下载掌阅APP，畅读海量书库
立即打开
第一节
大数据（Big Data）一词最早出现在2012年Viktor Mayer-Schönberger与Kenneth Cukier两位的著作《大数据时代：生活、工作与思维的大变革》中。大数据具有“4V”特性，分别是：数据量庞大（volume）、产生速度快（velocity）、形式多样（variety）以及具有价值（value）。
“volume”原意为有形的物体或容器的容量。例如，某台汽车的油箱容量为60公升，若能够将油箱扩大，那么就可以存放更多的汽油，进而增加汽车的续航能力。在大数据的世界中，volume却是一个抽象的概念，如同一个没有刻度且无具体容量上限的量杯。试想，在这个世界上有多少网站呢？而在这庞大数量网站中往来的全球网络流量又有多少呢？答案必是非常惊人的！在大数据的世界中，volume其实就是指数量庞大的网络数据。对于传统的电子商务而言，或许网络资料仅局限于来自网站的流量，但近年来受惠于移动网络的普及，由移动装置所产生的网络流量也不约而同地加入了贡献volume的行列，近年来流行的物联网也不例外。在万物皆可联网的情况下，它们俨然扮演着额外的网络流量供应者，因此我们也可以把大数据的数量庞大特性视为“浩瀚网络容器中的无限数据”。再举一个生活中常见的例子，大家平常在使用手机上网的时候可能会遇到一种情况，那就是上网流量超出电信合约中的限额。以1G流量来说，若将这些流量使用完毕，等同于自己在智能型手机上阅读了上千本电子书的内容，然而实际上的流量限额不止1G，甚至有不少人采取“吃到饱”的方案，在这种没有限制的情况下所体现的电子书阅读数量恐怕更加难以计算。
可以说一年365天、一天24小时，网络都在不断地产生着数据。若以数据在网络中流动的速度来看，对于简单的LINE对话过程（传信方是上传，收信方是下载），每个人每天发生过几次一来一往的传送与接收数据的过程呢？如果将每个人每天传送数据的频率放眼至全世界的LINE用户，LINE公司的服务器主机每天又要服务于多少用户的传送与接收数据的需求呢？然而，这只是众多数据流动中的一个小案例，日常生活中只要所从事的活动涉及网络，就等同于无时无刻不在发生数据流动，这体现了数据的实时性（real-time）。对于传统的电子商务而言，过去受限于硬件处理能力或是数据分析技术的瓶颈，往往只能通过顾客关系管理系统（Customer Relationship Management, CRM）来将消费者的交易记录进行历史性的分析。例如，服务商可以通过RFM分析来汇总消费者最近一次交易的日期（recency）、交易频率（frequency）以及交易金额（monetary），然而这一切用大数据电子商务的立场来看恐怕都是事后诸葛亮。换句话说，当消费者不断地进行数据传送与接收时，相关服务商有必要以“实时”或是“趋近实时”的做法来回应消费者需求，例如，依据消费者过去的交易记录以及当下的网站访问行为，电子商务服务商可以针对特定的消费者投放实时性的专属优惠信息。
日常生活中常见的数据多数属于数字形态的结构化数据，如温湿度、股票交易金额等。然而大数据并非仅局限在数字形态的数据，它还包括许多非结构化的数据，如声音、视觉焦点、脸部表情等。在传统电子商务中，结构化数据是一种较为常见的数据，如顾客交易额、网站访客的浏览次数、网站跳出率等。时至今日，受惠于许多数据获取技术的飞速发展，使得新形态电子商务得以将过去无法捕捉的数据进行“非结构化→结构化”的转换。举例来说，若某电子商务网站想要得知其访客的关注焦点（即访客进站后的重点浏览内容），可以在征求访客同意的前提下，请他们在自己的计算机上安装眼动拍摄仪，借此将这个过程中捕捉到的信息转化为结构化数据，如此电子商务网站经营者便能得知访客是被自己网站的哪些内容所吸引，如图1-2所示。
图1-2 眼动拍摄仪（资料来源：南京思科电子科技）
类似的方式也被应用在新形态的零售业中。知名连锁超市7-11就在各店结账柜台后方安装了液晶荧幕，如图1-3所示。在播放商品广告之余也利用荧幕上的镜头记录顾客观看广告时的眼球活动。此举不但能够有效地缓解顾客排队结账时的烦躁心情，也巧妙地捕捉到了其中的非结构化数据，从而能够针对顾客眼球停留时间与脸部表情识别结果来进行精准的商品推荐。
图1-3 7-11超市的大数据应用案例
数据必须经过转化才能具有价值。如同政府所倡导的资源回收一般，把看似无用的垃圾加以分类处理，就可以实现回收再利用。对传统电子商务经营者而言，仅仅针对单一数据的收集与分析较难察觉到其中的价值。例如，某电子商务网站记录了“访客进站次数”，然而此单一数据充其量只能描述一个网站所获得的访客数，无法进一步就此数据进行延伸性的探索。此时若加入其他数据一同探索，那么数据价值即可逐渐明朗。例如，除了“访客进站次数”这个单一数据之外，还记录了“访客进站日期”，若将这两项数据合并探索，也就是“访客进站次数＋访客进站时段”，则可以得出图1-4所示的矩阵。如此便能针对四个象限进行更深的探索，因此，数据转化力（data derivability）对于数据价值之影响不可小觑。
图1-4 访客进站矩阵
很遗憾，受大数据特性的影响，数据转化力的培养极其困难。换句话说，如何能够将形式多样且产生速度快的数据转化成有价值的数据是一项艰难的挑战。图1-5为Miller ＆ Mork两位学者于2013年所提出的数据价值链
（Data Value Chain, DVC），共分为三大阶段，每个阶段都附带着该阶段应有的数据作为。
数据的来源非常广，而且不同的数据源所呈现的数据形态也不尽相同，数据价值链的首要阶段就是针对不同的数据源建立适合存放数据的场所，同时也要对各种数据源存放场所给予诠释说明。这就好像一个大仓库中有许多小仓库一样，每个小仓库存放不同的器具、原料或工具，也许是固态原料，也许是液态原料，它们有各自合适的存放方式。为了能够在大仓库中快速找到所需的原料，每个小仓库上的标记内容就显得非常重要。除此之外，由于小仓库内容的形态各有不同，因此管理员必须针对不同的内容制定相应的领用规则，如此才能确保大仓库整体的运作，而这正是为了顺利产出数据价值所必须进行的数据探索阶段。
