逛淘宝侯迅技术派Pinterest门徒.pdf

《逛淘宝侯迅技术派Pinterest门徒.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、与美丽说、蘑菇街等成长于PC端的社会化导购模式不同，逛淘宝选择移动端创业，呈现形式采用流行的瀑布流，但底层架构采用海量的数据分析和计算，实现商品和个性化用户需求之间的匹配，从而帮助用户在海量商品中高效选择与自己更匹配的商品，缩短购物选择时间。目前，从日活跃数量测算，逛淘宝与美丽说、蘑菇街的移动端名列此类购物推荐产品的前三。亿邦动力网——电子商务专业媒体口袋购物总裁侯迅本文根据侯迅自述整理创业方向：社会化电商+移动互联网1995进入爱国者，2007年离开。爱国者在2005年没有继续快速发展跳进50亿俱乐部，我认为没有对接资本市场是最重要的因素。

2、因此跳出来后第一件事就是想了解资本市场的思路。2007年出来后做投资顾问，看整个资本市场关注什么东西。2009年做了一个投资管理公司，主要投快餐连锁，投了十几家店。快餐连锁企业简单、标准化、可复制，具备资本市场的价值，已有很多优秀的已经上市的公司，像真功夫、吉野家、味千拉面、呷哺呷哺等。那时候没觉得我应该做互联网，2010年突然发现离开的时候是电商发展最快的时候，离开的四年电商发展已经远远超过我能想象的速度。所以我觉得互联网还是第一生产力，就回归互联网找创业项目。亿邦动力网——电子商务专业媒体2010年下半年，我开始寻找在互联网创业的方向和机

3、会。2010年上半年是团购最疯狂的时候，到10月11月团购市场已经没有太多机会。2010年互联网新的机会还有一个就是社区化电商，像美丽说、蘑菇街，它们热起来是2011年4月，主要还是在互联网上做。第三个机会就是在移动互联网。思考和看待这些机会，我觉得移动端更长远一点，移动互联网正在改变人们的行为方式。目前明确可以看到的改变是，晚上8:30-10:30，移动互联网有天生的优势。确定方向后，当时寻找技术做搭档，在12月内见过几个技术。有人介绍王珂很年轻才27岁，很有天赋和才华，17岁开始，高中拿了计算机一等奖之后就开始做计算机服务器的相关程序外包

4、设计。我们互相聊了对未来创业的理解和看法，基本一天之内就决定一起创业，都认为是很适合的搭档。第一是大家思考创业这个事情思考很久，之前王珂跟其他搭档做过这个事情，没有成。第二是互相需要个搭档。第三大家在彼此领域的水平都互相可以看得到，而且是经人介绍，对人品比较认可。我和王珂一起投了500万人民币，今年4月，我们公布了成为基金和经纬中国联合投的1200万美金风投。核心：解决购物的个性化需求选择做移动端个性化购物推荐的主要原因，是中国电商获得高速发展后，全网已经超过10亿件商品。想在互联网上找一个家居鞋或者T恤这些类目的时候，用户每个人想的是不一样

5、的，但目前各种购物渠道表达出来的是一样的，不同的用户搜索结果都是一样的。亿邦动力网——电子商务专业媒体购物有三种形态：第一种是有明确的品类和型号，可以通过搜索解决。第二是只有品类，比如想买一个舒适的家居鞋，这是感性的对品类的描述，是个品类诉求，这种感性诉求无论前面加多少个修饰定语，都是不明确的。比如帅气的夹克衫，男女想的也不一样。而这其实是通过“逛”这个行为来完成的。第三种是没有任何诉求，只是逛一逛看一看，可能看见好的买，也可能看见好的也不买。搜索引擎在第一种形态里可以满足用户需求，但后两个形态是购物很普遍的过程，在这两个纬度上，购物搜索是不

6、好用的。那么如何解决人和商品之间高效的匹配问题？在这两个纬度里，我们定位为购物不是一种寻找而是发现。后两种纬度，通过社会化的美丽说、蘑菇街和逛淘宝都能实现，这两个流派去解决问题的时候，背后支撑的逻辑是不一样的。社会化媒体是通过人的机制，通过达人、编辑、用户的分享推荐，通过人和人之间的标签做商品的匹配来实现。比如蘑菇街是A和B在聊天，说A喜欢这个，B喜欢那个，然后其他用户在上面看，说哦我也喜欢这个。而我们想解决的问题其实是在巨大的商品池里让每个用户找到与自己需求最匹配的商品，是通过技术手段，实现全网商品标签与用户行为标签的匹配，我们希望通过算法

7、来解决后两个维度的问题。比如通过评估用户过去的收藏、点击动作，就会沉淀下用户的数据，根据这些数据把全网最适合该用户的数据匹配给他，这里每个人匹配到的数据都是不一样的，是个性化的。这两种流派的区别仅仅是解决手段、支撑逻辑上的区别，在解决第二、第三种购物形态上并没有结果的本质差别，都可以满足用户的后两种购物去求。呈现出来的话，可能社区更多的用户是去逛，没有目的，逛淘宝可能更有购物目的和需求。产品：技术派类Pinterest我们希望从技术上满足用户的个性化需求，目标是让每个人都能逛自己的街。如果用户选择搜索，每个人搜索的结果是不一样的，如果用户选择

8、逛街，每个人逛得街都是不一样的。呈现形式上，逛淘宝采用瀑布流。底层架构上，主要是通过大数据挖掘和算法来完成。（在商品端），对全网至少10亿个商品打标签；在用户端，通