大数据杀熟背后的工具和逻辑

俗话说：“熟人好办事”，如今技术颠覆了这一认知。

什么叫杀熟呢？比如你经常在商场买买买，剁手成了VVIP，成功晋升为商场经理眼中的“有钱银”~对待有钱银应该怎样呢？当然是像对待上帝一样哄着，以便薅到更多的money哇。这就是杀熟！

相比实体店，互联网电商平台对每个客户的行为轨迹可以说是了如指掌，别说你买了什么东西，就是盯着某个种草的商品看了30秒还是一分钟，它都知道。

利用这些信息，很容易给客户分类，好点儿的给你推荐你可能感兴趣的东西，疯狂暗示你下单；不当人的做法是直接把价格都给你改了，看人下菜，仿佛你有钱你活该被宰。就比如对抗星爸爸的某大型咖啡连锁店，发优惠券也是看人发，经常买的发6折优惠券。疯狂用2折、3折这种低折扣优惠券吸引不怎么消费的客户。这就是大数据杀熟了。

那么大数据杀熟需要什么技术呢？讲实话，也不是什么特别高深的技术。如果某位客户购买频次很高，统计一下TA来消费的频度和每次消费的额度就知道了。真正需要点技术的是新客户一露面，就能判断TA能不能掏钱买单！

于是就有了一种相对系统的方法对客户进行“画像“，把各种信息都收集起来。有了这个画像，就可以把客户归类到各个圈子了。比如时尚圈，土豪圈，买起来不要命圈，花一分钱都掉肉圈。信息越多，客户的画像就越清晰，归圈归得就越可靠，有了这些圈圈，就可以针对不同客户群体展开不同的攻势了。可谓是精准打击，滴水不漏。

这张图给出了一种看起来有些高级的客户画像和画圈技术，称为“客户向量嵌入“

这一方法把客户购买的商品列表当成客户的画像，基于这一画像，利用一个神经网络把每个客户都表示成一个向量，使得买相似商品的客户向量互相接近，买不同商品的客户向量互相远离，有了这个向量展示，再划圈子就很容易了。更复杂一点的技术可能要利用知识图谱，对商品和客户关系进行更细致的刻画，并将商品和客户同时进行向量化。

事实上，类似的技术也用在商品推荐，新闻推送，视频推送等场景，极大提高了信息流通效率，类似大数据杀熟这种事，本质上不是技术问题，而是客户信息是否被滥用的法律问题。

技术无罪，技术是干净的，关键是看人如何去用它。AIOC专注人工智能职业技能培训提升，既培养学员扎实的AI理论知识，夯实基础，又有实训平台，训练学员的动手解决问题的能力。学好技术，用好技术！而不是拿技术做在法律边缘疯狂试探的事情。