- 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
- 77461 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27165
- 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。: V' {3 _0 \, A- R( b9 g
1、流量数据:
/ Q# j7 p. L8 k! h" h! ?- A a)流量来源明细。这个说明入口引流的质量如何。& n) ~9 p5 O) T+ k. u
b)流量去向明细。这说明产品或者活动的吸引力如何。* k3 }1 v7 s0 I( @4 H0 m2 D
c)访问了哪些产品。这说明当前访客对什么感兴趣。2 j. p) V% G( o. X: |
d)购买了哪些产品。当前顾客需要什么产品。
" g/ W; {: t4 _" U6 h( t3 z e)回头访客的访问路径。顾客比较关注什么类型的产品。
4 f$ p% E* 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。, `; h2 V" b" D$ g4 ^! K7 R
g)等等。' W; G# q- p& A4 J% S# M
2、销售数据:- {0 s- U( p' G" r; A& K4 \
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。# n8 B( h0 ~1 K4 h% h
b)区域转化率。什么区域的人对什么样的产品转化率较高。1 _; G3 ^6 f+ _8 e$ [. l$ 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。4 k' S8 b. ^$ e" n. `7 C
d)客单价。每个购买者的平均出价。) }2 d: w/ T& a+ h8 e
e)件单价。每件销售产品的平均售价。
9 L- G g2 a8 ~- X2 D5 C# R 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 b) J) ~0 s$ q+ b 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。
2 P2 L+ l7 X1 S+ K* [: A: B; e8 g; i h)等等。
" }- T$ M/ u7 k! W! ^4 k$ ]( s 3、客户数据:7 d# W |, V" O1 n9 f" C8 N
a)客户的年龄段分布。
) N( |: }( s; b5 i5 Z b)客户的地域分布。
8 v# T+ _ z9 Z" j& _! Z; c" g+ ? c)可以的收入状况分布。+ ~* {' C# w% Q8 ]# B- ]
d)客户的购买次数。# t# u* e! M: k% r% m4 e) M& n$ r: l
e)客户的忠诚度。* ~# r6 s1 U2 j9 R& k
f)客户的详细购买记录。
# E+ ~' K2 Q) p" v8 `* K g)客户感兴趣的产品。
- y' P C8 a+ S/ U! ]$ W h)客户需要的产品。
& M8 I; ]$ _; | i)客户的兴趣爱好。
% b" c, {1 }. ^5 \ j)等等。
; p0 S h9 X8 A2 A2 g3 _ 4、产品数据:
0 U/ q" c5 E9 E3 S; A# ]8 b% C a)单个产品的销量。* K7 M/ h. b" p
b)单个产品的运营成本。
' \5 T. w: y) e c)最畅销的产品。$ a: @/ T5 S- G5 A
d)最不畅销的产品。: W* H. G3 j/ ]4 x; X
e)活动产品的销售状况。
7 A4 p7 l. m* E q( L* F* I f)同类产品的网上的销售价格。! Q1 |# c4 \9 ]# k
g)关注度。# U5 G6 n2 q# `
h)收藏量。; c- ] N5 Y) J6 J
i)销量。
6 J- f; u- ?+ j' C9 | j)评论数量。
" f; S T* T2 X4 `2 B k)跳失率。
( V9 f( b3 f- m+ v8 e: i l)点击数。
! x; f y0 ?! P# l/ B m)单品的转化率。
! F7 |! ^2 H* X9 o U# e$ b# q n)等等。
5 F) O M' @2 [; N6 d 5、网店页面:2 d- ]7 S3 P$ n! ^
a)点击数据。, G, Q9 M# o: A/ H* D# J
b)链接数量。
6 R5 l. _' i: E c)分类列表数量。# I6 m l! o: [& y4 p+ \& Q, Z
d)各个链接的详细点击数量。
6 t4 F$ ^1 E2 j e)等等。
% V7 w! ]4 A/ R 6、仓库数据:
2 F# e8 u: C+ n p( ?4 I a) 每天出库产品5 F4 b! ], S6 P# S/ g& s% n8 @$ |& c) x& C
b) 每天出库产品数量" Y5 @3 K% H' S4 _& K- S
c)每天出库货位3 t1 K3 h- Z% o. y9 F; i
d) 货位的调整状况: u7 E2 \, D3 L) N& f- l
' D: M r) K& }2 f, W" M9 @ 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。 n/ l' ?8 U6 ~9 _0 N! w
| * K9 x, Q* M& f7 {1 `
| ( l2 g7 I4 B; v" x7 f: f) h/ i
% u5 f2 p% N2 q6 X6 J
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。
/ W* R; U4 M+ h$ a: W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!) R) m/ k" G/ {. L8 _0 \: O
7 Q% r9 Z8 u" A" {' U
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!
, ]! s H9 {$ ^% Q
4 t2 j$ ?1 ~3 |6 o6 h |
zan
|