上篇 | 大數據公司挖掘數據價值的49個典型案例（值得收藏）
來自專欄 FMI飛馬網
4 人贊了文章
導讀：本文是近年來不同行業、不同領域的大數據公司的一些經典案例總結。儘管有些已經是幾年前的案例，但其中的深層邏輯對於未來仍有啟發。
本文力圖從企業運營和管理的角度，梳理出發掘大數據價值的一般規律：一是以數據驅動的決策，主要通過提高預測概率，來提高決策成功率；二是以數據驅動的流程，主要是形成營銷閉環戰略，提高銷售漏斗的轉化率；三是以數據驅動的產品，在產品設計階段，強調個性化；在產品運營階段，則強調迭代式創新。
01 上篇：天然大數據公司的各種套餐
從谷歌、亞馬遜、Facebook、LinkedIn，到阿里、百度、騰訊，都因其擁有大量的用戶註冊和運營信息，成為天然的大數據公司。而像IBM、Oracle、EMC、惠普這類大型技術公司紛紛投身大數據，通過整合大數據的信息和應用，給其他公司提供「硬體軟體 數據」的整體解決方案。我們關注的重點是大數據的價值，第一類公司首當其衝。
下面就是這些天然大數據公司的挖掘價值的典型案例。
1. 亞馬遜的「信息公司」
如果全球哪家公司從大數據發掘出了最大價值，截至目前，答案可能非亞馬遜莫屬。亞馬遜也要處理海量數據，這些交易數據的直接價值更大。
作為一家「信息公司」，亞馬遜不僅從每個用戶的購買行為中獲得信息，還將每個用戶在其網站上的所有行為都記錄下來：頁面停留時間、用戶是否查看評論、每個搜索的關鍵詞、瀏覽的商品等等。這種對數據價值的高度敏感和重視，以及強大的挖掘能力，使得亞馬遜早已遠遠超出了它的傳統運營方式。
亞馬遜CTO Werner Vogels在CeBIT上關於大數據的演講，向與會者描述了亞馬遜在大數據時代的商業藍圖。長期以來，亞馬遜一直通過大數據分析，嘗試定位客戶和和獲取客戶反饋。
「在此過程中，你會發現數據越大，結果越好。為什麼有的企業在商業上不斷犯錯?那是因為他們沒有足夠的數據對運營和決策提供支持，」Vogels說，「一旦進入大數據的世界，企業的手中將握有無限可能。」從支撐新興技術企業的基礎設施到消費內容的移動設備，亞馬遜的觸角已觸及到更為廣闊的領域。
亞馬遜推薦：亞馬遜的各個業務環節都離不開「數據驅動」的身影。在亞馬遜上買過東西的朋友可能對它的推薦功能都很熟悉，「買過X商品的人，也同時買過Y商品」的推薦功能看上去很簡單，卻非常有效，同時這些精準推薦結果的得出過程也非常複雜。
亞馬遜預測：用戶需求預測是通過歷史數據來預測用戶未來的需求。對於書、手機、家電這些東西——亞馬遜內部叫硬需求的產品，你可以認為是「標品」——預測是比較準的，甚至可以預測到相關產品屬性的需求。但是對於服裝這樣軟需求產品，亞馬遜幹了十多年都沒有辦法預測得很好，因為這類東西受到的干擾因素太多了，比如：用戶的對顏色款式的喜好，穿上去合不合身，愛人朋友喜不喜歡…… 這類東西太易變，買得人多反而會賣不好，所以需要更為複雜的預測模型。
亞馬遜測試：你會認為亞馬遜網站上的某段頁面文字只是碰巧出現的嗎?其實，亞馬遜會在網站上持續不斷地測試新的設計方案，從而找出轉化率最高的方案。整個網站的布局、字體大小、顏色、按鈕以及其他所有的設計，其實都是在多次審慎測試後的最優結果。
亞馬遜記錄：亞馬遜的移動應用讓用戶有一個流暢的無處不在的體驗的同時，也通過收集手機上的數據深入地了解了每個用戶的喜好信息;更值得一提的是Kindle Fire，內嵌的Silk瀏覽器可以將用戶的行為數據一一記錄下來。
