電商業(yè)務(wù)正在成為“網(wǎng)易游戲公司”營(yíng)收的新一極。

2016年網(wǎng)易公布的財(cái)報(bào)顯示，郵箱、電商為主的（加上其他業(yè)務(wù)）幫手網(wǎng)易獲得了80.46億收入；上一年，這一數(shù)字僅為37億。

在電商業(yè)務(wù)內(nèi)部，除了明星產(chǎn)品考拉和嚴(yán)選，網(wǎng)易其實(shí)還暗暗布局了一塊互金業(yè)務(wù)——網(wǎng)易貴金屬，2015年初即已經(jīng)發(fā)布。這是網(wǎng)易在虛擬電商方面的棋子，在大家涌向P2P的時(shí)候，網(wǎng)易悄然布局了這一業(yè)務(wù)。

幾年前還相對(duì)“冷門”的貴金屬，如今正在成為一門熱門的生意，所謂“互聯(lián)網(wǎng)+貴金屬”。目前，騰訊、阿里、京東等互聯(lián)網(wǎng)巨頭都已入局黃金生意（好比鈦媒體曾報(bào)道的事實(shí)上形成貴金屬買賣的微信“黃金紅包”，以及螞蟻金服聯(lián)合基金公司推出的“存金寶”）。

和上述巨頭的路徑對(duì)比，網(wǎng)易選擇做貴金屬交易平臺(tái)顯然是一個(gè)相對(duì)小眾的選擇。但這兩者的區(qū)別在于：前者（如黃金紅包、存金寶）相當(dāng)于用戶把錢投給興業(yè)銀行或者博時(shí)基金，由他們來(lái)為用戶提供黃金理財(cái)辦事，而后者則是需要用戶本身來(lái)操盤交易。如果以股票市場(chǎng)類比，金生寶和存金寶類似于股票基金，而貴金屬交易平臺(tái)則類似于同花順。

在《陰陽(yáng)師》“氪”了多少錢，可能就是一個(gè)數(shù)據(jù)維度

網(wǎng)易看起來(lái)是進(jìn)入了一個(gè)藍(lán)海市場(chǎng)，但硬幣的另一面是，與從事“普惠金融”的對(duì)手們比擬，貴金屬顯然是一個(gè)相對(duì)小眾卻高凈值用戶密度更高的的市場(chǎng)。

因此，找出那些具有投資意愿的高凈值用戶而且為他們提供更好的辦事成了當(dāng)務(wù)之急。而如何判斷你是不是“有錢人”，用戶數(shù)據(jù)成了判斷的重要標(biāo)尺。

從產(chǎn)品來(lái)看，這位互聯(lián)網(wǎng)巨頭似乎并不缺乏用戶數(shù)據(jù)。

一方面，老牌的新聞客戶端、郵箱系統(tǒng)積累了大量用戶數(shù)據(jù)。按照網(wǎng)易最新財(cái)報(bào)發(fā)布的數(shù)據(jù)顯示，截至2016年12月31日，網(wǎng)易郵箱總有效用戶數(shù)達(dá)到9億。另一方面，網(wǎng)易有道、云音樂(lè)以及游戲相關(guān)產(chǎn)品的用戶也足夠可不雅觀。

網(wǎng)易樂(lè)得副總裁曹魯向鈦媒體透露，在十余年前，網(wǎng)易就在產(chǎn)品的基礎(chǔ)設(shè)施中預(yù)設(shè)代碼埋點(diǎn)——即通過(guò)預(yù)先寫好的代碼來(lái)發(fā)送數(shù)據(jù)，之后網(wǎng)易又自主研發(fā)了無(wú)埋點(diǎn)數(shù)據(jù)收集SDK，自動(dòng)的、動(dòng)態(tài)可分配的、全面且正確的收集用戶在使用APP時(shí)的所有事件數(shù)據(jù)，這些資源都成了網(wǎng)易旗下各種產(chǎn)品的公用數(shù)據(jù)庫(kù)。

