下篇 | 大數據公司挖掘數據價值的49個典型案例（值得收藏）

時間 2019-11-17

原文原文鏈接

緊接着上篇中的25項案例介紹剩餘其餘的大數據公司挖掘數據價值的典型案例...程序員

26. 衆趣的行爲辯析算法

衆趣是國內第一家社交媒體數據管理平臺，目前國內主要的社交開放平臺在用戶數據的開放性方面仍比較保守，身爲第三方數據分析公司，可以得到的用戶數據還十分有限，要使用這些用戶數據需得到用戶許可。數據庫

衆趣經過運營統計學等相關數據分析原理對用戶數據進行過濾，最終完成的是對一個用戶的行爲、動做等個體特徵的描述。這些描述能夠幫助品牌營銷者瞭解消費者的消費習慣及需求；也能夠幫助企業的領導加強對本身員工的瞭解。除了對個體以及羣體行爲特徵的描述外，這些數據分析結果還可用於對用戶羣體的行爲預測，從而爲營銷者提供一些前瞻性的市場分析。編程

衆趣數據分析的結果只能精準到羣組而沒法達到我的。此類的用戶數據研究除在市場營銷領域具備必定的參考價以外，目前大多還主要用於配合一些小調研。此外，這些數據還能夠實現對用戶甚至企業機構的信用評級，在金融領域也有必定程度的使用。安全

27. 拖拉網的明天猜測網絡

導購電商的拖拉網製做了「明天穿什麼」這一應用。在這個應用當中，衆多時裝圈權威人士輸送時裝搭配與風格單品，由用戶任意打分，根據用戶的打分偏好，拖拉網便能猜到明天她們想穿什麼，而後爲她在數十萬件網購時裝中推薦單品，而且實現直通購買下單。在獲取客戶數據後，後臺分析也是各顯神通。機器學習

拖拉網加入了更多變量來考覈本身的推薦模式。好比有消費者明天要參加一個聚會，不知道要穿什麼風格，也沒有看天氣預報，但願導購網站能幫她把這些場景和本身的信息組合起來，給出一整套的解決方案。工具

因而日期、地域、場合、風格，這些都成爲穿衣搭配解決方案的變量，通過不斷的組合呈現給用戶，據拖拉網數據，用戶在看到一個比較優質的搭配，並有場景性引導的時候，點擊到最後頁面完成購買的轉化率會比單品推薦高40%。學習

28. SeeChange的基因健康測試

如今人們有了把人類基因檔案序列化的能力，這容許醫生和科學家去預測病人對於某些疾病的易感染性和其餘不利的條件，能夠減小治療過程的時間和花費。

位於舊金山的SeeChange公司建立了一套新的健康保險模式。該公司經過分析客戶的我的健康記錄、醫療報銷記錄、以及藥店的數據，來判斷該客戶對於慢性病的易感性，並判斷該客戶是否有可能從一些定製的康復套餐中獲利。

SeeChange同時設計健康計劃，並設立獎勵機制鼓勵客戶主動完成健康行動，全過程都經過其數據分析引擎來監控。

29. Given Imaging的圖像診斷

以色列的Given Imaging公司發明了一種膠囊，內置攝像頭，患者服用後膠囊能以大約每秒14張照片的頻率拍攝消化道內的狀況，並同時傳回外置的圖像接收器，患者病徵經過配套的軟件被錄入數據庫，在4至6小時內膠囊相機將經過人體排泄離開體外。

通常來講，醫生都是在靠本身的我的經驗進行病徵判斷，不免會對一些疑似陰影拿捏不許甚至延誤病人治療。如今經過Given Imaging的數據庫，當醫生髮現一個可疑的腫瘤時，雙擊當前圖像後，過去其餘醫生拍攝過的相似圖像和他們的診斷結果都會悉數被提取出來。

能夠說，一個病人的問題再也不是一個醫生在看，而是成千上萬個醫生在同時給出意見，並由來自大量其餘病人的圖像給出佐證。這樣的數據對比，不但提升了醫生診斷的效率，還提高了準確度。

30. Entelo的「前獵頭」

真正的技術人才永遠是各大公司的搶手貨，絕對不要坐等他們向你投簡歷，由於在他們尚未機會寫簡歷以前極可能已經被其餘公司搶走了。Entelo公司能替企業家們推薦那些纔剛剛萌發跳槽動機的高級技術人才，以便先下手爲強。

