基于“大数据”背景的搜索引擎平台服务模式的探讨

【摘要】“大数据”正以各种方式和路径影响着企业生态，它已经成为企业商业模式的基本背景。在网络行业中，大数据利用基于“连接”与“融合”的两种商业模式——平台式商业模式和数据驱动跨界模式。搜索引擎商在传统搜索量之外，进一步拓展了其自身的业务模式，利用其自身优势在某种程度上转变为数据有偿服务提供者，国内搜索引擎大数据分析服务逐步建立，但服务本身也存在某种不足，可以继续提升。

【关键词】大数据；搜索引擎；模式

20世纪90年代以来，随着信息、通信技术的发展、交汇与融合，新的商业模式层出不穷，涌现出一大批依靠商业模式创新而创造辉煌的企业：苹果、IBM、亚马逊、Google、eBay、Facebook、海尔，等等；纵观这些商业模式创新的典范，可以看出这些创新大都与无限接近消费者有关、与跨界有关，都直接或间接地与信息数字化技术和互联网有关。商业模式创新登上了企业创新的中心舞台，“大数据”成为商业模式创新的基本时代背景。全球知名咨询公司麦肯锡最早提出“大数据时代已经到来”。2011年，在其题为“Big Data：The Next Frontier for Innovation Competition and Productivity”的研究报告中指出：数据已经渗透到每一个行业的每一个业务职能领域，逐渐成为重要的生产要素；人们对于海量数据的运用将预示着新一轮生产率增长和消费者盈余浪潮的到来。2012瑞士达沃斯世界经济论坛的与会者宣称：数据的威力无比强大，数据是一种新的经济资产，就像货币和黄金一样；这不仅是一次技术革命，从某种意义上说是一种社会革命，将对国家治理模式、企业决策、组织和业务流程、个人生活方式产生巨大的影响。McGuire 阐释了“大数据”带来新的竞争优势的五种途径：信息透明化、更多的交易信息数字化、针对更窄细分市场量身定做的产品和服务、精密的分析，以及产品和服务的前瞻性开发。Brown 则指出大数据带来的是改变游戏规则（The Game-Changing）的巨大影响，企业的成功不仅仅取决于新技术而且取决于关于大数据时代如何发展的新思维：一个受大数据影响的扩展了的管理实践循环以及大数据对潜在的、破坏性的、新的商业模式的作用；进而指出：彻底定制化（Radical Customization）、永恒的实验（Constant Experimentation）和新奇的商业模式（Novel Business Models）是公司在捕捉和分析海量数据时代竞争的新标记。

一、基于百度统计的苹果电子产品分析

2014年4月，百度正式对外开放“大数据引擎”，将开放云、数据工厂和百度大脑等核心大数据能力开放，向外界提供大数据存储、分析和挖掘技术。百度“大数据引擎”包括开放云、数据工厂和百度大脑三个核心组件。百度通过平台化和接口化的方式，对外开放其大数据存储、分析和智能化处理等核心能力，这也是全球首个开放大数据引擎。百度的合作机构和传统企业，将能够在线使用百度的大数据架构，处理自身积累的大数据，同时融合百度大数据技术进行挖掘处理，改造传统行业的企业管理、商业模式等环节。百度大数据引擎将经历逐步开放的过程，采取邀请制和免费模式，与政府、非政府组织、制造、医疗、金融、零售和教育等传统领域率先展开合作。计算能力的提升和云存储技术产品成本的降低，使大数据走到了技术变革的临界点。传统企业普遍面临大数据应用困境，数据存储管理和分析挖掘的能力存在瓶颈。百度已推出百度指数、百度商情和百度司南等大数据商业化应用，对其自身业务也是有效拓展。流量研究院一栏中包括移动设备品牌比例报告，报告数据源于百度移动统计所覆盖的数万款app数据，而非移动设备出货量。

应用百度海量的搜索数据来刻画我国中小企业运行发展的景气状态，以期能够及时、有效地反映中小企业运行状况，提高经济监测的全面性和及时性。本指数采用Stock-Watson型景气指数的编制思想，在景气指数的编制过程中，剔除了指标的趋势项和季节因素的影响，保留了平稳的部分。

二、百度统计模式溯源

大数据分析方式与市场调研在电子类市场中应用尤为明显，美国著名市场调研公司Consumer Intelligence Research Partners即是非常著名的市场调查主体。其对iPhone与Android客户忠诚度比较分析即是运用了大数据与市场营销的手段。

根据Consumer Intelligence Research Partners的最新数据，从2014年6月苹果的智能手机销售情况来看，卖出的智能手机中有52%为最新款的iPhone 5，2011年推出的 iPhone 4s 销售占比为30%，剩下的18% 则是 iPhone 4。数据表明iPhone手机的平均售价出现了稳步下降。其原因是客户逐渐转向上一代的iPhone 4s和iPhone 4。2012年10月iPhone 5刚推出时尝鲜者曾将其销售占比推高到 68%（相比之下iPhone 4S 刚推出时的销售占比曾一度达到90%），但是到了去年 12 月就迅速回落到50%。一些市场观察家认为，随着智能手机市场走向成熟，其未来的增长主要将取决于中低端手机的发展。此次出炉的数据也从另一个侧面佐证苹果今年可能会推出新的中端iPhone手机的传言。

