- 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
- 77823 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27273
- 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。3 L: v/ l& U* m* `9 E2 Z
1、流量数据:
5 R6 |7 ~9 w( ~5 P6 q; K! R P$ f' H: c a)流量来源明细。这个说明入口引流的质量如何。5 v" R, l& H2 `0 f X$ p8 i+ C
b)流量去向明细。这说明产品或者活动的吸引力如何。
5 |" i2 C! E3 ?. C c)访问了哪些产品。这说明当前访客对什么感兴趣。% J/ I& z j- A/ G4 G( F
d)购买了哪些产品。当前顾客需要什么产品。( P: n" K- g: {5 j1 ~. i
e)回头访客的访问路径。顾客比较关注什么类型的产品。
: n7 o3 B3 @6 q+ F2 G F! R 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。' @, L5 N# l% J, O5 z) a/ A0 O
g)等等。8 S3 L$ d: |' U4 g X; T5 p
2、销售数据:
$ Y2 L7 P4 o4 h9 r+ d" u6 R 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。
# L' ]3 {/ e) `) z( w b)区域转化率。什么区域的人对什么样的产品转化率较高。, s9 V. s& @9 e! @ V& A
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。
/ U+ F# W0 }3 U: M" F d)客单价。每个购买者的平均出价。6 g+ d- Y9 @/ T+ Z+ a" A5 ]- S
e)件单价。每件销售产品的平均售价。
0 E$ e) D' _( X; X8 H, m 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。 y& p2 {3 J+ _/ R. H
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。
/ ^# s% b0 y4 ?# T4 I6 u1 N5 w J h)等等。6 d, f1 I5 q' r
3、客户数据:9 @: Q- _- Z, K- G `8 |; J
a)客户的年龄段分布。
1 R9 R: T- A+ k8 g, e b)客户的地域分布。- W# f- l9 Y- H1 @; o: h6 p. q
c)可以的收入状况分布。 a1 \4 a+ i6 Z2 L" Y3 m
d)客户的购买次数。
; D4 n* }! X; F& ?; {( j e)客户的忠诚度。7 H9 m2 K; B% A$ Q
f)客户的详细购买记录。) X0 t. X+ I( l* N: [3 m
g)客户感兴趣的产品。: ~9 f8 W3 O; `% M# a
h)客户需要的产品。! b' g7 ~' E; f; u) L9 k
i)客户的兴趣爱好。9 P @2 h- F: K/ t
j)等等。
: g& p" v) r4 r/ F9 _ 4、产品数据:- W) }3 v# O$ ?1 @% J: T
a)单个产品的销量。5 N: n6 [; Q6 w( U8 }
b)单个产品的运营成本。
; v+ l9 m$ r* Q m! F% O c)最畅销的产品。5 Q8 f+ @5 P! y) c7 x- y% N
d)最不畅销的产品。$ x% I. c) A% Q. I+ ?" x1 {. ?1 C
e)活动产品的销售状况。+ ], e; @' o2 N+ s, N8 j
f)同类产品的网上的销售价格。
3 x6 u6 m+ ~$ ^ g)关注度。
6 M1 e2 Z7 D$ [) p* t2 l h)收藏量。/ I4 u5 N: l- D: G9 f, e
i)销量。5 \1 G& K" B0 t7 E3 K
j)评论数量。
# [7 E \9 s/ H, M k)跳失率。
1 n0 ]1 X* j3 }" U: [! \ l)点击数。0 ^& I& Y; s( l, [
m)单品的转化率。9 D& w* v! b7 k; Y- Q4 Y0 Y
n)等等。
6 T! L8 ?. G( A: z. P5 e X& i 5、网店页面:9 A! x3 j& _0 J3 f- t I _
a)点击数据。
6 A* K0 B7 m/ Y. I! K0 c8 H b)链接数量。1 `, i ]* w9 k' _
c)分类列表数量。1 P" H6 t! ^3 F5 ~( C3 H7 x
d)各个链接的详细点击数量。0 P$ h' e1 S1 [$ m- g# @. p) F
e)等等。
1 k9 d/ S Q& m* ~$ W9 P 6、仓库数据:
1 ~4 b! z! c& u# t: G9 o3 P1 x: l a) 每天出库产品7 p1 ^ X( i+ i) {, h
b) 每天出库产品数量0 b) O: g+ T. H
c)每天出库货位
& O7 b% S9 F% H. D/ p B% U0 n6 A. W d) 货位的调整状况
( [9 q$ @1 z: N; u0 ~: o- T! P) G- Z0 B2 G5 L5 p$ ?8 V
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。9 Y. m; c1 `: t4 t
|
5 F. ^' q; b2 E* O% b5 c, Z | ' g5 g( N8 q- T% I$ ~( V( ?
% v$ {' P' {3 x. Q8 x# G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。
) C# S, D C. S% M' P5 R5 |6 k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!; p1 k, s$ ?3 F2 u0 d
( e3 D1 f0 W# X: I" E# |0 G
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!
! d9 a1 c5 i' l7 @) i$ t0 u& {* ?& i
' R( E: D! ~8 K0 G2 [- j |
zan
|