而網(wǎng)易的劣勢(shì)在于，它并不具備支付寶們擁有的大量強(qiáng)金融數(shù)據(jù)。不過(guò)網(wǎng)易正期待通過(guò)技術(shù)彌補(bǔ)這塊不足，隨著人工智能、機(jī)器學(xué)習(xí)等技術(shù)的加持，復(fù)雜集成模型已可以處理大量維度的弱變量，這在必然程度上賦予了用戶數(shù)據(jù)“第二次生命”。

曹魯向鈦媒體記者舉了這樣一個(gè)例子，

“如果一個(gè)人長(zhǎng)期能每個(gè)月在網(wǎng)易的游戲上（好比《陰陽(yáng)師》）花5000元，那他很可能是有錢的。如果這個(gè)人碰巧又是看過(guò)網(wǎng)易財(cái)經(jīng)新聞的，就可以大致判斷他的投資偏好。”

據(jù)他介紹，網(wǎng)易貴金屬的數(shù)據(jù)視野范圍包孕了地域、年齡、學(xué)歷、投資經(jīng)驗(yàn)、資產(chǎn)（房、車）、資金流向、交易風(fēng)格等眾多領(lǐng)域。

但數(shù)據(jù)模型的建立與應(yīng)用是一個(gè)“去粗取精”的過(guò)程。曹魯對(duì)鈦媒體體現(xiàn)，數(shù)據(jù)在搜集的過(guò)程中要力求準(zhǔn)確、干凈、豐富，但在應(yīng)用過(guò)程中卻并非越多越好。“剔除無(wú)效數(shù)據(jù)的干擾，才能建立更具有實(shí)際指導(dǎo)意義的數(shù)據(jù)模型。”曹魯說(shuō)。

曹魯向鈦媒體詳細(xì)分析了數(shù)據(jù)的篩查過(guò)程：先將有些看似完整、準(zhǔn)確的數(shù)據(jù)放入模型中，并按照這些數(shù)據(jù)調(diào)整，更新模型，再將更新后的模型放在海量歷史數(shù)據(jù)中進(jìn)行回測(cè)，按照回測(cè)結(jié)果判定數(shù)據(jù)的準(zhǔn)確性。

在這一過(guò)程中，使得模型更為精準(zhǔn)的數(shù)據(jù)將得以保存，降低模型精度的數(shù)據(jù)則會(huì)被剔除，以此反復(fù)，不但剔除了無(wú)效數(shù)據(jù)，也去除了與目標(biāo)變量弱相關(guān)的特征，以此提升模型的精度。

曹魯展示了識(shí)別高價(jià)值用戶模型上線以來(lái)的測(cè)試成績(jī)：預(yù)測(cè)20%的潛在高價(jià)值用戶實(shí)際的召回率在85%以上。也就是說(shuō)，先由模型挑選出20%的高價(jià)值用戶，實(shí)際營(yíng)銷結(jié)束后發(fā)現(xiàn)，真正的高價(jià)值用戶中85%與模型挑選的用戶重疊。

換句話說(shuō)，，目前數(shù)據(jù)模型識(shí)別“有錢人”的成功率大概在85%。

人工智能讓投顧效率提升30%

識(shí)別出“有錢人”只是第一步，如何給他們提供更好的辦事才是下一步的關(guān)鍵。投資顧問(wèn)和分析師在這一階段飾演重要角色。

投資顧問(wèn)人員在貴金屬行業(yè)飾演的角色與保險(xiǎn)推銷員類似。一位貴金屬行業(yè)的從業(yè)者告訴鈦媒體，“傳統(tǒng)的貴金屬投資銷售很像賣保險(xiǎn)，對(duì)方除了你的電話和姓名之外可能一無(wú)所知，這帶來(lái)的問(wèn)題就是效率低下。”