唯品会精准营销论文参考文献

一、唯品会大数据平台规划和现状 这是唯品会大数据平台一个中长期的规划。目标很明确，我们希望从技术上能把整个大数据做成一个包含离线计算平台、流式计算平台、模型训练平台、VRE、 DMP和多种应用的完整生态链，并且希望通过这个平台，让我们公司的分析师、开发人员可以很简易地运用起来。 这是唯品会大数据平台的现状，总体和上面的规划图类似，重点在于离线平台的搭建，目前离线计算平台也已经做得差不多了。我们现在有一套很完整的数据开发平台，可以让公司的分析人员在不需要任何培训的情况下，方便地利用这个系统去挖掘大数据中的各种知识，为业务服务。除此之外，我们也有很多产品，看到图中数据产品一块，有情报中心、比价、选品、数读、魔方罗盘、仪表盘等。 二、大数据中的资源管理 大数据管理本身是一个很广的概念，涵盖了很多知识面。但资源管理是今年让唯品会特别难受的一个点，很多工作人员经过长时间的不眠不休，才最终把它解决掉。所以今天我会把资源管理作为重点，单独拿出来分享。 这里的“数据平台使用申请”打了引号，我想说的是这个“平台使用申请”在初创公司或者建设数据平台的初期，一般是很难做到这么完善的。因为我们需要用户提交很多要求，而且这些要求是明确的，包含了比如我需要什么样的资源，HDFS的存储、数据库、计算都需要多少，资源的数目是多少，要通过什么方式去访问。拿到这个申请以后，管理员会负责去分配同样的资源，比如HDFS中分配多少资源给你使用，Hive也是，如果我想要这样一个资源分配队列，需要明确分配给你的最大/最小资源是多少。 当然，这是一个理想的情况，现实却很骨感。因为这个行业的发展非常快，相信很多做大数据的同学，很多时候你是被业务和领导推着向上的，所以这时你的思考可能不是很完善，你会发现，你的理想状态是系统很强大、数据规范、流程规范、技术成熟、业务成熟，但现实呢？唯品会在半年前也是这种现状：模型的变更非常迅速，线上的那些代码实际上是我们的人员按小时为单位去做变更的。用户的能力参差不齐。有很多的历史包袱，唯品会的数据平台其实四年前就开始搭建了，其中有三年的历史包袱。同时，有大量的技术包袱，而且平台非常不稳定，掌控力差，有各种各样的瓶颈。整个大数据平台的分层也不是很明确。这是我们面临的现实。 那么，这种情况下，维护人员或者像我们这样的技术架构人员就会经常接到用户各种各样的投诉和问题。这里我列了一些用户经常会抱怨的问题： 这个任务昨天还好好的，为什么今天跑不出来了？ 2-10倍的数据量，能撑得住吗？ 怎么几千个任务都慢了？ 最近磁盘使用率急剧增加，谁在用？ 这个表好像不用了，我能删除掉吗？ 集群要扩容吗？扩多少? 当你在没有足够能力应付的情况下，面对这些问题，你是一筹莫展的。而由此也引申出今天的核心议题——资源管控。 三、资源管控中的存储资源和计算资源 做运维、DBA，或者大数据管理人员，都需要了解一个核心，那就是资源管控。做资源管控，其实和分田到户是同样的道理。当把一块田交给你，那你就在这块田里自己玩，不要到别人的田里去掺和。通过资源管控，可以实现很多目的： 从乱序到有序。 申请和分配有据可查。 规则公开透明。 数据公开透明。 有多少资源，干多少事。 有合理的KPI和惩罚机制。 ROI，资源倾斜给回报率高的项目。 以Hadoop为例。Hadoop平台是大家都在用的一个技术框架，它有哪些资源呢？总的来说，有四个模块：计算资源、存储资源、权限资源、业务资源。今天我会重点讲右侧的计算资源和存储资源。 为什么存储和计算需要关注？ 首先是NameNode。NameNode在Hadoop中相当于一个技术的管理节点，我们平台目前已经存储2亿的文件超过2亿的blocks，现在NameNode的内存使用在100G左右。在这么大的一个集群规模情况下，会遇到很多问题。 