- 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
- 77388 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。$ g# v2 k. l" z2 Y( o, W
1、流量数据:6 d6 Z8 j. g( r, I
a)流量来源明细。这个说明入口引流的质量如何。
" d/ R& o9 U- P4 s9 s b)流量去向明细。这说明产品或者活动的吸引力如何。0 i6 I6 V- k3 Y
c)访问了哪些产品。这说明当前访客对什么感兴趣。' `- g6 P) O4 u$ l* v. T
d)购买了哪些产品。当前顾客需要什么产品。
9 q _( l5 H3 ~; x9 { e)回头访客的访问路径。顾客比较关注什么类型的产品。& V- y) L+ q' i) h* ~) H
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。
8 h* I* {$ Y; @" i: y2 w$ m g)等等。# L. H4 c b% l) g+ I
2、销售数据:
( E$ M) q/ |& ` 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。. s$ I: ~$ p$ N7 `+ {3 \: q' F% k
b)区域转化率。什么区域的人对什么样的产品转化率较高。' n0 a. x. i2 ^
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。
7 e. a& s, ]1 ?" X1 F, ] d)客单价。每个购买者的平均出价。2 C: O6 F% w- t
e)件单价。每件销售产品的平均售价。+ E# K2 M$ a7 Q. {( g+ v
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。# A" O8 n3 S6 w" L6 L# A
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。
]$ J; ]5 o( b$ b h)等等。7 @3 ?$ L& l; v" g S
3、客户数据:
/ @# ?: \$ Z+ q: r a)客户的年龄段分布。
( ^9 u1 b/ T1 _6 ~ a2 P b)客户的地域分布。& X3 a$ [- l# d. J4 `1 p/ n% K) p
c)可以的收入状况分布。# r; M4 `; [0 e8 b/ |0 Q
d)客户的购买次数。1 `7 w' E% J* [- p
e)客户的忠诚度。
3 b2 ]" l7 ]& l7 k s. g f)客户的详细购买记录。
5 ~ @9 |7 D0 H. z: I g)客户感兴趣的产品。
4 y+ g4 K, V* ]+ b5 E. M! V h)客户需要的产品。
* I/ _$ l$ u: k; t/ s& k! q+ U i)客户的兴趣爱好。9 I' ?% m7 j( `4 _- A
j)等等。
7 m( y8 E$ j; t# F& P 4、产品数据:: \$ Z: l7 \/ K Z' T; a
a)单个产品的销量。
8 i$ a' {; F! M b)单个产品的运营成本。
7 E9 P% o$ E4 h c)最畅销的产品。 v; p. m. i& ]4 b' l2 N+ w$ \$ f
d)最不畅销的产品。9 W- v/ p( }+ ^5 w" u4 @
e)活动产品的销售状况。
+ l) Y% `3 i% H& x% y$ x f)同类产品的网上的销售价格。
/ f; x# Y3 L7 j8 ~' s: |5 |) R g)关注度。+ h! P1 Y9 Y: b6 [# q+ k
h)收藏量。8 l G) ]4 R) ^# \1 f" l2 ^
i)销量。" ]6 D; D6 o" D- Z+ l
j)评论数量。
+ b0 }) M! F: H k)跳失率。 L x6 H2 U; H% y- C
l)点击数。
# Y/ O" w1 c) n6 h& o1 v) j5 Z m)单品的转化率。) C) W9 q! {" j% L
n)等等。
" e; s9 H5 R) S0 L- F" W; ^ 5、网店页面:
! H6 v7 f8 x: Q0 \' ^$ c' K4 K* p a)点击数据。$ M- J. X/ O3 q
b)链接数量。
5 c( o1 t- ?+ E* c# Y' [: E$ e# R c)分类列表数量。
8 {6 Q# C; L4 R, p2 B, G d)各个链接的详细点击数量。
4 Z. X5 k+ \4 _3 p7 B, g e)等等。) _/ z4 n& L% w
6、仓库数据:
* D4 W ]) s" L5 j9 T" I: o0 Z* d$ M a) 每天出库产品
8 `0 B9 V8 X: @ t b) 每天出库产品数量: Z- o" v2 f9 z7 p
c)每天出库货位
9 P: N2 ~+ {3 Q" F d) 货位的调整状况; p5 M/ @9 i6 Z( A3 i6 T5 z
6 \) o% M# I7 V, F% X4 @
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。
Q' V2 t- ?: v+ e" O |
2 \: ` T# D7 o4 L( g( K; r |
4 S1 _+ b0 L) L; z0 x4 M& N7 p
. m5 c; z0 S+ x6 a! b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。3 R5 u( H( V5 I% k3 j& Q u
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!8 V. W3 d( r) ~. t; X
5 m; f. U- L9 ], {
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!6 \: O5 ?# H# O% s0 n
' u! z$ O- @# i" I3 P
|
zan
|