En
中文当前对于xpie的定义是, 它将是一个基于B2C商业环境的 « 一站式商品信息/决策平台 », 旨在降低生活在商品经济世界的人们的购物决策成本. 在剥除目前暂时不会启动的B2C平台计划后, « 降低用户购物决策成本 » 将是xpie的核心价值. 我们所有的设计, 用户体验, 功能布局都必须围绕着这个核心价值进行考虑.
在B2C商业行为中, 我们可以分离出三个部分, 即B, 2和C. C既为消费者/客户, 所有商业行为所指向的对象. B为商家, 大规模地备有各种商品, 并且掌握商品到客户的物流渠道. 2为B和C之间的通讯界面. B2C行为的终极目的是让货物从B流向C. 货物从B流向C的速度决定了整个B2C商业环境/系统的效率, 速度越快则整个系统效率越高, 产生的价值越大.
由上述模型可以看到, B2C的效率由 « 2 » 和 商品物流系统 决定. 后者在历史上随着人类交通技术的发展而进化, 从马车到高铁, 从码头纤夫到航空货运. 可以说在之前的2k年内, 商业的发展是由物流技术决定的. 然而在今天, 短期内我们看不到当今物流技术会再有什么突飞猛进的发展, 另外这本身就不在我们的讨论范围内, 我顺便一提是想强调提高B2C速度所能带来的价值.
而 « 2 » 部分则是我们需要做的. « 2 » 为B和C沟通的界面. 我们现在所指的B2C, 是说以在互联网上, 由网页/超链接/电子邮件的形式存在的 « 2 » 而产生的B和C的交易的一种商业模式. 这个界面的效率决定了C作出购买决定的速度, 从而影响整个B2C行为的效率. 我们现在由一个C的角度, 来看这个接口在整个购买行为中所扮演的角色:
产生购买动机 -> 通过搜索引擎, 专业网站, 论坛, 朋友同事等获取资料, 来决定购买具体哪款商品(在这个过程中也有可能取消购买动机) -> 再次通过搜索引擎, 相关网站广告和推荐等功能来确定去哪里/哪家网店购买这款产品 -> 连接到被选择的网店, 通过网站功能订购这款产品, 付款, etc…
在这个模型内, 现今的B2C 接口几乎只在最后一步才出现. 当然了, 就这一步的网络化也导致了零售业巨大的变化和发展. 而我们所要做的是把这个接口拓展到整个流程中去. 充分发挥网络的聚合作用从而更进一步地降低用户购物的决策成本, 提升决策速度, 进而提升B2C的效率, 提高整个市场的价值. 然后我们再去分享其中的价值, 就会带来利润.
为了将界面拓展到整个流程中, 意味着我们的网站将会代替 « 朋友, 同事 », « 专业网站, 论坛 » 以及 « 搜索引擎, 相关推荐 » 在C购物过程中所扮演的角色. 给予用户一站式的商品信息汇总, 以及有价值的购买建议. 理想状态是, 用户一旦想到要买什么东西, 我们的系统就能够根据他/她的特征告诉他, 最适合购买的是什么品牌的什么产品, 以及去哪家网店购买最划算. 甚至在极端情况下, 我们的系统可以预见用户将在以后的什么时间购买什么东西. 从而让人们完全不用浪费时间在了解自己根本不需要了解的各种商品上. 我个人认为这是 « 2 » 的终极状态.
