1号店成立于2008年，公司创立之初正是“大数据”一词问世之际，受现实市场的逼迫，1号店开始使用大数据进行营销，有趣的是，当时我们对大数据并无概念。
当时电子商务行业的营销活动主要集中在搜索引擎上，但是1号店的营销非常差，在百度和谷歌每花一块钱带来的销售额不到一块钱，也就是说花一块钱的广告和营销成本，带来的盈利还不到一块钱。当时我们感觉这样的模式不可持续，因此决定和市场部紧密合作，对这种营销模式进行全面分析，从最初关键词的筛选到百度和谷歌的投放，直至用户行为。
在分析了整个过程后，我们发现整个链条完全可以采用软件系统全自动化实现，再通过反馈系统，可以不断优化营销效果。于是，我们开始做这样一套系统。
传统的营销模式存在很多弊端，例如，用户通过广告页面进入后，可能会发现已过有效期，促销活动已经结束，或者本来有库存，可是用户通过广告页面进入后，可能发现产品已经售罄。在这种情况下，转换率大大降低。
我们在做系统的时候，充分考虑了这些弊端和其他一些因素。首先，我们大量地筛选关键词，用自建模型将几百万关键词筛选到几十万。通常，在百度和谷歌尝试一个关键词的效果成本非常高，所以我们先用一个算法来筛选第一批关键词。
然后，我们再到百度去尝试关键词的效率，这就是大数据的可实验的特性。此后，我们再对广告和创意进行实验和淘汰，实现精准化营销，比如，同样的内容，选用不同的广告词或者方法去做，不同的地域选用不同的广告词。
几十万的关键词根本无法靠人工操作，但是全自动化系统可以做到。人工仅用于设定操作规则，确保时时更新，根据营销需求，规则可能在一个时期偏向新客户，在另外一个时期偏向销售。采用这个系统后，我们欣喜地发现转换率从0.7上升至5。
1号店基于自身的需求开始做数据的积累和应用，在数据积累之后，我们获得了对用户的全新认识。
目前国内很多电商网站开始注意数据的积累。电商网站的数据量非常大，每天几百万的用户访问，而且用户的点击流对数据存储要求非常高。通过这些点击流数据，我们可以对用户获得更深的认识，比如，购买相同商品的用户可能属于不同类型用户，这个认知对营销非常重要，可以帮助不同类型的客户找到他们需要的商品。
电商网站的典型用户是二三十岁的女性用户，她们喜欢“逛”，喜欢看很多商品，有时候并没有特定目的，或者说她们的潜意识里有一定的目的，但是表现出来的点击流是一个不断浏览各种商品的过程。
当然也有快速型的用户，他们的特点是讲究效率。他们进入网站后会直接搜索需要的商品，并希望以最快的时间付款下单。对于此类用户，我们会判断他们的购买速度、对商品的反应等，比如，他们是否只看一两件商品就决定了。
在此基础之上，1号店推出“定期购”服务，服务覆盖的商品多为周期性的商品，像牙膏、油、米、卫生巾等。用户只需一次付款，下次就会自动送到家里。这种服务特别适合快速型用户，因为这可以大大缩短他们的购物成本。
电商网站非常讲究推荐，在用户搜索或者加入购物车之后都会看到网站的推荐。推荐看上去简单，可是里面的学问很大，它是基于对大数据的应用。亚马逊的推荐很适合于跟内容相关的产品，比如书和音乐等，内容和个人偏好紧密相关，采用“看过也看过”、“买过也买过”、“点过也点过”等推荐方式更加精确。但是这种推荐不一定适合日用品。1号店的推荐有的是跟品类相关，有的跟品牌相关。根据不同的品类深入挖掘，会提升推荐效果。
1号店也尝试应用大数据来改善客户体验。1号店原有一个积分商城，一定的积分加上一定的现金就可以换购，这对运营人员来说非常费事，他们一方面要找商品，一方面需要做设置。我们决定通过技术和大数据的方法对积分体系进行调整，即实现积分的自动化，同时使换购的商品覆盖面扩大。覆盖面广对于用户来说意味着更强的可选择性和实用性。这样，用户可以把积分真正用起来。
更多详细信息，请您微信关注“计算网”公众号：