数据整合阶段的任务就是将第一阶段的各式数据源探索结果予以整合，形成一个类似大脑中枢的结构，以便将不同的数据在相同形式下顺利呈现。举例来说，若要让管理员能够有效率地管理大仓库中的每一个小仓库，提供统一且具有综观效果的管理接口是非常必要的。而且这个管理接口除了要能够对外呈现一致的数据表达方式之外，还要能够根据小仓库的内容改变将最实时、最精准的数据呈现给管理员。
数据利用阶段的任务就是要把所获得的数据进行正确地分析，并且将分析结果提供给数据需求者。例如，大仓库管理员除了拥有上一阶段所提到的良好的管理接口之外，若能够将各个小仓库内容的变化情况予以汇总并进行数据的预测分析与可视化，那么仓库管理员便能够从分析结果中发现未来小仓库中内容的变化，甚至可以将这些数据结论提供给高阶主管，供其参考，以制定决策。此时仓库管理员受惠于数据的妥善利用，扮演决策者与数据之间的友善之桥，从而让数据价值逐渐浮现。
综合以上叙述可知，大数据可以说是包山包海，几乎任何形式的数据皆可视为大数据的一种。既然大数据的范畴如此广泛，传统电子商务从业者自然不会放过任何可以应用大数据的机会。套用一句阿里巴巴主要创始人马云说过的一句话：“做淘宝不是卖货，而是为了获得数据。”从这句话我们就可以推敲出数据对于电子商务的重要性，就好比鱼要生存不能离开水一般，这也是为什么有些电子商务从业者可以善用数据，从数据里淘金，但有些从业者却无法从中洞察出数据价值与机会。有鉴于此，接下来我们将更具体地介绍大数据能够给电子商务领域带来哪些前所未有的新应用，以及这些新应用对于传统电子商务的影响。
纵观国内外市场调查机构对于电子商务未来发展的预测可以发现，电子商务产值持续呈现正增长态势。特别是大数据概念问世以后，能够妥善利用大数据的电商从业者营收几乎呈现指数级增长。大数据究竟是何方神圣？为什么大数据能够成为从业者们的一盏明灯，让他们在五花八门的电子商务市场中脱颖而出呢？想要知道这些问题的答案，我们首先得先了解传统电子商务与大数据电子商务之间的差异，如图1-6所示。
图1-6 传统电子商务与大数据电子商务的差异
在大数据时代，人类社会每天所产生的数据量非常庞大。因此相较于传统电子商务，大数据电子商务所面临的挑战将更加严峻，毕竟要面对如洪水般的数据浪潮。也正因如此，若有从业者宣称其电子商务经营模式中已纳入大数据分析，就表示该从业者具备大数据的获取能力。以全世界最大的网络零售商亚马逊（Amazon）为例，其鼓励顾客加入年费制会员（Amazon Prime），如图1-7所示，以便获得会员专属福利，包括免费2日送货到家、免费在线影音串流服务、云端硬盘服务、加入读书俱乐部等。
图1-7 亚马逊会员订阅界面（资料来源：亚马逊）
表面上亚马逊为会员提供了许多免费服务，其实另有谋略，那就是每当会员使用上述服务时，亚马逊就会立刻搜集会员们有意或无意留下的行为数据，例如，使用免费 2日送货到家服务的会员当中，有多少比例的会员愿意把订单金额增加到 35美元，以便升级至当天到货服务；会员一般在什么时刻收听在线音乐或观看影片，且他们又都欣赏什么类型的影音内容；有多少比例的会员会将他们手机上的照片上传至云端硬盘存放，他们存放的照片多数属于哪种类型；会员在读书俱乐部中，购书前试阅或直接购书的比例各为多少；等等。
取得上述行为数据之后，亚马逊便能够进行更为精准的数据分析，如把使用当天到货服务的会员归类为急性子，日后针对这类顾客急于收货的特点拟订推销策略。除此之外，亚马逊从行为数据中可以得知应该在什么时段推送合适的在线影音内容给有所偏好的会员欣赏，甚至是根据会员们上传至云端硬盘的照片来推测他们的生活状态、曾造访的地区、社交或家庭情况等。当然亚马逊也可以在适当时机给会员们提供电子折价券（e-coupon），以便让会员们能够以最优惠的价格买到所喜好的图书。试想，若自己是亚马逊会员，在接收到上述服务促销信息之后，是否会因为感到贴心而愿意下单消费呢？
亚马逊想要落实以上种种的精准营销手段，除了需要具备“事前资料收集策略”“当下资料捕捉”以及“事后资料分析”能力，还必须建立强有力的信息技术架构，如亚马逊云端服务（Amazon Web Service, AWS），才能够实现其大数据战略中的订阅经济（Subscription Economy），即通过强有力的数据来支持付费订阅的可行性，并将所获得的独家行为数据进行识别，转售给有需要的第三方。此时亚马逊早已不在意所提供的会员服务或专属优惠商品是否能够直接获利，经营重心已经从过去消费者付费换取商品的交易式经济（transaction economy）转型为与顾客或第三方之间所建立的长期数据关系，也就是所谓的订阅经济。图1-8是亚马逊提供给第三方的数字订阅（Subscribe with Amazon）服务界面。
图1-8 亚马逊数字订阅服务界面（资料来源：亚马逊）
以上案例都不是传统电子商务从业者可以轻易达成的，因此要想打造成功的大数据电子商务，首要任务就是确认或辨别自己是否具有数据获取能力。
知名好莱坞电影《神鬼认证》与《全民公敌》都描述了主角遭到跟踪的故事，而要实现在千里之外锁定他人行踪，就要仰赖全球卫星定位系统（Global Positioning System, GPS）。无独有偶，要想在新形态的电子商务中获利，也需要使用若干追踪手法，但此处所指的追踪是侧录电子商务顾客所进行的所有网站行为。换言之，大数据电子商务必须要从顾客接触点开始就发挥顾客行为掌握能力，一直到他们结束享受服务或结束交易为止，甚至是当他们完成当下交易之后，仍可持续把握下一次与顾客互动的契机，我们称此行为掌握能力为整体历程追踪（tracking the entire journey）。
举例来说，在正常情况下，电子商务网站所进行的追踪做法并不会干扰访客的参访，且侧录动作会一直进行到他们离开网站为止。也就是说，访客们不会得知他们所留下的行为足迹早已在进站之初就被记录。图1-9为网站流量分析工具（web analytics）所记录到的谷歌官方电商网站访客行为脉络，从红色方框处可以得知该网站访客来自世界各地，其中以美国访客居多。此外，无论哪一个地区的访客，他们多数都以“（not set）”作为进站的起始网页，但从蓝色箭头处可以看出，这一页也是离站频率最高的页面。换言之，多数访客的网站参访历程堪称短暂，并没有依照网站经营者的期盼向终极目标走下去。很明显，要能够捕捉此种整体参访历程，除了网站经营者本身对大数据分析的接纳程度之外，是否能够采用正确的工具来掌握行为数据亦是不可忽视的重点。
