大数据已成为许多大型企业生活的一部分。俄罗斯的在线零售商也在这一领域开展工作。我们决定采访俄罗斯最大的服装在线零售商 WildBerries 的 IT 总监安德烈·列维亚什科，了解其平台上的信息工作流程是如何构建的。
大数据。这仅仅是一种潮流，还是说在不久的将来，任何一家自重的公司都无法离开它？
大多数公司虽然对大数据感兴趣，但距离真正将其应用于实践还有很长的路要走。不过，有些公司已经学会了从海量数据中获取利益：进行预测、发现规律，并利用这些数据来增加销售额和推动业务发展。我们也不例外。
Wildberries 的大数据和人工智能并非某种单一的完整实体，也不是科幻电影中的超级大脑。它更像是一组看似“枯燥”的数学公式，辅以便捷的软件实现，并针对具体任务进行调整。在我看来，未来电商市场上将只剩下那些能够收集并正确分析客户全面偏好信息的公司。
您从哪里获取关于客户的主要数据？
当公司规模达到一定大小时，大数据会自然产生，只需想象一下每天数百万用户与数百万商品SKU之间的互动数量即可。大数据的本质只是由用户生成的历史事件集合。
每天有数百万买家访问我们的网站，接收我们的邮件和通知，浏览、标记、收藏商品，留下评论和评分。商品在俄罗斯、白俄罗斯、吉尔吉斯斯坦和哈萨克斯坦进行配送、支付和收货。因此，我们在获取足够数量的数据方面没有问题，剩下的就是如何存储和利用这些丰富的数据，以便不仅在网站上，而且在其他沟通渠道中为用户提供最优质的内容。对我们来说，重要的是组织好这些数据的结构化存储、分析以及处理，使客户在我们的平台上购物时尽可能舒适。
很好。你们收集了大量数据。然后呢？
所有这些都由人工智能进行分析。随后，通过机器学习，它会形成网站上的推荐内容和电子邮件营销的个性化内容。我们为每位客户提供高质量的推荐，我们的策略正在奏效：电子邮件打开率增加了 100%，目前超过 30%。
在使用大数据的过程中，有哪些有趣或荒谬的案例？
机器学习中最重要的事情是选择具有适当参数的最合适算法，然后花费时间让机器学习所选算法。因为在机器学习过程中，会出现一些不相关的推荐。
我们曾尝试用“笨办法”来配置推荐系统。其基本思路是：既然人们会购买某些商品，那就观察他们同时还会购买什么，然后向其他客户推荐同类商品。我们会监测这些推荐的转化率，并据此调整模型。
一些算法的表现也出人意料，甚至出现了一些滑稽的情况。例如，它们会向对体育用品感兴趣的人推荐关节损伤康复用品，而这些用户可能尚未遭受任何此类损伤。此外，其中一款模型还建议购买用于格斗的绷带时搭配粉底液，仔细想想，这其实也并非毫无道理。
也曾发生过这样一件事：一位女士找上门来，几乎指控我们从事间谍活动。她说，有人开始向她推荐与芭蕾舞相关的商品。而她在我们的网站上从未进行过任何类似的搜索。但系统根据某些算法推断出这位女士的孙女正在学习芭蕾舞，于是向她推送了相应的商品。
也许您与某个其他服务或商店交换了关于这位女性的数据？
不，不，不。我们只使用自己的数据。因此，系统有时也会让我们自己感到震惊。虽然有算法，但它得出的结论令人惊讶。
在某种程度上，我们比某些竞争对手更容易、更便捷地处理大数据，因为我们不像社交媒体那样分析客户的个人数据，而只记录网站上的行为。因此，我们不会面临选择要处理的数据的难题——即哪些数据需要提取、存储和分析，而哪些数据可以忽略不计。
如果不谈那些关于推荐系统的滑稽插曲，在实施大数据方面是否存在一些严重的问题？
情况很复杂。例如，有时很难确定如何解读客户的搜索意图。比如，客户想在网站上搜索“婴儿车”？一方面，他可能是在找可以坐婴儿的普通婴儿车；另一方面，也可能是想找那种用来给女儿玩娃娃车的玩具推车。该如何判断？这个问题目前还没有解决。
我理解得对吗，你们使用推荐系统仅用于交叉销售？
不完全是。这是一套算法组合，能够预测对用户而言最有趣的内容。该系统的核心任务是为买家提供个性化推荐，并进一步预测其未来的需求。我们自2015年起开始引入预测性推荐系统并开展大数据相关工作。我们希望不仅在Wildberries网站上，而且在其他沟通渠道中，都能向客户提供最优质的内容。
那么，有哪些标准可以判断我们是否有效地使用了数据？
唯一标准是提升订单转化率及订单数量。如果某项功能的实施未在转化率、订单增长或买家满意度上体现成效，则毫无意义。
一些西方商店倾向于向客户展示由多件服装组成的“整体造型”。这样商品卖得更好，因为更清楚地知道如何搭配穿着。你们打算开发整体造型系统吗？
我们已经在尝试这样做。我们希望让人们能够“扮演设计师”，上传他们在WB网站上购买的商品所组成的造型。此外，我们还有设计师进行商品搭配并创建他们自己的“造型”。
我们希望在过程中引入人工智能。例如，让AI展示不同单品在颜色上的搭配效果。目前我们正在开发相应的算法。
请列举三个必须使用大数据的电商原因？
完善用户画像。正确处理和大数据分析有助于形成对客户的全面认知，并提供信息，明确应向哪些具体客户推荐产品、在哪里推荐以及在什么时间推荐。
提升服务质量。如果用户找不到想要的商品，就会离开网站。通过向他们推荐替代商品，不仅可以超越他们的期望，还能将其转化为忠诚客户。
增加销售额。使用预测分析工具可以提高网站和邮件营销的转化率，从而显著提升公司利润。例如，我们在2017年通过邮件营销实现的转化率增长了50%。
您是否计划成为其他商店的推荐服务平台？
我说的是不排除这种可能性。目前还没有这样的任务。但我们已积累了大量经验。我不能排除我们会开展推荐服务的可能性。我们知道该如何实现。
你们是否已经基于其他商店的数据测试过你们的推荐系统？
没有，目前对我们来说，仅用自有数据就足以训练AI了。