在聚划算“量贩团”开团三天，威露士一举售出4.2万份，这个成绩相当于一家大型超市半年的销售量；而一箱4大瓶规格的潘婷洗发水限量销售1万套，开团当天下午即告售罄，销售额一举达到148万元；6提18包维达抽纸，十几小时便售出整整3万套……

　　这是阿里量贩团打造的“爆款模型”计算出热卖商品的销售成绩，量贩团则是阿里巴巴利用大数据开发获利模式的最新方式。不仅如此，量贩团的推出更是基于数据趋势。

　　当时，2013年第1季度数据显示大型零售卖场的快消品销量增速放缓，消费者大批转向低价的互联网渠道购买。前任聚划算总裁张建锋敏锐地抓住这一消费趋势，与恒安纸业、宝洁等厂商合作，并改用“箱”为购买单位向消费者提供小额批发，相应的，商品价格大幅下降至批发价，销量大幅增长。

　　随着聚划算一次次刷新记录，向聚划算提交报名的商家也随之暴增，2012年起，从原本每天80团猛增到300团。今年3月，已调任淘宝和手机淘宝担任负责人的张建锋曾明确表示：“不能增加新团，（这样）单团产品销售量会下降，这是生死线。”之后聚划算每天团购数量控制在200团。

　　海量报名者与有限资源相矛盾，自然带来人工审核的效率困扰，甚至阿里巴巴12人的审核“小二”团队，须面对每天2万余件待审商品，平均每件审核耗时仅3分钟至4分钟。过程漫长不说，最终选出商品能否卖得爆，全凭审核小二们的个人经验，“必然很多细节被忽略了”，亦曾爆出小二受贿等丑闻。

　　爆款模型

　　聚划算大数据模式的成败取决于每一单的细节把控，即200多团“坑位”实现最高单位产出。“卖爆”对于聚划算平台和商家来说都是至关重要。选出的商品是否具有“爆款”潜质，直接意味着单日数十万元销售额的差距。商家无不希望通过冲爆款进而获得更优的搜索排序以及同店关联销售等。

　　为此除了销售额分成之外，商家还需支付“坑位费”，赢得每日有限的坑位竞拍。

　　电子商务观察员鲁振旺表示，“现在坑位费过高，商家必须考虑投入产出，对商品销售做合理的预测。”

　　诚如张建锋所言，“聚划算是规模销售和营销的平台。”其本身没有商品，从淘宝和天猫中选出商品，然后把它卖爆。聚划算前任总经理张宇曾总结，聚划算是“大电子商务的堆头（指超市中单独陈列的商品）”。唯有爆款销量才能回馈大流量，承担好如大卖场促销“堆头”的角色。

　　2013年上半年，聚划算团队找到杨滔，当时他是阿里巴巴集团商业智能部数据科学团队的唯一成员，希望用大数据挖掘和分析解决聚划算的核心问题—选品。

　　杨滔在新西兰奥克兰大学获得机器学习方向博士学位，将其招进阿里的是阿里集团数据委员会会长、商业智能部负责人车品觉。马云今年年初的致员工信中，提出“以控制为出发点的IT时代正在走向激活生产力为目的DT（data technology）数据时代”。车品觉及其商业智能部团队是支撑阿里数据时代的三大支柱之一。另两大支柱分别是“阿里云”和新独立的“数据平台事业部”，其扮演基础性存储和运算平台角色，车品觉的任务是将海量大数据真正运用起来，通过大数据推测未来、引导决策。车品觉告诉《环球企业家》，“是否能预测趋势”是企业由传统BI（商业智能）领域跃入“大数据时代”的关键一步。

　　而面对阿里巴巴旗下众多业务产品，到底用哪个“练兵”大数据呢？“如果一开始选不好或者思路不对，那么做了也是白做。”高级数据挖掘专家杨滔告诉《环球企业家》，“一开始选项目便需要靠商业感觉和判断。”车品觉和杨滔定下标准为，一看其商业意义大小，二看是否与机器学习的思路匹配，即利用数据帮助人提升效率、对细节实现规模化把控。