图1-9 访客网站整体参访历程（资料来源：Google Merchandise Store）
遗憾的是，即便电商经营者能够通过各种网站分析工具来掌握访客在网站中的整体参访历程，但此举仅能视为传统电子商务进入大数据电子商务的一小步，毕竟在大数据或万物皆可联网的时代里，能够从事交易活动的场域日渐多元，故上述所提到的行为掌握能力不应该只局限在网站情境里，还要能够在各式联网情境下实现，如此才具备全渠道（omni-channel）行为掌握能力。以图1-10为例，知名连锁保健美容品牌屈臣氏除了能够依据顾客在店内或网上的消费记录来提供个人App专属优惠券（即每位顾客的折价内容不尽相同）之外，还能够捕捉顾客在其他接触点（contacting point）上所衍生出的行为数据。
图1-10 屈臣氏定制化折价券（资料来源：屈臣氏App）
爱玩美（STYLE ME）设备是一套虚拟试妆机，如图1-11所示。在这套设备问世之前，顾客往往需要实际上妆测试，才能知道所欲购买的化妆品是否适合自己。反复地上妆又卸妆，费时又费力。然而通过爱玩美设备，顾客只需对着镜头，面带微笑拍摄自己的大头贴并且点击偏好的彩妆颜色，仅一秒就可以立即看到上妆效果。此举不但快速满足了顾客上妆预览需求，也巧妙地掌握了顾客购买彩妆时的偏好信息，使得屈臣氏能够在适当时机针对特定顾客投放定制化的专属优惠。
图1-11 屈臣氏爱玩美设备
顾客接触点增加，意味着从业者能够综合分析从每个顾客接触点所获取到的顾客行为数据，提供一条龙式的消费体验，进而真正落实全通路行为掌握能力。值得注意的是，顾客接触点行为数据获取渠道琳琅满目，如低功耗蓝牙定位iBeacon、近场通信NFC（Near Field Communication）、长频段演进传输LTE（Long Term Evolution）等，无论是以何种渠道来掌握宝贵的顾客行为数据，都必须了解全渠道行为掌握能力与多渠道行为掌握能力两者在本质上的差异。
所谓全渠道行为掌握能力指的是能够在各个销售渠道中串联所有的顾客行为数据，使得看似独立的单渠道行为数据得以在不同的渠道或是不同的顾客接触点之间互通，也就是以顾客对企业（Customer to Business, C2B）的思维来将顾客需求实际反馈至营运方针上，如图1-12所示。
图1-12 全渠道与多渠道行为掌握的差异
此举有别于传统的多渠道行为掌握能力。各渠道之间的数据缺乏整合，在各自为营的情况下容易导致渠道冲突（channel conflict）。如果顾客只关注对自己有利的渠道，就会导致商家陷入自家人抢自家人生意的窘境。另外，各个渠道之间的商品售价不一致，加上网络虚拟销售成本通常低于线下实体销售成本，久而久之将导致线上渠道排挤线下渠道，使商家陷入自打嘴巴的境地。
Mukhopadhyay等学者在2008年的研究成果中提到，唯有各个渠道之间的数据透明化并且彼此分享，才有办法让价值链上的利害关系共享共荣
，这个研究结论指的其实就是全渠道行为数据掌握能力，即掌握数据是必要条件，其优先权势必高于分享数据。阿里巴巴主要创始人马云以及鸿海科技集团原总裁郭台铭不约而同地表示电子商务将在不久的未来消失，取而代之的是新零售业线上或线下的数据串接行为。换句话说，若具备全渠道行为大数据掌握能力等同于在零售4.0时代抢得先机。
前面提到的行为掌握能力从某些程度而言可以视为一种顾客意见表达的捕捉，但毕竟不是每位顾客都愿意明确地针对他们的交易历程做表态。Day等学者早在1981年就指出有些不满意的顾客缺乏抱怨意愿
，因此上述全渠道行为数据掌握与整合恰好适用于无声无息的行为捕捉情境。然而有些顾客不只愿意将自己的交易历程清楚地表达，更习惯将所表达之意见以口耳相传的方式分享给周边的亲朋好友。有鉴于此，在大数据电子商务时代，经营者除了具备行为掌握能力之外，能否提供一个合适的场域供顾客或消费者表达己见是不能忽视的重点。在传统电子商务中，消费者往往无法在购物前（pre-purchase）享有畅所欲言的机会，即便是在购物后（post-purchase）也仅能将意见反映给电商平台经营者，如图1-13所示。探究可能的原因发现，此类型平台系由经营者直营且广邀各产品售卖者将商品上架至平台，导致平台经营者在不熟悉各种商品的情况下，无法一一回复顾客意见。
图1-13 顾客意见表达示意（1）（资料来源：PChome 24小时购物）
另一种常见的做法是在购前就提供消费者咨询渠道，如图1-14红色箭头处所示，使他们能够在获得答复后降低对产品的不确定性，提升购买信心。
图1-14 顾客意见表达示意（2）（资料来源：PChome 24小时购物）
然而无论采用以上哪种做法，仍属于传统电子商务范畴，主要原因不外乎是经营者对顾客发言能力的数据掌握有限。图1-15为淘宝网购物页面，在购前阶段，消费者即可以在红色方框处询问卖家对商品的疑惑之处。在多数情况下，卖家为了想要争取更多的订单，会在这个询问页面上保持在线状态，如此一来便能在第一时间内即刻回复消费者疑问。
除此之外，处于购前阶段的顾客还可以通过蓝色方框处的“其他顾客评论”来了解其他人对该商品的购买体验，借此增加他们对自己不熟悉商品或卖家的了解程度。值得一提的是，在绿色箭头与紫色箭头处有较少电商平台支持的功能，其中绿色箭头处的“售后服务评论”专司于卖家的服务相关评分考核，包括售后服务处理速度、纠纷率、态度评分等，顾客可根据这些指标判断此卖家是否为值得信任的交易对象。令人惊讶的是，淘宝网很贴心地将这些与服务相关的评价与其他同类型卖家对比，如图1-15黄色方框所示。如此一来，顾客可以很轻易地知道相对于其他同类型卖家，自己正在打量的这位卖家是否值得进行交易。紫色箭头处的“问大家”功能可以使不具有购买经验的顾客弥补他们无法自其他顾客评论中了解的关于商品的疑问，以主动出击的方式提出疑问并邀请具有购买经验的顾客来回答问题。
图1-15 顾客意见表达示意（3）（资料来源：淘宝网）
综合以上做法，淘宝网不外乎是想在每个交易环节降低顾客对于商品或是购物历程的不确定感，而这一切仰赖于电商平台从业者对于顾客意见表达内部与外部合纵连横的捕捉。简单地说，就是主动并且积极地塑造顾客意见表达的友善环境，辅以无声无息的全渠道行为数据整合，落实大数据电子商务的良好数据生态。