Entelo的數據庫裏目前有3億份簡歷。而如何判斷高級人才的跳槽傾向，Entelo有一套正在申請專利的算法。這套算法有70多個指標用於斷定跳槽傾向。某公司的股價下跌、高層大換血、剛被另外一大公司收購，這些都會被Entelo看做是致使該公司人才跳槽的可能性因素。

因而Entelo就會馬上把該公司裏的高級人才的信息推送給訂閱了本身服務的企業家們。企業家們收到的簡歷跟通常的簡歷還不同。Entelo抓取了這些人才在各大社交網絡的信息。這樣企業家們能夠了解該人提交過哪些代碼，在網上都回答了些什麼樣的問題，在Twitter上都發表的是些什麼樣的信息。

總之，這些準備「挖角」的企業家可以看到一個活生生的目標人才站在面前。

31. FlightCaster和Passur的延誤預測

航空業分秒必爭，尤爲是航班抵達的準確時間。若是一班飛機提早到達，地勤人員還沒準備好，乘客和乘務員就會被困在飛機上白白耽誤時間;若是一班飛機延誤，地勤人員就只能坐着乾等，白白消耗成本。

美國一家大航空公司從其內部報告中發現，大約10%的航班的實際到達時間與預計到達時間相差10分鐘以上，30%的航班相差5分鐘以上。FlightCaster是一家提供航班延誤信息預測的公司，主要根據航空公司的航班運行狀況進行預測。

與航空公司所擁有的相似航班運行狀況的專有信息同樣，該公司擁有大量國內航班飛行和航班實時運行情況的歷史數據。Flightcaster的祕訣就是其對大數據分析的有效利用和使用適當的軟件工具對產出數據進行實時管理。

Passur Aerospace是專門爲航空業提供決策支持的技術公司。經過蒐集天氣、航班日程表等公開數據，結合本身獨立收集的其餘影響航班因素的非公開數據，綜合預測航班到港時間。時至2012年，Passur公司已經擁有超過155處雷達接收站，每4.6秒就收集一次雷達上每架飛機的一系列信息，這會持續地帶來海量數據。

不只如此，通過長期的數據收集，Passur擁有了一個超過十年的巨大的多維信息載體，爲透徹的分析和恰當的數據模型提供了可能。Passur公司相信，航空公司依據它們提供的航班到達時間作計劃，能爲每一個機場每一年節省數百萬美圓。

32. Climate的農業保險

一家名爲氣候公司的創業企業天天都會對美國境內超過100萬個地點、將來兩年的天氣狀況進行超過1萬次模擬，其數據量龐大、動態、實時。隨後，該公司將根系結構和土壤孔隙度的相關數據，與模擬結果相結合，爲成千上萬的農民提供農做物保險。

經過遙感獲取土壤數據，這和咱們過去所熟悉的經過網絡服務獲取用戶網絡行爲數據不是一回事，數據的概念得以極大的擴充。要想對每塊田地提供精準的保險服務，確定還須要與土地數據相配套的農產品期貨、氣候預測、國際貿易、國際政治和軍事安全、國民經濟，產業競爭等等各方面的數。

在如此龐雜的大數據基礎上推出的商業模式是創新的，同現有農做物保險方式相比具有極大競爭力，而且是可持續和規模化的。更妙的是，這家公司基於大數據的運營，徹底沒有進行高額的網絡設施投資，只是租用了亞馬遜的公共雲服務，一個月幾萬美圓而已。

33. Hiptype的記錄閱讀

幾乎全部的收費電子書都會提供部分章節讓讀者試讀，其實，出版商須要弄清楚人們讀到了哪裏、讀完後有沒有購買，以及其餘各類體驗，才能賣出更多的電子書。

美國創業公司Hiptype開發了一套電子書閱讀分析工具，其商業模式就在試圖解決這一難題。Hiptype自稱爲「面向電子書的Google Analytics」，可以提供與電子書有關的豐富數據。它不只能統計電子書的試讀和購買次數，還能繪製出「讀者圖譜」，包括用戶的年齡、收入和地理位置等。

此外，它還能告訴出版商讀者在看完免費章節後是否進行了購買，有多少讀者看完了整本書，以及讀者平均看了多少頁，讀者最喜歡從哪一個章節開始看，又在哪一個章節半途而廢，等等。

