Ang ilan sa mga customer ay maaaring makita na kakaiba kapag ang isang tindahan ay nakakaalam ng maraming tungkol sa mga ito sa pamamagitan lamang ng mga produktong binibili. Ang Amazon.com, Inc. (AMZN) ay isang pinuno sa pagkolekta, pag-iimbak, pagproseso, at pagsusuri ng personal na impormasyon mula sa iyo at sa bawat iba pang customer bilang isang paraan upang matukoy kung paano ginugol ng mga customer ang kanilang pera. Gumagamit ang kumpanya ng mahuhulaan na analytics para sa na-target na marketing upang madagdagan ang kasiyahan ng customer at bumuo ng katapatan ng kumpanya. Bagaman ang malaking data ay nakatulong sa Amazon na umunlad sa isang higanteng sa mga online na tindahan ng tingi, kung ano ang alam ng kumpanya tungkol sa iyong maaaring pakiramdam tulad ng pag-stalk.
Sistema ng Personal na Rekomendasyon
Ang Amazon ay isang pinuno sa paggamit ng isang komprehensibo, magkakasamang pag-filter ng makina (CFE). Sinusuri nito kung anong mga item na binili mo dati, kung ano ang nasa iyong online shopping cart o sa iyong nais na listahan, kung aling mga produkto ang iyong sinuri at na-rate, at kung ano ang mga item na iyong hinahanap. Ang impormasyong ito ay ginagamit upang magrekomenda ng mga karagdagang produkto na binili ng ibang mga customer kapag binibili ang parehong mga item.
Halimbawa, kapag nagdagdag ka ng isang DVD sa iyong online shopping cart, ang mga katulad na pelikula na binili ng ibang mga customer ay inirerekomenda din para sa iyo na bumili. Sa ganitong paraan, ginagamit ng Amazon ang kapangyarihan ng mungkahi upang hikayatin kang bumili nang salakay bilang isang paraan ng karagdagang kasiya-siya ng iyong karanasan sa pamimili at paggastos ng mas maraming pera. Ang pamamaraang ito ay bumubuo ng 35% ng benta ng kumpanya taun-taon.
Mga Rekomendasyon sa Aklat mula sa papagsiklabin
Matapos makuha ang Goodreads noong 2013, isinama ng Amazon ang serbisyo sa social networking ng humigit-kumulang 25 milyong mga gumagamit sa ilang mga pag-andar. Bilang isang resulta, ang mga mambabasa ay maaaring ma-highlight ang mga salita at tala at ibahagi ito sa iba bilang isang paraan ng pagtalakay sa libro. Regular na sinusuri ng Amazon ang mga salitang naka-highlight sa iyong papagsiklabin upang matukoy kung ano ang interesado mong malaman. Ang kumpanya ay maaaring magpadala sa iyo ng karagdagang mga rekomendasyon sa e-book.
Pag-order ng Isang-click
Dahil ipinapakita ng malaking data na mamili ka sa ibang lugar maliban kung ang iyong mga produkto ay maihatid nang mabilis, nilikha ng pag-order ng One-Click ang Amazon. Ang One-Click ay isang patentadong tampok na awtomatikong pinagana kapag inilagay mo ang iyong unang order at magpasok ng isang address ng pagpapadala at paraan ng pagbabayad. Kapag pumipili ng pag-order ng One-Click, mayroon kang 30 minuto kung saan maaari mong baguhin ang iyong isip tungkol sa pagbili. Pagkatapos nito, ang produkto ay awtomatikong sisingilin sa pamamagitan ng iyong paraan ng pagbabayad at ipinadala sa iyong address.
Anticipatory Shipping Model
Ang patentadong anticipatory na modelo ng pagpapadala ng Amazon ay gumagamit ng malaking data para sa paghula ng mga produktong malamang na bibilhin mo, kung maaari mo itong bilhin at kung saan maaaring kailanganin mo ang mga produkto. Ang mga item ay ipinadala sa isang lokal na sentro ng pamamahagi o bodega upang maghanda sila sa pagpapadala sa sandaling mag-order ka sa kanila. Gumagamit ang Amazon ng mahuhulaan na analytics upang madagdagan ang mga benta ng produkto at mga kita sa kita habang binabawasan ang oras ng paghahatid at pangkalahatang gastos.
Pag-optimize ng Chain ng Supply
Dahil nais ng Amazon na matupad ang iyong mga order nang mabilis, ang kumpanya ay nag-uugnay sa mga tagagawa at sinusubaybayan ang kanilang imbentaryo. Gumagamit ang Amazon ng mga malalaking sistema ng data para sa pagpili ng bodega na pinakamalapit sa nagtitinda at / o ikaw, ang customer, upang mabawasan ang mga gastos sa pagpapadala ng 10 hanggang 40%. Bilang karagdagan, ang teorya ng graph ay tumutulong na magpasya ang pinakamahusay na iskedyul ng paghahatid, ruta, at pagsasama-sama ng mga produkto upang mabawasan pa ang mga gastos sa pagpapadala.
Pag-optimize ng Presyo
Ginagamit din ang malaking data para sa pamamahala ng mga presyo ng Amazon upang maakit ang mas maraming mga customer at dagdagan ang kita ng isang average ng 25% taun-taon. Ang mga presyo ay itinakda ayon sa iyong aktibidad sa website, pagpepresyo ng mga kakumpitensya, pagkakaroon ng produkto, kagustuhan ng item, kasaysayan ng pag-order, inaasahang margin ng kita, at iba pang mga kadahilanan. Ang mga presyo ng produkto ay karaniwang nagbabago tuwing 10 minuto dahil ang malaking data ay na-update at nasuri. Bilang isang resulta, ang Amazon ay karaniwang nag-aalok ng mga diskwento sa mga pinakamahusay na nagbebenta ng mga item at kumita ng mas malaking kita sa mga hindi gaanong sikat na mga item. Halimbawa, ang gastos ng isang nobela sa listahan ng New York Times Best Sellers ay maaaring 25% mas mababa kaysa sa presyo ng tingi, habang ang isang nobela na wala sa listahan ay nagkakahalaga ng 10% higit pa kaysa sa parehong aklat na nabili ng isang katunggali.
Mga Serbisyo sa Web ng Amazon
Sa pamamagitan ng Amazon Web Services (AWS), ang serbisyo ng cloud computing ng Amazon na ipinakilala noong 2006, ang mga kumpanya ay maaaring lumikha ng mga nasusukat na malaking aplikasyon ng data at mai-secure ang mga ito nang hindi gumagamit ng hardware o pagpapanatili ng imprastruktura. Ang mga malalaking aplikasyon ng data tulad ng clickstream analytics, data warehousing, rekomendasyon engine, pandaraya ng deteksyon, event-driven na ETL, at pagproseso ng Internet-of-Things (IoT) ay sa pamamagitan ng cloud-based computing. Ang mga kumpanya ay maaaring makinabang mula sa Amazon Web Services sa pamamagitan ng paggamit ng mga ito upang pag-aralan ang mga demograpiko ng customer, mga gawi sa paggastos, at iba pang nauugnay na impormasyon upang mas epektibo ang mga cross-sell na mga produkto ng kumpanya sa mga paraan na katulad ng Amazon. Sa madaling salita, ang mga nagtitingi na ito ay maaaring gumamit ng Amazon upang stalk ka rin.