如同保险业务员一般，若打算把保单推销出去，势必要对自己所销售的保险商品相当熟悉。其中，具备顾客需求洞察能力的业务员较容易达成交易。换句话说，相对于直接把商品送往销售渠道的推式销售策略，以了解顾客需求为导向的拉式销售策略更能成功地将商品传递至顾客手上，毕竟是依照顾客差异分别给予专属商品推荐。电子商务情境中所谓的专属推荐约略以是否完成交易作为分界，包含交易前推荐与交易后推荐。
交易前推荐指的是顾客在访问网站过程中，即使没有留下实际交易记录，电商从业者也能够进行商品推荐，此做法通常仰赖推荐对象之外其他顾客的历史参访记录或是历史交易记录。以图1-16中的蓝色方框处为例，假设某人打算在博客来网络书店购买一本书，若此人对于要购买什么样的书籍没有头绪，那么就可以参考“买了此商品的人，也买了……”板块下的内容。很明显，这样的推荐方式必须建构在其他具有购买经验的顾客的历史交易记录上，因为浏览相同书籍的顾客彼此之间可能拥有相似的阅读偏好。但人毕竟是一个独立个体，仍有些顾客对于这样的推荐方式无动于衷，也就是以他人购买经验来给顾客推荐的做法并未100％地落实。
图1-16 以他人记录为基础的交易前推荐（资料来源：博客来）
为了能够更契合地达成个人化专属推荐，越来越多的大数据电子商务从业者采取比传统电子商务从业者还要详细的交易前推荐方式。以图1-17蓝色方框处为例，“猜你喜欢”推荐功能系依照顾客自身参访足迹归纳出的各式商品汇整数据，此做法建立在“浏览即表示有购买需求、偏好或意愿”之上，而且商品归纳与汇整的依据并非来自他人，因此比起前文提到的借由他人历史交易记录来进行推荐活动更接近个人化专属推荐。
图1-17 以自我记录与他人记录为基础的交易前推荐（资料来源：淘宝App）
当然，通过他人交易经验来进行交易前推荐也并非一无是处，以红色方框处的“消费者评论”为例，上面提示了曾经购买此袜子的消费体验，一旦将“他人交易体验”与“自身参访足迹”两项结合，就能够提供更为具体且高度个人化的专属交易前推荐。换句话说，假设某顾客具有袜子购买需求，在电商网站中反复浏览不同款式袜子（即“自身参访足迹”），比起其他没有提供顾客评论（即“他人交易体验”）的袜子款式，有提供顾客评论的袜子款式更让顾客清楚地了解该款袜子是否符合自己喜好，最后在契合自身交易需求以及他人意见支持的情况下，做出具有信心的购买决策。
除了交易前推荐以外，电商从业者还可以依据顾客实际交易记录来推荐他们所喜好的商品。以图1-18蓝色方框处的“你可能还想买”为例，以顾客实际下单记录作为交易后的推荐依据。这种做法与传统电子商务中常提到的顾客关系管理如出一辙，即通过顾客的交易记录数据来实施营销、业务拓展以及售后服务等顾客关系维系活动。然而大数据时代下的新电子商务受惠于互联网的普及，使得从业者可以在各个渠道之间搜集数据，让原本的营销、业务拓展以及售后服务能够从网站情境跳离至其他场域，这也是为何具备大数据的交易后推荐能更为人性化且契合顾客需求的主要原因。
图1-18 交易后推荐（1）（资料来源：淘宝App）
以图1-19为例，这是一台由小米公司所推出的PM2.5空气净化器，用户购买后可以通过手机App来操作这台机器，在净化室内空气的同时也能了解这台机器运作情况（如家中PM2.5指数）。乍看这台净化器似乎没有什么新奇之处，其他品牌也推出类似的机种，也就是说即使是不同品牌的机型，它们彼此之间都拥有相同的运作原理与功能，如净化室内有害的PM2.5细悬浮微粒、云端联机及App绑定操作等。然而小米空气净化器与其他从业者所推出的净化器最大的差异就藏在数据细节中，这正是我们所讨论到的交易后推荐行为。
图1-19 交易后推荐（2）（资料来源：小米空气净化器）
如同之前提及的推式销售思维，大多数从业者仅是设法将此类型净化器销售出去，商品售出后则由售后服务单位接手，一旦发现商品存在问题，便在最短的时间内服务顾客，产品整体销售的生命周期也就告一段落。小米空气净化器有别于其他产品，不把商品销售视为一次性动作，也不把售后服务当作是与顾客互动的终点，而是通过商品成功售出后的顾客接触点来与顾客保持互动。
以图1-20小米空气净化器App的操作界面为例，我们可以从红色方框处观察到，该App能够显示净化器的滤芯剩余天数，一旦剩余天数趋近零，小米立即采取拉式销售策略，并且提供给用户专属的优惠价格，整个推荐过程堪称完备。换句话说，每当该机型空气净化器运作时，小米即通过大数据不断地搜集机器运作资料，再借由之前所提及的数据转化力将看似无用的数据予以再利用，此时由于用户已经购买了该机型，自然会有滤芯购买需求，小米趁势在恰当的时机落实了交易后阶段所需具备的专属推荐能力，进而从数据中提炼出有价值的信息。
综合以上讨论的数据获取能力、行为掌握能力、顾客发言能力以及专属推荐能力，我们可以归纳出图1-21左侧的大数据电子商务成熟度模式（Big Data Maturity Model in E-Commerce）。此模式虽与Knowledgent公司所提出的巨量资料成熟度阶层
（Levels of Big Data Maturity）有着异曲同工之妙，如图1-21右侧所示，但前者较为聚焦在新兴电子商务对于大数据商业作为的成熟度审视之上，而非大数据在数据科学上的ETL应用，即筛选（Extract）、转换（Transformation）、加载（Load）。换言之，若欲在新形态的电子商务下获取数据价值，最重要的是电商经营者是否能够自各个渠道获取宝贵的数据（层级1：数据获取能力），随后从数据中洞察并掌握多变的顾客行为（层级2：行为掌握能力），并且设法在各渠道中提供友善的畅所欲言的环境（层级3：顾客发言能力），最终统整自层级1至层级3所获得的宝贵数据，投放契合顾客需求的专属推荐（层级4：专属推荐能力）信息。
图1-21 大数据电子商务成熟度模式vs巨量数据成熟度阶层
大数据概念问世后，给传统电子商务带来了不小的冲击。举凡能够上网的装置、设备或情境，只要有数据流量通过，大数据便随时产生着，再加上电子商务是一种营利型的经济活动，从业者们自然不会放过任何发生在自身经营环境中的数据商机。但是，大数据对于电子商务究竟有多重要呢？为何它是主宰电子商务未来的关键要素呢？电子商务从业者具备了数据获取能力、行为掌握能力、顾客发言能力以及专属推荐能力之后，能够通过这些能力获取哪些营运帮助或是能否通过此等能力迈向新时代电子商务营运模式？针对以上问题的回答如下。