Hiptype可以與電子書整合在一塊兒，出版商不管選擇哪一種渠道，老是可以得到用戶數據。Hiptype收集的全部數據都是匿名的。用戶在下載了內置Hiptype服務的電子書時，會獲得一個提示，能夠選擇將其屏蔽。

34. 安客誠的「人網合一」

網絡營銷存在一個巨大問題，如何獲知在網上使用幾個不一樣名稱的人是不是同一我的?安誠客推出了一種名爲「觀衆操做系統」的技術方案解決了這個問題。它容許市場營銷者與你的「數字人物」綁定，即便你因爲婚姻換了名字，或者使用暱稱，或者偶爾使用中名，它也照樣可以解答那個已經換了地址或者電話號碼的人是不是同一我的的問題。

AOS 能夠聚集不一樣數據庫中的信息，這些數據或離線或在線，是公司可能在不一樣場合針對我的而收集的。經過使用AbiliTec——一種Acxiom也擁有的數字化「身份識別」技術——AOS將客戶信息刪繁就簡，獲得簡單單一的結果。AOS幫助安誠客的廣告客戶使用他們的數據在Facebook上找到廣告投放目標用戶。

03 下篇：數據關聯、數據廢氣和黑暗數據

大數據主要不做因果判斷，主要適用於關聯分析。不少關聯分析並不須要複雜的模型，只須要具備大數據的意識。

不少機構都有數據廢氣，數據不是用完就是被捨棄，它的再利用價值也許你如今不清楚，但在將來的某一刻，它會迸發出來，能夠化廢爲寶。

黑暗數據就是那些針對單一目標而收集的數據，一般用過以後就被歸檔閒置，其真正價值未能被充分挖掘。若是黑暗數據用在恰當的地方，也能公司的事業變得光明。

35. 數據關聯分析

某公司團隊曾經使用來自手機的位置數據，來推測美國聖誕節購物季開始那一天有多少人在梅西百貨公司的停車場停車，進而能夠預測其當天的銷售額，這遠早於梅西百貨本身統計出的銷售記錄。不管是華爾街的分析師或者傳統產業的高管，都會因這種敏銳的洞察力得到極大的競爭優點。

對於稅務部門來講，稅務欺騙正在日益的被關注，這時大數據能夠用於增長政府識別詐騙的流程。在隱私容許的地方，政府部門能夠綜合各個方面的數據好比車輛的登記，海外旅遊的數據來發現我的的花費模式，使稅務貢獻不被疊加。同時一個可疑的問題出現了，這並無直接的證據指向詐騙，這些結論並不能用來去控告我的。可是他能夠幫助政府部門去明確他們的審計和其餘的審覈以及一些流程。

36. 數據廢氣

物流公司的數據原來只服務於運營須要，但一經再利用，物流公司就華麗轉身爲金融公司，數據用以評估客戶的信用，提供無抵押貸款，或者拿運送途中的貨品做爲抵押提供貸款;物流公司甚至能夠轉變爲金融信息服務公司來判斷各個細分經濟領域的運行和走勢。

有公司已經在大數據中有接近「上帝俯視」的感受，美國洛杉磯的一家企業宣稱，他們將全球夜景的歷史數據創建模型，在過濾掉波動以後，作出了投資房地產和消費的研究報告。

麥當勞則經過外送服務，在售賣漢堡的同時得到了用戶的精準地址，這些地址數據聚集以後，就變成了一份絕妙的房地產業的內部數據。

37. 黑暗數據

在特定狀況下，黑暗數據能夠用做其餘用途。Infinity Property & Casualty公司用累積的理賠師報告來分析欺詐案例，經過算法挽回了1200萬美圓的代位追償金額。一家電氣銷售公司，經過積累10年ERP銷售數據分析，按照電氣設備的生命週期，給5年前的老客戶逐一拜訪，得到了1000萬元以上電氣設備維修訂單，順利地進入MRO市場。

38. 客戶流失分析

美國運通之前只能實現過後諸葛亮式的報告和滯後的預測，傳統的BI已經沒法知足其業務發展的須要。

因而，AmEx開始構建真正可以預測客戶忠誠度的模型，基於歷史交易數據，用115個變量來進行分析預測。該公司表示，對於澳大利亞將於以後4個月中流失的客戶，已經可以識別出其中的24%。這樣的客戶流失分析，固然能夠用於挽留客戶。