三、Google Analytics和百度统计

Google Analytics和百度統计都是网站常用的网站流量分析工具，与其他流量统计工具不同，Google Analytics和百度统计不只记录点击流数据，更注重点击流的分析与测量；并尽量将这些结果向Web分析和网络营销引导。百度统计与Google Analytics有相同之处也存在相对差异。Google Analytics和百度统计的相似之处有以下几个方面：

首先，工具定位和层次基本相同。均定位于流量分析工具，而不是流量统计，流量分析差别于流量统计的显著特点是，流量分析会关注与流量的质量。由这个区分来看，目前市场上的CNZZ，51la，量子统计均只是流量统计的工具，而且由于基本的分析方法迥异，要升级为流量分析几乎不可能。随着站长的成熟，停留在统计层面的工具，迟早要消失的。

其次，都致力于帮助站长提升网站质量。搜索引擎处于互联网生态链的顶端，到了一定的阶段，互联网上是否有高质量的内容和网站，将成为搜索引擎下一个发展瓶颈，这一点百度和Google是一致的。无论是Google还是百度，都希望将大数据与商业模式结合得更加完整，对其盈利更加有利。搜索引擎推流量分析工具都是这样的目的。

再次，都独家支持自家推广平台的统计。与Google Analytics独家无缝整合Google Adwords一样，百度统计对百度推广也实现了完美的整合。百度推广的关键词、创意、计划、单元带来的流量与点击消费信息被整合在平台下，能很好地帮助百度推广用户做各类SEM优化。独家支持这一点，本身就可以吸引到大量用户来用，毕竟依赖于付费推广的用户还是很多很多的。

百度统计相对于Google Analytics也存在相对优势，如百度统计系统更加符合中国站长的需求，可以提供独立IP数，提供实时数据，以及访客明细记录。此外，百度统计提供的事件目标分析功能，只需要在后台对要监控的事件进行设置就可以了，用起来很方便，不懂编程的人也可以很快用起来。流量的分析最重要就是看：细分、趋势、并做比较，百度统计在各个报告中都提供了快速趋势查询功能，方便观察和比较。这些优势是Google Analytics不具备的。

但百度统计相对于Google Analytics也存在不足的方面。第一，交叉数据分析方面。Google在数据存储方面的能力毫无疑问。用过的Google Analytics人都会被其强大的维度交叉分析功能所降服。百度统计虽然也在大多数报告中提供了地域和来源的交叉过滤，但与Google Analytics相比，还有差距。第二，自定义报告和功能方面。Google Analytics提供了自定义维度、指标，能够自由组合出各种需要的报告。过滤器就更不用说了，可以自由设置，过滤出各类数据，只有想不到，没有做不到。百度统计虽然也提供了IP排除、来源过滤、跨域统计等功能，但是在自定义方面显然不如Google Analytics。第三，转化分析方面。Google Analytics在转化路径分析方面做得更加完善，功能更加强大。百度统计也提供了转化路径分析功能，但还非常简单，提供了上下游报告也还有不少要完善的地方。第四，网站分析规则制定和普及方面Google Analytics不仅是一个工具，而且提供了一套方法和规则，帮助网站分析从业者、网站主来做网站分析，成为了业界默认的规范。

四、余论

“大数据”的时代语境本身对商业模式具有三维视角，即大数据资源与技术的工具化运用、大数据资源与技术商品化推动“大数据”产业链形成、以“大数据”为中心的扩张引发行业跨界与融合。搜索引擎商利用“大数据”在企业创新、业务创新取得重要进展。网络行业的“连接”与“融合”的商业模式使得搜索引擎商在传统搜索量之外，进一步拓展了其自身的业务模式，利用其自身优势在某种程度上转变为数据有偿服务提供者，百度统计即是在此背景下产生的。百度统计与其主要启发者和竞争者Google Analytics相比，既存在相对优势和相对劣势，国产搜索引擎商应在交叉数据分析方面、自定义报告和功能方面、转化分析方面继续提升业务水平，使其有偿数据服务传输更为专业化和常态化。

【参考文献】

[1] 吴伯凡. “大消费时代”的“杂交模式”[J]. 二十一世纪商业评论， 2011（1）.

[2] James Manyika， Michael Chui. Big Data： The Next Frontier for Innovation， Competition and Productivity [J]. McKinsey Quarterly， 2011（5）.

[3] Jeanne E. Johnson. Big Data + Big Analytics = Big Opportunities[J]. Financial Executive， 2012（7/8）.

[4] Tim McGuire， James Manyika， and Michael Chui. Why Big Data Is the New Competitive Advantage [J]. Ivey Business Journal， 2012（7/8）.

[5] Brown， Brad， Chui， Michael， Manyika， and James. Are You Ready for the Era of “Big Data”[J]. McKinsey Quarterly， 2011（4）.

[6] 宋 文， 李少华. iPhone与Android客户忠诚度比较分析——基于市场营销角度[J]. 市場周刊， 2014（5）.

【作者简介】

陈强（1990—），男，山西太原人，西南大学新闻传媒学院硕士研究生在读，主要研究方向：新媒体技术。