在传统电子商务情境中，销售向来是以非个性化随机推荐的方式将商品信息传递至消费者手上，从业者们只能盼望消费者能够眷顾一下他们所推销的商品。问题是消费者为何要这么听话地购买推销的商品，这句话一语道破了传统电子商务的盲点，也就是从业者有必要掌握消费者的购买动机，如此才能针对其动机量身打造销售计划。
许多动机理论（motivation theory）研究者不约而同地提到，人类进行任何动作都会受到两种动机影响，分别是外在动机（extrinsic motivation）与内在动机（intrinsic motivation）。所谓外在动机是指行为者因受到外界激励产生的相对应的动作，如某小学生受到月考奖品的激励奋发图强，努力将考试成绩提高。内在动机则是指在没有任何诱因的前提下，行为者发自内心，自愿进行某个动作，如即使没有任何激励，某学生仍然力争上游地努力求学。
在电子商务情境中，消费者购物需求亦受外在动机与内在动机的影响。Babin等学者于1994年将交易的内外在动机具体化为功利导向购物（utilitarian oriented shopping）以及娱乐导向购物 [1] （hedonic oriented shopping）。在定义上，功利导向购物及娱乐导向购物与外在动机及内在动机相似，主要看消费者是因为受到外界刺激而诱发交易行为，还是只是沉浸在购买情境当中不需要任何激励因子。
有鉴于此，新形态电子商务从业者势必能够借由自身大数据的分析与获取能力来满足特定消费者各自的购物导向。本章开头所提到的再营销即是一种可以用来同时满足功利导向购物动机与娱乐导向购物动机的一种个人化销售手段。试想，若在上网时，浏览器画面上跳出自己曾经浏览过但最后未购买的商品（满足功利导向购物动机），或是自己不曾浏览过但却与自身上网内容偏好相符的商品（满足娱乐导向购物动机），是否比较容易吸引自己的目光并且做出消费决策呢？答案当然是肯定的。因此通过对大数据的搜集与分析，电子商务从业者将能够跨越过去非个人化销售的鸿沟，进而精准地契合消费者对于个人化销售信息的期盼。
定价对于任何经济活动来说都是一件重要的事情，定价过高容易导致消费者反感进而转向竞争者处购买，然而定价过低又容易导致卖方的利润被侵蚀。所以通过大数据的搜集与分析，能够使电子商务从业者在内部与外部获取合适的定价参考。在一般零售业情境中，内部定价水平可来自外部定价信息，例如，某虚实整合商店担心自身定价低于实体店定价而陷入自打嘴巴的窘境，但又在网络环境中遭受到同业的削价竞争，此时可以通过网络爬虫（web crawler）技术来快速获取相同商品在不同平台上的定价，如图1-22红色方框处所示。
图1-22 商品外部定价汇总（资料来源：EZPrice比价网）
另外一种做法是借由消费者的力量来将所通报的商品外部定价反馈至内部定价。以图1-23为例，该电商平台从业者提供消费者“卖贵通报”的申诉渠道，只要消费者表明其他商家的售价较现售价低，则该平台从业者会以降价通知的方式来回馈消费者，降价的结果也许会与其他商家售价一致，甚至更便宜也不无可能。此举不但借由通报数据有效地留住顾客，也巧妙地获取了外部定价。然而无论是爬虫订价数据统整还是顾客“买贵通报”，二者所获得的外部订价信息皆能够反馈到刚才所提到的虚实整合订价策略参考，也就是动态定价（dynamic pricing）的终极目标。
图1-23 电商平台卖贵通报（资料来源：PChome 24小时购物）
所谓顾客转换指的是顾客依照电子商务经营者的期盼所进行的特定动作，如注册会员、好友分享、结账购买等。若非经过转换，顾客仍然无法将身份从非会员变为会员，也无法让自己的身份从被分享者变成分享者，更无法使自己从访客变为实际交易的顾客。由此可知，顾客是否确实进行转换行为，对于电子商务从业者而言非常重要。
大数据情境中的转换较为强调契合顾客需求，也就是以类似顾客参与的方式来使其感到所参与的事物与自己切身相关，之后再通过若干预测或分析手段来使顾客觉得购买网站所推销的商品确实有其必要性，进而顺利做出转换行为，即购买决策。举个例子，图1-24所示为香港宏利寿险公司所推出的MOVE健康活动，该活动通过Apple Watch穿戴式装置进行数据分析与促进转换。
从图中红色箭头处可以看见Apple Watch穿戴者的步行步数，据此可衍生出数据商业模式，即步行步数越多表示运动量越大，此物件穿戴者的身体状况理当比运动量小的穿戴者更好，因此在保险费上就可以享有较高的折扣。一旦穿戴者参加此运作模式，有很大的概率因自身投入在活动当中而不断地努力累积运动量，借此获得更优惠的保险折扣，此时若保险商品符合穿戴者的实际需求，上述情况就会不断地上演，保险公司也巧妙地通过对App的数据分析来提高顾客转换率。
类似的场景也在本土产物保险公司发生过，图1-25为车联网装置，只要将该装置安装在车上，产物保险公司即能得知驾驶人的驾车习惯（如急刹次数、平均油耗等），驾驶习惯越好就越能换取更为优惠的保费折扣率。如蓝色箭头处所示，由于汽车强制责任险属于政府强制投保的险种，言外之意，驾驶人对于它的需求始终存在，再加上驾驶人亲自参与维护自身的驾驶习惯数据，因此他们有更高的意愿来把自己的付出转换为报酬，保险公司也就顺势提升了顾客转换率。
从以上两个案例可知，受惠于联网设备的普及，电子商务活动的焦点已经从过去的网站交易转换转移至物联网交易转换。换句话说，只要能够掌握存在于各个场域中的大数据，电子商务活动转换率的提升将比过去更为有效且成效更易于监控。
如果经营的是零售形态的电子商务，那么大数据分析将能够用来健全自身的库存管理体系。图1-26为某知名电商从业者的首页，在红色方框处可以看见一个“搜寻框”，这个功能看似在协助顾客从千百种商品里快速找到所欲购买的品项，但其实背后大有玄机。电商平台从业者可以通过此功能来了解多数顾客所搜寻的热门商品或鲜有顾客搜寻的冷门商品，前者可以帮助从业者调整营销策略，如备足热门商品库存量以避免陷入因商品热销而售罄的窘境，后者则可以帮助从业者调整冷门商品库存量，若发现某些特定品项乏人问津，那么就有必要减少库存量或是将它移至非热销品专区。
图1-26 电子商务网站搜寻功能（1）（资料来源：EHS东森购物）