酒店業能夠爲消費者定製相應的獨特的個性房間，甚至能夠在牆紙上放上消費者的微博的旅遊心情等等。旅遊業能夠根據大數據爲消費者提供其可能會喜愛的本地特點產品、活動、小而美的小衆景點等等來挽回遊客的心。

39. 快餐業的視頻分析

快餐業的公司能夠經過視頻分析等候隊列的長度，而後自動變化電子菜單顯示的內容。若是隊列較長，則顯示能夠快速供給的食物;若是隊列較短，則顯示那些利潤較高但準備時間相對長的食品。

40. 大數據競選

2012年，參與競選的奧巴馬團隊肯定了三個最根本的目標：讓更多的人掏更多的錢，讓更多的選民投票給奧巴馬，讓更多的人蔘與進來！

這須要「微觀」層面的認知：每一個選民最有可能被什麼因素說服？每一個選民在什麼狀況下最有可能掏腰包？什麼樣的廣告投放渠道可以最高效獲取目標選民？如競選總指揮吉姆·梅西納所說，在整個競選活中，沒有數據作支撐的假設不能存在。

爲了籌到10億美圓的競選款，奧巴馬的數據挖掘團隊在過去兩年蒐集、存儲和分析了大量數據。他們注意到，影星喬治·克魯尼對美國西海岸40歲至49歲的女性具備很是大的吸引力：她們無疑是最有可能爲了在好萊塢與克魯尼和奧巴馬共進晚餐而不惜自掏腰包的一個羣體。克魯尼在自家豪宅舉辦的籌款宴會上，爲奧巴馬籌集到數百萬美圓的競選資金。

此後，當奧巴馬團隊決定在東海岸物色一位對於這個女性羣體具備相同號召力的影星時，數據團隊發現莎拉·傑西卡·帕克的粉絲們也一樣喜歡競賽、小型宴會和名人。「克魯尼效應」被成功地複製到了東海岸。

在整個的競選中，奧巴馬團隊的廣告費用花了不到3億美圓，而羅姆尼團隊則花了近4億美圓卻落敗，其中一個重要的緣由在於，奧巴馬的數據團隊對於廣告購買的決策，是通過縝密的數據分析以後才制定的。一項民調顯示，80%的美國選民認爲奧巴馬比羅姆尼讓他們感受更加劇視本身。

結果是，奧巴馬團隊籌得的第一個1億美圓中，98%來自於小於250美圓的小額捐款，而羅姆尼團隊在籌得相同數額捐款的狀況下，這一比例僅爲31%。

41. 監控非法改建

「私搭亂建」在哪一個國家都是一件鬧心的事，並且容易引發火災。非法在屋內打隔斷的建築物着火的可能性比其餘建築物高不少。紐約市每一年接到2.5萬宗有關房屋住得過於擁擠的投訴，但市裏只有200名處理投訴的巡視員。

市長辦公室一個分析專家小組以爲大數據能夠幫助解決這一需求與資源的落差。該小組創建了一個市內所有90萬座建築物的數據庫，並在其中加入市裏19個部門所收集到的數據：欠稅扣押記錄、水電使用異常、繳費拖欠、服務切斷、救護車使用、當地犯罪率、鼠患投訴等等。

接下來，他們將這一數據庫與過去5年中按嚴重程度排列的建築物着火記錄進行比較，但願找出相關性。果真，建築物類型和建造年份是與火災相關的因素。不過，一個沒怎麼預料到的結果是，得到外磚牆施工許可的建築物與較低的嚴重火災發生率之間存在相關性。

利用全部這些數據，該小組創建了一個能夠幫助他們肯定哪些住房擁擠投訴須要緊急處理的系統。他們所記錄的建築物的各類特徵數據都不是致使火災的緣由，但這些數據與火災隱患的增長或下降存在相關性。這種知識被證實是極具價值的：過去房屋巡視員出現場時簽發房屋騰空令的比例只有13%，在採用新辦法以後，這個比例上升到了70%。

42. 榨菜指數

負責起草《全國促進城鎮化健康發展規劃(2011-2020年)》(如下簡稱「城鎮化規劃」)的國家發改委規劃司官員須要精確知道人口的流動，怎麼統計出這些流動人口成爲難題。

榨菜，屬於低質易耗品，收入增加對於榨菜的消費幾乎沒有影響。通常狀況下，城市常住人口對於方便麪和榨菜等方便食品的消費量，基本上是恆定的。銷量的變化，主要由流動人口形成。