以數據為導向的方法並不僅限於以上領域，亞馬遜的企業文化就是冷冰冰的數據導向型文化。對於亞馬遜來說，大數據意味著大銷售量。數據顯示出什麼是有效的、什麼是無效的，新的商業投資項目必須要有數據的支撐。對數據的長期專註讓亞馬遜能夠以更低的售價提供更好的服務。
2. 谷歌的意圖
如果說有一家科技公司準確定義了「大數據」概念的話，那一定是谷歌。根據搜索研究公司comScore的數據，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。
谷歌搜索引擎本身的設計，就旨在讓它能夠無縫鏈接成千上萬的伺服器。如果出現更多的處理或存儲需要，抑或某台伺服器崩潰，谷歌的工程師們只要再添加更多的伺服器就能輕鬆搞定。將所有這些數據集合在一起所帶來的結果是：企業不僅從最好的技術中獲益，同樣還可以從最好的信息中獲益。下面選擇谷歌公司的其中三個亮點。
谷歌意圖：谷歌不僅存儲了搜索結果中出現的網路連接，還會儲存用戶搜索關鍵詞的行為，它能夠精準地記錄下人們進行搜索行為的時間、內容和方式，坐擁人們在谷歌網站進行搜索及經過其網路時所產生的大量機器數據。這些數據能夠讓谷歌優化廣告排序，並將搜索流量轉化為盈利模式。谷歌不僅能追蹤人們的搜索行為，而且還能夠預測出搜索者下一步將要做什麼。用戶所輸入的每一個搜索請求，都會讓谷歌知道他在尋找什麼，所有人類行為都會在互聯網上留下痕迹路徑，谷歌佔領了一個絕佳的點位來捕捉和分析該路徑。換言之，谷歌能在你意識到自己要找什麼之前預測出你的意圖。這種抓取、存儲並對海量人機數據進行分析，然後據此進行預測的能力，就是數據驅動的產品。
谷歌分析：谷歌在搜索之外還有更多獲取數據的途徑。企業安裝「谷歌分析」之類的產品來追蹤訪問者在其站點的足跡，而谷歌也可獲得這些數據。網站還使用「谷歌廣告聯盟」，將來自谷歌廣告客戶網的廣告展示在其站點，因此，谷歌不僅可以洞察自己網站上廣告的展示效果，同樣還可以對其他廣告發布站點的展示效果一覽無餘。
谷歌趨勢：既然搜索本身是網民的「意圖資料庫」，當然可以根據某一專題搜索量的漲跌，預測下一步的走勢。谷歌趨勢可以預測旅遊、地產、汽車的銷售。此類預測最著名的就是谷歌流感趨勢，跟蹤全球範圍的流感等病疫傳播，依據網民搜索，分析全球範圍內流感等病疫的傳播狀況。
3. eBay的分析平台
早在2006年，eBay就成立了大數據分析平台。為了準確分析用戶的購物行為，eBay定義了超過500種類型的數據，對顧客的行為進行跟蹤分析。eBay分析平台高級總監Oliver Ratzesberger說：「在這個平台上，可以將結構化數據和非結構化數據結合在一起，通過分析促進eBay的業務創新和利潤增長。」
eBay行為分析：在早期，eBay網頁上的每一個功能的更改，通常由對該功能非常了解的產品經理決定，判斷的依據主要是產品經理的個人經驗。而通過對用戶行為數據的分析，網頁上任何功能的修改都交由用戶去決定。「每當有一個不錯的創意或者點子，我們都會在網站上選定一定範圍的用戶進行測試。通過對這些用戶的行為分析，來看這個創意是否帶來了預期的效果。」
eBay廣告分析：更顯著的變化反映在廣告費上。eBay對互聯網廣告的投入一直很大，通過購買一些網頁搜索的關鍵字，將潛在客戶引入eBay網站。
4. 塔吉特的「數據關聯挖掘」
利用先進的統計方法，商家可以通過用戶的購買歷史記錄分析來建立模型，預測未來的購買行為，進而設計促銷活動和個性服務避免用戶流失到其他競爭對手那邊。
