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。1、流量数据：6 F$ u% k1 \! f q1 l; z a)流量来源明细。这个说明入口引流的质量如何。1 `% X3 n* p! }, H) g b)流量去向明细。这说明产品或者活动的吸引力如何。8 M+ [8 n! a$ B4 Q c)访问了哪些产品。这说明当前访客对什么感兴趣。 d)购买了哪些产品。当前顾客需要什么产品。5 ~- Q/ B! i( E% { 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。* i! o: h. @5 ]/ |" I g)等等。 2、销售数据：1 p8 v% U1 N8 F* V, |9 Z6 Y 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。& L3 }& v) M3 a6 b' k* ~$ r: `1 a b)区域转化率。什么区域的人对什么样的产品转化率较高。 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。: |, c' M. ^+ B+ Z, g- M2 P( z d)客单价。每个购买者的平均出价。" ^$ u( a7 ]/ k0 d3 j' g+ L e)件单价。每件销售产品的平均售价。. |. p! u" c# }0 |$ C7 z' g; g% k 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。7 P& Z i. X8 D( X 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：8 b# Z* Q' f. j' B6 [/ B4 U8 | a)客户的年龄段分布。 b)客户的地域分布。 c)可以的收入状况分布。 d)客户的购买次数。- j6 U$ C- O' A; P; K e)客户的忠诚度。 f)客户的详细购买记录。0 l) l( o$ P' R+ L5 W9 g g)客户感兴趣的产品。; n. G; C( D: C h)客户需要的产品。- @/ Z6 u n, Y2 d9 F i)客户的兴趣爱好。0 q5 ?+ ~4 d7 a7 f j)等等。- ]* G3 q0 A l2 [3 I+ Q 4、产品数据： a)单个产品的销量。 b)单个产品的运营成本。 c)最畅销的产品。0 j2 L! ]% c: s/ ^$ J d)最不畅销的产品。- U$ ]) |% y4 G& K9 }3 g e)活动产品的销售状况。 f)同类产品的网上的销售价格。6 w/ w) ]! U9 O, n' x! f' M g)关注度。/ n% i9 S. \2 ] V h)收藏量。6 `2 ?7 k. y" E" M) D! X i)销量。 j)评论数量。1 _6 T. m2 ^" w8 d. ], Z1 w$ ^ k)跳失率。 l)点击数。 m)单品的转化率。# |: x3 ~ C: F n)等等。9 {/ h( P; J; D" B/ N: q8 S 5、网店页面： a)点击数据。& ~4 c; B2 Z( T; }/ b. Y b)链接数量。6 t! m6 a, h9 J! T g c)分类列表数量。 d)各个链接的详细点击数量。# ]6 r& Y) N; E! K: {: t e)等等。 6、仓库数据：/ y4 w7 Y' a1 `" ^3 B$ M5 @" a a) 每天出库产品- P7 p' L/ F2 {8 k* U U0 B5 R b) 每天出库产品数量! b; U) \7 F0 K8 D3 W) z c）每天出库货位) m6 ]5 m( n% ]+ a0 \ d) 货位的调整状况' I. b+ ~1 _+ g8 I3 o) ~. ^ 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。 |
| 4 C3 q [$ l2 I% ]& ^! E |
| 欢迎光临 数学建模社区-数学中国 (http://www.madio.net/) | Powered by Discuz! X2.5 |