用户打开“满座网”APP，就可以看到周边3公里以内的团购信息。
本报记者 张倩怡
端午假期里，提前查看好了天气情况，王旭和媳妇带着一家老小去了趟位于亚运村的中华民族园。一上午下来，老人赏花赏得开心、孩子撒欢儿撒得尽兴，一家老小的午饭问题又落在了王旭身上。没多犯愁，王旭熟稔地打开了手机上的一款APP，看着屏幕上的“小三角”确定了方位后，周边大小餐馆的团购信息立马冒了出来，“鸭王烤鸭正好有5人餐团购，就它啦！”手机软件显示，这家餐馆紧挨着王旭他们所在的中华民族园南门。
“前两天咱们看完电影出来吃宵夜，可不是这些餐馆啊？”细心的王旭发现，尽管自己每次都只是做了打开手机软件的这么同一个动作，可随着所在地点不同，每一次手机屏幕上推送出的团购信息却大不相同。
那么，商家的团购信息如何做到追着用户手机跑？
探秘解析
两秒内数据跑了趟“闭环”
端午节前的最后一个工作日，酒仙桥路边的兆维华灯大厦2层的一间办公室里，满座网市场总监姜琥正和几个同事团团围坐在电脑前，最后一次核对参与端午节团购套餐的餐馆信息。
电脑屏幕上，一张北京地图上布满了用红黄蓝等不同颜色标注的圆点，用鼠标点击东城区上的一点，立马出现了小圆点所代表的详细信息，“东来顺2人套餐，团购价98元”。
“不同颜色代表不同的团购门类，例如餐饮、KTV、电影等等。”姜琥说，小圆点在地图上标注地点也正是门店在现实生活中的真实位置。对满座网而言，他们的团队可以在一张全国地图上标注出3万多个这样动态的小圆点。就在王旭打开手机上一款APP后等待团购信息出现的不到两秒钟时间里，数据就已经历了从手机出发、前往软件背后的服务器、再返回手机端的“闭环”。
“现在的智能手机里都有基础感应器。当用户打开APP时，感应器就会捕捉周边的网络信号，同时向我们的服务器发出了一个地理位置请求。”姜琥解释说，他们的数据后台是由商户信息和地理位置两个不同纬度交织成的一张大数据网。用户所处的地点不同，就会向机房发送回来不同的“经度、纬度”地理位置，系统迅速开始识别信息，随后会从大数据网中自动寻找到和地理位置相匹配的商铺信息再推送给手机。
这么一张大数据网是如何织就的？
“我们有专门的团队去收集商户信息，再把这些信息和地理位置相匹配，形成一幅商户地图。” 姜琥说道，和很多团购网站一样，满座网使用的也是百度、高德等第三方地图软件提供的地理位置服务，“原本我们有的只是这些餐馆的餐品价格、客流量、客单价这些静态信息，通过把这些信息和地图相结合，商户信息就成了动态图。”
数据背后
网站为拉商户降佣金
不止如此，同一条繁华的商业街上，哪些餐馆能够出现在团购APP上、哪些商铺又能排上手机屏幕上的前几名？这背后，还有一笔经济账。
在满座网工作了一年多，小伙儿朱林每个月要花上大半时间在“扫街”上。背着个塞着一沓沓文件的双肩包、戴了副黑框眼镜，一身学生打扮的朱林走在街上总是关注着周边的商铺，遇到客人多的店铺，站在门口瞧上五六分钟也是常事儿。
朱林所在的是销售岗，在团购行业，这份工作还有另一种通俗说法，“地推儿”。能否发现热门商铺、说服店家在网站做上一笔团购生意，是他的主要考核指标，“也分淡旺季，淡季一个月得有50单，旺季的话怎么也得100来单吧。”
客流量大的、有口碑的，这类店铺是团购网站的首选合作对象，可要谈下来也并不容易，“能不能谈下来，关键还真得看佣金。”佣金，指的是线下商铺要将生意搬到网上时，需要向团购网站支付的费用。
“总的来看，餐饮在所有团购商品中的佣金最高，一般是商品价格的5%到10%。也就是说，一单网上卖100元的团购套餐，团购网站就可以从其中获得5到10块钱的费用。”曾经在大众点评网工作6年的业内分析人士李宵说，相较之下，电影院、KTV等非餐品牌的佣金要低得多，一张团购价为30元钱的电影票，团购网站一般只有不到5分钱的佣金。
“这主要是因为风险不同。相较而言，餐饮的风险高一些，而电影院则因为客单量大了很多而风险低，所以压价压得很凶。”李宵回忆说，他接触过的很多电影院甚至直接提出“保底”要求，也就是用户在团购电影票前，团购网站需要先支付所有的团购影票。
在商品类别之外，不同的团购网站之间抢生意，还有着明显的地域性。“我们得考虑团购能给我们带来多少导流。”俏江南高级销售总监赵锡刚坦言，因为名头响，不少团购网站找到俏江南时都提出了“零佣金”，而他们在各地的团购生意选取的是不同团购网站，“我们更乐意选取一家在当地最受欢迎的团购网站来合作”。
知识角
如何分析大数据？
大数据，表面上看就是大量复杂的数据，这些数据本身的价值并不高，但是对这些大量复杂的数据进行分析处理后，却能从中提炼出很有价值的信息。其中，分析方法有以下几种。
可视化分析是消费者常常可以见到的一种大数据分析结果的表现形式，将大量复杂的数据自动转化成直观形象的图表。
数据挖掘算法则利用一组根据算法事先定义好的数学公式，将收集到的数据作为参数变量带入其中，从而提取到有价值的信息，例如沃尔玛“啤酒和尿布”的故事。
预测性分析能力则是从大量复杂的数据中挖掘出规律，建立起科学的事件模型，通过将新的数据带入模型，预测未来的事件走向。
语义引擎是机器学习的成果之一。过去，计算机对用户输入内容的理解仅仅停留在字符阶段，通过对大量复杂的数据进行分析，计算机能够尽量精确把握住用户的需求，例如苹果的“Siri”管家。
数据质量管理则是大数据在企业领域的重要应用。为了保证大数据分析结果的准确性，需要将大数据中不真实的数据剔除掉，以保留最准确的数据。