美國第三大零售商塔吉特，通過分析所有女性客戶購買記錄，可以「猜出」哪些是孕婦。其發現女性客戶會在懷孕四個月左右，大量購買無香味乳液。由此挖掘出25項與懷孕高度相關的商品，製作「懷孕預測」指數。推算出預產期後，就能搶先一步，將孕婦裝、嬰兒床等折扣券寄給客戶。
塔吉特還創建了一套購買女性行為在懷孕期間產生變化的模型，不僅如此，如果用戶從它們的店鋪中購買了嬰兒用品，它們在接下來的幾年中會根據嬰兒的生長周期定期給這些顧客推送相關產品，使這些客戶形成長期的忠誠度。
5. 中國移動的數據化運營
通過大數據分析，中國移動能夠對企業運營的全業務進行針對性的監控、預警、跟蹤。大數據系統可以在第一時間自動捕捉市場變化，再以最快捷的方式推送給指定負責人，使他在最短時間內獲知市場行情。
客戶流失預警：一個客戶使用最新款的諾基亞手機，每月準時繳費、平均一年致電客服3次，使用WEP和彩信業務。如果按照傳統的數據分析，可能這是一位客戶滿意度非常高、流失概率非常低的客戶。事實上，當搜集了包括微博、社交網路等新型來源的客戶數據之後，這位客戶的真實情況可能是這樣的：客戶在國外購買的這款手機，手機中的部分功能在國內無法使用，在某個固定地點手機經常斷線，彩信無法使用——他的使用體驗極差，正在面臨流失風險。這就是中國移動一個大數據分析的應用場景。通過全面獲取業務信息，可能顛覆常規分析思路下做出的結論，打破傳統數據源的邊界，注重社交媒體等新型數據來源，通過各種渠道獲取儘可能多的客戶反饋信息，並從這些數據中挖掘更多的價值。
數據增值應用：對運營商來說，數據分析在政府服務市場上前景巨大。運營商也可以在交通、應對突發災害、維穩等工作中使大數據技術發揮更大的作用。運營商處在一個數據交換中心的地位，在掌握用戶行為方面具有先天的優勢。作為信息技術的又一次變革，大數據的出現正在給技術進步和社會發展帶來全新的方向，而誰掌握了這一方向，誰就可能成功。對於運營商來說，在數據處理分析上，需要轉型的不僅是技巧和法律問題，更需要轉變思維方式，以商業化角度思考大數據營銷。
6. Twitter中的興趣和情緒
Twitter興趣聚類：通過過濾用戶歸屬地、發推位置和相關關鍵詞，Twitter建立了一系列定製化的客戶數據流。比如，通過過濾電影片名、位置和情緒標籤，你可以知道洛杉磯、紐約和倫敦等城市最受歡迎的電影是哪些。而根據用戶發布的個人行為描述，你甚至能搜索到那些在加拿大滑雪的日本遊客。從這個視角看，Twitter的興趣圖譜的效率優於Facebook的社交圖譜。Twitter的用戶數據所能產生的潛在價值同樣令人驚嘆。在社交媒體網站正在收集越來越多的數據的形勢下，它們或許能找到更好的方式來利用這些數據盈利，並使其取代廣告成為自身提高收入的主要方式。這些社交網站真正的價值可能在於數據本身。相信在不久的將來，如果尋找到既能充分利用用戶數據，又可合理規避對用戶隱私的威脅，社交數據所蘊藏的巨大能量將會徹底被開啟。
Twitter情緒分析：Twitter自己並不經營每一款數據產品，但它把數據授權給了像DataSift這樣的數據服務公司，很多公司利用Twitter社交數據，做出了各種讓人吃驚的應用，從社交監測到醫療應用，甚至可以去追蹤流感疫情爆發，社交媒體監測平台DataSift還創造了一款金融數據產品。華爾街「德溫特資本市場」公司首席執行官保羅·霍廷每天的工作之一，就是利用電腦程序分析全球3.4億微博賬戶的留言，進而判斷民眾情緒，再以「1」到「50」進行打分。根據打分結果，霍廷再決定如何處理手中數以百萬美元計的股票。霍廷的判斷原則很簡單：如果所有人似乎都高興，那就買入;如果大家的焦慮情緒上升，那就拋售。一些媒體公司會把觀眾收視率數據打包到產品里，再轉賣給頻道製作人和內容創造者。