standby namenode updateCountForQuota缓慢影响主从一致性，进而影响切换（HDFS-6763） standby checkpoint缓慢导致增量blockreport汇报被skip, 影响主从一致性，进而影响切换（HDFS-7097）standby checkpoint GC导致transfer Fsimage超时失败这里列了几个问题点，都在社区被不少人提出来，我们也确实受到了影响。其中，最重要的是集群启动时，规模越大，你的启动时间可能越慢，除非你把这部分的代码全部进行重构。举个例子，可能我们的集群重启需要30分钟，因为需要每个block去上报。另外，第二个瓶颈就是资源管理，叫做ResourceManager，这也是Hadoop中的一个技术组件。唯品会现在的规模并行度是高峰期可以有一千个任务在跑，每天有将近40万的任务提交到Hadoop集群里，基本24小时内时时刻刻都有人在运行。因为现在的电商，包括现在的大数据已经不是以前那种玩法，不是你晚上跑个批处理，事情就做完了。现在大家的要求是，你能不能5分钟内跑出来，所以我的批处理在上面可能是5分钟一个力度去提交的，所以这个集群对我们来说已经不是夜间作业的集群，而是24小时专机，永远不能宕机的一个服务。部分解决问题 our patch for fairscheduler这里也列了两个问题，就不展开讲了，关键是第二个，我们提交给社区的补丁。这些问题社区还没有解决，我们这个补丁也还没有打到任何社区的版本里去，但是如果当你的集群规模非常大，运行HDFS时肯定会遇到和我们同样的问题——分配能力有瓶颈。目前我们通过这个补丁，分配能力提升到了近10-15倍。这其实很夸张，我们一直考虑的是，现在已经有几百台节点了，那能不能变到几千台？如果分配这个问题不解决，你的瓶颈永远卡在那，即使再加机器，管理也会因为瓶颈上不去，无法提升到几千台这样的规模。前面讲到了很多问题，怎么解决呢？开源节流。分两块，一块要提升各方面主机的性能，图中列出来的，包括了NameNode RPC性能、yarn的container assign性能，以及加机器。另外一块，就是要做各种优化管理。大家想，原先你就有几百个用户在用，当开放出去后，随着大数据应用的发展，不断有人去用，久而久之就会变成上万个用户在用。这时，你的存储是否被有效地利用呢？是否都是有价值的数据放在上面呢？你的计算是否都是有效的计算呢？还有人在用这样的一个任务吗？管理数据化成果给大家看一下我们在这一块的成果。理念很简单，就是做一个闭环。把整个数据仓库和Hadoop做成一个闭环，大家可以看到内圈，其实就是正常开发的一个数据仓库，你会建立任务、执行、下线，这是一个循环。而外循环是从整个任务建立时就开始对它进行管理，当你任务申请好之后，你会分配到一个队列，查看你的每一个日志。存储和计算会告诉你用了多少，同时还可以做一些智能的分析。在你的任务执行完之后，可以在系统里面看到任务的整个生命周期运行情况。基本上我们就是把整个大数据分到项目，分到人，分到数据库，分到几个任务，所有的指标都可以可视化地让你看到，也就是说，即使你只是简单地在系统里提交了一个SQL，可实际上你得到的是一个可视化、数据化的成果。你可以知道，今天我提交了多少个SQL，占用了多少资源，剩下多少文件，所有这些东西在系统里都可以看到。这样数据分析师也能主动跟你讲，今天慢了可能是因为提交的任务太多，今天提交的任务比上周多了一倍。你也能主动地在系统里找，为什么多了一倍？什么样的任务最占用资源？整个架构闭环大大降低基本架构技术人员的工作量。而当我们所有的数据都开放给数据分析师时，他们又能通过这些数据去做一些自己的分析，这也是一个闭环的形成。对很多公司来说，通过构建闭环，这一块的工作效率将会得到很大的提升。接下来重点讲两块资源的管理。一块是存储的资源，一块是计算的资源。存储资源管理一般情况下，大家在Hadoop中都是用Hive这个数据库，它对应的是后端的一些一二三级目录等数据库和表的目录。