以上这些功能或是作为，看似再平常不过，也是多数从业者正在着墨的焦点，似乎与大数据没有太大的关联性。然而大数据在电子商务上的应用重点之一在于掌握数据线索之后的顾客行为推敲，依据推敲行为模式
（Elaboration Likelihood Model，ELM）可知，顾客在进行搜寻动作时，可能遵循两种路径：中央路径（central route）或周边路径（peripheral route）。所谓中央路径指的是消费者具有能力或动机，针对自身所欲搜寻的目标或搜寻结果仔细探究，而周边路径则是指消费者缺乏相同能力或动机来针对自己的搜寻目标或结果进行深度研究，反而依赖周边的信息来协助自己做决策。换句话说，采取中央路径搜寻模式的顾客可能较为知道自己所欲找寻的商品是什么，因此上述所提到的商品热门与否将不是重点，重点变为顾客是否能够通过搜寻功能找到自己所欲查询的商品。
以图1-27为例，若某顾客在搜寻功能框中输入“HP印表机”，那么表示在他心目中已经有一条默认立场的中央路径，惠普品牌印表机很有可能是该顾客的不二之选。相反，若某顾客仅在图1-28搜寻功能框中输入“印表机”来查找自己心目中理想的机种，那么该顾客很有可能没有任何品牌立场，将通过查找结果或其他由从业者所提供的数据来逐渐缩小自己的考虑范围 [2] （consideration set），即从多个预选机种中缩小所考虑购买的机种范围。无论是上述哪一种搜寻策略，电子商务平台从业者皆可以借由顾客的搜寻线索来掌握背后所隐藏的行为含义，最后再将所获得的宝贵结果反馈至库存管理上。例如，针对采取中央路径搜寻方式的消费者提供投其所好的机种的详细数据，或是针对采取周边路径搜寻方式的消费者提供第三方客观试用报告，甚至是提供若干促销激励，一方面提升销售额，另一方面也提高库存管理效率。
图1-27 电子商务网站搜寻功能（2）（资料来源：EHS东森购物）
图1-28 电子商务网站搜寻功能（3）（资料来源：EHS东森购物）
新时代大数据电子商务效益还体现在各渠道引流疏通成果，这个概念类似战国时代李冰父子治理都江堰，河渠流量过大或过小都不是件好事，势必要观察所管理的主河道或是其支流的最佳流量，否则很有可能陷入主河道缺水但支流却因水量过多而溃堤的窘境。以支付宝为例，无论是实体或在线交易都能够通过它来完成支付。在图1-29的蓝色方框处可以看见许多与衣、食、住、行、育有关的电子商务交易，而支付宝巧妙地通过大数据将各个渠道数据予以串接，使得这些看似简单的新兴无实体货币交易活动中隐含着许多大数据下的宝贵小数据。
换句话说，受惠于支付宝实名制运作（即需经过实名审查认证才得以使用），那些经由各渠道串接获得的数据将能够构造出许多过去无法得到的行为观察与商机。例如，支付宝可以通过蓝色箭头处的“外卖”服务数据来具体得知某位使用者的“口味偏好”“用餐时段”“每次消费金额”“外卖服务地点”等。综合上述个人化小数据，支付宝可以将外卖服务渠道数据串接至黄色箭头处的“超市惠”服务渠道或是其他渠道，例如，它可以在该位支付宝使用者App上推送类似这样的信息：“外卖吃腻了吗？偶尔自己动手下厨吧！超市生鲜特卖优惠中！”
因此，要能够落实以上的渠道数据串接功能，支付宝App势必要扮演水库管理中枢，随时肩负流量管理任务，试想一个有规模的水库流量管理中枢会影响多少支流呢？倘若该App在引流服务过程中出现闪失，是否会导致如水库溃堤或枯竭般的现象而失去使用者的信任呢？此事一旦发生，支付宝必然无法通过此新兴的无实体货币交易来获利。相反，若能够将各个渠道数据予以串接，那么所能够形成的数据系统将极为庞大，也能顺势将获利范畴由原来的狭义电子商务扩增至广义电子商务，即由狭义的无实体货币交易方式延伸至广义的各渠道服务提供商。
综合以上叙述，倘若电子商务从业者加入大数据的采集与分析行列，他们将能够提高个人化销售精准度并且增加商品定价的敏捷与弹性，而这一切都是为了有效促进顾客转换行为的发生以及强化自身库存管理效率。
电子商务从业者拥抱大数据的目的不外乎是想要提高营运获利，然而从业者们误认为所谓获利就是只要能够赚钱即可，因此将许多营运目标摆放在商品销售业绩之上，殊不知真正的获利并非来自商品本身，而是源自妥善运用与顾客互动产生的数据。换句话说，大数据电子商务格外重视数据拥有者能否将所获得的数据进行跨界应用进而探索出新兴的“营运模式”（business model），这和我们在 图1-5 中所提到的数据转化力不谋而合。
所谓营运模式指的是营利单位的获利方式，例如，高铁借由载运乘客来达成营利的目的，而高铁车厢、车站、员工以及相关软硬件设施等即为高铁获利的要件。关于营运模式还有一个重要表述，那就是用来描述机构获利的直接或间接方式。例如，货运从业者主要是通过货品递送服务来达成营利目标（直接方式），然而每当货品递送完成后，车厢将处于空荡状态，因此若能够在完成货品递送之后持续利用车厢的闲置空间（间接方式），不但能将车厢空间的利用率提升，也等同于减少了货车移动时所需耗费的油料成本，也就是俗称的“回头车”。
大数据时代下的电子商务营运模式侧重于如何通过对数据的掌握来巩固原有的直接获利方式，并且能够借由所取得的数据衍生出间接获利方式。在本章的最后，我们以时下颇为热门的互联网经济与共享经济来阐述大数据电子商务营运模式，期盼借由实际案例，使读者认识到大数据电子商务绝不是单纯地将数据整理成叙述性数据（descriptive data），而是借由叙述性数据来产出解释性数据（explanative data），甚至是处方性数据（prescriptive data）的获利方案。
水平式获利逻辑指的是特定业态从业者所从事的专属或一连串相关商业行为。例如，7-11便利商店以售卖商品为主要的获利来源，同时也通过提供其他相关服务来获取额外收益（如账单代收、ATM服务、宅急便等），无论是商品销售收益或是其他服务收益，这些商业活动都以便利商店实体建筑为核心，尽可能地扩张营运项目与触角，将食品与便利服务整合在一起，便可视为水平式获利逻辑。此类型获利逻辑非常直观，通常是“有什么就卖什么、卖了什么就获利什么”。
