（《TO》編按：本文由中國商務租約車平台「易到用車」 CTO 湯鵬撰寫，全文以重點如下，以第一人稱呈現。）
看到「今夜酒店特價」的創辦人任鑫從經濟學角度解說 O2O，很受啟發，所以有了這篇文章。
O2O 這種從線上到線下的服務模式確實令人興奮，但是單單提高線上用戶體驗、簡化流程已經無法滿足 O2O 的模式的需要。通過數據挖掘（Data Mining），可以換個角度思考 O2O 的發展。
「易到用車」是個提供司機的分時租車平台，用戶使用易到用車的 App，就可以按小時預定租賃公司的帶司機的車輛。
剛開始做易到用車的時候，最關心的問題就是：
1. 誰是我們用戶？
2. 他們都在哪裡？
3. 他們用易到做什麼？
這些問題的答案，除了常規的市場調查外，其實從數據的挖掘中，也可以獲得，甚至更加真實。
舉例來說，下圖是一個普通的周一，北京市易到用車的車輛的 HeatMap：
通過對周一北京的車輛行駛軌跡數據進行挖掘，發現了一些有趣的現象可以解決困擾我們的營銷問題。例如：
- 目標用戶在哪裡？
從 HeatMap 上可以看到，用戶最常用車區域都已經標成紅色，可以輕易對應到北京的相應區域。從圖上看 4 個比較熱點的區域是：
1. 機場
2. CBD以及東三環沿線
3. 中關村地區
4. 金融街以及西二環沿線
這個數據對我們非常有意義！
這些高頻次的用車區域是用戶經常出入的地點，這正是目標用戶最密集的地方。我們需要將易到用車的推廣覆蓋到這些地方，讓更多目標用戶看到，因為這些目標用戶的轉化率效果出奇的好。
- 用戶們都用它來做什麼？
易到用車為了得知用戶們都用易到用車來做什麼，建立了另外一套挖掘模型。
下圖是通過挖掘一個月以來的用戶行程數據，得到的行程聚合圖：
上圖直接連接了行程的起點和終點，不同圓圈的大小代表用戶使用頻繁地點，不同粗細的線表示重複行程。我們可以直觀的看到，幾個比較粗的線條都出現在機場到 CBD（Central Business District，中心商業區）之間。
這恰恰回答了「用戶是誰？」 和「 用戶用車做什麼？」的問題。從上圖可以明顯看到，機場與 CBD之間的行程最多，其次是機場和金融街之間。
- 利用數據挖掘獲得的資訊，做 O2O 準確而堅強的支持架構
通過這些數據的聚合，明確得知用戶通常在商務區與機場之間路程用車，系統的車輛調配算法就會根據此聚合結果進行車輛的調配和安排。例如：送用戶去機場的車輛會接到當時的接機訂單，降低司機空駛，大幅提高運營效率。
另外，易到用車的產品根據密集行程的分析結果，優化了機場到 CBD 之間的價格和里程，進一步提高用戶轉化率。
O2O 的線下閉環不僅指交易的閉環，線下大數據的積累和挖掘也是閉環中一個重要組成部分。從實用經驗來講，通過數據的挖掘，對改進易到用車產品和服務提供了強有力的數據支撐和導向。
供從事 O2O 行業的大家參考。
（圖片來源：forzadagro）