我们要怎样获取这些数据呢？从我们的角度来说，我们也是数据分析人员，我们要做的东西和其他的分析师其实是一样的，只不过我们分析的对象是系统的性能数据。我们会想要获取各种各样的性能数据，同时，我们需要去计算这些性能数据，做多维度的各种计算，然后把它推出去给用户看。存储资源基本上就是通过这几大块来收集，左边是获取到的各种存储的信息，文件、表、数据仓库、ETL、Hadoop的日志……第二步是把它转化为Hive里计算的文件元数据信息、表元数据信息、调度任务元数据信息、路径访问信息，最后得到的产出通过各种维度的计算，可以得到：维度：包括分区、表、数据库、任务、业务、人、目录层级、时间等所有维度；指标：全量、增量、趋势、平均文件大小、最大文件大小、最小文件大小、文件数目、占比等；热度：哪些表被频繁访问？哪些表3个月没人访问，是否可以下线了？安全：有没有敏感信息被非法访问。通过这一系列的存储资源管理，可以把所有的关键信息收集起来。下面，讲一下这些数据的使用，这也是我们公司目前正在践行的：容量计费通过计费来控制资源，使存储数据完整透明。消费预警，会提前知会用户。空间管理自动配置生命周期管理规则；存储格式，压缩格式选择（orc+gzip）；文件管理自动配置生命周期管理规则；小文件har归档。控制存储的价值：一方面可以解决NN“单点”瓶颈，控制服务器的数量，降低成本。如果没有加以控制，很快你的规模就会变成几百、几千，逐渐失控。另一方面，规范数据生命周期管理，统计冷热数据的使用，区别哪些数据是能删的、哪些是能归档的、哪些是被频繁使用的，都可以通过这个手段反馈给ETL生命周期管理。计算资源管理 这是yarn的一个架构图。大家都知道yarn是Hadoop的一个统一的调度管理。但yarn好像把所有资源管理的事情都搞定了，我们还需要管理什么呢？实际上，还有很多没有解决的问题。

一、唯品会大数据平台规划和现状这是唯品会大数据平台一个中长期的规划。目标很明确，我们希望从技术上能把整个大数据做成一个包含离线计算平台、流式计算平台、模型训练平台、VRE、 DMP和多种应用的完整生态链，并且希望通过这个平台，让我们公司的分析师、开发人员可以很简易地运用起来。这是唯品会大数据平台的现状，总体和上面的规划图类似，重点在于离线平台的搭建，目前离线计算平台也已经做得差不多了。我们现在有一套很完整的数据开发平台，可以让公司的分析人员在不需要任何培训的情况下，方便地利用这个系统去挖掘大数据中的各种知识，为业务服务。除此之外，我们也有很多产品，看到图中数据产品一块，有情报中心、比价、选品、数读、魔方罗盘、仪表盘等。二、大数据中的资源管理大数据管理本身是一个很广的概念，涵盖了很多知识面。但资源管理是今年让唯品会特别难受的一个点，很多工作人员经过长时间的不眠不休，才最终把它解决掉。所以今天我会把资源管理作为重点，单独拿出来分享。这里的“数据平台使用申请”打了引号，我想说的是这个“平台使用申请”在初创公司或者建设数据平台的初期，一般是很难做到这么完善的。因为我们需要用户提交很多要求，而且这些要求是明确的，包含了比如我需要什么样的资源，HDFS的存储、数据库、计算都需要多少，资源的数目是多少，要通过什么方式去访问。拿到这个申请以后，管理员会负责去分配同样的资源，比如HDFS中分配多少资源给你使用，Hive也是，如果我想要这样一个资源分配队列，需要明确分配给你的最大/最小资源是多少。当然，这是一个理想的情况，现实却很骨感。因为这个行业的发展非常快，相信很多做大数据的同学，很多时候你是被业务和领导推着向上的，所以这时你的思考可能不是很完善，你会发现，你的理想状态是系统很强大、数据规范、流程规范、技术成熟、业务成熟，但现实呢？唯品会在半年前也是这种现状：模型的变更非常迅速，线上的那些代码实际上是我们的人员按小时为单位去做变更的。用户的能力参差不齐。