精確的數據一旦與社交媒體數據相結合，對未來的預測會非常准。
7. 特易購的精準定向
聰明的商家通過用戶的購買歷史記錄分析來建立模型，為他們量身預測未來的購物清單，進而設計促銷活動和個性服務，讓他們源源不斷地為之買單。
特易購是全球利潤第二大的零售商，這家英國超級市場巨人從用戶行為分析中獲得了巨大的利益。從其會員卡的用戶購買記錄中，特易購可以了解一個用戶是什麼「類別」的客人，如速食者、單身、有上學孩子的家庭等等。
這樣的分類可以為提供很大的市場回報，比如，通過郵件或信件寄給用戶的促銷可以變得十分個性化，店內的促銷也可以根據周圍人群的喜好、消費的時段來更加有針對性，從而提高貨品的流通。這樣的做法為特易購獲得了豐厚的回報，僅在市場宣傳一項，就能幫助特易購每年節省3.5億英鎊的費用。
Tesco的優惠券：特易購每季會為顧客量身定做6張優惠券。其中4張是客戶經常購買的貨品，而另外2張則是根據該客戶以往的消費行為數據分析，極有可能在未來會購買的產品。僅在1999年，特易購就送出了14.5萬份面向不同的細分客戶群的購物指南雜誌和優惠券組合。更妙的是，這樣的低價無損公司整體的盈利水平。通過追蹤這些短期優惠券的回籠率，了解到客戶在所有門店的消費情況，特易購還可以精確地計算出投資回報。發放優惠券吸引顧客其實已經是很老套的做法了，而且許多的促銷活動實際只是來掠奪公司未來的銷售額。然而，依賴於紮實的數據分析來定向發放優惠券的特易購，卻可以維持每年超過1億英鎊的銷售額增長。
特易購同樣有會員資料庫，通過已有的數據，就能找到那些對價格敏感的客戶，然後在公司可以接受的最低成本水平上，為這類顧客傾向購買的商品確定一個最低價。這樣的好處一是吸引了這部分顧客，二是不必在其他商品上浪費錢降價促銷。
特易購的精準運營：這家連鎖超市在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析，進行更全面的監控並進行主動的維修以降低整體能耗。
8. Facebook的好友推薦
Facebook是社交網路巨擎，但是在挖掘大數據價值方面，好像辦法不多，值得一提的就是好友推薦。
Facebook使用大數據來追蹤用戶在其網路的行為，通過識別你在它的網路中的好友，從而給出新的好友推薦建議，用戶擁有越多的好友，他們與Facebook之間的黏度就越高。更多的好友意味著用戶會分享更多照片、發布更多狀態更新、玩更多的遊戲。
9. LinkedIn的獵頭價值
LinkedIn網站使用大數據在求職者和招聘職位之間建立關聯。有了LinkedIn，獵頭們再也不用向潛在的受聘者打陌生電話來碰運氣，而可以通過簡單的搜索找出潛在受聘者並聯繫他們。
與此相似，求職者也可以通過聯繫網站上其他人，自然而然地將自己推銷給潛在的僱主。有兩個例子能夠生動呈現LinkedIn的數據價值：幾年前，LinkedIn忽然發現近期雷曼兄弟的來訪者多了起來，當時並沒引起重視，過了不久，雷曼兄弟宣布倒閉；而在谷歌宣布退出中國的前一個月，在LinkedIn發現了一些平時很少見的谷歌產品經理在線，這也是相同的道理。
