1703907551
1703907552
2011年12月上线的淘宝指数是由淘宝官方免费提供的数据分享平台，面向淘宝卖家、买家及广大的第三方提供精准数据服务。通过淘宝指数，淘宝卖家可以获取淘宝购物数据，通过对数据的深入挖掘可掌握淘宝购物趋势，以更合理地安排进货和销售。
1703907553
1703907554
淘宝指数提供的是总体性的数据，不涉及买家、卖家任何个体的数据。指数计算基于支付宝真实成交数据，过滤了未付款及退款交易。该计算也基于正常记录交易，过滤了超大额、超小额及有刷信用嫌疑的交易。此外，聚划算、淘金币等营销活动带来的成交，均在自然成交之外单独计算（见表3–8）。
1703907555
1703907556
表3–8 淘宝指数的数据来源、数据覆盖度特点
1703907557
1703907558
1703907559
1703907560
类别 数据采集与分析详情 数据来源 商品数据 对淘宝全站热门商品的相关属性统计，经过算法聚合而成 成交数据 淘宝全站(含集市、商城)最近7天的后台真实销售笔数(后续会扩展到30天及更长时间) 人群数据 用户在淘宝、支付宝上的注册信息，及过去12个月的购物历史行为(浏览、搜索、购买)数据记录，及登录IP与收货地址，经过数据挖掘及相关算法整理，得出与用户的年龄、性别、身份、星座、地域、爱好相关的判断 热销指数 商品的近7天销量、近30天销量，指数化处理后得出 价格指数 根据该商品在淘宝全网价格得出购买该商品价格的平均值 相关款式 购买了该商品的人还买了同类目下的其他商品 相关风格 和该商品在同网页下的商品 数据覆盖度 商品体系 覆盖淘宝热门成交商品90%以上 人群指数 覆盖淘宝全网用户90%以上 成交数据 统计数据覆盖成交100% 以手机销售为例，可根据淘宝指数了解2013年8~9月手机市场行情，并比较不同地域、不同性别、不同爱好、不同年龄段、不同星座和不同消费层级的客户关于苹果手机与三星手机的销售情况（见图3–11）。
1703907561
1703907562
1703907563
1703907564
第一，从总体行情来看，搜索指数表明用户对三星手机的搜索明显多过苹果手机。长三角地区用户对苹果手机喜好度更高，而广东、福建等珠三角地区用户对三星手机喜好度更高。
1703907565
1703907566
第二，从性别、年龄、星座等来看搜索指数和成交指数都表明男性比女性更喜欢买手机，女性和男性用户比例接近3∶7。25~29岁之间的年轻人购买手机多于其他年龄群。35~39岁的用户不喜欢买苹果手机，喜欢买三星手机。双鱼座、白羊座人士对苹果手机和三星手机都比较感兴趣。
1703907567
1703907568
第三，从有特定爱好的人群来看，搜索指数和成交指数都表明，数码一族爱看手机、爱买手机，而且爱苹果手机超过爱三星手机。但手机对爱好收藏的人群来说可能毫无吸引力。户外一族和运动一族都想买手机，但他们对品牌的敏感度不高。
1703907569
1703907570
第四，从消费层级来看，在网上消费手机的主力军还是中等收入人群。中偏低收入人群爱上网搜索手机但买的少。三星手机为中高客户群所接受的程度已经和苹果手机基本上不相上下了。而苹果手机在中低收入客户群的销售比例反而还比三星手机略高。
1703907571
1703907572
通过淘宝指数分析，作为卖家，你是否感到能更加容易细致入微地洞察到你的潜在顾客？例如，如果你知道你的顾客是个收藏爱好者，那你可以马上决定无须多费力气向他推销手机了。
1703907573
1703907574
同时，作为一个以“潮人”自诩的买家，你是否更加准确深入地体察到了消费潮流呢？例如，数据显示苹果手机已经开始更多为中低收入人群购买，不那么高级了，但中高收入人群买三星手机的已经和买苹果手机的差不多了。你会马上意识到，眼下买三星手机才更“潮”。
1703907575
1703907576
1703907577
1703907578
1703907579
1703907580
1703907581
1703907582
1703907583
1703907584
1703907585
图3–11 淘宝指数
1703907586
1703907587
产生商业价值的多类型数据交叉分析不一定需要大数据分析技术。支付宝的复杂网络计算等数据挖掘技术实际上也都还在主流软件技术的处理能力之内。目前还处于大数据时代的早期，有些号称数据挖掘的产品其实还不能解决大数据环境下的数据挖掘。有的最多只能称之为机器学习系统，或统计分析、实验系统原型，有的解决不了海量数据的分析，有的精准度达不到要求，有的稳定性不行，实际上这些都算不上是大数据概念之下的数据挖掘技术。
1703907588
1703907589
由此可见，充分用好第三方支付机构较小但较丰富的数据，并合理地引入外部数据资源，丰富数据交叉分析维度，确实可产生很大的数据分析价值。第三方支付机构完全也可实现建立在小数据基础上的商业智能。
1703907590
1703907591
当然，随着移动社区向第三方支付领域的快速渗透，未来完全可能形成建立在以移动社区产生的大数据基础上的商业智能。届时，第三方支付机构已充分实现了小数据掘金。在此之外不能解决的分析需求，才有可能需要引入社交媒体等数据规模极大的数据源。一旦把社交媒体数据引入数据挖掘和分析，对现有硬件和软件都是极大的冲击。企业必须在需要与可能、成本与收益之间进行权衡与取舍。
1703907592
1703907593
总的看来，第三方支付充分用好小数据挖掘，未来根据形势发展适时开展大数据挖掘，是其推进商业智能发展、形成持续竞争力的可行路径。
1703907594
1703907595
小数据驱动的商业智能应用
1703907596
1703907597
数据挖掘技术能解决的典型商业问题包括：数据库营销、客户群体划分、背景分析、交叉销售等市场分析，以及客户流失性分析、客户信用记分、欺诈发现等。
1703907598
1703907599
对第三方支付机构获得的用户高附加值交易行为数据进行深加工，可对用户交易行为、交易信用、金融及衍生服务需求的规律做出准确的分析和预测。这种以交易为基础的小数据挖掘实现的商业智能主要体现在精准营销、信用中介两大领域。
1703907600