我認為，最值得關注的事情是亞馬遜貨代把ASK、AVS等核心的“大數據×AI”技術作為一種服務提供給企業用戶。亞馬遜作出這一決策，一方面是為了獲得足以拉動亞馬遜物流整體業務的高收益，另一方面則是希望在服務企業用戶的過程中積累更多的大數據，以此促進協同效應的產生。亞馬遜正在全面使用恰逢天時的大數據與AI技術。
2017年5月，貝索斯在美國互聯網協會舉辦的論壇上說：“現在這個時代可以稱得上是科技的文藝復興時期或黃金時代。在這幾十年里，我們經歷了機器學習和人工智能從科學幻想變成現實的整個過程。”貝索斯還談到了AwS，他強調：“我們致力于研究機器學習，并取得了很多偉大的成就。不論是個人用戶，還是組織用戶，即便沒有精通尖端技術的專家團隊，也能通過我們的服務接觸并享受到最先進的技術。目前，為了解決業務上的問題而親自去鉆研這些尖端技術顯然是不現實的，因為這需要大量的專家和學者。現在，很多企業都不得不花費高額成本在人才市場上搶奪稀缺的機器學習領域的人才，從這樣的人才爭奪戰中勝出并非易事。
得益于亞馬遜FBA頭程推出的網絡服務，我們可以輕松地使用這些先進技術，并且可以為所有用戶提供技術服務。亞馬遜擁有這樣的能力與優勢。”隨著AI技術的閃亮登場，亞馬遜總算為長期以來積累的大數據找到了用武之地。天時已到，亞馬遜終于可以把大數據與提高用戶體驗緊密聯系起來了。此外，“大數據×AI”的技術還直接推動著亞馬遜物流銷售額的提升。從亞馬遜主營業務的銷售額計算公式就可以看出，為了提高銷售額，亞馬遜確實運用了大數據。對銷售額進行因式分解，可以得到公式：銷售額=顧客數量×客單價。進一步分解這個公式，顧客數量可以細分成普通顧客數量與Prime會員數量。提高連帶率和購買頻率則是提高客單價的傳統手段。
在價格方面，亞馬遜頭程的一大特點是動態定價。具體來說，亞馬遜并不會給所有商品都標上最低價，而是靈活運用“大數據×AI”的技術，給搜索量最多和最有人氣的商品標上低價格。與競爭對手相比，亞馬遜的這些商品非常便宜。不過，對于銷量不高或需求不多的“長尾商品”，亞馬遜FBA則不會降低價格，而是會毫不手軟地賺取低成本所帶來的差價。
那么，提高連帶率(單個顧客購買商品的件數）和購買頻率與Prime會員數量的增加兩者之間有什么關系呢？Prime會員數量的增加直接促進了連帶率和購買頻率的提高。而且，亞馬遜利用“大數據×AI”的技術組合讓商品推薦更加精準，連帶率也就相應地提高了。通過收購全食超市，亞馬遜在正式進軍生鮮食品領域的同時，也在向著進一步提高顧客購買頻率的方向邁進。為了增加普通顧客的數量，亞馬遜FBA頭程在美國市場中率先推出了一項新的服務，顧客無須開設銀行賬戶或辦理信用卡，也可以在網上買東西。此項服務的目標群體是此前因沒有銀行卡而無法在網上購物的低收入人群。
我們可以看出，亞馬遜為了提高銷售額，在“銷售額=顧客數量×客單價”這個公式中同樣運用了“大數據×AI”的技術。本書第二章介紹過，打開市場突破口的方式有細分、瞄準和定位三種。假設以某一標準將市場分成A、B、C、D、E五個區。將市場分成五個區便是細分，選擇A區就是瞄準，針對A區采取某種進攻方式就是定位。在細分市場中運用大數據技術時，有著眼于顧客的行為模式、著眼于顧客的心理活動和著眼于顧客的屬性等不同的方式。所謂屬性，是指顧客的性別、年齡、職業、學歷和居住地等。企業很容易收集到與顧客屬性相關的數據。但是，企業對顧客的行為模式與心理活動模式卻知之甚少，除非專門組織問卷調查，否則很難收集到這些數據。
讓人頭疼的是，在營銷過程中最有用的數據恰恰就是顧客的行為模式和心理活動模式的數據。亞馬遜貨代長期積累的大數據包含了從顧客行為模式、心理活動模式到各種屬性的全面內容。因此，亞馬遜所做的細分比一般的市場細分更精細，可以精確到“1人細分單位”乃至“0.1人細分單位”，這有效地促進了銷售額的提升。
