- 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
- 77273 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27108
- 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。% q/ K5 f# F6 Y t' n/ ~; C+ T
1、流量数据:1 ]. A- {/ q% e" f
a)流量来源明细。这个说明入口引流的质量如何。4 G, T5 d0 o5 ?+ }
b)流量去向明细。这说明产品或者活动的吸引力如何。
4 [6 G. H" K8 q2 E8 G2 z c)访问了哪些产品。这说明当前访客对什么感兴趣。
% ~( u" t( N2 W+ i# K d)购买了哪些产品。当前顾客需要什么产品。
& ]) l2 y' ~$ J) C e)回头访客的访问路径。顾客比较关注什么类型的产品。& E* i* H& [" b& H5 w, m
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。
( y" k" z/ G) z: Z( p2 l g)等等。
" Q5 A1 j# `7 C0 j# x- n8 u, r 2、销售数据:6 c/ A/ q: |2 `% v5 i
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。
5 v2 d. b* g# c Y7 ~/ n b)区域转化率。什么区域的人对什么样的产品转化率较高。. ^2 c4 {" B6 A/ ~# {2 d% r: e
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。
0 {6 `: N$ n2 o$ K$ P d)客单价。每个购买者的平均出价。
# ~+ K# N0 r) R6 M7 I. l e)件单价。每件销售产品的平均售价。" W/ D! j' y1 h8 J3 R; w
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。
2 [$ M" G+ e; \/ F# @* g 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。
$ t6 m. z2 d# F% S F* t0 j h)等等。' v0 k4 O# ~+ }: D
3、客户数据:; g9 A& f, x$ `: \7 _
a)客户的年龄段分布。9 m6 H u1 x S- v4 S( ], y- C5 J
b)客户的地域分布。; h- l* n$ J7 K7 F& w
c)可以的收入状况分布。
2 w9 z; g, ?3 w& c: c d)客户的购买次数。4 t* h2 A1 I3 v5 m! m
e)客户的忠诚度。
& O$ `& H! |" z9 p ~ f)客户的详细购买记录。8 `, B& X8 g p, `6 m
g)客户感兴趣的产品。
( w* b, u, f% ? h)客户需要的产品。! x+ ?4 f6 W* h9 i$ Y+ K% \
i)客户的兴趣爱好。
7 \( ]- K6 B* c# s' a4 h% y j)等等。
: ^& H$ ] S( d: i2 M8 \$ e# H 4、产品数据:! V& u* U: v( |* _9 U$ j
a)单个产品的销量。
9 ^# g5 r8 x* n6 Q9 J b)单个产品的运营成本。" E2 {1 O, N6 ^5 }: k
c)最畅销的产品。
" E" {, i B5 U4 H7 v/ f d)最不畅销的产品。; T4 M6 m1 N1 _1 T* Y
e)活动产品的销售状况。1 W8 |( Z# m1 d
f)同类产品的网上的销售价格。
- D, `9 a$ @$ u! ` g)关注度。* c3 o" C: R6 }4 `2 @& G
h)收藏量。& Y8 q* O% G( d7 P) m
i)销量。( U% h* k _) T" y3 K
j)评论数量。
* I" R5 O. D; j R9 F* a3 {4 {) |. l k)跳失率。
# M; _ e9 j- } l)点击数。: _# w l2 x* S: z, ^
m)单品的转化率。
5 U/ b0 \" L, E# k- u$ _) s n)等等。/ E9 p& C# U& U0 }* u8 O& A* z% _
5、网店页面:
# G2 H. J5 C$ m, v' P a)点击数据。/ H* M' v* w' c( Q5 y! a% @
b)链接数量。 n* K7 a" D: r" ~
c)分类列表数量。6 ~+ U1 `( |, }
d)各个链接的详细点击数量。$ f4 G/ \' s G* d
e)等等。. l, C. G! h0 ^0 R8 i# n
6、仓库数据:
$ K0 I2 i7 f' t$ q, q a) 每天出库产品. M! p! ?/ O' h/ e, z+ y; W
b) 每天出库产品数量
, D+ k0 Q0 m9 M6 G c)每天出库货位$ B1 w/ L5 ]; M
d) 货位的调整状况
m* t% L9 s6 T4 i; @* O0 l
& c2 W# A* c. H: x# C/ U5 Y/ F* T 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。' s2 w; n: _# D7 M
| ! l6 @8 E6 L) q
| 1 x1 H6 D. E* ~2 _
% s( z1 P4 O" i) s8 F
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。
8 i H/ P* @) a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!
+ ~4 G. y$ u. F8 l7 ]' J/ e+ G0 T
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!. V% \- B: P5 P# E5 q! \
7 i+ F# V& U3 R$ N$ l1 _' @# Y |
zan
|