10. 沃爾瑪的數據基因
早在1969年沃爾瑪就開始使用計算機來跟蹤存貨，1974年就將其分銷中心與各家商場運用計算機進行庫存控制。1983年，沃爾瑪所有門店都開始採用條形碼掃描系統。
1987年，沃爾瑪完成了公司內部的衛星系統的安裝，該系統使得總部，分銷中心和各個商場之間可以實現實時，雙向的數據和聲音傳輸。採用這些在當時還是小眾和超前的信息技術來搜集運營數據為沃爾瑪最近20年的崛起打下了堅實的地基，從而發現了「啤酒與尿布」關聯。
如今，沃爾瑪擁有著全世界最大的數據倉庫，在數據倉庫中存儲著沃爾瑪數千家連鎖店在65周內每一筆銷售的詳細記錄，這使得業務人員可以通過分析購買行為更加了解他們的客戶。
通過這些數據，業務員可以分析顧客的購買行為，從而供應最佳的銷售服務。沃爾瑪一直致力於改善自身的數據收集技術，從條形碼掃描，到安裝衛星系統實現雙向數據傳輸，整個公司都充滿了數據基因。
2012年4月，沃爾瑪又收購了一家研究網路社交基因的公司Kosmix，在數據基因的基礎上，又增加了社交基因。
11. 阿里小貸和聚石塔
雖然阿里系的餘額寶如日中天，但其實阿里小貸才真正體現出了大數據的價值。早在2010年阿里就已經建立了「淘寶小貸」，通過對貸款客戶下游訂單、上游供應商、經營信用等全方位的評估，就可以在沒有見面情況下，給客戶放款，這當然是對阿里平台上大數據的挖掘。
數據來源於「聚石塔」——一個大型的數據分享平台，它通過共享阿里巴巴旗下各個子公司的數據資源來創造商業價值。這款產品就是大數據團隊把淘寶交易流程各個環節的數據整合互聯，然後基於商業理解對信息進行分類儲存和分析加工，並與決策行為連接起來所產生的效果。
12. 西爾斯的數據大集成
在過去，美國零售巨頭西爾斯控股公司，需要八周時間才能制定出個性化的銷售方案，但往往做出來的時候，它已不再是最佳方案。
痛定思痛，決定整合其專售的三個品牌——Sears、Craftsman、LandsEnd的客戶、產品以及銷售數據，使用群集收集來自不同品牌的數據，並在群集上直接分析數據，而不是像以前那樣先存入數據倉庫，避免了浪費時間——先把來自各處的數據合併之後再做分析。
這種調整讓公司的推銷方案更快、更精準，可以從海量信息中挖掘價值，但是價值巨大，困難也巨大：這些數據需要超大規模分析，且分散在不同品牌的資料庫與數據倉庫中，不僅數量龐大而且支離破碎。
西爾斯的困境，在傳統企業中非常普遍，這些企業家一直想不通，既然互聯網零售商亞馬遜可以推薦閱讀書目、推薦電影、推薦可供購買的產品，為什麼他們所在的企業卻做不到類似的事情。
西爾斯公司首席技術官菲里·謝利(Phil Shelley)說：如果要制定一系列複雜推薦方案質量更高，需要更及時、更細緻、更個性化的數據，傳統企業的IT架構根本不能完成這些任務，需要痛下決心，才能完成轉型。
02 中篇：輕公司數據創業狂歡
在「數據盛宴」中，是否只有大公司的狂歡?並非如此，從事大數據產業的輕公司將無處不在。新興的創業公司通過出售數據和服務更有針對性地提供單個解決方案，把大數據商業化、商品化，才是更加值得我們關注的模式。這將帶來繼門戶網站、搜索引擎、社交媒體之後的新一波創業浪潮和產業革命，並會對傳統的諮詢公司產生強烈衝擊。
13. PredPol的犯罪預測
PredPol公司通過與洛杉磯和聖克魯斯的警方以及一群研究人員合作，基於地震預測演算法的變體和犯罪數據來預測犯罪發生的幾率，可以精確到500平方英尺的範圍內。在洛杉磯運用該演算法的地區，盜竊罪和暴力犯罪分布下降了33%和21%。