有很多的历史包袱，唯品会的数据平台其实四年前就开始搭建了，其中有三年的历史包袱。同时，有大量的技术包袱，而且平台非常不稳定，掌控力差，有各种各样的瓶颈。整个大数据平台的分层也不是很明确。这是我们面临的现实。那么，这种情况下，维护人员或者像我们这样的技术架构人员就会经常接到用户各种各样的投诉和问题。这里我列了一些用户经常会抱怨的问题：这个任务昨天还好好的，为什么今天跑不出来了？2-10倍的数据量，能撑得住吗？怎么几千个任务都慢了？最近磁盘使用率急剧增加，谁在用？这个表好像不用了，我能删除掉吗？集群要扩容吗？扩多少?当你在没有足够能力应付的情况下，面对这些问题，你是一筹莫展的。而由此也引申出今天的核心议题——资源管控。三、资源管控中的存储资源和计算资源做运维、DBA，或者大数据管理人员，都需要了解一个核心，那就是资源管控。做资源管控，其实和分田到户是同样的道理。当把一块田交给你，那你就在这块田里自己玩，不要到别人的田里去掺和。通过资源管控，可以实现很多目的：从乱序到有序。申请和分配有据可查。规则公开透明。数据公开透明。有多少资源，干多少事。有合理的KPI和惩罚机制。ROI，资源倾斜给回报率高的项目。以Hadoop为例。Hadoop平台是大家都在用的一个技术框架，它有哪些资源呢？总的来说，有四个模块：计算资源、存储资源、权限资源、业务资源。今天我会重点讲右侧的计算资源和存储资源。为什么存储和计算需要关注？首先是NameNode。NameNode在Hadoop中相当于一个技术的管理节点，我们平台目前已经存储2亿的文件超过2亿的blocks，现在NameNode的内存使用在100G左右。在这么大的一个集群规模情况下，会遇到很多问题。standby namenode updateCountForQuota缓慢影响主从一致性，进而影响切换（HDFS-6763）standby checkpoint缓慢导致增量blockreport汇报被skip, 影响主从一致性，进而影响切换（HDFS-7097）standby checkpoint GC导致transfer Fsimage超时失败这里列了几个问题点，都在社区被不少人提出来，我们也确实受到了影响。其中，最重要的是集群启动时，规模越大，你的启动时间可能越慢，除非你把这部分的代码全部进行重构。举个例子，可能我们的集群重启需要30分钟，因为需要每个block去上报。另外，第二个瓶颈就是资源管理，叫做ResourceManager，这也是Hadoop中的一个技术组件。唯品会现在的规模并行度是高峰期可以有一千个任务在跑，每天有将近40万的任务提交到Hadoop集群里，基本24小时内时时刻刻都有人在运行。因为现在的电商，包括现在的大数据已经不是以前那种玩法，不是你晚上跑个批处理，事情就做完了。现在大家的要求是，你能不能5分钟内跑出来，所以我的批处理在上面可能是5分钟一个力度去提交的，所以这个集群对我们来说已经不是夜间作业的集群，而是24小时专机，永远不能宕机的一个服务。部分解决问题 patch for fairscheduler这里也列了两个问题，就不展开讲了，关键是第二个，我们提交给社区的补丁。这些问题社区还没有解决，我们这个补丁也还没有打到任何社区的版本里去，但是如果当你的集群规模非常大，运行HDFS时肯定会遇到和我们同样的问题——分配能力有瓶颈。目前我们通过这个补丁，分配能力提升到了近10-15倍。这其实很夸张，我们一直考虑的是，现在已经有几百台节点了，那能不能变到几千台？如果分配这个问题不解决，你的瓶颈永远卡在那，即使再加机器，管理也会因为瓶颈上不去，无法提升到几千台这样的规模。前面讲到了很多问题，怎么解决呢？开源节流。分两块，一块要提升各方面主机的性能，图中列出来的，包括了NameNode RPC性能、yarn的container assign性能，以及加机器。另外一块，就是要做各种优化管理。