用戶打開“滿座網”APP，就可以看到周邊3公里以內的團購信息。

    本報記者 張倩怡

    端午假期里，提前查看好了天氣情況，王旭和媳婦帶著一家老小去了趟位于亞運村的中華民族園。一上午下來，老人賞花賞得開心、孩子撒歡兒撒得盡興，一家老小的午飯問題又落在了王旭身上。沒多犯愁，王旭熟稔地打開了手機上的一款APP，看著屏幕上的“小三角”確定了方位后，周邊大小餐館的團購信息立馬冒了出來，“鴨王烤鴨正好有5人餐團購，就它啦！”手機軟件顯示，這家餐館緊挨著王旭他們所在的中華民族園南門。

    “前兩天咱們看完電影出來吃宵夜，可不是這些餐館啊？”細心的王旭發現，盡管自己每次都只是做了打開手機軟件的這么同一個動作，可隨著所在地點不同，每一次手機屏幕上推送出的團購信息卻大不相同。

    那么，商家的團購信息如何做到追著用戶手機跑？

    探秘解析

    兩秒內數據跑了趟“閉環”

    端午節前的最后一個工作日，酒仙橋路邊的兆維華燈大廈2層的一間辦公室里，滿座網市場總監姜琥正和幾個同事團團圍坐在電腦前，最后一次核對參與端午節團購套餐的餐館信息。

    電腦屏幕上，一張北京地圖上布滿了用紅黃藍等不同顏色標注的圓點，用鼠標點擊東城區上的一點，立馬出現了小圓點所代表的詳細信息，“東來順2人套餐，團購價98元”。

    “不同顏色代表不同的團購門類，例如餐飲、KTV、電影等等。”姜琥說，小圓點在地圖上標注地點也正是門店在現實生活中的真實位置。對滿座網而言，他們的團隊可以在一張全國地圖上標注出3萬多個這樣動態的小圓點。就在王旭打開手機上一款APP后等待團購信息出現的不到兩秒鐘時間里，數據就已經歷了從手機出發、前往軟件背后的服務器、再返回手機端的“閉環”。

    “現在的智能手機里都有基礎感應器。當用戶打開APP時，感應器就會捕捉周邊的網絡信號，同時向我們的服務器發出了一個地理位置請求。”姜琥解釋說，他們的數據后臺是由商戶信息和地理位置兩個不同緯度交織成的一張大數據網。用戶所處的地點不同，就會向機房發送回來不同的“經度、緯度”地理位置，系統迅速開始識別信息，隨后會從大數據網中自動尋找到和地理位置相匹配的商鋪信息再推送給手機。

    這么一張大數據網是如何織就的？

    “我們有專門的團隊去收集商戶信息，再把這些信息和地理位置相匹配，形成一幅商戶地圖。” 姜琥說道，和很多團購網站一樣，滿座網使用的也是百度、高德等第三方地圖軟件提供的地理位置服務，“原本我們有的只是這些餐館的餐品價格、客流量、客單價這些靜態信息，通過把這些信息和地圖相結合，商戶信息就成了動態圖。”

    數據背后

    網站為拉商戶降傭金

    不止如此，同一條繁華的商業街上，哪些餐館能夠出現在團購APP上、哪些商鋪又能排上手機屏幕上的前幾名？這背后，還有一筆經濟賬。

    在滿座網工作了一年多，小伙兒朱林每個月要花上大半時間在“掃街”上。背著個塞著一沓沓文件的雙肩包、戴了副黑框眼鏡，一身學生打扮的朱林走在街上總是關注著周邊的商鋪，遇到客人多的店鋪，站在門口瞧上五六分鐘也是常事兒。

    朱林所在的是銷售崗，在團購行業，這份工作還有另一種通俗說法，“地推兒”。能否發現熱門商鋪、說服店家在網站做上一筆團購生意，是他的主要考核指標，“也分淡旺季，淡季一個月得有50單，旺季的話怎么也得100來單吧。”

    客流量大的、有口碑的，這類店鋪是團購網站的首選合作對象，可要談下來也并不容易，“能不能談下來，關鍵還真得看傭金。”傭金，指的是線下商鋪要將生意搬到網上時，需要向團購網站支付的費用。

    “總的來看，餐飲在所有團購商品中的傭金最高，一般是商品價格的5%到10%。也就是說，一單網上賣100元的團購套餐，團購網站就可以從其中獲得5到10塊錢的費用。”曾經在大眾點評網工作6年的業內分析人士李宵說，相較之下，電影院、KTV等非餐品牌的傭金要低得多，一張團購價為30元錢的電影票，團購網站一般只有不到5分錢的傭金。

    “這主要是因為風險不同。相較而言，餐飲的風險高一些，而電影院則因為客單量大了很多而風險低，所以壓價壓得很兇。”李宵回憶說，他接觸過的很多電影院甚至直接提出“保底”要求，也就是用戶在團購電影票前，團購網站需要先支付所有的團購影票。

    在商品類別之外，不同的團購網站之間搶生意，還有著明顯的地域性。“我們得考慮團購能給我們帶來多少導流。”俏江南高級銷售總監趙錫剛坦言，因為名頭響，不少團購網站找到俏江南時都提出了“零傭金”，而他們在各地的團購生意選取的是不同團購網站，“我們更樂意選取一家在當地最受歡迎的團購網站來合作”。

    知識角

    如何分析大數據？

    大數據，表面上看就是大量復雜的數據，這些數據本身的價值并不高，但是對這些大量復雜的數據進行分析處理后，卻能從中提煉出很有價值的信息。其中，分析方法有以下幾種。

    可視化分析是消費者常常可以見到的一種大數據分析結果的表現形式，將大量復雜的數據自動轉化成直觀形象的圖表。

    數據挖掘算法則利用一組根據算法事先定義好的數學公式，將收集到的數據作為參數變量帶入其中，從而提取到有價值的信息，例如沃爾瑪“啤酒和尿布”的故事。

    預測性分析能力則是從大量復雜的數據中挖掘出規律，建立起科學的事件模型，通過將新的數據帶入模型，預測未來的事件走向。

    語義引擎是機器學習的成果之一。過去，計算機對用戶輸入內容的理解僅僅停留在字符階段，通過對大量復雜的數據進行分析，計算機能夠盡量精確把握住用戶的需求，例如蘋果的“Siri”管家。

    數據質量管理則是大數據在企業領域的重要應用。為了保證大數據分析結果的準確性，需要將大數據中不真實的數據剔除掉，以保留最準確的數據。