14. Tipp24 AG的賭徒行為預測
Tipp24 AG針對歐洲博彩業構建的下注和預測平台。該公司用KXEN軟體來分析數十億計的交易以及客戶的特性，然後通過預測模型對特定用戶進行動態的營銷活動。這項舉措減少了90%的預測模型構建時間。SAP公司正在試圖收購KXEN，「SAP想通過這次收購來扭轉其長久以來在預測分析方面的劣勢」。
15. Inrix的堵車預言
交通的參與者多種多樣，是大數據最能發揮價值的領域。交通流量數據公司Inrix依靠分析歷史和實時路況數據，能給出及時的路況報告，以幫助司機避開正在堵車的路段，並且幫他們提前規劃好行程。汽車製造商、移動應用開發者、運輸企業以及各類互聯網企業都需要Inrix的路況報告。奧迪、福特、日產、微軟等巨頭都是Inrix的客戶。
16. 潘吉瓦的時尚預測
消費者追尋意見領袖的生活方式。潘吉瓦公司就是用數據分析來預測流行趨勢，以此為基礎甚至撬動全球貿易。比如，它們通過41次追蹤《暮光之城》的徽章、襪子的運輸情況，分析在這部電影中主角的服飾對流行趨勢有多大影響率，並將分析結果告知用戶，建議他們對自己的行動做出恰當的調整。
17. 潘多拉的音樂推薦
美國在線音樂網站潘多拉特別聘請一些音樂專家，讓他們每個人平均花上20分鐘去分析一首歌曲，並賦予每首歌400種不同的屬性。如果你表示喜歡一首歌，程序會自動尋找跟這首歌「基因」相同的歌曲，猜測你也會喜歡並採用推薦引擎技術推薦給你。藉助這種人海戰術，潘多拉網站已經分析了74萬首歌曲。
18. Futrix Health的醫療方案
Futrix Health是一家專註於用通過數據為患者制定醫療解決方案的公司，從安裝在智能手機上的個人健康應用，到診所、醫院裡醫生使用的電子健康記錄儀，甚至是革命性的數字化基因組數據，均連接到後端數據倉庫上。從而為患者制定最佳的醫院選擇、醫藥選擇。
該如何將採集到醫療保健機構的大量操作信息，分析患者情況或治療效果，實施任何高效率的措施，使之更具有意義——大數據時代提供的機會，不再是簡單地收集這些數據，而是如何運用數據來更好地認知這個世界。
19. Retention Science的用戶粘性
在零售領域，創業公司Retention Science發布了一個為電子商務企業提供增強用戶粘性的數據分析及市場策略設計的平台，它的用戶建模引擎具備自學習功能，通過使用演算法和統計模型來設計優化用戶粘性的策略。
平台的用戶數據分析都是實時進行，以確保用戶行為預測總是符合實際用戶行為更新；同時，動態的根據這些行為預測來設計一些促銷策略。RS目前已獲得Baroda Ventures, Mohr Davidow Ventures, Double M Partners及一些著名天使投資人130萬美金的投資。
20. 眾瀛的婚嫁後推薦
江蘇眾瀛聯合數據科技有限公司構建了這樣一個大數據平台——將準備結婚的新人作為目標消費者，並把與結婚購物相關的商家加入其中。
一對新人到薇薇新娘婚紗影樓拍了婚紗照，在實名登記了自己的信息後會被上傳到大數據平台上。大數據平台能根據新人在婚紗影樓的消費情況和偏好風格，大致分析判斷出新人後續消費需求，即時發送獎勵和促銷簡訊。
比如邀請他們到紅星美凱龍購買傢具、到紅豆家紡選購床上用品、到國美電器選購家用電器、到希爾頓酒店擺酒席……如果新人在紅星美凱龍購買了中式傢具，說明他們偏好中國傳統文化，就推薦他們購買紅豆家紡的中式家居用品。
