如何通过数据挖掘做O2O

今天非常高兴有机会跟大家分享，我主要讲一下O2O产品怎么应用大数据？O2O是前一段时间炒的一直比较火的概念，Online和Offline的概念，Offline是我们做平台，整合原有的固有的线下服务。所以，我们如何通过大数据驱动这种新的应用模式的出现呢？简单先谈一谈易到用车，易到用车实际上它做的是一方面整合了所有的全国的租赁公司，因为我们看到租赁公司，或者出租公司有很多车，包括出租车，包括租赁车。什么是租赁车，我们经常会看到神州，或者易嗨提供了这样的车辆，但是租赁车是有人驾驶，我今天要到上海出差，需要一个借机服务，如果自驾车就比较麻烦，所以我会用到这些租赁公司，可能我之前的传统做法是找一个租赁公司，给他打电话，我今天要到上海出差了，是不是有人可以接我一下，这是实际原有的租赁公司。易到做的事情是把这些全国的租赁公司整合起来，做成一个比较大的平台，并且通过移动互联网的方式直接调度了租赁公司所属的司机的资源和车的资源，因为传统的行业还是我们把这个单子，比如发传真发给租赁公司，然后它通过派单，或者他自己的行程单进行安排，但是我们通过移动互联网直接把订单发到每一个司机，发到每一个车上，他可以直接选择接受或者拒绝的服务。我们在线下目前已经做了49个城市，也包括中国香港。




另一方面我们在线上做的什么呢？我们把用户通过移动APP和网站整合到我们的平台上，把他原来直接找租赁公司单线的行为，直接通过移动互联网的手段直接快速的整合起来，这个对租赁公司的好处是巨大的，因为他之前的这些生意和这些客户大部分来自于线下的具体的合作伙伴，或者之前的熟人关系，并没有一个正常的订单的渠道，而用户信息也特别不透明，他只能通过自己之前的那些经验。所以，我们通过两方的整合，然后通过数据的转化，把产品一一做出来。




具体介绍一下，最初这个生意是怎么出现的呢？我跟我的一个合作伙伴一起，之前我们都会遇到同样的问题，我执勤在淘宝，经常会在北京出差到杭州往返，非常痛苦的事情就是去机场，或者去高铁坐飞机，每次机场出来，不管杭州还是北京都要排大队，出租车一等等一个小时是平常的事情，所以我会找一家租赁公司，我今天要到杭州出差了，多少钱？150，或者180，专门有租赁公司还让这个司机来接我。这样一出飞机场的门口，不需要等待，坐上车就走了。但是，实际上我经常遇到的困扰是什么？不好意思，今天所有车已经被定完了，要不您下回有空的时候再打，所以就没有办法解决我的问题。现实上我们已经有了一部分的用户，但是实际上做出来怎么通过大数据的挖掘体现用户的具体位置呢？我举了一个我们数据的热点，就是通过我们北京市一个繁忙的周一的早上，我们所有的订单出现的图。这个图很有意思，红色的地方表示订单出现越多的地方，黄色是稍微弱一点，但是还是有很多订单，绿色是相对会少一点，淡淡的颜色是几乎没有订单的地方。我们把周一上午的顺序的数据热图挖掘出来以后，我们很明显可以看到，右上角机场有很多人在那儿下订单，然后坐车，还有很多人在国贸，并且还有人在中关村、五道口附近，然后在北京西站和金融街附近有很多人坐车。




所以，我们通过这个图可以直观的看到我们的用户分布是怎么样的。中间那个地方是空的，之前我一直在想，为什么这块没有人坐车，后来发现是中南海，我们都带司机了。我们通过数据的挖掘可以看到有四个典型的热点区域，这样解决了我们之前的问题。但是，如何精准的找到这些用户，我们通过数据完全的方式就可以直接看到，这些用户会经常出现在热点地区。我们接下来做什么呢？接下来要把广告投到这儿。实际这个广告就有很多方式了，一个是说我们可以通过比如线下的一些媒体，或者线下的一些定向的投放，机场，比如说CBD，或者楼宇这些定向的广告，尽量接触到我们刚才出的四个点的人群，我们刚才看数据，这些广告的投放转化率还是比较可观的。




