- 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
- 77052 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27042
- 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。! A% W P0 }* u3 d9 @) L
1、流量数据:- v: w. u& S6 x8 }- k, F# U* ^1 T
a)流量来源明细。这个说明入口引流的质量如何。
5 `! f9 a0 k9 L0 _9 Q b)流量去向明细。这说明产品或者活动的吸引力如何。; V8 [2 { x* N t: O: E
c)访问了哪些产品。这说明当前访客对什么感兴趣。
$ u7 Z6 i8 E- l( O" D d)购买了哪些产品。当前顾客需要什么产品。
( B, [+ T5 D# B e)回头访客的访问路径。顾客比较关注什么类型的产品。
7 {) ]9 p; @. G0 M 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。
- i& i) _) {9 ?6 F; E* G g)等等。( Z3 {2 P& y6 i% i) M; G
2、销售数据:
8 a- x* }- `9 k \/ d. x 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。: M0 a- Q5 k& A( R* M
b)区域转化率。什么区域的人对什么样的产品转化率较高。; a- f+ A, `; @ H
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。, v: C$ S7 b8 Q s5 \# B$ j6 |
d)客单价。每个购买者的平均出价。. f8 e8 G4 ^9 c9 H# S: \( S4 x
e)件单价。每件销售产品的平均售价。& U0 }) O4 G9 n- A Y- x
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。+ x# t( `& D' Y( p; V3 g9 r
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。+ r, Q( Y' D Y6 X! u2 y
h)等等。
* H! f; e2 C% S O0 [3 g! V 3、客户数据:5 X8 T) C. b! D/ X
a)客户的年龄段分布。
. m% M f# @/ ~0 ]9 B b)客户的地域分布。
+ h! X* ^7 ^' n& s5 m- I; l5 {2 Y c)可以的收入状况分布。
|& `7 k) R. r+ p d)客户的购买次数。9 k9 P1 r# O3 `$ h! c! \7 |
e)客户的忠诚度。6 h: i7 H* @ a; ~1 L g
f)客户的详细购买记录。
+ j. ] d; t& i g)客户感兴趣的产品。
B; S, i( e2 \$ T" z0 n1 n6 U/ V h)客户需要的产品。8 i5 m; t6 I4 u. L$ L2 B6 @
i)客户的兴趣爱好。
# o2 [. y3 W% t8 ^! ] j)等等。
0 ?; A. C$ }& Z+ z5 i9 t% M$ _7 l 4、产品数据:
4 Y$ U9 w) g+ p+ V: ^ a)单个产品的销量。
0 u& f4 K7 P9 O* F2 m# d* {3 t b)单个产品的运营成本。
( N+ v* Q( p+ _9 t6 H+ ~ c)最畅销的产品。# w' ~- i5 J: R$ H7 Z) ~
d)最不畅销的产品。
) E& A, z, N( |( y5 A, d e)活动产品的销售状况。
3 C* l ~- G ^' B1 p: |) u f)同类产品的网上的销售价格。
9 X; e# f+ R, ? g)关注度。
. L. `) L- I/ m: \, e Q h)收藏量。
, W4 i6 y; y5 X9 F' A ~ i)销量。: |& G5 u, I4 X% q
j)评论数量。
* f+ {) ~, i# l# m6 V3 q k)跳失率。
; p# y' U! F) g- U* z. {- g l)点击数。
' `! Z1 ~8 a4 X k9 W0 L' z m)单品的转化率。7 [' R( y+ j- j) X5 T9 n s
n)等等。0 B }* m% U+ \; y$ _; Y8 O
5、网店页面:" p4 {. m* o: M3 A8 Y
a)点击数据。1 {/ l: x( _3 F# a& Q
b)链接数量。
* U# L8 n y/ g x c)分类列表数量。9 ^: ^3 ~8 U: ?
d)各个链接的详细点击数量。6 g: R4 y0 A& a' O: s, ?% W
e)等等。( }3 t9 q0 ^/ ]' }; I
6、仓库数据:5 n* {9 y% Q2 z% O7 X
a) 每天出库产品
# [+ J1 I4 s( B' l b) 每天出库产品数量
]) |/ n; c% m c)每天出库货位$ k' b- Z7 ~5 M
d) 货位的调整状况
3 p: U& ~$ Q' c! u9 h; B1 V3 ~; k
2 X6 W( B# P$ x1 D! ]& I. ` 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。) r# h2 a, k1 ~& S6 a& M
| $ ]3 \& |, J4 w. u
| , J- E: n& F$ x' o- T4 `
- C/ T5 |7 E' |) Q/ ^, `& |: y# c# I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。
7 @4 F( \* C, 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!
* }4 E- p! @: ~6 c& |
$ f# ]- F/ E* ]& I6 N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!0 _0 ]0 v% P3 t! P6 i% N3 `
" P" h6 k$ x4 `' P: h" _! C( S& w
|
zan
|