21. Takadu的數字馴水
水，向來是個不好管理的東西：自來水公司發現某個水壓計出現問題，可能需要花上很長的時間排查共用一個水壓計的若干水管。等找到的時侯，大量的水已經被浪費了。以色列一家名為Takadu的水系統預警服務公司解決了這個問題。
Takadu把埋在地下的自來水管道水壓計、用水量和天氣等檢測數據搜集起來，通過亞馬遜的雲服務傳回Takadu公司的電腦進行演算法分析，如果發現城市某處地下自來水管道出現爆水管、滲水以及水壓不足等異常狀況，就會用大約10分鐘完成分析生成一份報告，發回給這片自來水管道的維修部門。
報告中，除了提供異常狀況類型以及水管的損壞狀況——每秒漏出多少立方米的水，還能相對精確地標出問題水管具體在哪裡。檢測每千米「水路」，Takadu的月收費是1萬美元。
22. 百合網的婚戀匹配
電商行業的現金收入源自數據，而婚戀網站的商業模型更是根植於對數據的研究。比如，作為一家婚戀網站，百合網不僅需要經常做一些研究報告，分析註冊用戶的年齡、地域、學歷、經濟收入等數據，即便是每名註冊用戶小小的頭像照片，這背後也大有挖掘的價值。
百合網研究規劃部李琦曾經對百合網上海量註冊用戶的頭像信息進行分析，發現那些受歡迎頭像照片不僅與照片主人的長相有關，同時照片上人物的表情、臉部比例、清晰度等因素也在很大程度上決定了照片主人受歡迎的程度。
例如，對於女性會員，微笑的表情、直視前方的眼神和淡淡的妝容能增加自己受歡迎的概率，而那些臉部比例占照片1/2、穿著正式、眼神直視沒有多餘pose的男性則更可能成為婚戀網站上的寵兒。
23. Prismatic的新聞外衣
Prismatic是一款個性化新聞應用，只有4名創始員工，憑藉互聯網數據爬蟲和社交網路開發平台的數據，依託亞馬遜的雲計算平台，實現了大數據的精益創業。
Prismatic不提供統一的設計精良的新聞訂閱或推薦界面，而是根據分析用戶的Facebook 或Twitter資料，為用戶做一對一的數據分析和推薦。
從盈利模式來看，Prismatic不是依靠廣告費生存下來，也不是傳統的新聞媒介，而是一個披著新聞應用外衣的電子商務公司。名義上為了給用戶個性化推薦新聞而得到用戶的個人信息進行數據分析，針對性的推出推薦商品，從而從電子商務中盈利。
24. Opower的對比激勵
人類都有和同類對比的天性，例如，一家政府機構收集不同地點從事同類工作的多組員工的數據，僅僅將這些信息公諸於眾就促使落後員工提高了績效。
在能源行業，Opower使用數據對比來提高消費用電的能效，並取得了顯著的成功。作為一家SaaS的創新公司，Opower與多家電力公司合作，分析美國家庭用電費用並將之與周圍的鄰居用電情況進行對比，被服務的家庭每個月都會受到一份對比的報告，顯示自家用電在整個區域或全美類似家庭所處水平，以鼓勵節約用電。
Opower的服務以覆蓋了美國幾百萬戶居民家庭，預計將為美國消費用電每年節省5億美元。Opower報告信封，看上去像賬單，它們使用行為技術輕輕地說服公用事業客戶降低消耗。
Opower已經推出了它的大數據平台 Opower4 ，通過分析各種智能電錶和用電行為，電力公司等公用事業單位成為Opower的盈利來源。而對一般用戶而言，Opower完全是免費的。
25. Chango和Uniqlick的點擊消費
使用新的數據技術，諸如美國的Chango公司和中國的Uniqlick公司正在數字廣告行業中探索新的商業模式——實時競拍數字廣告。