大家想，原先你就有几百个用户在用，当开放出去后，随着大数据应用的发展，不断有人去用，久而久之就会变成上万个用户在用。这时，你的存储是否被有效地利用呢？是否都是有价值的数据放在上面呢？你的计算是否都是有效的计算呢？还有人在用这样的一个任务吗？管理数据化成果给大家看一下我们在这一块的成果。理念很简单，就是做一个闭环。把整个数据仓库和Hadoop做成一个闭环，大家可以看到内圈，其实就是正常开发的一个数据仓库，你会建立任务、执行、下线，这是一个循环。而外循环是从整个任务建立时就开始对它进行管理，当你任务申请好之后，你会分配到一个队列，查看你的每一个日志。存储和计算会告诉你用了多少，同时还可以做一些智能的分析。在你的任务执行完之后，可以在系统里面看到任务的整个生命周期运行情况。基本上我们就是把整个大数据分到项目，分到人，分到数据库，分到几个任务，所有的指标都可以可视化地让你看到，也就是说，即使你只是简单地在系统里提交了一个SQL，可实际上你得到的是一个可视化、数据化的成果。你可以知道，今天我提交了多少个SQL，占用了多少资源，剩下多少文件，所有这些东西在系统里都可以看到。这样数据分析师也能主动跟你讲，今天慢了可能是因为提交的任务太多，今天提交的任务比上周多了一倍。你也能主动地在系统里找，为什么多了一倍？什么样的任务最占用资源？整个架构闭环大大降低基本架构技术人员的工作量。而当我们所有的数据都开放给数据分析师时，他们又能通过这些数据去做一些自己的分析，这也是一个闭环的形成。对很多公司来说，通过构建闭环，这一块的工作效率将会得到很大的提升。接下来重点讲两块资源的管理。一块是存储的资源，一块是计算的资源。存储资源管理一般情况下，大家在Hadoop中都是用Hive这个数据库，它对应的是后端的一些一二三级目录等数据库和表的目录。我们要怎样获取这些数据呢？从我们的角度来说，我们也是数据分析人员，我们要做的东西和其他的分析师其实是一样的，只不过我们分析的对象是系统的性能数据。我们会想要获取各种各样的性能数据，同时，我们需要去计算这些性能数据，做多维度的各种计算，然后把它推出去给用户看。存储资源基本上就是通过这几大块来收集，左边是获取到的各种存储的信息，文件、表、数据仓库、ETL、Hadoop的日志……第二步是把它转化为Hive里计算的文件元数据信息、表元数据信息、调度任务元数据信息、路径访问信息，最后得到的产出通过各种维度的计算，可以得到：维度：包括分区、表、数据库、任务、业务、人、目录层级、时间等所有维度；指标：全量、增量、趋势、平均文件大小、最大文件大小、最小文件大小、文件数目、占比等；热度：哪些表被频繁访问？哪些表3个月没人访问，是否可以下线了？安全：有没有敏感信息被非法访问。通过这一系列的存储资源管理，可以把所有的关键信息收集起来。下面，讲一下这些数据的使用，这也是我们公司目前正在践行的：容量计费通过计费来控制资源，使存储数据完整透明。消费预警，会提前知会用户。空间管理自动配置生命周期管理规则；存储格式，压缩格式选择（orc+gzip）；文件管理自动配置生命周期管理规则；小文件har归档。控制存储的价值：一方面可以解决NN“单点”瓶颈，控制服务器的数量，降低成本。如果没有加以控制，很快你的规模就会变成几百、几千，逐渐失控。另一方面，规范数据生命周期管理，统计冷热数据的使用，区别哪些数据是能删的、哪些是能归档的、哪些是被频繁使用的，都可以通过这个手段反馈给ETL生命周期管理。计算资源管理这是yarn的一个架构图。大家都知道yarn是Hadoop的一个统一的调度管理。但yarn好像把所有资源管理的事情都搞定了，我们还需要管理什么呢？实际上，还有很多没有解决的问题。