在互联网时代，所售的商品或服务由传统电子商务时代中的主角变成了配角，取而代之的是使用者在使用商品时的运作数据或享用服务时的互动数据。“使用商品时的运作数据”如同我们在 图1-20 、 图1-24 、 图1-25 所提及的小米空气净化器、宏利寿险或是创星物联等案例一般，将设备运作数据储存后变现为收益。至于“享用服务时的互动数据”则与 图1-29 所提到的支付宝类似，支付宝扮演数据中心，通过掌握使用者在App上的使用行为数据，将服务能力扩增至其他渠道。
水平式获利逻辑挟其业态可连接性与整合容易的优势，使得涉入其中的从业者能够进行数据的横向集中，通过数据联合生产与分享的方式形成生态链，也就是俗话说的大鱼吃小鱼。如图1-30所示，无论是参与数据生态链的从业者A或从业者B皆可通过互联网装置来获取数据红利。若将从业者A视为互联网装置的制造商，则它不但可以通过用户操作装置时得知该装置运行状况，还可以顺势捕捉用户与装置互动过程中产生的数据，这两项数据合并之后可反馈至装置设计端，以便让从业者A改善既有装置性能或是生产出更符合用户需求的装置。无独有偶，若把从业者B视为水平式资料生态链中的合作伙伴，则该从业者同样可借由互联网装置运作时所产生的数据以及用户互动数据来实现获利，例如，通过设备运行数据来得知设备耗材使用情况，进而在适当时机提供专属的耗材优惠价给购买者。
图1-30 表示数据流水平式数据生态链（Horizontal Data Eco-Chain，HDEC）
当然从业者B亦可以通过用户与设备互动的数据来掌握设备使用情况，进而将上述专属优惠活动更加精致化，即除了得知设备耗材使用情况之外，还可得知使用者的使用地点。以互联网时代常见的空气净化器为例，从业者B在获取了使用者的净化器使用地点信息之后，可以在使用者手机App上推送与地理位置有关的销售优惠信息。例如，某净化器使用地点因大雨不断，气候特别潮湿，辅以设备耗材使用数据得知用户的净化器使用频率猛增，故提供专属滤网更换优惠价，比起获取单一的设备使用数据，纳入用户设备互动数据后的复合数据将能提升销售精准度与效率。
虽说水平获利逻辑能够为涉入其中的从业者带来许多好处，但也容易形成数据帮派，各帮派之间通常水火不容，最终导致价格战争、利润缩减的恶性循环，这也是为何市面上常见到不同品牌从业者争食同类产品或服务大饼的羊群效应
现象（如智能家居产业中的夏普、小米、海尔、美的等从业者）。
垂直式获利逻辑与供应链管理（Supply Chain Management, SCM）领域中所提到的垂直整合概念相似，即从业者为了降低生产成本并且控制原料来源与价格，通常会采取一条龙的做法，将产品生命周期中的许多事项一手包办，从上游原料组装到下游商品化环节皆不假他人之手。然而比起供应链管理的垂直整合思维，大数据电子商务中的垂直式获利逻辑更重视“数据流”的异业整合与应用，此与水平式获利逻辑中因业态相近所缔结的伙伴关系有所差异，因此垂直式获利逻辑可被定义为由特定业态从业者所主导的专属或一连串“跨界”商业行为。以图1-31为例，从业者A为特定业态主导者，通过互联网装置的运作，除了可以获得商品本身运作时的数据，也可以借由使用者与该商品的互动过程来获取商品使用行为数据。
图1-31 垂直式数据生态链（Vertical Data Eco-Chain，VDEC）
综合这两类数据，从业者A将能够在商品设计端与营销端有参考依据，进而改善既有商品或是推出新一代商品，以便将正确的商品在正确的时间推销给正确的使用者。当从业者A运作顺利且累积到一定数量的资本（data asset）时，即可将自己所主导的营运模式以“合作协议”（cooperation agreement）或与其他伙伴缔结的方式来衍生出一连串跨界商业行为，如同图中从业者B、从业者C、从业者D、从业者E一般，而所能够缔结的伙伴数量并无上限，端看从业者A在垂直式数据生态链上的主导能力，也就是从业者A是否能够持续秉持数据生产不假他人之手的理念，逐步增强资料资本的扎实度。
我们以时下热门的共享经济为切入点，补充说明以上所描述的垂直式数据生态链，同时也传达大数据电子商务的营运模式。所谓共享经济就是利用互联网等现代信息技术，整合并分享海量的分散化闲置资源，借以满足多样化需求的经济活动
。依据这个定义，许多从业者抓住了“分享闲置资源”这一核心概念，通过数据掌握来衍生出许多新兴电子商务活动，其中最受欢迎的共享经济活动不外乎是与人们生活息息相关的共享单车。以共享单车品牌摩拜（Mobike）为例，如图1-32所示，该品牌从业者认为任何人无论是出于通勤、运动或是其他目的，都不太可能随时骑乘单车，因此大力倡导对于单车有需求的人士不一定需要自己购买单车，而是能够在需要时随手获取闲置在路旁的单车，此倡议符合共享经济中的“产权非私有、人人皆可付费使用”的理念。
图1-32 共享经济之共享单车（资料来源：摩拜）
若以图1-33所示的垂直式数据生态链来审视摩拜的运作，由其主导的营运模式以及由其衍生出的一连串跨界商业行为将呼之欲出。图中，摩拜扮演“从业者A”的角色，共享单车则扮演“互联网装置”的角色，从骑乘者扫描二维码使用单车的那一刻起，即产生了“单车运作数据”与“用户享用单车的互动数据”，而摩拜便可借由这些数据来构思营销策略或是反馈至单车设计上。
图1-33 垂直式数据生态链：以摩拜共享单车为例
以反馈至单车设计为例，假设摩拜发现旧式共享单车在非上班时段扫码解锁率高于上班时段（单车的运作数据），推敲可能的原因在于上班族比较赶时间，因此提供轻便的单车款式可以减轻骑乘负担。除此之外，上班族通常会拎一个公文包，而旧式单车上并无任何可供骑乘者置物的空间，此亦可能是导致非上班时段扫码解锁率高于上班时段。有鉴于此，摩拜推出如图1-34所示的新款的lite轻量化单车，比起旧式单车的笨重，新式单车骑乘起来更加轻松，同时也在车头前方安装置物架，充分满足上班族的置物需求，摩拜希望此举可延揽广大的上班族市场。
图1-34 通过数据反馈设计轻量化单车（资料来源：摩拜）
至于在构思营销策略方面，摩拜同样仰赖“单车运作数据”与“用户享用单车的互动数据”来策划关于顾客的开发与慰留方案。以顾客开发方案来说，摩拜通过全球卫星定位系统将具有“红包车”促销方案的数据点设定在地图上，如图1-35蓝色箭头处所示，若使用者挑选具有红包标示的单车并且扫码骑乘超过10分钟，就能够获得2小时免费骑乘的优惠以及1—100元的现金红包奖励，此举不但有效地激励了顾客的骑乘意愿，还能够巧妙地促使冷门单车骑乘区域更加活跃。此外，如果摩拜想要将单车移动至特定区域也无须亲自搬运，只要通过“单车运作数据”与“用户享用单车的互动数据”举办签到打卡优惠活动，单车便能像五鬼搬运般自动到位。