通過了解互聯網用戶在網路的搜索、瀏覽等行為，這些公司可以為廣告主提供最有可能對其商品感興趣的用戶群，從而進行精準營銷;更長期的趨勢是，將廣告投放給最有可能購買的用戶群。
這樣的做法對於廣告主來說，可以獲得更高的轉換率，而對於發布廣告的網站來說，也提高了廣告位的價值。
剩餘部分請繼續點擊下篇進行查閱！
關注公眾賬號
【飛馬會】
▼
http://weixin.qq.com/r/bThZQajE7PWTrewi921- (二維碼自動識別)
飛馬會AI人工智慧/大數據/技術管理等人員學習交流園地
http://weixin.qq.com/r/bThZQajE7PWTrewi921- (二維碼自動識別)
往期福利關注飛馬會公眾號，回復對應關鍵詞打包下載學習資料；回復「入群」，加入飛馬網AI、大數據、項目經理學習群，和優秀的人一起成長！
微軟大牛人工智慧系列課
（掃碼試聽或訂閱）
https://m.qlchat.com/live/channel/channelPage/2000001348280640.htm (二維碼自動識別)
回復 數字「1」下載從入門到研究，人工智慧領域最值得一讀的10本資料（附下載）
回復 數字「2」機器學習 & 數據科學必讀的經典書籍，內附資料包！
回復 數字「3」走進AI & ML：從基本的統計學到機器學習書單（附PDF下載）
回復 數字「4」了解人工智慧，30份書單不容錯過（附電子版PDF下載）
回復 數字「6」AI人工智慧：54份行業重磅報告匯總（附下載）
回復 數字「7」TensorFlow介紹、安裝教程、圖像識別應用（附安裝包/指南）
回復 數字「12」
小白| Python+Matlab+機器學習+深度神經網路+理論+實踐+視頻+課件+源碼，附下載！
回復 數字「14」小白| 機器學習和深度學習必讀書籍+機器學習實戰視頻/PPT+大數據分析書籍推薦！
回復 數字「20」17張思維導圖，一網打盡機器學習統計基礎（附下載）
回復 數字「22」吳恩達新書，教你構建機器學習項目：《Machine Learning Yearning》
回復 數字「23」機器學習：怎樣才能做到從入門到不放棄？（內含福利）
回復 數字「24」限時下載 | 132G編程資料：Python、JAVA、C，C++、機器人編程、PLC，入門到精通~
回復 數字「25」限資源 | 177G Python/機器學習/深度學習/演算法/TensorFlow等視頻，涵蓋入門/中級/項目各階段！
回復 數字「26」人工智慧入門書單推薦，學習AI的請收藏好（附PDF下載）
回復 數字「27」資源 | 吳恩達斯坦福CS230深度學習課程全套資料放出（附下載）
回復 數字「28」懂這個技術的程序員被BAT瘋搶...（內含資料包）
回復 數字「29」乾貨 | 28本大數據/數據分析/數據挖掘電子書合集免費下載！
回復 數字「30」領取 | 100+人工智慧學習、深度學習、機器學習、大數據、演算法等資料，果斷收藏！
回復 人工智慧下載《FMI人工智慧與大數據峰會嘉賓演講PPT》
回復 AI 江湖下載《十大AI江湖領域》
回復 ML實踐下載《機器學習實踐經驗指導（英文版）》
回復 DL論文下載《深度學習100篇以上論文資料》
回復 演算法 下載《數據挖掘十大經典演算法》
回復 6.10 下載《6.10餓了么&飛馬網項目管理實踐PPT》
推薦閱讀：