对于淘宝而言，不断提纲挈领的莫过于建立大淘宝生态圈。在4月初阿里巴巴高管访谈中，阿里管理执行委员会副总裁张宇不断强调，淘宝如果要继续往前走的话，必须支持多角色在淘宝的生态圈里面成长。无论是去年开始倡导的还权于卖家，还是如今的“用SNS的思路运营淘宝”，都代表着淘宝平台整个运营方式的改变。语嫣透露，淘宝的千人千面也将可能从今年下半年实现，那么，淘宝到底即将经历哪些改变

　　标签式运营，共建共享

　　“所谓的SNS，不是淘宝要一个SNS，而是用这样的思想来运营平台。”语嫣一再强调。

　　三年前，马云提出淘宝必须SNS化，但淘宝却在这条路上走得磕磕绊绊。一开始显然走到了“淘宝要做一个独立的SNS产品”的误区，而今，淘宝上下终于想清楚了一件事：SNS对于淘宝是一种运营思路。说白了，在这个全民SNS的时代，淘宝需要一个共建共享的思想和机制，这也非常契合整个大数据时代要思索的东西。

　　十年来，淘宝的商品分类体系已经是第五代，淘宝的流量分配规则不断在进化，但总体而言是一个大锅饭，商品极大丰富，分配的维度却很难完全提供给所有商家一个公平的机会。而SNS化运营的淘宝，希望实现的结果是：一个卖家，你做得越好，你可以得到越多。而这里的好，并不单指以前跟搜索规则绑定的爆款数量或者说销量，而是更倾向于对自己店铺客户的自维护，让用户能更明晰找到准确的商品。

　　对于商品管理，淘宝从一开始的简单分类到树状再到点状，再到去年双十二尝试的贴标签。结果，遇到了瓶颈。淘宝忽然发现，标签类运营不是平台的运营小二可以搞定的，而且也不该是小二来贴标签。“我们现在已经有几百万个结点，我们要去到的地方可能是几千万个节点。很简单，今天在淘宝上面想买一件衣服，你描述一下物理特征，就很容易买到的，但是今天要买一件装逼的衣服，这就找不着了，那么这种衣服存不存在呢 存在的，但是它是什么样子呢 小二可能就描述不出来，很多卖家有这个Sense，可以打这个标签，何不让他们参与进来呢 ”

　　语嫣觉得，这是未来运营要靠商家共享共建的现实需要。淘宝所谓SNS运营思路的转变，正是如此。按照以前的运营思想，就是小二定义一个装逼服装标签，然后看哪些商品合适的就放进去。今天如果用SNS的方法做，就是卖家来贴标签，然后淘宝去抽取这个标签，再根据某种规则把合适的商品放在标签下面。甚至，买家也可以参与进来做出贡献，比如说买完以后给商品贴一个标签，系统也可以根据用户对标签的点击不断优化排序。

　　同样曾鸣在采访时也强调：此次事业部重构后得出一个较为明确的方向，淘宝不做一个通用的SNS，不是微信，不是Facebook，而是将淘宝社区化，成为一个分享机制。“可以将SNS这种互动的方法，变成淘宝买家与卖家之间沟通、服务、交通的一个主要产品形象。”

　　但这个产品到底怎样的，还不能简单定义，有可能是用一个平台级的思路来打通所有SNS化的产品，让其和购物有机的融合在一起，“淘宝未来就是一个为购物而存在的SNS。”曾鸣对这样一种形态做了简单的描绘，买家可以订阅卖家的信息，包括新品的上新时间，售后服务有特殊的通知，可以订阅所以你喜欢的。就像去年双十二的扫货小分队，几个闺蜜可以在淘宝上面逛街，几个人就可以组成一个群组。

　　单款产品的表现形式可能就是常规的Feeds、动态、个人主页等，但要将这些所有东西在购物的场景下发挥最好的用户体验，“用户用爽了才是关键。”所有，可以想象，在未来一段时间内淘宝会有各种形式的SNS产品出现，无法预估哪款产品是最好的，而所有这些组合而成的就是淘宝的社区化。

　　数据化运营：千人千面

　　一直以来，淘宝被视为最全面的网购数据库。淘宝也很早就开始提数据化运营，通过数据研究来指导运营做决策用。2013年，语嫣则希望淘宝是运营数据，平台运营要具备通过数据研究理解每一个消费者的能力，不再把数据作为业务的补充，而是两者相容。预计到今年下半年，淘宝可以实现“千人千面”的搜索结果：不同用户搜索某一样东西，呈现的结果页面可能不一样。

　　淘宝目前经历着工业化的效率时代，但工业化一定是有一个界限的。而在语嫣看来，如果要超越这个极限，一定是个性化时代的来临，这条路是淘宝一定要走的。“从运营商品到运营人，从运营人再到运营数据，淘宝拥有很多消费者给我们的数据，但是之前一直没有把这些数据好好利用起来。”这和阿里集团数据委员会会长车品觉的想法不谋而合，而今年淘宝的千人千面得以实现，也需要建立在淘宝消费者大数据研究的基础上。

　　“千人千面的难点在于数据的稀缺性。”车品觉之所以说稀缺，并非指数据不够丰富。这里的稀缺性是指，跟数据发生关联的用户样本。比如说，母婴类目，是否看过这个类目的就是准妈妈和妈妈们呢 未必。这种精准化推送就变得难起来，所以一开始还是要先做一个人群，逐步再精确到一对一的个体。从“看母婴产品”推导出“自己有小孩”这个结论，车品觉说这个准确率只有62%。但如果再加上“一二线城市”“年龄层”两个数据属性，这个准确率可以升到83%。如果再加上“有没有汽车”这个属性的话，准确率可以升到86%。

　　“大数据，需要用其它参照系数据让主线数据变得更精准。”刚才这个案例中，如果加上更多参照系数据的话，完全可以推出用户小孩儿的年龄在6岁以上还是以下。可以想见，如果准确到这个维度的话，距离千人千面的实现，并不是那么遥远。