電商業(yè)務(wù)正在成為“網(wǎng)易游戲公司”營(yíng)收的新一極。
2016年網(wǎng)易公布的財(cái)報(bào)顯示，郵箱、電商為主的（加上其他業(yè)務(wù)）幫助網(wǎng)易獲得了80.46億收入；上一年，這一數(shù)字僅為37億。
在電商業(yè)務(wù)內(nèi)部，除了明星產(chǎn)品考拉和嚴(yán)選，網(wǎng)易其實(shí)還悄悄布局了一塊互金業(yè)務(wù)——網(wǎng)易貴金屬，2015年初即已經(jīng)發(fā)布。這是網(wǎng)易在虛擬電商方面的棋子，在大家涌向P2P的時(shí)候，網(wǎng)易悄然布局了這一業(yè)務(wù)。
幾年前還相對(duì)“冷門”的貴金屬，如今正在成為一門熱門的生意，所謂“互聯(lián)網(wǎng)+貴金屬”。 目前，騰訊、阿里、京東等互聯(lián)網(wǎng)巨頭都已入局黃金生意。
和上述巨頭的路徑對(duì)比，網(wǎng)易選擇做貴金屬交易平臺(tái)顯然是一個(gè)相對(duì)小眾的選擇。但這兩者的區(qū)別在于：前者（如黃金紅包、存金寶）相當(dāng)于用戶把錢投給興業(yè)銀行或者博時(shí)基金，由他們來(lái)為用戶提供黃金理財(cái)服務(wù)，而后者則是需要用戶自己來(lái)操盤交易。如果以股票市場(chǎng)類比， 金生寶和存金寶類似于股票基金，而貴金屬交易平臺(tái)則類似于同花順。
在《陰陽(yáng)師》“氪”了多少錢，可能就是一個(gè)數(shù)據(jù)維度
網(wǎng)易看起來(lái)是進(jìn)入了一個(gè)藍(lán)海市場(chǎng)，但硬幣的另一面是，與從事“普惠金融”的對(duì)手們相比，貴金屬顯然是一個(gè)相對(duì)小眾卻高凈值用戶密度更高的的市場(chǎng)。
因此，找出那些具有投資意愿的高凈值用戶并且為他們提供更好的服務(wù)成了當(dāng)務(wù)之急。 而如何判斷你是不是“有錢人”，用戶數(shù)據(jù)成了判斷的重要標(biāo)尺。
從產(chǎn)品來(lái)看，這位互聯(lián)網(wǎng)巨頭似乎并不缺乏用戶數(shù)據(jù)。
一方面，老牌的新聞客戶端、郵箱系統(tǒng)積累了大量用戶數(shù)據(jù)。根據(jù)網(wǎng)易最新財(cái)報(bào)發(fā)布的數(shù)據(jù)顯示，截至2016年12月31日，網(wǎng)易郵箱總有效用戶數(shù)達(dá)到9億。另一方面，網(wǎng)易有道、云音樂(lè)以及游戲相關(guān)產(chǎn)品的用戶也足夠可觀。
網(wǎng)易樂(lè)得副總裁曹魯向記者透露，在十余年前，網(wǎng)易就在產(chǎn)品的基礎(chǔ)設(shè)施中預(yù)設(shè)代碼埋點(diǎn)——即通過(guò)預(yù)先寫好的代碼來(lái)發(fā)送數(shù)據(jù)，之后網(wǎng)易又自主研發(fā)了無(wú)埋點(diǎn)數(shù)據(jù)收集SDK，自動(dòng)的、動(dòng)態(tài)可分配的、全面且正確的收集用戶在使用APP時(shí)的所有事件數(shù)據(jù)，這些資源都成了網(wǎng)易旗下各種產(chǎn)品的公用數(shù)據(jù)庫(kù)。
而網(wǎng)易的劣勢(shì)在于， 它并不具備支付寶們擁有的大量強(qiáng)金融數(shù)據(jù) 。不過(guò)網(wǎng)易正期待通過(guò)技術(shù)彌補(bǔ)這塊不足，隨著人工智能、機(jī)器學(xué)習(xí)等技術(shù)的加持，復(fù)雜集成模型已可以處理大量維度的弱變量，這在一定程度上賦予了用戶數(shù)據(jù)“第二次生命”。
曹魯向記者舉了這樣一個(gè)例子，
“如果一個(gè)人長(zhǎng)期能每個(gè)月在網(wǎng)易的游戲上（比如《陰陽(yáng)師》）花5000元，那他很可能是有錢的。如果這個(gè)人碰巧又是看過(guò)網(wǎng)易財(cái)經(jīng)新聞的，就可以大致判斷他的投資偏好。”
據(jù)他介紹，網(wǎng)易貴金屬的數(shù)據(jù)視野范圍包括了地域、年齡、學(xué)歷、投資經(jīng)驗(yàn)、資產(chǎn)（房、車）、資金流向、交易風(fēng)格等眾多領(lǐng)域。
但數(shù)據(jù)模型的建立與應(yīng)用是一個(gè)“去粗取精”的過(guò)程。曹魯對(duì)記者表示，數(shù)據(jù)在搜集的過(guò)程中要力求準(zhǔn)確、干凈、豐富，但在應(yīng)用過(guò)程中卻并非越多越好。“剔除無(wú)效數(shù)據(jù)的干擾，才能建立更具有實(shí)際指導(dǎo)意義的數(shù)據(jù)模型。”曹魯說(shuō)。
曹魯向記者詳細(xì)分析了數(shù)據(jù)的篩查過(guò)程：先將有些看似完整、準(zhǔn)確的數(shù)據(jù)放入模型中，并根據(jù)這些數(shù)據(jù)調(diào)整，更新模型，再將更新后的模型放在海量歷史數(shù)據(jù)中進(jìn)行回測(cè)，根據(jù)回測(cè)結(jié)果判定數(shù)據(jù)的準(zhǔn)確性。
在這一過(guò)程中，使得模型更為精準(zhǔn)的數(shù)據(jù)將得以保留，降低模型精度的數(shù)據(jù)則會(huì)被剔除，以此反復(fù)，不僅剔除了無(wú)效數(shù)據(jù)，也去除了與目標(biāo)變量弱相關(guān)的特征，以此提升模型的精度。
曹魯展示了識(shí)別高價(jià)值用戶模型上線以來(lái)的測(cè)試成績(jī)： 預(yù)測(cè)20%的潛在高價(jià)值用戶實(shí)際的召回率在85%以上 。也就是說(shuō)，先由模型挑選出20%的高價(jià)值用戶，實(shí)際營(yíng)銷結(jié)束后發(fā)現(xiàn)，真正的高價(jià)值用戶中85%與模型挑選的用戶重疊。
換句話說(shuō)，目前數(shù)據(jù)模型識(shí)別“有錢人”的成功率大概在85%。
人工智能讓投顧效率提升30%
識(shí)別出“有錢人”只是第一步，如何給他們提供更好的服務(wù)才是下一步的關(guān)鍵。投資顧問(wèn)和分析師在這一階段扮演重要角色。
投資顧問(wèn)人員在貴金屬行業(yè)扮演的角色與保險(xiǎn)推銷員類似。一位貴金屬行業(yè)的從業(yè)者告訴記者，“傳統(tǒng)的貴金屬投資銷售很像賣保險(xiǎn)，對(duì)方除了你的電話和姓名之外可能一無(wú)所知，這帶來(lái)的問(wèn)題就是效率低下。”