- 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
- 77273 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。
5 X, h/ b% Q' T0 p: ?$ c% J( r 1、流量数据:
% S$ x5 \9 ^2 L, @1 d! }; V a)流量来源明细。这个说明入口引流的质量如何。
/ n2 M: c$ _7 H4 |$ p9 e6 p b)流量去向明细。这说明产品或者活动的吸引力如何。
. E1 I6 l. S& W8 v c)访问了哪些产品。这说明当前访客对什么感兴趣。
3 O. s4 {$ P) n, I d)购买了哪些产品。当前顾客需要什么产品。8 a( Q& w4 \, l
e)回头访客的访问路径。顾客比较关注什么类型的产品。 _1 m7 N) N. c$ B, u { P* 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。
% N$ T- ]2 c# e Y: c4 @ g)等等。
5 @; P% T8 r0 h F7 j 2、销售数据:
6 h2 g) X, L1 n; Y 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。# c# Y/ X( V- Y5 {4 ^" h7 e
b)区域转化率。什么区域的人对什么样的产品转化率较高。
# Y4 u$ W- \; J0 v 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。( D8 h4 v: U& R. O' N
d)客单价。每个购买者的平均出价。 r) y2 }5 f& U! x
e)件单价。每件销售产品的平均售价。
' ]5 B6 b5 p) ^9 [ 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。
+ d& n/ `+ a. j 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。8 h) I' e$ n1 F5 _; {
h)等等。
5 Y/ P5 H5 F- Y0 x 3、客户数据:
. a( }% k; F1 f- f0 U; L2 o/ p1 B a)客户的年龄段分布。2 U1 }% M5 [9 y4 a* z* B- R3 g
b)客户的地域分布。! c* t& c' v- O/ m" Z+ _+ Y
c)可以的收入状况分布。
5 W J8 f9 O% k! s, \ |* G' S2 T d)客户的购买次数。
/ x9 P: E' s* v, q; o; g7 V0 m e)客户的忠诚度。. L4 {& C# g* L) p, \0 |' F: G5 l1 F
f)客户的详细购买记录。/ `& H& ^: ~2 Y, I2 {) |3 z
g)客户感兴趣的产品。
% N4 _: P5 ]( r/ e2 ?$ K2 | h)客户需要的产品。5 z# J! N$ h- R( l; v1 t
i)客户的兴趣爱好。. I3 e) ?- V, W0 a3 H3 x4 [4 k$ t2 E
j)等等。
# w2 x& I7 B. }" a( j' P( N 4、产品数据:$ G+ o0 S/ f. d- _5 r k5 b; @
a)单个产品的销量。* w4 k- t) {6 J" G; ~
b)单个产品的运营成本。# w8 S$ c5 k3 P+ B& z* O2 K
c)最畅销的产品。% { F; [& I! b6 C, p
d)最不畅销的产品。. H( P8 w- l: T
e)活动产品的销售状况。
$ X7 r" l6 H3 K: K: Z8 g f)同类产品的网上的销售价格。" Y2 k V6 u# s; ~9 g# m
g)关注度。
% ]. q2 E# o @0 c" \4 } h)收藏量。
5 ?/ t9 ]' R$ ?! u1 d i)销量。
) J8 p& h/ X6 |7 C5 L( @ j)评论数量。
1 e3 N# z0 C, Z L k)跳失率。
; v+ X) [( _- k/ ?; U2 G o1 `& q- c8 k L l)点击数。+ Z( L$ J1 W: d6 Z- I
m)单品的转化率。0 {& \7 L) f& f4 z- d! J: U
n)等等。
" s- H- K. M- w7 f5 U& X 5、网店页面:7 Q, |2 C6 }# N' T! l
a)点击数据。
' H. S1 P- ?, e+ ?. P5 V b)链接数量。
2 E9 S1 E3 T1 c) H7 B, I$ N c)分类列表数量。
* h+ t1 P% w" c; G8 F) }! [7 ` d)各个链接的详细点击数量。
" C4 D1 ?) w! P5 W e)等等。 _. _/ t9 J( _ \
6、仓库数据:
) y. Q& }) [7 h: k: h a) 每天出库产品8 f5 l* Q1 N9 `; |" u3 W( E
b) 每天出库产品数量. g3 ?( {5 N3 c4 x1 E
c)每天出库货位
# V+ \0 |; { d; J- s- _8 @; c$ g+ ~ d) 货位的调整状况* l5 D! ^4 ^" H& n( l
' o- `4 d( n( r* }' [: F 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。, a0 d# v# R, _& u% v' s; p' o
| 3 G1 _6 V1 V6 G7 o7 H- `2 |
|
' g4 W9 \7 k$ f* l( i2 x. P2 ~( O
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。( `8 q# g! D( Z9 O; a
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!
, ^/ I# G& g, v$ V; O0 I' w* V0 f
1 y3 W {+ U( f% Q4 r% O" i& k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!/ X! H: {+ Z0 J* V
2 y1 A. R) m5 E! j6 p8 F
|
zan
|