  产品名称：唯品会   版本号：   slogan：全球精选  正品特卖   体验时间：   体验环境： 设备型号：魅族5s 操作系统：安卓 国内零售电商的发展趋势 据中华人民共和国国家统计局公布数据，2017年全国社会消费品零售总额约为万亿元，其中全国网上零售额约为万亿元，占比约为。普华永道发布的《2017中国零售电商白皮书》数据预测，2018年中国零售电商市场交易规模将达到万亿元。8年复合增长率将达到138%。其中，值得关注的趋势有： 模式将逐渐取代C2C模式，成为中国零售电商交易规模中占比最大的模式。 2.移动端规模将逐渐超越PC端交易规模。 3.中国零售电商各大交易平台的市场份额占比已趋于稳定。其中阿里巴巴集团和京东集团位列前二。 4.消费升级的背景下，垂直细分领域电商影响力正在凸显。2017通过垂直服务平台购物的用户比例涨幅最高，达到。 国内零售电商的活跃用户分布 据极光大数据显示，2017年，网络购物app渗透率为％，用户规模达％。淘宝以的渗透率占比领跑中国零售电商市场，而京东以紧随其后。拼多多渗透率占％，唯品会占据。 手机淘宝、京东、唯品会2017年12月MAU破亿。 但中国零售电商的流量红利不再野蛮增长，用户获取成本上升。 越来越多网民正在将垂直电商平台、垂直社区等垂直服务平台纳入自己的购物渠道。 产品定位：唯品会是一家专注于品牌特卖的电商平台，唯品会旗下有服饰、美妆、母婴、配饰、数码家电等多个种类。合作知名品牌超过13,000家。slogan为全球精选  正品特卖。同时形成了完整的购物、物流、金融生态。 产品核心功能：品牌特卖。 产品画像：以品牌特卖为主的综合电商平台。 盈利模式：电商、金融服务。   产品结构图 用户分析 根据数据显示，唯品会的用户年龄段人群占比最大的是26-35岁，超过40%。主要年龄分布在19-55岁之间。同时，用户的女性达总数的。这与产品的性质相关，女性更喜欢衣物、配饰等商品。对于打折正品更是没有抵抗，愿意花费大量精力浏览商品。 唯品会用户主要分布在沿海和交通便利的地区。因为这些地区经济较为发达，物流方便。而且更加注重品牌和质量。因此，使用唯品会的较多。 使用场景 场景1. 上班好累啊，偷偷玩一下电脑吧。哇，十点了，唯品会上新了，我就看一眼有什么好东西。哇，这件好看，这件也好好看。折扣也好低啊，比商场便宜多了。嗯嗯嗯，让我想想，买不买呢？天啦！我的码子只有2件了，就要卖完了。赶紧买！赶紧买！趁老板还没发现我玩电脑赶紧买好！ 场景2 我超级喜欢一个牌子，可是商场卖的太贵了!去唯品会看看吧，嗯，唯品会的折扣好低，特别划算！虽然这不是新款，但是衣服吗，品质和舒适度是最重要的,流行款去淘宝买便宜货就行。这个牌子质量好，经典款又便宜又划算，唯品会上还保证正品，就在这里买吧！ 功能 由用户场景可知，唯品会的核心功能是正品特卖。因为特卖商品数量有限，因此一定要考虑商品无货的情况。唯品会的功能图如下： 今日推荐 今日推荐是唯品会的核心产品功能，每天早上10:00，晚上上新，满足用户每日发现好商品、寻找自己喜爱的商品的需求。在今日推荐模块，产品主要推动是华丽的图片，推动高饱和高亮度的配色，漂亮的模特，来展示商品，吸引用户进行消费。此模块没有搜索栏目，这就吸引了那批非理性购物的用户，一页页的翻看到众多极低折扣的商品，加满购物车。 今日推荐的商品会根据地区不同而有所不同。部分商品只会推荐给同城用户以此加快物流。同时，也会根据搜索记录、购买记录进行个性化推荐。 唯品会的购物车商品只保留20分钟，因为特卖商品数量有限，此举是促进用户赶紧购买结账。同时过时删除避免了因为商品售罄而变灰的尴尬情况。 419促销 唯品会419是唯品会上半年最大的大促活动。今年唯品会特卖狂欢节将于4月18日晚8点开始。在此活动期间，很多品牌参与折扣促销活动。419促销也预先定金，在前几天支付定金，活动当天定金即可翻翻设置更高倍数使用。 但是相比于淘宝双十一，京东618的火爆，唯品会419要低调的多。营销方面动作也不大。知名度不高，甚至没有专门的百度词条。 