- 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
- 77079 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27050
- 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。
" y8 l0 z5 G/ s* l y+ ~ 1、流量数据:
# ]" m9 P. A7 V1 R a)流量来源明细。这个说明入口引流的质量如何。6 B; ~: |5 I: w) m1 \+ E
b)流量去向明细。这说明产品或者活动的吸引力如何。
/ k0 p; B% b0 a! v y8 @6 Y( u c)访问了哪些产品。这说明当前访客对什么感兴趣。# c5 o5 q- W1 T f' y4 U- W* _9 O
d)购买了哪些产品。当前顾客需要什么产品。( i- ^* _- Y8 }+ Z
e)回头访客的访问路径。顾客比较关注什么类型的产品。' u/ i" q9 o/ U, q
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。' r& A; [- m1 g
g)等等。
( F: p! U. _3 P, `% }* c- G 2、销售数据:, ]' B: w2 g% }: C3 L2 t; t* |
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。+ j! Q. }) K. C+ c6 [
b)区域转化率。什么区域的人对什么样的产品转化率较高。
% V* @; E4 y" U8 i 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。 \) E% h6 Y0 _, {4 S1 c0 T
d)客单价。每个购买者的平均出价。
2 d( n. x: B& \/ m' _. Q e)件单价。每件销售产品的平均售价。# H' e: N% T; G* m8 {) w1 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。& e+ C# K; P. 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。
3 _( n: ?2 _2 J) Q h)等等。6 k' Z: H" [( W! m" w
3、客户数据:, k8 ^& i7 a) C, z( ]
a)客户的年龄段分布。
, L4 T& M2 N/ L$ X( K+ J& C7 w b)客户的地域分布。! R+ D; g1 |9 ?
c)可以的收入状况分布。5 m# K4 A4 r7 G- k
d)客户的购买次数。1 S# r8 e0 ?- u) @& B
e)客户的忠诚度。) _& g% ^" S& J- ^0 V R- p0 h- t1 u
f)客户的详细购买记录。
$ \0 U# q3 q/ |9 T8 I% ^2 Z1 M g)客户感兴趣的产品。* R! [! S3 S8 R' P' C
h)客户需要的产品。7 M& P* }+ j2 Q! d1 @. _
i)客户的兴趣爱好。
1 a* ]4 }. [; ?/ _4 t6 ] j)等等。* ?9 X' X3 `1 q+ K. A3 ?& \
4、产品数据:
* Q; G! x+ u5 _, K1 c a)单个产品的销量。
1 Z; [" h8 K; Z b)单个产品的运营成本。
( c" M% s, a2 L$ _/ E; M. ^ c)最畅销的产品。* B- \' O/ C7 d: r( N3 a" |
d)最不畅销的产品。2 b/ H J. @; S+ {! \. Q
e)活动产品的销售状况。
/ }& Z6 J) ^, W [ f)同类产品的网上的销售价格。4 B6 c3 Q" [% \/ a e
g)关注度。& U# K6 V# v1 }9 h) H- e/ a9 l+ K; `
h)收藏量。
: U; @0 P$ B2 G i)销量。+ u7 _9 ^ v! W! _8 y/ \/ _
j)评论数量。0 C B+ Z+ Z ^- n' @) s% l
k)跳失率。
3 o I1 }$ W. X5 X/ W5 n# [ l)点击数。' g: K7 [3 D$ O& p" ^
m)单品的转化率。/ x2 {' ~* p$ U5 ^9 f/ ]0 E& P
n)等等。
0 b* ?/ ~" E7 f) o. T 5、网店页面:
, R- g I2 N9 n2 B a)点击数据。0 |" }. a* n4 F/ t
b)链接数量。$ |& w/ [( t4 D4 y, L
c)分类列表数量。
6 I2 j# S+ p, k) p+ u; K d)各个链接的详细点击数量。
8 R9 [ y* ?: w3 s5 p e)等等。5 }5 Z$ ?. {: g1 {! h
6、仓库数据:
9 e+ ?: h& ^+ B% C t a) 每天出库产品
( \4 a& V& N6 r) c+ ` b) 每天出库产品数量
$ O2 @! E$ _5 U c)每天出库货位, o" N) Q9 A$ F$ S+ ~ k$ z
d) 货位的调整状况6 F0 a/ O+ x/ j
! E) I7 i, ]! u0 s. \
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。
( Z" b' ^0 b, ]! f2 o0 r9 V |
8 J" Z0 H4 v/ w% w/ h1 l | 4 A! V7 I* K: k0 L' i
) z' |1 T/ L! a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。% ?( f- n5 w" C& v
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 B9 b! f! P1 G% g. I/ X' K
2 l, Q1 p+ d5 e. G3 F% a0 i: x5 {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!$ [1 b0 a- B7 p8 ~/ g% G# A
5 w0 `" O0 z7 {; R |
zan
|