抗衡亚马逊？隐形快消巨兽凭什么预判当季爆款-商业分析应用案例

业内人士曾评论，亚马逊创始人贝索斯最大的创新就是把数据摆在企业文化的中心。

亚马逊核心算法A9算法，是用来决定哪些产品应该出现在产品搜索中的神秘算法。支持A9等一系列算法的是其同样神秘、庞大且薪水丰厚的算法团队。他们研究出的算法不仅支持着公司核心的电商业务，还能完成部分相关人力资源工作，不仅包括对人类工作的监督、奖惩，甚至解雇。

因为贝索斯认为，机器可以比人类更快、更准确地做出决策，从而降低成本，也为亚马逊带来竞争优势。

然而，在56个国家的应用商店“购物”分类中排名第一，在124个国家排名前5的快消购物网站却不是老牌电商亚马逊。

一家有着中国基因的出海企业，近期在美国的上述排名与亚马逊不分伯仲。据调查，美国高收入年轻人将其列为仅次于亚马逊的购物网站。

这就是Shein。

听到这儿，国内消费者可能一脸蒙圈。这主要因为，Shein是创始人许仰天创立之初就将企业的主战场对准海外，而公司之前也几乎从不做公关宣传的低调基因。
然而数据显示，其网站流量在时尚与服饰分类中全球排名第一，超过Nike、Zara、Lululemon等类相似品类巨头，成功实现了引领以美国Z世代年轻人为主的一批新生代的时尚潮流。

截止到目前，Shein经历了至少4轮融资，据传估值几百甚至上千亿美元，或将在不久后开启IPO之路。

1.时尚快消+商业数据分析

时尚趋势是门玄学。亚马逊、H&M、Zara也不乏数据分析师，但商业需要的不仅仅是数据支撑，紧缺的是与应用场景的结合能力。
Shein很早就建立了一套完整场景下数据分析支撑的商业逻辑。
靠着这套逻辑，他们实现了快时尚品类最关键，也是非常难同时具备的3个特点：

• 多品类
• 快速反应
• 低价

下面，我们来一点点拆解Shein的商业逻辑。
第一步：把握潮流
这套商业逻辑的第一步在于对时尚潮流的把握和引领，而这主要基于对时尚数据的抓取。
Shein会通过自建的网站、App积累一手购买、搜索数据，同时通过对Facebook等外部网站和竞品官网进行爬虫收集最新的消费者偏好。这种海量信息收集的能力构建在对于网页爬虫工具的扎实的使用上。
其中采集竞争对手网页信息的方法有很多种，比如常见的用python的request方法。

爬虫的方法还有很多，比如还可以使用selenium模拟浏览器、使用Aiohttp、使用Fiddle++node JS逆向+request（采集APP必用）等等。
第二步：分析产品
第二步在于对收集到的内、外部数据进行分析，预测出最新的流行产品类型和属性。当然，这一步也可以直接使用外部工具Google Trends Finder。
Google Trends Finder(“爆款发现器”）是谷歌新近推出的数据工具。目前已覆盖十余个市场、上百个零售子品类，仅服装品类方面，就有超过一千个相关特性。
通过类似工具，Shein了解了消费者的搜索模式，找出最受不同地区年轻人欢迎的产品类型和属性。比如，Shein借此准确预测出2018夏季蕾丝在美国的流行程度。
Shein充分利用消费者端的数据、竞品方的数据和营销数据，快速制定出新款商品的颜色、款式、搭配、场景、图案以及产品的定价等等策略。公司还会根据数据体现的画像来设计一些爆款元素，并不断优化。
这样的操作大幅提升了爆款率。Shein的爆款率从最初的20%提升到目前近50%。站内转化3-4%(DAU在2kw左右)
第三步：设计制造 
第三步则是根据预测出的爆款，通过其强大的供应链系统，找到合适的设计、制造商进行设计和制造。
先从设计系统说起，Shein的设计系统将这些数据通过线上云服务SaaS提供给其庞大的内部设计和原型设计团队，他们可以在短短三天内将产品从绘图板转化成生产需要的模型。
设计师需要在设定好的范围内在线设计，其中的面料、辅料等，甚至图案可能都是已经由Shein圈定好的。
制造方面，更是Shein的强项。
访谈信息显示，“Shein现在合作有4000多家的工厂，工厂资产占到75%，平均账期在7-10天，库存滞销在10%以内，所有的新款上架到出货13天，如果是老款返单的话，6天之内就可以完成。”
它建立的供应商管理系统，可以“度量每一家工厂生产出来的商品的退货，缺货，然后评分等数据，然后通过这一类用户反馈数据可以对供应商进行分级，对供应商分级以后，它对于第一等级的供应商设定的是一个5天之内的账期。”
Shein的信息系统远不止如此，除了能够管理供应商，还能体现“供应链的反馈速度，用户体验的感知，工厂的人工成本，原料成本都可以数字化”。把这些相关指标数字化以后，公司可以清楚地知道哪一家工厂实力更强，收费更低。
第四步：算法推荐
Shein的商业逻辑的第四步则是通过对其App用户基本信息和各种动态的捕捉，通过算法进行个性的商品推荐。
Shein早期就采用了“推荐算法”，通过数据挖掘和机器学习算法对用户兴趣偏好、画像建模，商品知识图谱构建，并不断优化推荐算法提升推荐结果的准确性、多样性，增加用户粘性，提升用户价值。
而其商业逻辑的最后一步，也是达成逻辑闭环的一步，就是通过提升用户价值，而不断扩展的用户群体，和快速增长的消费额。
而后，就是对新增和存量用户的下一轮数据分析和产品生产及推送。

2.未来商业趋势渐显

Shein代表着未来商业的一类趋势，即数据分析与每一步骤的产品场景紧密结合。
Shein的招聘要求也传达着数据分析的发展方向不仅限于计算机技术，更在于统计+商业+计算机的结合应用。

美国罗切斯特理工大学（Rochester Institute of Technology）开设的商业分析硕士（MSBA）应对的就是这类新兴市场需求，面向具有工作经验的人士，传授商业分析中的数据管理、信息系统设计、数据管理与分析、市场营销分析、综合型商业系统等课程。
BANA680商业分析中的数据管理，可以学习Python和R的编程技术，进行社交网络和竞品的信息爬取。还会学到Tableau等工具将数据分析的结果进行编程可视化，锻炼数据展示的思维，帮助数据分析师更加清晰地向管理层展示分析结构，有理有据地进行沟通。
而BANA 780高级商业分析中所学的机器学习、结构化数据分析、文本挖掘和网络分析等技术，可以直接利用R、SAS、Python、Neo4j等进行数据挖掘比对，总结品类营销情况，制定选取市场匹配度最高的选品策略。
MGIS 720信息系统设计，可以帮助企业建立高效组织内信息流动系统，搭建类似Shein的设计系统。
该硕士项目中会学到的数据处理和分析能力还有很多，不知你是否已经准备好？
迎接新商业数据能力，从遇见罗切斯特理工大学开始。