为了做到这些特性, 我们的xpie需要能做到:
第一点, 它必须尽可能从各个方面了解用户. 用户的年龄, 性别, 职业, 受教育程度,居住地, 兴趣爱好, 甚至是其当前所使用电脑的型号, 座驾的品牌, 伴侣的工作, 等等的信息. 这些都是作为 « 朋友, 同事 » 的特长, 并且这样才能够有针对性地提出具有参考价值的购买建议. 现在网站搜集用户信息的方法大约是要求用户填写冗长的 « 个人资料 » 表格, 以及记录用户网站行为. 对于前者, 一般注册用户应该根本就没有耐心和兴趣去全部完成如此多的表格. 而如何让用户在不失去耐心的情况下给我们提供比现有的facebook等sns网站更丰富的个人资料, 这对我们来说将是一个挑战. 对此我有一些个人设想:
在用户注册的时候, 如果用户提供其facebook, 人人, 开心网等的账户, 那么我们是否可以抓取其在这些sns平台上所填写的个人资料从而自动完成他在我们网站上的个人资料? 如果又提供了豆瓣帐号, 那么我们是否也可以抓取该用户的兴趣爱好(喜欢看什么电影, 听什么音乐, 看什么书), 提供blog地址的话, 我们是否可以分析其日志的内容,获取一些产品关键词出现的频率来了解其目前所使用的各种商品, 对于品牌的喜好. 甚至我们是否可以设计qq或者msn机器人, 通过用户的msn签名的变动(加杰同时提出可以通过抓取用户在sns网站上状态的更新)来了解其行为和性格特征? 当然, 类似的还有twitter. 通过以上种种手段, 在用户付出最少耐心与时间的同时, 我们能够获得关于他的最多资料.
第二点, xpie必须能够像了解用户一样, 了解商品. 可能不光是 « 了解 » 商品, 而更多是必须要 « 理解 » 商品. 因为只有产生理解, 才能够有效建立起商品和用户的联系. 这部分工作同 « 了解用户 » 不一样的地方在于, 商品是被动了解的. 我们无法要求商品自己跑到我们的系统里来完整地把自己描述一遍. 即便是厂家添加的商品资料,也必然是片面的. 由于商品种类浩如繁星, 更新也层出不穷, 我个人认为我们也只能通过发动用户的力量来维护商品数据库的完整和更新. 在这方面应该可以参考wikipedia,豆瓣和大众点评网的方式. 每个用户可以添加商品种类, 完善商品的属性, 对产品发表评论; 而我们的系统是否能够根据用户的评论自动生成关键词, 类似wordpress会自动对每篇日志索引关键词, 以便于系统对数据的呈现. 因为这对于之后理解用户对产品的评论从而给出一个判断非常重要.
第三点, xpie需要建立某种模型, 从而可以根据这个模型运算出最适合用户的商品, 甚至可以根据模型来推测某个用户的消费行为, 或者商品的潜在消费者. 我个人认为通过sns平台的用户和商品发生互动的情况下, 通过足够量的数据采集应该可以完成这个模型. 在sns平台中我们不光可以知道什么样的人买样的产品, 我们也可以知道什么样的产品更为流行, 更为受欢迎, 以及产品的寿命, 受关注度等资料.
由于用户活跃程度对于数据库的丰富和完整性至关重要, 我考虑到我们是否可以借助用户在其他流行的sns平台上的活动来丰富我们的数据库. 比如设计facebook, 开心网机器人, 或者人人网插件这类东西, 介入到这些主流sns平台内采集数据. 举例来说加拿大的Thoora公司 « 索引了大约 8000 万个博客, 还增加了对评论与 Twitter 的监测，将这些数据综合在一起，来判断某件新闻的影响力。 »(http://apple4.us/2009/10/interview-with-thoora.html) 我个人认为类似的技术用在对商品的分析上, 再结合与这件商品发生关系的用户的数据, 我们就可以准确地知道向谁推荐哪些东西. 帮助他/她做出什么样的选择.
而由于不同的商品所需要的适用群体模型可能会有所差异. 比如买显示器和买相机, 所要考虑的参数显然不一样; 而单反相机和卡片相机虽然参数类似, 但是每个指标的重要性却又不同. 这个时候我们是否可以让专家用户来根据特定类型的商品的特性, 来调整模型的参数和变量. 用类似维护维基的方式来维护这个模型.