- 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
- 77272 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27108
- 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。
6 i9 g- y4 y6 U, q5 d 1、流量数据:
# k" e0 A8 I7 @2 d: D$ ^ a)流量来源明细。这个说明入口引流的质量如何。
+ G W% A/ y# P" C6 L: I; C; L0 X b)流量去向明细。这说明产品或者活动的吸引力如何。$ P& s/ T/ X$ U' [
c)访问了哪些产品。这说明当前访客对什么感兴趣。
$ z1 i' U" N6 | d)购买了哪些产品。当前顾客需要什么产品。/ _3 h) h |4 l/ a: v$ |# M
e)回头访客的访问路径。顾客比较关注什么类型的产品。( S8 T( r9 y. ?% G3 p$ ]7 _* K, ]' J
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。
& ]* `2 s- g1 s g)等等。8 z% _: e9 X% a" k5 o# F
2、销售数据:/ H1 Z9 Z. f$ x! ?; L
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。
) N: B+ D# b* o$ z9 l b)区域转化率。什么区域的人对什么样的产品转化率较高。 d1 q0 Y; O/ B6 P, i& z
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。
2 u; f( L: F) M) b d)客单价。每个购买者的平均出价。; a, {" O9 M# ~: Z
e)件单价。每件销售产品的平均售价。
2 M3 C" o" r: ]. h/ C/ ^; e7 t9 u 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。8 K0 \/ I" L o$ }
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。
- T; r/ ^ y4 }5 \# ^ `+ D h)等等。* P7 Y# y6 K; o
3、客户数据:, ?; F7 R2 }! f2 g
a)客户的年龄段分布。
8 p7 T1 V9 C3 v3 e. \ b)客户的地域分布。
; }. k* n4 E/ F c)可以的收入状况分布。/ S6 @1 j+ L( M2 x4 B
d)客户的购买次数。
: j8 f2 p: G: g' F* F! b. Q2 P e)客户的忠诚度。
. {% h, ]7 }. m f)客户的详细购买记录。
6 L _' c- R3 H' o8 D' C g)客户感兴趣的产品。1 p: O3 E9 K2 b# W3 l6 R0 y
h)客户需要的产品。0 _$ U* c- B. N! P/ y2 N7 g- T
i)客户的兴趣爱好。8 s9 G( ?# n- w# C: M" g$ y
j)等等。
; \* d, V3 }5 G* ^) g6 q$ h 4、产品数据:
9 h7 e& Z1 O$ m8 Z a)单个产品的销量。" t! P" j3 t2 p
b)单个产品的运营成本。
2 Y* `4 L6 V( c0 y& B9 t c)最畅销的产品。
) J$ d+ [0 L+ W' [; V3 c5 h d)最不畅销的产品。
* v/ V6 v4 g. q; c& j e)活动产品的销售状况。
$ S6 z7 x. C+ ^5 Z' k9 K { f)同类产品的网上的销售价格。4 u& H. } Q6 }7 u& o! O. B' {5 O* g" O
g)关注度。
/ O; w6 d% N# p3 s. d0 }* R6 j h)收藏量。
3 g7 D# n" H) y' a. W1 ~8 \7 R i)销量。
v6 f' p# U5 T$ O7 d; Y- M j)评论数量。8 k' _+ m. _4 J0 f: @
k)跳失率。 a. ]* y! a3 m' u8 U) n
l)点击数。+ i% Z4 c2 U6 Z
m)单品的转化率。' G, k5 x/ P8 x
n)等等。9 I% ?9 d# _3 m8 z& [
5、网店页面:
! @: v& Q) `8 l! P% f+ g# C8 Q a)点击数据。7 y2 t$ F0 o3 A- B0 F/ I4 n7 _
b)链接数量。1 d$ n* M; p5 O7 V! V4 D% {, n: W/ X
c)分类列表数量。
1 E: s8 E" B5 N( F# D3 W d)各个链接的详细点击数量。4 _9 ^5 b# {2 \; ^9 Q
e)等等。7 u& J* g* F1 B' J3 [1 S
6、仓库数据:3 Z U* P% Y. L/ K
a) 每天出库产品
- |# `3 G, Q1 W4 m7 V; h- K b) 每天出库产品数量+ V/ Z1 i% ?1 ~0 \+ `
c)每天出库货位: w: w, G3 i9 b: ?
d) 货位的调整状况: D, |2 l8 c6 x- y3 n6 j1 C9 E. M
$ ~/ o- }1 u3 n) d3 _
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。
! n6 k* r3 |; d7 G# } |
3 Q {4 y& R) A& q4 I | 9 s& c; U+ q( F/ B- ^: }' H: F
$ j0 }0 B d" O Q
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。
% n! M5 W% Y# H8 t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!# h! x! ]! d; F1 B1 |! R
8 y [2 K$ O5 u+ C* a# o
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!
4 g1 i; U5 m3 P, T' {1 O: C/ o& b4 J" m% N
|
zan
|