- 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
- 77455 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27163
- 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。
2 L; d9 H& [( y D4 O) A 1、流量数据:" G% _% x& S' D
a)流量来源明细。这个说明入口引流的质量如何。
& p$ M: _6 {& F' Y& B5 H* y: x b)流量去向明细。这说明产品或者活动的吸引力如何。
% G# ]0 C* z$ j% C1 b* p! T9 i& j c)访问了哪些产品。这说明当前访客对什么感兴趣。8 w. h$ `/ I( }0 S0 |
d)购买了哪些产品。当前顾客需要什么产品。
$ R/ ?- r* O" {' @ e7 J e)回头访客的访问路径。顾客比较关注什么类型的产品。: H$ l1 z- [7 g
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。! Z4 D* R( H, C. D% h6 u8 P s% z
g)等等。" t* D; u/ g! Y6 a+ d
2、销售数据:; f3 [4 j7 t* ?
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。
3 D! o% P8 v, f- R4 _+ Q F! d b)区域转化率。什么区域的人对什么样的产品转化率较高。; Q( X/ Z4 W' L) a: K7 d. y
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。- p7 E8 C4 p& Y# ]
d)客单价。每个购买者的平均出价。
2 j1 [) i/ L/ E* H6 I e)件单价。每件销售产品的平均售价。
; d0 T5 S2 l! G 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。
# s4 R2 u2 O& C# h( i 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。
$ c: O7 ^- N$ q5 n; w6 ? h)等等。0 K9 c. s) |5 S, W; K7 @
3、客户数据:
( q x Y5 v' P/ ]0 ] a)客户的年龄段分布。
0 g" x6 o5 G% k( {6 F4 s b)客户的地域分布。
$ U" U8 `! T W, i: V c)可以的收入状况分布。: y! r9 ~' ^! z9 W+ Z/ j* k8 e
d)客户的购买次数。8 n9 a- H4 n: Q' b9 l0 D3 s
e)客户的忠诚度。
* I, ~+ r0 H+ |4 P1 C f)客户的详细购买记录。# z' @9 s2 E, Q7 ^
g)客户感兴趣的产品。
' Q, D2 w- C" X3 C h)客户需要的产品。* d2 D5 a5 j( Z! U) ^9 A6 V9 H: \
i)客户的兴趣爱好。
+ d7 o5 \. d+ O8 ], `3 }( ~2 g j)等等。( H% A1 R& t' A# Y: q
4、产品数据:
) f6 l8 l' [" D1 @- v a)单个产品的销量。
0 T) n9 n$ s4 B8 N b)单个产品的运营成本。 S7 Y( [0 K2 y0 ^- S7 U- ?3 [, }
c)最畅销的产品。
) H6 Z: t4 a+ ^1 _ d)最不畅销的产品。
8 _6 d, [3 M6 W) B) g e)活动产品的销售状况。
! h. ~! _1 a4 H2 P# f. q f)同类产品的网上的销售价格。) `9 E9 M2 d5 N+ I$ ?) U
g)关注度。
% u$ @ w; H- Z, Q' G/ X) S h)收藏量。5 l# F5 F$ p& o' N! t: H
i)销量。
) E. P# P" m% x+ F j)评论数量。
, g( M, S% J7 [5 D% s k)跳失率。
6 R9 F' i, `& p5 q l)点击数。
' R5 D. S! _, f& ^1 P% ` m)单品的转化率。. M3 v/ u2 h& X5 x( D+ D' [
n)等等。
( I2 W3 f3 `5 {0 _# t$ C 5、网店页面:+ d" S. H0 e/ i# T5 y% U
a)点击数据。
" q! \4 M0 D9 w1 b" x$ a b)链接数量。
# W. h: r/ [# s* H c)分类列表数量。 c% ~! c+ `( P4 w) z ?' e$ {
d)各个链接的详细点击数量。8 x/ d- o. y. l- ~. t
e)等等。
# |/ @' _) M3 D! Z: [7 g: ] 6、仓库数据:+ i" y! p9 C8 l
a) 每天出库产品
/ ?( C2 V$ a) k6 y; } b) 每天出库产品数量, B( p* J& h& I, {! d4 [0 _8 b
c)每天出库货位7 x4 w4 m. C8 ?5 ]. {
d) 货位的调整状况) j; h- @9 E* I: x' a
: c: g/ T4 v( }* h% i" \) I3 ~
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。
% _# a7 o8 y! y2 T- f" F, | | 1 o( e) v, F) |; u8 w
|
2 {+ ^4 W: f, V1 H' @
# G8 q# W6 D5 Y8 g- ~ M7 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。* B9 }4 Y8 @/ S9 p: [
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!
7 s% I' H% M2 G y6 e5 X
1 d' j* `5 ~& Z8 e7 s7 d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!
c7 Y) K! J& ]& A& r" r8 P8 T! f. l) z5 q, [2 e- N) T3 C0 g
|
zan
|