據國家發改委官員的說法，涪陵榨菜這幾年在全國各地區銷售份額變化，可以反映人口流動趨勢，一個被稱爲「榨菜指數」的宏觀經濟指標就誕生了。國家發改委規劃司官員發現，涪陵榨菜在華南地區銷售份額由2007年的49%、2008年的48%、2009年的47.58%、2010年的38.50%下滑到2011年的29.99%。

這個數據代表，華南地區人口流出速度很是快。他們依據「榨菜指標」，將全國分爲人口流入區和人口流出區兩部分，針對兩個區的不一樣人口結構，在政策制定上將會有所不一樣。

43. 天氣帳單

常言道，「天有不測之風雲」，遇到過出門旅遊、重要戶外路演、舉辦婚禮等重要時刻卻被糟糕的天氣弄壞心情甚至形成經濟損失的狀況嗎？

全球第一家氣象保險公司「天氣帳單」能爲用戶提供各種氣候擔保。客戶登陸「天氣帳單」公司網站，而後給出在某個特定時間段裏不但願遇到的溫度或雨量範圍。「天氣帳單」網站會在100毫秒內查詢出客戶指定地區的天氣預報，以及美國國家氣象局記載的該地區以往30年的天氣數據。經過計算分析天氣數據，網站會以承保人的身份給出保單的價格。這項服務不只我的用戶須要，一些公司，好比旅行社也很樂意參與。

一家全球性飲料企業將外部合做夥伴的每日天氣預報信息集成，錄入其需求和存貨規劃流程。經過分析特定日子的溫度、降水和日照時間等3個數據點，該公司減小了在歐洲一個關鍵市場的存貨量，同時使預測準確度提升了大約5%。

44. 歷史情景再現

微軟和以色列理工學院的研究人員已開發出一款軟件，能根據過去20年《紐約時報》的文章以及其餘在線數據預測傳染病或者其餘社會問題可能會於什麼時候何地爆發。

在利用歷史數據進行測試時，該系統的表現十分驚人。例如，根據2006年對安哥拉乾旱的報道，該系統預測安哥拉極可能發生霍亂。這是因爲，經過此前發生的多起事件，該系統瞭解到在乾旱出現的幾年後霍亂爆發的可能性將上升。

此外，該系統根據對2007年初非洲大型颶風的報道，再次對安哥拉發生霍亂作出預警。而在不到一週以後，報道顯示安哥拉確實發生了霍亂。在其餘測試，例如對疾病、暴力事件及傷亡人數的預測中，該系統的準確率達到70%至90%。

該系統的信息來自過去22年中《紐約時報》的報道存檔，具體時間爲1986年至2007年。不過，該系統也利用了網絡上的其餘一些數據，瞭解什麼樣的事件會帶來特定的社會問題。這些信息來源提供了不存在於新聞文章但卻有價值的內容，有助於肯定不一樣事件之間的因果關係或先後關係。

例如，該系統可以推斷盧旺達和安哥拉城市之間所發生事件的關係，由於這兩個國家都位於非洲，有着相似的GDP，其餘一些因素也很類似。根據這種方法，該系統認爲，在預測霍亂爆發方面，應當考慮國家或城市的位置，國土面積有多少是水域，人口密度和GDP是多少，以及近幾年是否發生過乾旱。

負責此項研發工做的Horvitz表示，近幾十年來，世界的許多方面都發生了改變，不過人類的本性和環境的許多方面仍然未變，所以軟件能夠從以往的數據中瞭解事情發生的模式，從而預測將來會發生什麼。他表示：「對於回溯更久以前的數據，我我的很感興趣。」

此類預測工具的市場正在造成。例如，一家名爲RecordedFuture的創業公司根據網上的前瞻性報道和其餘信息來源預測將來事件，該公司的客戶包括政府情報部門。該公司CEOChristopherAhlberg表示，利用「硬數據」來進行預測是可行的，但從原型系統到商用產品還有很長的路要走。

45. Nike+傳感鞋

耐克憑藉一種名爲Nike+的新產品變身爲大數據營銷的創新公司。所謂Nike+，是一種以「Nike跑鞋或腕帶+傳感器」的產品，只要運動者穿着Nike+的跑鞋運動，iPod就能夠存儲並顯示運動日期，時間、距離、熱量消耗值等數據。用戶上傳數據到耐克社區，就能和同好分享討論。

