så sätt har transaktionsstrukturen i denna lilla butik optimerats.
Det här är för kraftfullt. Hur görs detta?
På grund av digitaliseringen.
Försäljningsdata kan berätta vad jag vill köpa. Kommentarsdata kan berätta vad som hindrar mig från att betala.
Det finns också transaktionsdata, kreditdata, beteendedata och så vidare. Om du förfinar dessa data till information kan du veta vilka produkter som är populära bland konsumenterna, och du behöver köpa mer och vilka produkter som inte säljer bra, och du behöver köpa mindre.
När du extraherar från dataoljan, “de närboende behöver alla köpa hundmat, men de närliggande butikerna har inte hundmat”, det motsvarar att konsumenten skriker på dig, “Jag vill köpa hundmat, skynda på och hämta varorna.”
3. Ta med nya möjligheter
Digitalisering möjliggör inte bara produktval.
I näringslivet finns det fortfarande många innovationer som använder digitalisering för att kreativt möta användarnas behov.
Låt oss till exempel titta på den här bilden. Denna kombination av gult och grått ser bra ut. Jag tycker också att det ser bra ut.
Detta “gul grå” är den populära färgen 2021 som tillkännagavs av Pantone i december förra året: extremt grå och ljusgul.
Om du vill inreda ditt hem i den här stilen, säger du till designern, jag vill ha knallgult och extremt grått.
Designern måste ha huvudvärk, vad är den ultimata grå, vad är den ljusgula?
Som du sa, jag skickar en bild till dig, du följer bara den här bilden, designern har fortfarande huvudvärk. Eftersom färgen som känns igen av ögonen nästan alltid kommer att avvika från den färg som slutligen valts.
Vad du ska göra då, använd färgnumret. Vilken färg motsvarar vilket färgnummer. Så länge du kommer ihåg färgnumret kan du hitta motsvarande färg och behöver inte längre oroa dig för avvikelser.
Till exempel Pantone, som är känd för att studera färg, använder färgnummer för att matcha motsvarande färger.
Den ultimata grå färgen är: PANTONE 17-5104;
Klargul är: PANTONE 13-0647.
Du sa att du vill designa väggen i en kombination av extremt grått och ljust gult. Ge bara designern färgnumret, så kommer han definitivt att förstå dina krav.
Därför är foton med två färger extremt grått och ljust gult data, och färgnumren som representerar dessa två färger är information.
I den digitala tidsåldern möter företag så stora som börsbolag och små butiker vid tröskeln allt mer osäkerhet.
Pantone har med hjälp av digitalisering en relativt knapp förmåga genom att rena data till information.
I den digitala transformationen har det blivit den darwinistiska sparven som valts av sannolikhet.
I en sammanfattning
Låt oss granska det igen.
Digitalisering är att extrahera data från den fysiska världen, förfina den till information, förfina den till kunskap och aggregera den till visdom.
Digitalt urval av produkter extraherar korrekt och mätbar information från obskyr och omätbar data. Det är från traditionellt guld, trä, vatten, eld och jord till modernt väte, helium, litium, beryllium och bor.
Till exempel, “brytning” data från konsumenternas köpbeteende. Sedan, från dessa uppgifter, “raffinering” kunskapen om “vilka produkter gillar konsumenterna”. Slutligen, använd denna kunskap för att tjäna pengar.
Vi säger att när du uppfattar världen, uppfattar världen dig också.
Samtidigt som digitaliseringen ger nya möjligheter, finns det också vissa utmaningar.
Till exempel byts den bekvämlighet vi får ibland ut mot integritet.
Nu håller den här frågan på att lösas. Den 1 november, det är morgondagen, Kinas “Lagen om skydd av personuppgifter” kommer att implementeras officiellt, vilket är den digitala världens grundläggande lag.
Med eskort av denna lag, 2022, kommer vi att inleda en explosion av digital oljeera.