图1-35 “红包车”客户开发方案（资料来源：摩拜）
无独有偶，摩拜亦可通过“单车运作数据”与“用户享用单车的互动数据”来实现顾客忠诚度方案。以关注人们的生活健康为例，摩拜将手中握有的“单车运作数据”与“用户享用单车的互动数据”应用于营销方案中，推出骑乘距离兑换优惠券，如图1-36所示，使用者可以凭券至Wagas健康餐饮品牌门市兑换“摩力骑士果汁”或“超级拜客”，充分利用“骑越多、越健康、优惠也越多”的三赢营销策略。
图1-36 摩拜与Wagas跨界合作（资料来源：Wagas餐饮从业者）
上述这些作为都让摩拜累积了大量的数据资本，进而将此资本通过合作协议的形式来与从业者们进行跨界垂直式整合获利活动。以扩增停车据点为例，摩拜与保利房地产从业者合作，如图1-37所示，在大楼空间设置合法停车位，此做法等同于在各地设置中继站，借以形成城市单车网络，毕竟若违规停放单车会遭到拖吊，摩拜将无法延续“单车运作数据”与“用户享用单车的互动数据”的搜集作为，也就无法落实上述所提到的以卫星定位为基础的营销活动。在有了便利的停车场所之后，保利还推出了加码活动，只要在建案周遭骑乘单车达1小时以上，保利就捐出10元给慈善单位，此举巧妙地通过提倡“骑车促进身心健康又能举手做善事”来达成建案推销的广告目的，而其中的运作要仰赖摩拜与保利两从业者之间的合作协议，也就是彼此之间的数据传递与分享始能达成。
图1-37 摩拜与保利跨界合作（资料来源：保利房地产从业者）
此外，摩拜也正与传统电商从业者合作，协助唯品会（www.vipshop.com）从传统电子商务的网站营运模式转型至大数据新兴电子商务营运模式。以图1-38为例，摩拜充分运用“单车运作数据”与“用户享用单车的互动数据”，在2017年7月16日至20日与唯品会联合推出“719购物节”活动，使用者只要选择参与活动的宝箱车，即可获得20元唯品会购物网站现金红包（骑车领红包），此外，如果使用者频繁参与活动，就能够参加贴纸集点活动（骑车集贴纸），其中也可以获得红利。最重要的是使用者只要骑乘参与的活动单车达到7分19秒，唯品会即捐出7.19元给公益助学单位（你骑车、我捐款）。
图1-38 摩拜与唯品会跨界合作（资料来源：摩拜）
此活动得到了广大民众响应，最大的幕后功臣不外乎就是垂直式数据生态链。从骑乘者的立场来看，能够边骑车边赚折扣与红利，还能够做善事，何乐而不为呢？再者，从唯品会的角度来看，同意与摩拜一同推动“719购物节”活动，既可以提高营收，又能借由公益捐款的过程形塑良好的企业形象。最后，以主事者的用意来看，摩拜凭借着手中所握有的宝贵数据来主导“719购物节”活动，此事就如孔明草船借箭一般高明，数据的产生来自于单车骑乘者而非从业者本身，从业者只需将数据妥善保存并且整理后再应用，便能够万箭齐发，精准地射向目的地。以上三种立场充分表明了垂直式数据生态链可观的获利能力。换句话说，在大数据电子商务时代，谁能够掌握数据，以及将数据妥善跨界应用，谁就能够在数据生态链中扮演核心的角色。
无论是水平还是垂直获利逻辑，都必须注意的是如何让精心打造的营运模式生生不息。水平式获利逻辑就好比一辆行驶中的高铁列车，列车的每一个车厢的重要性几乎一致，毕竟它们采取环环相扣的方式将彼此系绑在一起，故如何让车厢与车厢之间的连接处牢固不脱落，考验着水平式获利逻辑的参与者。有鉴于此，涉入水平式获利逻辑的各从业者必须要秉持互信基础，将各自所拥有的数据与其左、右方伙伴分享，为了一致的目标共同努力。
有别于水平式获利逻辑，垂直式获利逻辑好似一座水坝，专司于储存与净化水资源，以便将宝贵的水资源往源头供应。可想而知，若水坝因各种因素导致溃堤，整体水资源供应就会受到严重影响，因此巩固水坝主体稳定并且永续运作将是垂直式获利逻辑面对的最大挑战。以上述所提到的共享单车为例，共享单车是否能够被骑乘者使用，势必攸关共享单车的成败，然而能够阻碍单车运作的事项非常多，诸如骑乘者的扫码意愿、单车维护保修、在线交易顺畅、法令规范等。其中，能否让骑乘者顺利地在线进行扫码骑乘与扣款只是大数据电子商务成功要素之一，如何让共享单车这座水坝永续运作才是成功与否的关键要素，此与传统电子商务将营运焦点摆放在顾客是否结账方面有着天壤之别的差异。有鉴于此，摩拜共享单车从业者除了致力于App运作、活动营销、策略联盟等作为之外，还在App上提供了举报违规功能。举报者不但能够善尽社会责任，还能够赚取信用加分，如图1-39红色方框处所示，可别小看这个信用分数，骑乘者信用分数越高，就能够以更为优惠的价格使用单车；反之，信用分数太低，最严重的情况可能导致无法使用单车。摩拜借由这种检举达人机制来确保其单车运作能够符合法律规范，这比其他作为重要许多，也是巩固共享单车这座水坝主体的必要措施。
图1-39 举报单车违规示意（资料来源：摩拜）
无论是水平式获利逻辑还是垂直式获利逻辑，两者永续经营的共同点在于“数据资产”，有了数据才能够让参与水平式数据生态链的成员彼此共荣共利，有了数据才能够让垂直式数据生态链的主事者运筹帷幄，这比狭义的电子商务更为抽象，但却能够衍生更多的在线交易可能性，也就是广义的电子商务。
回顾本节内容，首先，我们说明了何谓大数据，通过诸多生活实例来表明大数据存在于日常生活之中，对于电子商务来说，大数据又是特别重要且常见的。其次，我们讲述了大数据电子商务给传统电子商务所带来的影响，这些影响将是传统电子商务从业者转型的关键。紧接着，我们论述了为何大数据能够成就新形态的电子商务，并且具体指出大数据能够给电子商务带来哪些好处。最后，我们介绍了大数据电子商务中最重要的营运模式，包含水平式获利逻辑以及垂直式获利逻辑，两种逻辑的共通点在于对数据资产的重视。
阅读完本节之后，相信大家已经对于大数据电子商务有了一番新认识，那么若打算加入大数据电子商务的行列，应该从什么地方着手来增加自己的实力呢？在第一章第二节中，将从技能角度出发，告诉大家要成为一位称职的大数据电子商务从业人员应该具备哪些技能，不要以为这些技能是理工科背景人员所专属的，即便是具有商管背景的人员，也能够从第一章第二节开始了解到大数据电子商务的必备技能，自第一章第三节起，一步一个脚印地朝向成为大数据电子商务人才的方向迈进。
