- 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
- 77342 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27129
- 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 N& X$ V1 K# b$ c5 U
1、流量数据:
. X( ]$ k4 N2 n6 c# b! A/ Q' } a)流量来源明细。这个说明入口引流的质量如何。
; K" z2 |: s+ g/ t+ z+ d" H5 R& O% H b)流量去向明细。这说明产品或者活动的吸引力如何。$ `3 E I' t9 Z5 z1 p, v3 J
c)访问了哪些产品。这说明当前访客对什么感兴趣。
, z0 J* b; P& o- { d)购买了哪些产品。当前顾客需要什么产品。8 ^6 F7 N* D, A
e)回头访客的访问路径。顾客比较关注什么类型的产品。
' Z! \" l5 a) x, l 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。% m8 f$ N) m8 c1 A
g)等等。
( n9 e" C$ y8 h' { 2、销售数据:. O" v6 k" X1 K2 p$ D- Z
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。6 h, {& o3 J2 b
b)区域转化率。什么区域的人对什么样的产品转化率较高。
+ F9 {8 k; u$ { ^" M 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。
# r E! C ^5 ^# l1 s$ h# y d)客单价。每个购买者的平均出价。
0 K7 H/ r; h- ^! Z+ z# [( Z, ] e)件单价。每件销售产品的平均售价。( P: t4 m. p }/ j, W. J
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。
2 P a/ `+ j6 T/ t9 W x. N 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。! v4 T; A& u* W1 A. z
h)等等。
4 w! c+ V7 a4 L6 A# }1 ]9 M) P 3、客户数据:
" }# j2 h$ ^7 A3 R a)客户的年龄段分布。
4 Q6 e, t- @# d7 R7 \$ ` b)客户的地域分布。+ I: S3 h# j, k z% r/ q+ ]
c)可以的收入状况分布。. s, d5 q$ ?. |) G
d)客户的购买次数。2 B- S/ \& K5 c! Z+ I8 v9 q! o, l5 V0 ^
e)客户的忠诚度。% Y% z% c) h/ Y# C" r
f)客户的详细购买记录。
" E$ P$ I& B4 ^& V g)客户感兴趣的产品。! W4 e" B1 C$ X" `
h)客户需要的产品。
" ^" T: n8 j* D# O# O i)客户的兴趣爱好。
2 z4 w1 E. P. ]6 L$ t( k j)等等。
; r& @" U. h! A" H; |# f 4、产品数据:
+ I8 h. L* x* w' ^ a)单个产品的销量。* u, P, \1 v- z. C4 w X6 ~. v" T3 I
b)单个产品的运营成本。; n1 X7 z q2 c2 t I6 C
c)最畅销的产品。
* P; R) w3 O5 k* n4 l- ~ d)最不畅销的产品。% k5 D+ n+ e- p
e)活动产品的销售状况。 l, w& q9 [8 E$ G/ ?4 H6 Q8 E }
f)同类产品的网上的销售价格。
# q1 c# u' I+ { g)关注度。
) r( p) i* u+ f; I4 y h)收藏量。" W! U. \* F# E- u- I
i)销量。
4 ?0 I2 I' f. _8 r j)评论数量。
. m9 |0 e% }1 D4 W, N k)跳失率。) Z1 Z0 F! n' i
l)点击数。
; X$ k h, \* o m)单品的转化率。' T( C( V$ G9 N0 N$ L7 G- F
n)等等。
6 Y9 W1 D4 ^0 ^$ l 5、网店页面: X5 Z, w: G/ @% q( e( E5 W5 H
a)点击数据。- J4 {0 d) ~! y0 M8 J/ C7 f
b)链接数量。! K. \) Q& \: }" Z2 }, Y
c)分类列表数量。
4 _# A- C* ]; U$ o0 T0 S d)各个链接的详细点击数量。9 w# R1 y1 K$ Y% j; I
e)等等。8 K( {2 H1 P" T
6、仓库数据:
" b5 c3 Q/ b1 B a) 每天出库产品
' a) C+ g/ `# ^- B! Y' j4 j b) 每天出库产品数量5 V$ o% j3 y$ [- @7 G
c)每天出库货位
; B$ U' y0 \8 L3 R d) 货位的调整状况
# A9 B; p( L# s* ]' Z
2 z. l+ y" v- `% s9 e 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。
* }( i) B4 G% X; X |
O6 ^: x; ]! E; v/ b |
1 X, i4 R5 r( N) @) P1 N' Z& Q) W7 I e
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。
* l3 H2 q: D/ B8 r$ o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!2 q6 w' X3 b- [) @4 l% X
! E4 Z5 w' H5 U
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!
6 {" R2 ]* K' z! a) _" g" U0 K% Q- s/ _, V) [# Y, \% J
|
zan
|