- 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
- 77820 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27272
- 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。; {, n3 R0 v9 Z, S* O$ g
1、流量数据:& r4 O$ {, ?& _/ `4 H) b# O* E. a
a)流量来源明细。这个说明入口引流的质量如何。
' z) U: ^+ `. \" h) k3 B0 R b)流量去向明细。这说明产品或者活动的吸引力如何。
/ S8 i$ U [8 u$ j* H2 @( g0 q c)访问了哪些产品。这说明当前访客对什么感兴趣。
N% w/ _, u- n+ H- D4 x d)购买了哪些产品。当前顾客需要什么产品。# n# @+ e! S# n, k+ y$ P/ ]
e)回头访客的访问路径。顾客比较关注什么类型的产品。
" v0 y4 {9 n- Q6 P 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。% I i/ @- `6 ~
g)等等。4 L) o/ L, c& d. E' P0 Q% b
2、销售数据:2 D: i1 \; h! n) P+ y3 _0 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。* Z& g- G2 ~/ a+ |
b)区域转化率。什么区域的人对什么样的产品转化率较高。* s8 B+ z. [( _ b9 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。
0 q9 c4 H* `4 }) I' e1 i$ R d)客单价。每个购买者的平均出价。, R( o5 w1 u1 R: W2 F7 Y
e)件单价。每件销售产品的平均售价。
) [$ N$ @5 r) T 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 x, N1 b4 }# W6 R* l+ C 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。1 A8 b+ H4 C2 c5 p. H" ~
h)等等。; t9 P* F5 l' ^# r8 y$ u* ]% p
3、客户数据:
2 I$ X& ?! X6 d+ s a)客户的年龄段分布。
( F# U ?5 J- B+ N! J% ~ b)客户的地域分布。. E- d. G7 D8 B" c( c
c)可以的收入状况分布。6 J. l5 n1 C: _) R7 A0 J
d)客户的购买次数。2 H/ e+ |& q& S r! c
e)客户的忠诚度。
# T8 [" H' C$ p* R f)客户的详细购买记录。3 a4 c; P6 D; Z% G
g)客户感兴趣的产品。# o R- V$ `- D8 q$ c
h)客户需要的产品。( K% }3 t/ D& N1 E. b0 b( h
i)客户的兴趣爱好。, v/ S/ s0 [" c; C
j)等等。
) ^6 j) W/ A; L$ K2 l+ C+ p# ~ 4、产品数据:
0 U T" X# N0 c) y. x4 w8 f: p l a)单个产品的销量。
+ V' }0 `6 g" }( ^ b)单个产品的运营成本。 L/ i8 B' x7 t2 \
c)最畅销的产品。
" c! v1 D' H* K; n+ B* q d)最不畅销的产品。
. U3 U a& S$ x2 G; J e)活动产品的销售状况。- `) G+ m s L
f)同类产品的网上的销售价格。
! [0 E& w6 I% i g)关注度。6 L! A; M; R2 b, g3 \3 k
h)收藏量。: s% |( d+ i }. n0 M, `
i)销量。
1 r6 C& @! a0 v- A( D g! _$ O& o j)评论数量。
; X/ R7 V! ^! s- s; T* R k)跳失率。
7 h8 ^( p/ ]( H$ \ l)点击数。) {8 |/ S: l; }: W3 R2 M5 }# `& ^
m)单品的转化率。5 [+ ]1 [ c1 {) l
n)等等。
6 W8 y3 @! j% M: D 5、网店页面:
, A5 ^4 q2 B9 s& J a)点击数据。! h* w8 _& C I0 L) e' i
b)链接数量。6 r8 U k' Z6 X9 F) U `
c)分类列表数量。
) [, s# F3 r# q1 A8 e* @6 m; I d)各个链接的详细点击数量。8 \; S8 P3 w( m8 o/ m7 `. B! D" F3 L8 P
e)等等。0 b# B/ |1 @; m9 [
6、仓库数据:& v# ?/ k( S% X6 X, _
a) 每天出库产品) l$ m, F0 P: ]- G* g9 `( L
b) 每天出库产品数量% Z: S( S1 L# G% e
c)每天出库货位
5 _7 }9 e, u. k& Y$ j+ B d) 货位的调整状况
B; H, l, L+ k: N. E! ?
) {% x% O- t! G4 M$ 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。
$ q$ e. E0 I9 q3 S7 n+ ~" f | $ Z7 h1 F* ?4 k' c5 Z4 S5 m
|
+ `1 C/ v- l/ r$ A! T; z( }, }3 T% y$ r; j' q: u
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。
$ O, n2 i( S! m6 g3 @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!- F# ]8 g/ w. L
9 H% S! X1 C9 j! J8 ]" |. b
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!2 D2 B7 a9 |% m9 U1 ]
: H! I! B0 E1 l, h6 u L4 e/ X
|
zan
|