亚马逊大数据是如何运用的？怎么分析数据？

亚马逊平台的背后是一个非常大的数据库，所以想要运营好自己的店铺，不仅要关注好店铺的数据，同时也要关注竞争对手的数据，亚马逊的大数据到底是怎么使用的，有一些朋友并不清楚。今天分享几点心得！

灵活利用Hadoop技术

亚马逊通过多种工具在云端扩展其大数据应用，如数据储存、数据收集、数据处理、数据分享和数据合作。亚马逊灵活的MapReduce程序建立在Hadoop框架的顶端，两者很好地互补，帮助零售商高效地管理和利用分析平台。

具体来说零售商店15亿的产品目录数据，能通过200个实现中心在全球传播并储存在亚马逊的S3界面中，每周进行将近5亿次更新。同时S3界面上数据的产品目录每三十分钟都要进行分析并发回不同的数据库。

个性化推荐

通过向用用户提供建议，亚马逊获得了10%到30%的附加利润。拥有两百万销售商，跨越10个国家，为近20亿顾客服务，亚马逊利用其超先进的数据驾驭技术向用户提供个性化推荐。毫无疑问亚马逊是挖掘大数据提供个性化服务的先驱，它通过提供策划好的购物体验诱导用户买买买。

亚马逊个性推荐的算法包含多种因素，向用户推荐商品前，要分析例如购买历史、浏览历史、朋友影响、特定商品趋势、社会媒体上流行产品的广告、购买历史相似的用户所购买的商品等等。为了向用户提供更好的服务，亚马逊一直在不断改进推荐算法。

当然，个性化推荐不仅仅针对顾客，电商市场上的销售商也能收到来自亚马逊靠谱的建议。

以下是老外总结的8个亚马逊选品的关键：

强需求：客户需要这个产品，不然如果你卖一坨屎肯定没人买了对不对，所以基本上只要有需求就卖得动

季节性低：产品最好不受季节影响，否则你这一年四季的，是不是总得歇个半年才能卖出去一点东西

竞争小：也就是说不要找太多卖家都在卖的产品，这个大家都知道了

价格区间：老外是在18~50美金之间选品，但是对于我们中国人来说$8~$30就已经够了，当然如果你能找到那是更好连

轻便：这就涉及到配送和FBA费用的问题，所以当然是越小越好

无法律问题：这个就是不侵权，没纠纷，少投诉，当然也是没什么好说的

提升空间：对于产品来说都希望能卖得越多越好

利润好：谁没事亏本赚吆喝呢?不过开始很多中国卖家都是刷单送产品换评价，对于这个来说前期亏点，后期猛赚!

在这大数据信息时代，利用好这些数据信息进行分析，提高销量之日可待。还可以在信息之间建立链接，这些信息可能被标记为不同但代表同一件事。

（本文内容根据网络资料整理和来自用户投稿，出于传递更多信息之目的，不代表本站其观点和立场。本站不具备任何原创保护和所有权，也不对其真实性、可靠性承担任何法律责任，特此声明！）

常见问答(FQAS)

亚马逊利用大数据进行个性化推荐,分析顾客购买行为和浏览历史,推荐可能感兴趣的产品。同时也利用数据进行预测控制,比如根据历史数据预测需求,做好库存准备。

主要包括: Hive用于结构化查询和分析非结构化数据;Spark用于快速大规模计算;Hadoop用于分布式存储和计算;MLlib支持机器学习算法;GraphFrames支持图计算;Flink用于实时计算等。

数据预处理包含:检查空值、重复值、异常值;去除干扰特征;标准化特征值范围;降维处理高维数据;标签编码分类变量等。这些步骤为后续建模与分析打好基础。

包括描述性统计分析数据总体特征;关系分析各变量之间的关系;可视化分布情况;异常值检测寻找异常点;分组比较分组间差异等。找出数据规律和问题点。