引用： 在电子商务行业也有一年的时间了。说长不长，说短不短。一个偶然的机会接触了电子商务行当的数据统计，以前认为数据挖掘是那么神圣，其实更重要的是对数据的敏感。那些数据有用？那些数据没用？那些数据有什么用？那些数据对什么有用？下面说说我的一些看法。一个电子商务网站应该统计那些数据。* J5 f7 {* M: u9 j e' K: h1、流量数据：" N" c0 t. S n4 O2 y. ~6 v a)流量来源明细。这个说明入口引流的质量如何。 b)流量去向明细。这说明产品或者活动的吸引力如何。5 i- M$ D0 m2 l* x( }1 w \# l$ Y( t c)访问了哪些产品。这说明当前访客对什么感兴趣。3 ]" S& n1 g* i d)购买了哪些产品。当前顾客需要什么产品。5 {. U. e V6 `- A" U e)回头访客的访问路径。顾客比较关注什么类型的产品。 f)访客的收藏。顾客比较关心的东西，至少当时客户曾经想购买来着。 g)等等。! T G* f$ K( o( ]& |* F4 X) _ 2、销售数据：+ L; P* {" P4 K F. X a)收货人信息。订单的分布区域。说明目前产品在那个区域比较受欢迎。 b)区域转化率。什么区域的人对什么样的产品转化率较高。9 s( z) R7 ]1 F( l# z5 S c)订单支付率。对这些不付款的人进行一些技巧性的跟踪，可以让我们更有针对性的设计页面，排除顾客的疑虑。/ G& n& b1 @- t d)客单价。每个购买者的平均出价。 e)件单价。每件销售产品的平均售价。1 @. d8 L P) |. J5 F- i f)流量价值。看每个流量是否带来怎么的价值。与引流的支出成什么样的比例。 g)单品的销售数量。店铺内的热销产品、店铺内最不畅销的产品。 h)等等。 3、客户数据：- u% e$ ]5 c: |3 P/ ^ a)客户的年龄段分布。 b)客户的地域分布。! d% b3 a3 U) M c)可以的收入状况分布。* L* D( B' E5 ]5 v+ s d)客户的购买次数。$ A8 h# ~6 k6 v; B3 i e)客户的忠诚度。 f)客户的详细购买记录。 g)客户感兴趣的产品。8 ?; J# k: G( M8 \- ~ h)客户需要的产品。 i)客户的兴趣爱好。' |: Y" e- \1 Y b4 ]( e) P j)等等。 4、产品数据： a)单个产品的销量。: n3 Z- [* D9 I- }9 C/ ], {, ? b)单个产品的运营成本。 c)最畅销的产品。 d)最不畅销的产品。8 d3 P7 y; I3 F& b4 i. m/ s e)活动产品的销售状况。0 Q$ z' q! I1 V# Z1 A/ _$ H f)同类产品的网上的销售价格。 g)关注度。$ i" |4 U2 c+ q' H h)收藏量。 i)销量。 j)评论数量。 k)跳失率。 l)点击数。- p& {2 T) L8 I( d$ A- \ m)单品的转化率。0 L7 \6 B5 R" H4 [6 Y% }: Z0 ? n)等等。 5、网店页面：+ Q) B, r7 [, C5 M- B7 F6 F a)点击数据。# i5 `; ]6 [$ T# ?6 | b)链接数量。, ^! h( F$ {9 s4 y1 M$ ?0 W c)分类列表数量。+ `) H* X0 J7 S A" x# i& | d)各个链接的详细点击数量。 e)等等。- A" i' u' j u, a; { 6、仓库数据：4 B$ m: j9 ~# V a) 每天出库产品 b) 每天出库产品数量 c）每天出库货位" P( ~' G- H4 `0 ]6 C o) R d) 货位的调整状况3 w( C# u2 s9 w , @/ S. X- V3 m/ h2 \/ B+ A. [ 不过我认为做数据分析的人，不应该停留在数据分析，而应该对数据分析进行建模，一个人对数据分析的数量的能力应该停留在千这个数量级吧，再多了，应该就分析不过来了。但是现在我们依赖于计算机，对数据建模。相信在建立了合适的模型后，不用说几千条数据，就是几个T的数据，分析起来都得心应手了吧。 |
| D4 Q3 A& |/ \6 [ P |
| 欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) | Powered by Discuz! X2.5 |