前段时间，我们孔总在「场遇」平台进行了主题为【从拼多多的崛起，聊聊数据驱动的“坑”！】的分享会，错过或意犹未尽的小伙伴们不要着急，直播回放来咯！
观看直播回放
以下精选部分孔总直播内容：
本文由“壹伴编辑器”提供技术支持
2015年时，提起电商巨头，大家想到的必然是淘宝和京东；然而现在提起电商，大家想起的肯定是淘宝、拼多多、京东如今三足鼎立的局面。
下沉市场野蛮成长的拼多多吸引了众多的资本市场的追捧，根据2020年三季度财报显示，年活跃用户数已达7.31亿。截止2020年6月，拼多多市场独占率为11.59%，比京东的市场独占率高了近10%。如果保持当前增速，2021年拼多多年活跃买家数，有望超越阿里巴巴的8.81亿。
短短的2015–2020五年时间内，拼多多从一个名不见经传发展到如今一时风光无限的电商企业，让人无限遐想它的崛起及与京东和淘宝的抗争之路这就是我们今天要讲的话题–从拼多多的崛起，聊聊数据驱动的坑。
电商巨头拼多多的崛起复盘
2015年，我国移动支付习惯基本建立，无现金生活和互联网随时代逐渐到来，电商巨头增长速度放慢，移动电商加速垂直化、场景化、社交化。
2015–2020年，互联网用户年龄从集中于10–49岁变为各年龄段分布较为均匀；互联网用户从一二线城市渗透下沉，三线及以下城市互联网用户规模及增速持续居于首位，全年增幅巨大互联网渗透到“全民”；
电商用户追求个性化产品来满足日益增加的自身需求，互联网用户社交需求增加，可支持电子支付的微信用户规模获得更大的增长。
互联网后半场，电商用户追求个性化产品来满足日益增加，互联网用户社交需求增加，可支持电子支付的微信用户规模获得更大的增长。
而此时的淘宝和京东开始专注升级，放弃了低级战略，把控质量，提升用户体验，主流电商平台开始走向以消费升级、个性化等趋势。在这种情况下，拼多多于2015年9月份入局电商，商业模式上，拼多多采用了低价补贴打法——即先用低价销售方式吸引用户流量，再通过去除中间批发环节来控制成本，从最重要的用户数曲线来看，拼多多刚上线两周时用户数就达到200万，三年用户数破3亿。
在当时淘宝和京东放弃价格追求质量、占据一二线城市市场时的情况下，拼多多通过价格补贴占领下沉市场避开了与淘宝和京东的直接对抗，获得了自己独特的商业模式。
其次，淘宝由于其需要闭环变现的商业模式，使得其与微信有如武汉于上海格格不入的两座商城，使得淘宝无法借助微信流量，丧失了微信流量扶持及淘宝对微信中潜在客户的转化机会。
与此同时，基于微信对拼多多的投资及其双方的合作，拼多多背靠着微信的生态流量来传播业务，转化微信中的潜在客户、增加客户数量，降低用户获取成本来降低商品价格，满足用户需求。
而此时距离京东上市仅过去一年，它需要更多的业务来帮自己占领市场，开始了战略分散打发，细化出了京东商城、京东金融、京东物流、京东健康、京东便利店、京东智能，弱化了其对京东电商的重视。
拼多多做对了什么？
1、捕捉到对的“人”15年到20年从一二线渗透到下沉的用户；
2、货对了拼多多的商品满足新增网民需求的“sku”；
3、“场”的运用，拼多多利用微信大流量入口，裂变和拼团等模式；
数据驱动有没有局限？
淘宝、京东和拼多多都利用数据驱动定制了个性化的营销和广告、满足和了解消费者的需求，但拼多多利用数据驱动从用户出发，洞察了淘宝和京东忽略的电子商务的本质以及客户底层的需求，从而在短时间内带来了更快甚至是革命性的增加和机会。
随着数据经济时代的到来，人们提及“数据驱动”的次数越来越频繁，而数据驱动的重要性也越来越被各行业所意识到。用户数据与分析相结合，有很大的潜力。客户越多，收集到的数据就越多，分析数据有助于制造更好的产品，进而吸引更多客户。普遍的看法是，这种良性循环可以让公司拥有几乎不可战胜的强大竞争优势。然而数据驱动其具有两面性，所以我们既要知道数据驱动带来的好处，也要知道数据驱动中隐藏的那些坑。
数据驱动能够挖掘用户需求但不能妖魔化增长作用：以诸葛服务的某健身APP为例，曾经做到用户留存翻一翻。但在复盘增长过程发现，它并不是数据驱动的增长，而是利用数据挖掘到用户真正的需求，从而调整优化策略，数据分析起到是精准洞察的作用，帮助客户发现用户需求；
数据驱动在业务范畴里，能够做到优化关键“节点”：例如光明乳业与诸葛io合作后利用数据驱动实现流失交易召回6.8%，这些数据驱动是相对的优化，优化某些关键节点，这种数据驱动的优化对于企业是必要的，但不能麻痹的认为这就是增长趋势。
有些数据驱动实现倍增但却带来额外的成本增加：例如诸葛io 在2019年末更新行业DEMO，利用各种方式引导用户关注，提升客户体验。看似做到了高质量线索提升，但增加了很多无效线索，增加销售沟通成本。
何谓数据驱动？
数据驱动采用的方式是根据对业务场景建立数据分析模型来进行系统设计的一种方法，通过数据模型的建立来完成系统的实现，一般来说，在采取数据模型的系统中多采用的是前台直接和数据模型进行绑定的方式，这样在实现起来相对来讲会非常的快速。根据数据驱动的系统设计以及实现方式上来讲，数据驱动适合于数据型的应用系统的建设，而现在大部分的中小型应用系统很多就停留在这个层面上，在这类系统中数据驱动会显得特别的实用和好用，这类系统一个非常突出的共同点就是系统基本属于信息的录入、显示以及查询这样的一个过程，不存在复杂的数据业务逻辑处理。
真正数据驱动方法的意义在于，当我们对一个问题暂时不能用简单而准确的方法解决时，我们可以根据历史数据和关系型数据库，构造出近似的模型来逼近真实情况，这实际上是用计算量和数据量来换取研究时间，得到的模型虽然和真实情况有偏差但是足以指导实践。
我们需要数据驱动，也需要更合理的看待数据驱动，数据驱动不是万能的，但没有数据驱动是万万不能的！
当前，中国大部分企业在数据基础系统架构和数据分析方面都面临着诸多挑战。根据产业信息网调查，目前国内大部分企业的系统架构在应对大量数据时均有扩展性差、资源利用率低、应用部署复杂、运营成本高和高能耗等困难，诸葛将结合产业发展需求，用心打造更多普适化的产品和服务，让更多企业享受到数据的红利，进一步推动数据智能化的进程。
↑长按关注“你身边的数据教练”↑
联系客服