我们有了用户，发现用户的位置，我们之前实际只有一个产品，比如用户预定，然后就可以使用服务，这个对用户来说，仍然满足不了它的预期和期望，怎么能够把我们的产品丰富起来呢？大数据在里面又起了很关键的作用，我们把用户的每一段行程聚合其他，比如用户在西三环上车，在国贸下车作为一条线，然后不所有的数据聚合起来，就能够看到线的粗细和点的大小，点的大小就表示出发或者到达的人越多，线的粗细表示行程符合路径的人越多。通过这个聚合我们发现机场到国贸，或者国贸到西站，或者国贸到金融街，国贸到中关村附近，这些线都是用户的强需求，它平时就在这些点与点之间进行游荡。我们通过这种聚合方式产生出来我们的接送机产品，或者其他的短途线路的一些产品。然后我们定义出来我们的机场产品，之前我们定义的机场产品是比如这个用户从机场上车，一直到他的地方，大概这个套餐可能100多块钱，包括两个小时50公里，我想这下用户比较满意了。用户的反馈说我非常不满意，他说我就住在国贸，或者我就住在三元桥，明明十几公里，或者二十公里，为什么你给我推荐一个两个小时的推荐包，所以我们通过数据的聚合，最终看他的匹配程度。我们根据数据聚合的多少和数据挖掘的结果会发现实际从机场，他本身的T3到整个国贸大概距离25公里到30公里左右，这个行程占到整个行程的70%，我们通过优化这个套餐包，并且把这个价格真正降到用户的满意程度。通过刚才的数据聚合产生很多有意思的产品，最初我们只有10种产品，有用户要接送机，但是有些用户从叫车一直到他上车的时间非常迫切，我们有一个随叫随到的产品，我们也有日租，或者其他的短租或者长途的服务。




我们刚才两点非常有意思，一个是我们有了用户，我们也有了丰富的产品，但是用户一直不用。为什么用户不用呢？我之前找很多用户了解，打电话给用户说，我们有优惠券，免费让你使用一次，你要不要试一下，或者你现在用车，我给你30块钱，或者补贴给你怎么怎么样，这是一种方法，短信也是类似的。还有一些聪明的APP给用户发信息激活用户。但是，我尝试发现结果不好，每一次你的卸载率会增加5%，这意味着你之前比如说通过SU，或者SEM装到用户手机上的APP没有了价值。后来我们发现用场景打动你的用户，才会让你的转化率提高。实际上这些场景就从大数据挖掘过来。我们看第一个，基于实际的用户行为，应用场景和需求的推荐模型。前几天天气特别不好，下午18：30的时候，我们国贸那边做了一些布置，大风大雨的天气，是不是还等待回家，要不要尝试一下易到用车网，我们瞬时地点提高了大概百分之十几个点，这种符合用户需求的配件模型材真正不让用户反感。




第二个协同过滤，对我们怎么来使用呢？因为一个用户经常会预定我们的产品，我们会把用户和产品打上不同的标签。我们经常用的用户，一个月大概用了70多次，我看到70多次他每天的趋势分析，比如他早晚上下班的时候，突然中间有一段时间中间没有打开，他偶然打开一次，我们就会告诉他，比如你之前的记录都是已经每天早上都要交车上下班，现在没有了，对他进行询问，给他一些引导。还有我们观察了一些用户预定了到上海的服务，但是这个用户的手机号又是北京的，我们也会在适当的时候提醒他，你需不需要到上海的接机服务？除了北京出发的送机服务，我们发现对整个订单还是蛮有效的。




