- 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
- 77815 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27271
- 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。
5 Y% u4 |; ]' _* n+ [+ f7 x 1、流量数据:
" V# L4 ^" f6 i a)流量来源明细。这个说明入口引流的质量如何。
! T' E' N2 B2 i* C b)流量去向明细。这说明产品或者活动的吸引力如何。
, { t v( ?; n9 S c)访问了哪些产品。这说明当前访客对什么感兴趣。 k3 p9 ?1 ?+ _5 C) _0 u
d)购买了哪些产品。当前顾客需要什么产品。* W, U& Z8 b" Q7 v) i
e)回头访客的访问路径。顾客比较关注什么类型的产品。
) ?/ W& r. k p; e( u4 v$ A. f 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。
* C' ^( C' K# X% G5 x g)等等。
6 p' t$ @3 J, ^' s- a 2、销售数据:3 d1 \" t' G; H+ Z3 Z+ G
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。* @1 c- b, [, C# U8 d z
b)区域转化率。什么区域的人对什么样的产品转化率较高。
0 U, Q, _; }: x# R# f 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。' p4 o+ @) q4 S- f9 Y2 r$ N; }. n
d)客单价。每个购买者的平均出价。9 E. ? `, P8 F+ H. E# _' {) E6 @
e)件单价。每件销售产品的平均售价。
1 {& y5 j* q1 ~* ] 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。9 m4 Z5 K) g* ^# ^1 V! w
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。
. P& U1 }& ]3 V& |! b h)等等。
9 p3 `9 _+ ^9 l 3、客户数据:3 G0 u8 D. ]7 U" k, G
a)客户的年龄段分布。
' `7 A+ |( D2 g b)客户的地域分布。; B3 N$ C/ B# i! p7 S
c)可以的收入状况分布。5 I+ i) i7 w; _$ p# G
d)客户的购买次数。
3 K7 J' D( h) _% V8 a* T e)客户的忠诚度。
9 k# Q1 |/ l1 j2 D( ]' _ f)客户的详细购买记录。 R, M, f0 a9 s& Q0 j1 P4 p
g)客户感兴趣的产品。+ j G- d \+ [% M1 h3 }
h)客户需要的产品。
7 r8 h9 r' v' w i)客户的兴趣爱好。( g( d# D' R. D3 n5 v# L
j)等等。0 [& t4 A/ B7 i; N# C5 Q' h- |
4、产品数据:. t* b; h, [/ o$ i, x
a)单个产品的销量。
X. O$ S- p. T! P! z b)单个产品的运营成本。
3 m6 ]9 j* `6 O" j+ y" Q f3 n" K c)最畅销的产品。
7 A7 q, I) f% V d)最不畅销的产品。
U8 T; b( J1 n' @# a" Y e)活动产品的销售状况。- f, ?. W1 S% w* ~
f)同类产品的网上的销售价格。1 O% V7 Z% w0 {6 S3 j M
g)关注度。
. _' I: s( w4 L- @4 B h)收藏量。
0 W7 y2 F- C- M$ p# k i)销量。! M. ^% F& t- R% H) F# `; y3 n" [
j)评论数量。
G0 v' C$ q: x/ K( m8 p k)跳失率。" A$ v% N" \9 X
l)点击数。" L0 g/ e/ G" e3 O5 x# \
m)单品的转化率。
- ^: q: n: k3 @2 f n)等等。* x1 a9 W9 r. \
5、网店页面:' t: O8 H( Z3 {7 S1 N( @$ t
a)点击数据。
( p' y! `" P7 J: k/ k; ~8 t b)链接数量。8 X9 r+ K* Q1 ^, q c' j+ F
c)分类列表数量。7 i% L. R J8 p& Y8 U: m) a
d)各个链接的详细点击数量。
# g" T- W" k3 _# L y- U+ Y, P7 x e)等等。2 j$ f7 s S) z
6、仓库数据:
: x% q+ r8 T W! ?" E5 p a) 每天出库产品& O7 F o3 J) V$ @7 n5 q
b) 每天出库产品数量
- W) w: }' d' Q: B c)每天出库货位
$ E( s2 l2 X1 {, ]' y( i d) 货位的调整状况
0 u' U, h3 K" k# G& i4 t6 t$ J2 F' O1 a2 y+ b
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。5 ~( w# M4 Q$ c- E K# f
|
e/ O! C: i( l |
0 u- L' \) I7 p" x9 B3 y" w6 |" Q [+ {6 R9 t6 C2 l5 |: S
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。
' s5 W' v F$ P) x- s. m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!) G( B: h6 d. k
$ m1 R! @5 T4 g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!% I6 C5 e/ a7 j1 t: O% y
- q }: ]& \9 v7 _% ? |
zan
|