在聚划算“量贩团”开团三天，威露士一举售出4.2万份，这个成绩相当于一家大型超市半年的销售量;而一箱4大瓶规格的潘婷洗发水限量销售1万套，开团当天下午即告售罄，销售额一举达到148万元;6提18包维达抽纸，十几小时便售出整整3万套……
　　这是阿里量贩团打造的“爆款模型”计算出热卖商品的销售成绩，量贩团则是阿里巴巴利用大数据开发获利模式的最新方式。不仅如此，量贩团的推出更是基于数据趋势。
　　当时，2013年第1季度数据显示大型零售卖场的快消品销量增速放缓，消费者大批转向低价的互联网渠道购买。前任聚划算总裁张建锋敏锐地抓住这一消费趋势，与恒安纸业、宝洁等厂商合作，并改用“箱”为购买单位向消费者提供小额批发，相应的，商品价格大幅下降至批发价，销量大幅增长。
　　随着聚划算一次次刷新记录，向聚划算提交报名的商家也随之暴增，2012年起，从原本每天80团猛增到300团。今年3月，已调任淘宝和手机淘宝担任负责人的张建锋曾明确表示：“不能增加新团，(这样)单团产品销售量会下降，这是生死线。”之后聚划算每天团购数量控制在200团。
　　海量报名者与有限资源相矛盾，自然带来人工审核的效率困扰，甚至阿里巴巴12人的审核“小二”团队，须面对每天2万余件待审商品，平均每件审核耗时仅3分钟至4分钟。过程漫长不说，最终选出商品能否卖得爆，全凭审核小二们的个人经验，“必然很多细节被忽略了”，亦曾爆出小二受贿等丑闻。
　　爆款模型
　　聚划算大数据模式的成败取决于每一单的细节把控，即200多团“坑位”实现最高单位产出。“卖爆”对于聚划算平台和商家来说都是至关重要。选出的商品是否具有“爆款”潜质，直接意味着单日数十万元销售额的差距。商家无不希望通过冲爆款进而获得更优的搜索排序以及同店关联销售等。
　　为此除了销售额分成之外，商家还需支付“坑位费”，赢得每日有限的坑位竞拍。
　　电子商务观察员鲁振旺表示，“现在坑位费过高，商家必须考虑投入产出，对商品销售做合理的预测。”
　　诚如张建锋所言，“聚划算是规模销售和营销的平台。”其本身没有商品，从淘宝和天猫中选出商品，然后把它卖爆。聚划算前任总经理张宇曾总结，聚划算是“大电子商务的堆头(指超市中单独陈列的商品)”。唯有爆款销量才能回馈大流量，承担好如大卖场促销“堆头”的角色。
　　2013年上半年，聚划算团队找到杨滔，当时他是阿里巴巴集团商业智能部数据科学团队的唯一成员，希望用大数据挖掘和分析解决聚划算的核心问题—选品。
　　杨滔在新西兰奥克兰大学获得机器学习方向博士学位，将其招进阿里的是阿里集团数据委员会会长、商业智能部负责人车品觉。马云今年年初的致员工信中，提出“以控制为出发点的IT时代正在走向激活生产力为目的DT(data technology)数据时代”。车品觉及其商业智能部团队是支撑阿里数据时代的三大支柱之一。另两大支柱分别是“阿里云”和新独立的“数据平台事业部”，其扮演基础性存储和运算平台角色，车品觉的任务是将海量大数据真正运用起来，通过大数据推测未来、引导决策。车品觉告诉《环球企业家》，“是否能预测趋势”是企业由传统BI(商业智能)领域跃入“大数据时代”的关键一步。
　　而面对阿里巴巴旗下众多业务产品，到底用哪个“练兵”大数据呢?“如果一开始选不好或者思路不对，那么做了也是白做。”高级数据挖掘专家杨滔告诉《环球企业家》，“一开始选项目便需要靠商业感觉和判断。”车品觉和杨滔定下标准为，一看其商业意义大小，二看是否与机器学习的思路匹配，即利用数据帮助人提升效率、对细节实现规模化把控。
　　聚划算显然其符合标准。杨滔即刻组成一支两人项目小组，着手打造选品模型，俗称“爆款模型”。
　　当然，数据需要从头整理。
　　首先，从商业视角整理数据的维度，这是一个“人”的活，但要从近百个描述商品、卖家、品牌平台表现指标中进行变量选择，需要凭借商业洞察的积累。一线运营小二在实践中提炼的经验规则是其最佳来源，从各品类在聚划算的销售趋势、店铺是否已有50万以上销量的爆款产品，再到该商品最近一周的收藏数、适合人群、所处价格带及产品生命周期等。
　　拿着这份对销售“产生致命价值”的数据维度表格，杨滔第二步工作是“做实数据”。从聚划算乃至整个淘宝数据中，“从各角落把它们挖出来再规整起来，已有数据都比较‘脏乱’。”杨滔表示。第三步是试验算法，找到最适合聚划算爆款模型应用场景的算法，完成根据已有商品表现，预测其在聚划算单日销售量的机器学习模型。之后是最紧张时刻，部署上线、监控纯“机器”选品的实际效果。
　　“人机PK”结果是效率提升超过80%。“也就是说用了数据模型之后，小二节省了80%的精力。”不仅如此，机器自动打分得到的高分商品在实际售卖中的确实现更高成交量。打分越高的商品实际成交金额也越高，比如75分以上商品平均单产达到50.9万元，相比50至75分区间的商品，平均销售额高了235%。