我们有了用户，也有了产品，用户也愿意用了，咱们怎么提高效率？这个上面有很多蓝点和红点，我们把所有的瞬时上下车的地点分成红点，拦车的地点变成了蓝点，我们就可以看到，瞬时发生的实际会有很多，我们怎么提高效率？因为我们是平台，只有给司机和租赁公司提高更多的收入，让他们在单位时间内能接更多的单子才是他们的期望。我们会把这些点用算法做进一步的数据挖掘。为什么说一直被忽略的是线下数据呢？我们之前抑制作互联网和移动互联网，更重视转化效率，用户的停留时间，但是我们会发现有很多线下数据会忽略，我发现这个对O2O尤其重要。我们会对这个做分析，我们会引入实时的交通情况，还有司机以往的行车轨迹，给他推荐最适合他接的订单，以及最适合服务的地点，保证司机一天能接更多的订单，赚更多的钱。所以，我觉得整个O2O来说，线下的数据是最精彩的。谢谢大家！
今天非常高兴有机会跟大家分享，我主要讲一下O2O产品怎么应用大数据？O2O是前一段时间炒的一直比较火的概念，Online和Offline的概念，Offline是我们做平台，整合原有的固有的线下服务。所以，我们如何通过大数据驱动这种新的应用模式的出现呢？简单先谈一谈易到用车，易到用车实际上它做的是一方面整合了所有的全国的租赁公司，因为我们看到租赁公司，或者出租公司有很多车，包括出租车，包括租赁车。什么是租赁车，我们经常会看到神州，或者易嗨提供了这样的车辆，但是租赁车是有人驾驶，我今天要到上海出差，需要一个借机服务，如果自驾车就比较麻烦，所以我会用到这些租赁公司，可能我之前的传统做法是找一个租赁公司，给他打电话，我今天要到上海出差了，是不是有人可以接我一下，这是实际原有的租赁公司。易到做的事情是把这些全国的租赁公司整合起来，做成一个比较大的平台，并且通过移动互联网的方式直接调度了租赁公司所属的司机的资源和车的资源，因为传统的行业还是我们把这个单子，比如发传真发给租赁公司，然后它通过派单，或者他自己的行程单进行安排，但是我们通过移动互联网直接把订单发到每一个司机，发到每一个车上，他可以直接选择接受或者拒绝的服务。我们在线下目前已经做了49个城市，也包括中国香港。




另一方面我们在线上做的什么呢？我们把用户通过移动APP和网站整合到我们的平台上，把他原来直接找租赁公司单线的行为，直接通过移动互联网的手段直接快速的整合起来，这个对租赁公司的好处是巨大的，因为他之前的这些生意和这些客户大部分来自于线下的具体的合作伙伴，或者之前的熟人关系，并没有一个正常的订单的渠道，而用户信息也特别不透明，他只能通过自己之前的那些经验。所以，我们通过两方的整合，然后通过数据的转化，把产品一一做出来。




具体介绍一下，最初这个生意是怎么出现的呢？我跟我的一个合作伙伴一起，之前我们都会遇到同样的问题，我执勤在淘宝，经常会在北京出差到杭州往返，非常痛苦的事情就是去机场，或者去高铁坐飞机，每次机场出来，不管杭州还是北京都要排大队，出租车一等等一个小时是平常的事情，所以我会找一家租赁公司，我今天要到杭州出差了，多少钱？150，或者180，专门有租赁公司还让这个司机来接我。这样一出飞机场的门口，不需要等待，坐上车就走了。但是，实际上我经常遇到的困扰是什么？不好意思，今天所有车已经被定完了，要不您下回有空的时候再打，所以就没有办法解决我的问题。现实上我们已经有了一部分的用户，但是实际上做出来怎么通过大数据的挖掘体现用户的具体位置呢？我举了一个我们数据的热点，就是通过我们北京市一个繁忙的周一的早上，我们所有的订单出现的图。这个图很有意思，红色的地方表示订单出现越多的地方，黄色是稍微弱一点，但是还是有很多订单，绿色是相对会少一点，淡淡的颜色是几乎没有订单的地方。我们把周一上午的顺序的数据热图挖掘出来以后，我们很明显可以看到，右上角机场有很多人在那儿下订单，然后坐车，还有很多人在国贸，并且还有人在中关村、五道口附近，然后在北京西站和金融街附近有很多人坐车。




所以，我们通过这个图可以直观的看到我们的用户分布是怎么样的。中间那个地方是空的，之前我一直在想，为什么这块没有人坐车，后来发现是中南海，我们都带司机了。我们通过数据的挖掘可以看到有四个典型的热点区域，这样解决了我们之前的问题。但是，如何精准的找到这些用户，我们通过数据完全的方式就可以直接看到，这些用户会经常出现在热点地区。我们接下来做什么呢？接下来要把广告投到这儿。实际这个广告就有很多方式了，一个是说我们可以通过比如线下的一些媒体，或者线下的一些定向的投放，机场，比如说CBD，或者楼宇这些定向的广告，尽量接触到我们刚才出的四个点的人群，我们刚才看数据，这些广告的投放转化率还是比较可观的。