耐克和Facebook達成協議，用戶上傳的跑步狀態會實時更新到帳戶裏，朋友能夠評論並點擊一個「鼓掌」按鈕——神奇的是，這樣你在跑步的時候便可以在音樂中聽到朋友們的鼓掌聲。

隨着跑步者不斷上傳本身的跑步路線，耐克由此掌握了主要城市裏最佳跑步路線的數據庫。有了Nike+，耐克組織的城市跑步活動效果更好。參賽者在規定時間內將本身的跑步數據上傳，看哪一個城市累積的距離長。

憑藉運動者上傳的數據，耐克公司已經成功創建了全球最大的運動網上社區，超過500萬活躍的用戶，天天不停地上傳數據，耐克藉此與消費者創建史無前例的牢固關係。海量的數據對於耐克瞭解用戶習慣、改進產品、精準投放和精準營銷又起到了不可替代的做用。

46. 沃爾沃的工業互聯網

在沃爾沃集團，經過在卡車產品中安裝傳感器和嵌入式CPU，從剎車到中央門鎖系統等形形色色的車輛使用信息，正源源不斷地傳輸到沃爾沃集團總部。

「對這些數據進行分析，不只能夠幫助咱們製造更好的汽車，還能夠幫助客戶們獲取更好體驗。」沃爾沃集團CIORichStrader說。這些數據正在被用來優化生產流程，以提高客戶體驗和提高安全性。

未來自不一樣客戶的使用數據進行分析，可讓產品部門提前發現產品潛在的問題，並在這些問題發生以前提早向客戶預警。「產品設計方面的缺陷，此前可能須要有50萬臺銷量的時候才能暴露出來，而如今只須要1000臺，咱們就能發現潛在的缺陷。」

47. McKesson的動態供應鏈

在美國最大的醫藥貿易商McKesson公司，對大數據的應用也已經遠遠領先於大多數企業，將先進的分析能力融合到天天處理200萬個訂單的供應鏈業務中，而且監督超過80億美圓的存貨。

對於在途存貨的管理，McKesson開發了一種供應鏈模型，它根據產品線、運輸費用甚至碳排放量而提供了極爲準確的維護成本視圖。據公司流程改造副總裁RobertGooby說，這些詳細信息使公司可以更加真實地瞭解任意時間點的運營狀況。

McKesson利用先進分析技術的另外一個領域是對配送中心內的物理存貨配置進行模擬和自動化處理。評估政策和供應鏈變化的能力幫助公司加強了對客戶的響應能力，同時減小了流動資金。整體來說，McKesson的供應鏈轉型使公司節省了超過1億美圓的流動資金。

48. 紙牌屋與電影業

《紙牌屋》最大的特色在於，與以往電視劇的製做流程不一樣，這是一部「網絡劇」。簡而言之，不只傳播渠道是互聯網觀看，這部劇從誕生之初就是一部根據「大數據」，即互聯網觀衆欣賞口味來設計的產品。

Netflix成功之處在於其強大的推薦系統Cinematch，該系統基於用戶視頻點播的基礎數據如評分、播放、快進、時間、地點、終端等，儲存在數據庫後經過數據分析，計算出用戶可能喜好的影片，併爲他提供定製化的推薦。爲此他們開設了年Netflix大獎(點擊查看獲獎算法)，用百萬美圓懸賞，獎勵可以將其電影推薦算法準確性提升至少10%的人。

將來的電影製做成本將大幅下降，一千粉絲足以使電影成功。仍是像《技術元素》裏說：「目光彙集的地方，金錢必將追隨。」

49. 點評與餐飲業

美國不少州政府在與餐飲點評網lep展開合做，監督餐飲行業的衛生狀況，效果很是好。人們再也不像之前那樣從窗口去看餐館裏的狀況，而是從手機APP裏的評論！在中國的本地化O2O點評好比大衆點評、番茄點等等，消費者能夠對任何商家進行評判，同時商家也能夠經過這些評判來提高本身的服務能力，在環節上進行更大力度的效率優化。

將來的餐飲行業將會由互聯網和社會化媒體上所產生和承載的數據完全帶動起來，會有愈來愈多的人加入點評中，餐館優勝劣汰的速度將會大幅加快。

關注公衆帳號

【飛馬會】

▼