　　聚划算显然其符合标准。杨滔即刻组成一支两人项目小组，着手打造选品模型，俗称“爆款模型”。

　　当然，数据需要从头整理。

　　首先，从商业视角整理数据的维度，这是一个“人”的活，但要从近百个描述商品、卖家、品牌平台表现指标中进行变量选择，需要凭借商业洞察的积累。一线运营小二在实践中提炼的经验规则是其最佳来源，从各品类在聚划算的销售趋势、店铺是否已有50万以上销量的爆款产品，再到该商品最近一周的收藏数、适合人群、所处价格带及产品生命周期等。

　　拿着这份对销售“产生致命价值”的数据维度表格，杨滔第二步工作是“做实数据”。从聚划算乃至整个淘宝数据中，“从各角落把它们挖出来再规整起来，已有数据都比较‘脏乱’。”杨滔表示。第三步是试验算法，找到最适合聚划算爆款模型应用场景的算法，完成根据已有商品表现，预测其在聚划算单日销售量的机器学习模型。之后是最紧张时刻，部署上线、监控纯“机器”选品的实际效果。

　　“人机PK”结果是效率提升超过80%。“也就是说用了数据模型之后，小二节省了80%的精力。”不仅如此，机器自动打分得到的高分商品在实际售卖中的确实现更高成交量。打分越高的商品实际成交金额也越高，比如75分以上商品平均单产达到50.9万元，相比50至75分区间的商品，平均销售额高了235%。

　　反向招商

　　攻克了从数万件商品中高效预测当日最高销售额商品后，杨滔团队研究扩大至海量商品的淘宝平台，希望全网范围内找到能在聚划算获得最高销售额的商品。“就是利用机器学习算出哪些没有报名的商品可能会卖爆”，以此实现“反向招商”。

　　如果实现反向招商，不谛是创造出一种全新的商业模式。聚划算并没有销售团队，靠运营小二的人力挨家去谈则如大海捞针。因此传统模式是坐等商家主动报名。“我们都有一个共识，仅靠这样聚划算永远没有新鲜的血液，永远没有特别有潜力的东西浮现。”杨滔告诉《环球企业家》。

　　事实上，“反向招商”这一概念数年前就被提出，“但一直没有大力推行，最多只在活动时对特定项目进行反向招商。”聚划算品牌营销部负责人家洛表示。从报名商品审核转向全网反向招商的业务模式转型，急需一个标准预测哪些商品有可能卖爆。

　　“反向招商”模型由此应运而生，模型背后的逻辑类似美国股票预估模型，考虑时间序列上哪一个节点最有可能上升。不过，从淘宝上找到上升期或上升潜力最大的商品还不够，还需与聚划算平台消费趋势特性做匹配，即该商品是否符合聚划算的用户群、价格带、品牌定位等。综合打分最高的商品名单成了聚划算运营团队下一步与商家沟通的指南。

　　可以说，“反向招商”模型充当了销售角色，能自动提醒卖家，“你应该上聚划算、你的哪一款宝贝适合以及能卖出多少数量。”杨滔说。迷你洗衣机的旺销正是反向招商的成果。后台数据提示“迷你洗衣机”、“小件衣物”等关键词出现频率大幅提升，聚划算团队立即启动小洗衣机招商选品。结果，吉德迷你洗衣机单次销售成绩为31150台、销售额达932万元。杨滔观察到健康保健类商品出现上升趋势，聚划算也及时上线“聚健康”子频道。

　　“有很多商家为上聚划算而研究规则”，聚划算平台运营部资深产品经理唐斩表示。“回顾数据，聚划算上卖得最好的是新品或者当季品以及性价比最高的商品。”张建锋说。有了反向招商模型，商家可以只顾做好商品，自然会被聚划算挑选中。最终爆款产品的产生回归到比拼商品单价、品牌知名度、货值、款式、应季性、性价比等基本功上。

　　选品模型和反向招商模型成后，杨滔团队又接连构建定价模型、品类规划模型。完成了聚划算项目后，杨滔马不停蹄地开始参与手机淘宝“生活”频道，尝试利用大数据实现个性化推荐，他所在的数据科学团队扩张到20多人，其亦着手建立美国办公室，“杭州负责商业应用，美国负责基础研究，令技术和生产力能有机结合起来。”