我们有了用户，发现用户的位置，我们之前实际只有一个产品，比如用户预定，然后就可以使用服务，这个对用户来说，仍然满足不了它的预期和期望，怎么能够把我们的产品丰富起来呢？大数据在里面又起了很关键的作用，我们把用户的每一段行程聚合其他，比如用户在西三环上车，在国贸下车作为一条线，然后不所有的数据聚合起来，就能够看到线的粗细和点的大小，点的大小就表示出发或者到达的人越多，线的粗细表示行程符合路径的人越多。通过这个聚合我们发现机场到国贸，或者国贸到西站，或者国贸到金融街，国贸到中关村附近，这些线都是用户的强需求，它平时就在这些点与点之间进行游荡。我们通过这种聚合方式产生出来我们的接送机产品，或者其他的短途线路的一些产品。然后我们定义出来我们的机场产品，之前我们定义的机场产品是比如这个用户从机场上车，一直到他的地方，大概这个套餐可能100多块钱，包括两个小时50公里，我想这下用户比较满意了。用户的反馈说我非常不满意，他说我就住在国贸，或者我就住在三元桥，明明十几公里，或者二十公里，为什么你给我推荐一个两个小时的推荐包，所以我们通过数据的聚合，最终看他的匹配程度。我们根据数据聚合的多少和数据挖掘的结果会发现实际从机场，他本身的T3到整个国贸大概距离25公里到30公里左右，这个行程占到整个行程的70%，我们通过优化这个套餐包，并且把这个价格真正降到用户的满意程度。通过刚才的数据聚合产生很多有意思的产品，最初我们只有10种产品，有用户要接送机，但是有些用户从叫车一直到他上车的时间非常迫切，我们有一个随叫随到的产品，我们也有日租，或者其他的短租或者长途的服务。




我们刚才两点非常有意思，一个是我们有了用户，我们也有了丰富的产品，但是用户一直不用。为什么用户不用呢？我之前找很多用户了解，打电话给用户说，我们有优惠券，免费让你使用一次，你要不要试一下，或者你现在用车，我给你30块钱，或者补贴给你怎么怎么样，这是一种方法，短信也是类似的。还有一些聪明的APP给用户发信息激活用户。但是，我尝试发现结果不好，每一次你的卸载率会增加5%，这意味着你之前比如说通过SU，或者SEM装到用户手机上的APP没有了价值。后来我们发现用场景打动你的用户，才会让你的转化率提高。实际上这些场景就从大数据挖掘过来。我们看第一个，基于实际的用户行为，应用场景和需求的推荐模型。前几天天气特别不好，下午18：30的时候，我们国贸那边做了一些布置，大风大雨的天气，是不是还等待回家，要不要尝试一下易到用车网，我们瞬时地点提高了大概百分之十几个点，这种符合用户需求的配件模型材真正不让用户反感。




第二个协同过滤，对我们怎么来使用呢？因为一个用户经常会预定我们的产品，我们会把用户和产品打上不同的标签。我们经常用的用户，一个月大概用了70多次，我看到70多次他每天的趋势分析，比如他早晚上下班的时候，突然中间有一段时间中间没有打开，他偶然打开一次，我们就会告诉他，比如你之前的记录都是已经每天早上都要交车上下班，现在没有了，对他进行询问，给他一些引导。还有我们观察了一些用户预定了到上海的服务，但是这个用户的手机号又是北京的，我们也会在适当的时候提醒他，你需不需要到上海的接机服务？除了北京出发的送机服务，我们发现对整个订单还是蛮有效的。




我们有了用户，也有了产品，用户也愿意用了，咱们怎么提高效率？这个上面有很多蓝点和红点，我们把所有的瞬时上下车的地点分成红点，拦车的地点变成了蓝点，我们就可以看到，瞬时发生的实际会有很多，我们怎么提高效率？因为我们是平台，只有给司机和租赁公司提高更多的收入，让他们在单位时间内能接更多的单子才是他们的期望。我们会把这些点用算法做进一步的数据挖掘。为什么说一直被忽略的是线下数据呢？我们之前抑制作互联网和移动互联网，更重视转化效率，用户的停留时间，但是我们会发现有很多线下数据会忽略，我发现这个对O2O尤其重要。我们会对这个做分析，我们会引入实时的交通情况，还有司机以往的行车轨迹，给他推荐最适合他接的订单，以及最适合服务的地点，保证司机一天能接更多的订单，赚更多的钱。所以，我觉得整个O2O来说，线下的数据是最精彩的。谢谢大家！