- 在线时间
- 5024 小时
- 最后登录
- 2022-11-28
- 注册时间
- 2009-4-8
- 听众数
- 738
- 收听数
- 1
- 能力
- 23 分
- 体力
- 77389 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27143
- 相册
- 1
- 日志
- 14
- 记录
- 36
- 帖子
- 4293
- 主题
- 1341
- 精华
- 15
- 分享
- 16
- 好友
- 1975

数学中国总编辑
TA的每日心情 | 衰 2016-11-18 10:46 |
|---|
签到天数: 206 天 [LV.7]常住居民III 超级版主
 群组: 2011年第一期数学建模 群组: 第一期sas基础实训课堂 群组: 第二届数模基础实训 群组: 2012第二期MCM/ICM优秀 群组: MCM优秀论文解析专题 |
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。
- h- Z: w4 T' y4 r 1、流量数据:
% J6 L0 [! d3 C/ ]" D a)流量来源明细。这个说明入口引流的质量如何。
1 d6 v3 N1 p2 `, w# y8 v2 Y b)流量去向明细。这说明产品或者活动的吸引力如何。
7 G1 e+ C: y }' c! Q( D7 T7 e c)访问了哪些产品。这说明当前访客对什么感兴趣。
$ z* w; K9 q$ w) t1 _" |7 H d)购买了哪些产品。当前顾客需要什么产品。
% s* z7 w3 w1 C: ^ @+ y e)回头访客的访问路径。顾客比较关注什么类型的产品。
; q: ^) c6 X* T 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。
3 L, }4 a3 w# i, {' {6 F* Y g)等等。
0 [7 t9 R2 H. Q* K4 Q& [2 e5 s/ O0 F3 m 2、销售数据:
$ H& |1 ?/ T7 l$ ?, Z 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。
, ?6 G9 t1 w$ n7 E7 Y. W 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 V r9 j- A+ G
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。3 Q! i7 m/ K: O* a$ |
d)客单价。每个购买者的平均出价。
2 K+ W- |! c* Q* K$ } e)件单价。每件销售产品的平均售价。
, u, f( |4 I4 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。
0 _, M/ J& y* Q3 M 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。3 b5 R# i3 I7 ?. ?3 q
h)等等。
% _3 u0 T! q; q( z: s7 a5 S7 _ 3、客户数据:
/ m9 J, d) ^0 L+ j a)客户的年龄段分布。% z: x3 A4 o- z: q- b2 R9 V" G* \
b)客户的地域分布。
7 W& |, \' b! C B* r+ g c)可以的收入状况分布。
# l) C: \3 [, d1 k& c' R d)客户的购买次数。6 S5 r. F/ v- w
e)客户的忠诚度。
! y1 e( [1 z4 v/ a/ H! h f)客户的详细购买记录。! t0 j2 e9 b/ X* |
g)客户感兴趣的产品。0 g; [% u2 {$ |
h)客户需要的产品。
, e) ^0 p7 ?2 {' b# i* Z6 r i)客户的兴趣爱好。
. H# x4 Z6 P3 @ j)等等。5 D7 C; a8 \7 y% W! n( O4 X6 S
4、产品数据:( U! e, B8 d+ n* G- e) W
a)单个产品的销量。
- ^3 _" Q1 w X, |6 ^3 ] b)单个产品的运营成本。) D4 o& F" q- E0 N; W0 V
c)最畅销的产品。
' B9 m7 o! K$ r d)最不畅销的产品。% l, ~$ X% w' Q: k- L
e)活动产品的销售状况。
& S3 Z3 W3 Q& o5 K f)同类产品的网上的销售价格。5 n) n+ ^; l, l9 }6 p& E
g)关注度。7 L6 @' E& S' q y
h)收藏量。$ ~3 d4 P6 w- K1 X- o
i)销量。
6 _0 P, P2 G" D. J& k j)评论数量。6 o0 J6 t Z' m, p5 ~' G, c. \7 A
k)跳失率。
- z B" L& H% O2 H- w1 k# n/ O. i l)点击数。4 b0 S$ E2 d a7 f4 b
m)单品的转化率。
, s8 P' e( f+ y) Z+ s+ D; I n)等等。
& c% ~3 r4 X0 T b 5、网店页面:3 @8 S. S; d( Z
a)点击数据。. D! A& `6 M6 M* _1 {
b)链接数量。6 L# J0 `1 [( R. \& r
c)分类列表数量。
, w7 j# p* _& o: y7 |2 x# K6 K d)各个链接的详细点击数量。- r4 k, a+ A; I/ p( P1 l% u
e)等等。
# t, q6 l5 G0 ~- K( X0 J2 S% H 6、仓库数据:9 h, `/ w0 m. ~7 v' D
a) 每天出库产品1 C1 t! l s% Z3 M9 z
b) 每天出库产品数量2 ]$ w1 p" {4 H) Z+ D1 ?
c)每天出库货位
8 ]3 Z, p& m8 r+ d j. r! B* k d) 货位的调整状况
. z# Q4 x/ _, T B8 ^
: Q' v) M6 @: R) E 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。
- i; Y" S0 V2 B9 s% |. c V j, Q |
) f6 w8 J7 H! H; a8 @ |
- X0 X1 g8 i% j* G$ }: u
- r0 v4 G6 v" }, u3 G- N' O上面的帖子是我在网上看到的一个帖子,其大致描述了电子商务中数据分析内容,数据分析指标要素等。
, Z5 V7 c" H1 _! w" H- S在此,大家可以跟帖提出自己的数据模型,目标是将这些指标形成一个系统,从而出现一个或者少量几个综合指标,对于完成出色的同学,会给予30个体力的奖励!
3 C1 Q. J/ k0 V" y$ G! E! L2 ^: O& O* x1 P6 q5 D
寄言:当进入社会,从事这些工作的时候,就会觉得现在的分析是多么有帮助了,欢迎大家加入本次活动!
- B% J' m. s, R- `% N6 g, D
6 Q, M+ g1 b9 V4 Z1 V. [! X3 D |
zan
|