这一方面是因为唯品会用户占有率并没有前两者高，另一方面是唯品会本身就是一个做特卖的网站，再加上用户已经明白了“做活动的东西不一定比平时便宜“这一道理。还有就是419这个数字含义不是很健康。所以唯品会这一促销活动并没有很火爆。 搜索 网页版首页没有搜索项，如果点击分类，新窗口就有搜索项。唯品会APP的搜索功能就在首页。而且筛选维度比淘宝要细分很多（比如，我搜一款裙子，可以根据裙长、版型、腰型、弹性、风格等等维度来筛选）。 这是因为在网页版上，通过用各种特卖专题页的精美大图形，超低的折扣吸引用户。这样可以让用户多留多看，提高用户停留时长、转化率。 针对目的性明确的用户（比如对特定的商品或者品牌有要求的用户），就需要用到搜索功能。手机端的搜索设计符合用户的使用习惯（因为用户还是淘宝用得多，突然用一个隐藏搜索栏的APP，肯定不习惯。）而细分的搜索维度，更加利于用户找到心仪商品。 评分统计 唯品会整体来说，评分统计算高。在浏览部分评论后，发现差评大部分是怀疑商品是不是正品。还有一些对物流、售后的不满。好评留言大部分认为唯品会商品物美价廉，值得推荐。 版本更新 唯品会的版本更新比较频繁，但大多版本更新是活动运营、商品种类上的更新。基本的功能没有太大变化。 唯品会客服消息目前可以保存，这个应该要改进。 唯品会虽然以自营特卖商品为主，一些常规问题可以通过机器人客服或者品牌信息解决。人工客服大多也是解决常见购物/售后问题，并不涉及商品的具体信息。但唯品会也有商家入驻，而且数量还不少。所以需要唯品会也提供了和商家人工客服对话的功能（但是时间有限制，是早上开始，而非像淘宝只要客服在线，既可联系。） 购物的大多数场景是边等客服回复边浏览商品或者进行其它操作。但在唯品会上，如果在等待客服回复的同时（毕竟人家可能很忙，要解答不同的用户问题），退出了消息框，那么聊天消息就不会保存。可能之前已经解答过但是又没细看的问题又要重新问（女性朋友们买衣服之类的问题会很多吧）。这样又加重了客服工作量，用户体验也不好（因为唯品会的人工客服功能操作上也有点麻烦）。 我觉得唯品会现在应该加强和品牌的合作，这样是双赢的选择。而只做特卖并不利于平台的发展。所以首先就要加强用户对品牌、对平台的粘性。因此流畅的沟通功能应该并不鸡肋。所以对唯品会客服消息应该要可以保存。 SWOT法分析 S:优势 1、多年的电商积累，较大的用户基数，知名度较高，使得唯品会在零售电商中占据极大优势。 2、”正品“与”特卖“的概念已经深入人心。是追求品质与性价比用户的首选。 3、与多家品牌方有合作。商品种类多。 4、有完善的物流、金融体系。 W:劣势 1、商品种类并没有淘宝多，而且每一种量太少。而且部分商品价格并不比天猫上的要便宜。 2、用户与客服的沟通不太方便。有一些具体的商品信息可能客服也无法解答。 3、在化妆品方面，有不少用户反馈不是正品。在这个方面要加强把控。 O:机会 1、腾讯和京东对唯品会进行了投资，同时，微信和京东上都增加了唯品会的入口。 2、随着生活质量的提高，越来越多人注重品牌。 T:威胁 1、阿里的竞争。 2、拼多多这类依靠社交崛起的电商的威胁，而社交正是唯品会的短板。（因为商品数量少，无法通过社交关系吸引更多用户购买） 总结 作为一个定位精准的电商产品，唯品会的盈利能力一直较强。虽然面对着阿里系的侵蚀，拼多多等新晋网红的竞争。唯品会任然连续21个季度保持盈利，刷新了电商行业的连续盈利纪录。 唯品会专注于正品、特卖。在服饰、美妆方面精耕细作，赢得了大量用户。在获得腾讯、京东投资后，唯品会定有新动作。让我们拭目以待！ （自我总结：第三份写的比较认真的产品体验报告。有经验了比以前稍微快了一点。但是任然存在的问题是找不到数据，不会用百度指数进行埋点。所以很多数据是三手、四手的。 平时找的资料没有及时记录，要用了就找不到。 还有就是很难改进的问题，我的产品体验报告是为了写而写，并没有找一个角度去深入切入，仅仅只是泛泛而谈，没啥价值。）