數據、智能驅動當當網發展

文/俞 渝

2019年11月9日，當當網迎來自己20歲生日。20年前當當網是PC時代的老兵，20年后，當當網統計為先，數據導向，場景開花，碎片鏈接。

經濟下行時，當當網用長周期的思考，采取逆向行動。盡管圖書本來就很便宜，當當網加大了對顧客性價比的追求。余華的《活著》、太宰治的《人間失格》這些經典好書當當網在促銷期間10元一本。《小熊和最好的爸爸》12年沒漲過定價，17．5元就可以買到5本書，2．5元一本高質量的版權書。

2019年，當當網做到在銷量、營收、利潤三個方面的增長。今天的顧客場景與一兩年前相比，格外地碎片化。今日頭條的顧客行為各異；微博的讀者求真相，要看更新；抖音的顧客圖熱鬧，等下一片瓜落地。

當當網鉆研各種場景和場景之下的顧客表現。一個人被職場升遷困擾，這個人這會兒在無目的地閑逛。基于對場景和行為的統計、分析，當當網去研發相應的技術產品。在搜索系統、AI運用上，系統從召回到排序，加大深度學習模型的覆蓋范圍，針對閱讀場景多的特點，從多個方面優化模型。如正負樣本選取規則、無效數據的參數計算、相關性反饋的結構設置、低轉化詞和高跳出詞的等價變換等，顯著提高了搜索系統的精準性，使用戶體驗大大提升，更方便用戶快速篩選一本書。

基于算法學習的搜索和推薦，當當網能夠系統性學習用戶行為和其潛在意圖，為用戶展示強相關、弱相關的多種陳列和可能，幫助顧客在海量信息和商品中簡化選擇的過程。工程師從數據、顧客心理、其他行業經驗中，揣摩哪種布局對顧客更友好、更簡潔。

當當網在中臺、后臺、生產的方面的研發逐年增加。例如，當當網促銷期間發現某個時段中，顧客購買的平均數高于中位數。通過機器學習，為分段用戶設置更好的陳列和促銷方式。而當當網需要用技術手段，把優惠更多地讓普通顧客享受。

當當網重構自主研發的倉儲管理WMS系統。過去幾年，當當網在自己的物流中心，增加倉庫存儲地圖的使用和工人路徑規劃。運作的技術系統，開發了隨機存儲模式，隨時計算倉庫里的剩余容積，智能推薦合適的存儲貨位，最大限度地利用貨位空間，提高存儲密度。比如當當網物流中心接收一個商品時，系統即調用歷史銷售數據、當下流量數據、未來預測，系統再智能給出這個商品在倉庫里最合理的位置。

當當網還加快了數據交互的實時性，使訂單作業指令傳遞和執行更迅捷。在揀貨過程中，系統會智能更新行進路線上的操作任務，指引員工工作，不需要人為判斷。因此，相比幾年前當當網每產生一百塊錢銷售額，采用更少的生產面積、更少的員工作業時間，員工的操作更為方便，體力消耗下降。當當網銷售業績上漲時，庫存增長少于銷售上漲，這又是效率的提升。

用戶可以在APP、小程序、快應用上使用當當網。隨著大家時間使用和場景的不斷變化，當當網在小程序和快應用的發力表現也非常突出。當當網的小程序名列年度最佳，性能指標排名非常靠前。針對微信生態社交裂變的特點，持續推出相應的產品，領物、抽獎、砍價、打卡、成語、答題等。當當網小程序的分享率基本是行業平均水平的兩倍，當當網小程序現在承載的任務是去觸達以前APP沒有覆蓋的新用戶。

過去一年，當當網在快應用上的進步非常明顯。快應用在華為、小米、OPPO，得過許多大獎。更重要的是當當網在根據不同手機廠商的特點進行不同的產品設計。在視覺設計方面，當當網引入“Complexion Reduction”（膚質設計）的做法，讓顧客在方寸之間，瀏覽更舒服。在平凡中追求個性，以簡約、自然的風格展示一種舒適優雅的“書香感”。

統計為先，數據導向，場景開花，碎片鏈接。在當當網，用戶可以買書、買服裝、買百貨，但書香濃郁一直是在各種技術應用中去重點發力的方向。顧客可以獲得書外故事的“當讀”，顧客可以在自己相關的“當當網號”上消磨幾個小時。現在的起點是2020年，決勝2020年重新出發。商業是長跑，周期會反復。電商的競爭從來非常激烈，當當網不是天生的強隊。這20年里，當當網用自己的力量，打造文化和科技結合的豪門。