[转载]京东CTO张晨:如何用机器人客服赚出15000 台 iPhone6

以下内容根据 GIF2016 极客公园创新大会年度商业变量论坛京东集团 CTO 张晨演讲《在数据的王国里,用更好的体验创造更大的价值》整理而成。

-----------------------------------------------

最近流行一个视频,讲的是 1999 年,刘强东在中关村 4 平方米店铺里面,从 7 个员工开始做京东,一个公司从零到有的过程。

有人觉得:「京东好像是个电商,电商有什么技术?不需要有技术。」

从1999 年 4 平方米的柜台到京东今天的规模,京东逐渐建立了自己的技术体系,随着规模的扩大,京东用了很多开源的技术。逐渐成为开源技术的推动者和贡献者,在京东里面我们特别强调塑造开放、分享、透明的技术文化。

机器人客服节约出 15000 台 iPhone6

京东电商拥有中国电商领域里面最完整、最精准、价值链最长的数据。这些数据覆盖了从下单到物流的每一个环节。

大数据帮助京东的同时,也给用户创造了巨大价值。京东拥有 12 万人员工,提高效率、降低成本成为必须。

有时我们在想,微软的小冰跟你聊天聊得很开心,但是怎么把这个技术放到客服当中去,做实时响应、做个性化的应答甚至主动关怀用户。这才是对用户真正重要的,对产品重要的。

京东个用了 JIMI 机器人,通过人工智能,部分商品回答满意度已经超过人工客服。机器人对每个产品功能的了解绝对是超过客服的,机器人可以在最短的时间里面根据用户的习性给出最精准的回答。这一点,为京东节约的成本大概是 15000 台 iPhone6。

智能捕获对电商来说是非常重要。在京东自营商品中,如何根据海量的销售、品类促销的策略,如何根据各个仓库的部署来搭建最佳的捕获模型?通过大数据分析,捕获效率可以超过 50%。用智能取代人力,随着人口老龄化,要让更多的智能机器人代替人工。

3 分钟内审批贷款

京东金融通过大数据分析,提供面向供应商的产品——金宝贝。通过大数据的分析可以在 3 分钟之内审批贷款,京东白条能及时决定用户的白条使用额。数据统计发现用了白条的人消费能力提升百分之百。

对电商来讲,最不愿意做的事情是拆单。拆单不仅增加成本,还给用户造成不好的体验,一个单要让用户等待好几次快递。但是像京东这么大的公司,每年发展很快,全国有将近 250 个仓库,没有一个仓库能够容纳得下所有海量货品。随着京东提供的服务越来越多,这个拆单的比例也在增加。

怎么通过大数据减少拆单的可能性?我们做了测试,通过数据分析,决定什么样的货应该放在什么样的仓库,怎么样布置全国的仓库最合理,把拆单率从 14% 降到了 6% 以下。

这个过程大数据的影响是巨大的。减少拆单为公司降低了巨大的成本,也提升了用户体验。

一个数据可以服务一个家庭 16 年

大数据对京东最重要的是创造了好的用户体验,为什么?数据不在于多少,在于数据的质量。有人告诉我每天产生这么多的数据,没用!怎么样精准把用户画像画起来是非常难的事情。

京东有数据能够把这个做好,举个最简单的例子,如果我今天在网上看到一个家庭、一个帐号在开始买奶瓶、婴儿车,我就知道这个家庭、这个帐号将有个 BABY,如果这个信号有的话,之后你会发现这个 BABY 是男的还是女的,根据它给孩子买的玩具,光这一个信息就可以一路服务这个家庭 18 年,知道这个城市小孩最喜欢什么、小孩该读什么样的书,玩什么样的玩具、放暑假了该去哪里玩,精准的数据可以给用户提供非常好的服务。

再举个例子,别人老说买东西越便宜越好,是这样吗?从零到一的时候也许觉得越便宜越好,但当你的物质不再贫乏,就会追求更高品质的生活。为什么那么多人要到国外买东西回来?为什么要买品牌?我们怎么给电商用户打造品质生活?

iPhone6s 的未买先送实验

另外一个有趣的实验,京东从购买力指数发现,北京望京地区的购买力相对较高,黄村地区的购买力低。

比如买电饭煲,如果一个用户在黄村搜索电饭煲,你最好让他看到的结果是他这个群体里面买得最多的电饭煲款式。但望京的用户,应该为给他打造品质生活,买最便宜的东西对电商来说,往往是亏的。让有消费能力的人买个便宜的东西,他拿到之后心里也是不开心的,

京东跟腾讯合作了小区画像。把群体精准到是一个社区,而不仅仅是大望京区,从而提高用户体验。iPhone 首发时候大家都想最快买到手。那我们怎么做?京东是「未买先送」。未买先送是根据消费能力的预测,京东在北京有 200 多个配送点,在用户没有下单的时候已经把 iPhone 放到了这些配送点。这个结果是什么?iPhone6S售卖的时候,京东首发配送记录是 12 分 20 秒,这是给用户创造极致的用户体验,是根据每个区域的需求精准的定位。

关键在于提升用户体验

动态定价。季节性、生命周期、友商价格都在影响动态定价。同样一个产品,根据不同价格的定位,价格定的准,促销量和毛利会有很大的增长。动态定价在经营管理中有很多模型可以深挖。

大数据优化配送途径。京东通过优化途径算法,让仓库物质堆放更合理。我们把算法放进仓库的时候,100 个中小仓库用了之后效果明显,单品从 22 秒降到 16 秒,平均产生 6 秒的节省,每单节省 6 秒钟,合起来是巨大的效率提高!

青龙物流。京东在全国用大数据技术选择最优的配送途径,可以根据时效率跟负载率等,可以在不同情况下使用不同的方案。

京东智圈是帮助商圈做一些智能数据分析。京东有很多线上数据,怎么用线上数据帮助线下商家也创造价值?这个测试的目的是根据行业、人群、环境做些具体分析。比如说现在有两家店,在两个不同的区,一个店是在知春路,另一个是其他的地方。同样的两个店,经营效果非常不一样。

京东智圈能够告诉两家店主这种不同的原因。比如,店面周围是什么样的环境、用户平常注重的品牌是什么、周围的用户平常在网上线上买什么东西。两家店主可以根据这些数据,决定自己的采购策略、促销策略。如果这个社区里面的用户对某些品牌不敏感,就算进了这些品牌,即使打了折可能也卖不出去。

最后给大家提几点建议,大数据不仅仅是降低成本,关键是能够提高用户体验、创造价值。我曾经说过,我一直相信即使是广告,如果这个广告是跟你兴趣爱好相关,它会变成价值。所以大数据能够提升用户体验。把数据用好核心在哪里?是精准建模分析,精准第一的。第三个,京东逐渐开放大数据的能力和内容,帮助更多合作伙伴一起成长。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 220,699评论 6 513
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,124评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 167,127评论 0 358
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,342评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,356评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,057评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,654评论 3 420
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,572评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,095评论 1 318
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,205评论 3 339
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,343评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,015评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,704评论 3 332
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,196评论 0 23
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,320评论 1 271
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,690评论 3 375
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,348评论 2 358

推荐阅读更多精彩内容