- 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
- 77519 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27182
- 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。8 c! G5 j; P" R, @
1、流量数据:3 x- m( I* O' n
a)流量来源明细。这个说明入口引流的质量如何。
0 n5 X, Y4 J2 C0 V4 {+ [2 Y b)流量去向明细。这说明产品或者活动的吸引力如何。
7 \8 g. H% v& y$ I, R c)访问了哪些产品。这说明当前访客对什么感兴趣。( ~# v, t4 k5 l) K8 _& E
d)购买了哪些产品。当前顾客需要什么产品。$ `! K# _( a! J* T
e)回头访客的访问路径。顾客比较关注什么类型的产品。
3 u: ~8 q7 m6 ]$ b8 B 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。
9 T4 w* L$ i0 l0 Y, o2 T! i! I) U g)等等。
+ B5 z/ C/ x/ G' w& T3 _ 2、销售数据:
4 v9 ^# k0 X$ b6 l- C& a 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。
" p1 ?1 Z/ ~3 U# n1 U b)区域转化率。什么区域的人对什么样的产品转化率较高。 t" F J0 K/ }2 {1 [6 o
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 ~2 z" o! i! d: i5 y
d)客单价。每个购买者的平均出价。/ }. g9 a: r% D9 L ?. O8 R
e)件单价。每件销售产品的平均售价。 W5 t. s0 l( x) T) p8 _
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。
$ h2 D6 u' C, ?; r 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。
; J0 G' w/ l$ ` h)等等。9 \/ S$ F) B3 ]$ L
3、客户数据:
$ ]2 C# q7 B& | a)客户的年龄段分布。5 ~1 e! p" `# p6 w0 T
b)客户的地域分布。" v- i5 A" [6 z3 y* O
c)可以的收入状况分布。
, _/ n% ?" ~7 n3 h8 x8 N8 n d)客户的购买次数。
7 M/ {- G* m0 g1 s' r e)客户的忠诚度。7 d/ z3 u7 _/ E# a ?" [6 [
f)客户的详细购买记录。
8 f; k5 p' K6 Z5 n. j# q) w; o g)客户感兴趣的产品。
! s4 b, l2 j9 i7 |/ u8 u) w" s* I h)客户需要的产品。" L" h$ t2 s/ ~( X
i)客户的兴趣爱好。* @* C4 i7 L. P6 M! {6 x$ H3 d
j)等等。
) L# P0 d* s2 z- r# \% l 4、产品数据:
; ~ y5 D) E* v4 u* L/ V; d) Q a)单个产品的销量。. p8 [) t) C/ {: C
b)单个产品的运营成本。
& l) K7 t0 a7 G8 O' X0 | c)最畅销的产品。
( [* Y/ e* N) t3 _4 V- x3 b d)最不畅销的产品。
: X' o9 x/ f8 e- x) _4 p0 }0 [: L e)活动产品的销售状况。/ ]+ @& n5 `' W
f)同类产品的网上的销售价格。. ]7 V" e) v" j4 l
g)关注度。$ y; E' M0 D2 b0 V5 S# h
h)收藏量。( `% ]4 O4 W5 ^+ [. { l
i)销量。6 W8 K4 p H4 c' m9 x. N0 R
j)评论数量。
8 P2 l% O+ c, V* V k)跳失率。$ s2 A' A# g! a- x. a
l)点击数。. p4 Q- Y" R9 r' s, U
m)单品的转化率。
4 C, C! M' T5 G) i- } n)等等。6 K; X5 v/ u( R/ |: r
5、网店页面:1 b- V0 ~, V% ?
a)点击数据。0 }7 a& k2 C/ U N' `( W) H
b)链接数量。5 [1 `0 D ^% R$ L7 H6 Y
c)分类列表数量。* U; N- c1 f/ }! q+ D8 L4 }/ A
d)各个链接的详细点击数量。; K' r @2 F- z& z9 E" `
e)等等。% y- _# e* L5 k/ {
6、仓库数据:2 C# C* D. l0 X. a3 I1 ?/ C9 x; y: X. W
a) 每天出库产品
+ F7 J1 {! o/ R j9 |& O v b) 每天出库产品数量
- K. G5 t% x1 g6 y @* Q c)每天出库货位
( [4 v9 }9 w7 a* e" V! J4 E. G d) 货位的调整状况
7 f6 [; p$ @' F% J4 Q' i7 r, ?: U, X8 N: Q4 I/ }
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。 v8 R/ {- R/ W8 n% [! F
| & a8 K# @# f- C" X/ J
|
" x- S, t- z3 n4 n. n) P. l4 r, g, l Y8 [; a, v6 v
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。
* |; X7 E* v: \* G; n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!5 q; q1 q6 t$ k
2 p) s7 L: ?. Z6 h$ g& M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!0 q' B; A3 X0 G$ R6 V$ k. S- F5 f
: B) |5 i8 n+ D; s; v |
zan
|