- 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
- 77117 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27061
- 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。( D% `% ^+ t9 H% K# t
1、流量数据:6 B+ _& E# y5 Q" S* @0 ?2 {- G
a)流量来源明细。这个说明入口引流的质量如何。
% r0 t8 x$ U$ k% h8 { b)流量去向明细。这说明产品或者活动的吸引力如何。6 x: S: Q9 E4 t- a4 I; V
c)访问了哪些产品。这说明当前访客对什么感兴趣。
* N; [9 K' K" X+ G2 ?. ^1 J d)购买了哪些产品。当前顾客需要什么产品。
- Z5 |$ Y# A& T, i) W* E9 D e)回头访客的访问路径。顾客比较关注什么类型的产品。
$ w# ~0 O, a$ N0 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。. o' N; H, P4 n8 k) o
g)等等。2 E: b! R% ~1 V6 v# ~" D
2、销售数据:
2 C6 D% B$ i+ X1 ?+ ?$ d8 H 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。5 {$ g5 p0 a: s5 A/ e; h t
b)区域转化率。什么区域的人对什么样的产品转化率较高。
4 j' d% `8 N' E9 w; ]$ j 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。
9 U3 f+ [# }6 _' H7 o d)客单价。每个购买者的平均出价。7 \; P g4 v$ z; r' f
e)件单价。每件销售产品的平均售价。
1 g i9 C8 C* Q+ ^, | 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。$ e% L7 q/ D% 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。# W- A) q f" `5 ?& L1 W8 f
h)等等。1 M" ~1 N/ d3 r3 s b
3、客户数据:8 J& a# w" B$ {; V
a)客户的年龄段分布。
! ~2 N$ E4 u% O. c I- n7 S b)客户的地域分布。
3 a w$ |$ G* ^ c)可以的收入状况分布。
v: }: F' B1 ` y( f& V5 e9 V d)客户的购买次数。
[- v* m6 y. x4 H e)客户的忠诚度。3 _2 V3 d% H$ y" P& U
f)客户的详细购买记录。
% o0 r2 B p$ I) S" k" b" a g)客户感兴趣的产品。; Y3 f3 T6 A/ j F! ]
h)客户需要的产品。
% B+ Z: B- d7 k i)客户的兴趣爱好。+ C2 C( j; E% I+ F6 x* ^: ^6 K
j)等等。
6 y; I; K- s" t1 H" E 4、产品数据:
) U6 m Q$ U7 d( o; J& Y a)单个产品的销量。4 a( x7 A( m8 {1 P
b)单个产品的运营成本。
* L9 ^$ j7 R9 _: ]% ] c)最畅销的产品。+ \/ R2 M1 \: G k& |
d)最不畅销的产品。
* {+ h) r `2 \6 B e)活动产品的销售状况。: O. E* f4 M! d) H; v, N" o2 d- p5 z
f)同类产品的网上的销售价格。
4 }* Y- L, q. L% w% z) F g)关注度。
+ h$ Q$ Z# N P( v- n h)收藏量。8 B! B2 o g6 l
i)销量。% M4 g/ } M, ^
j)评论数量。" y, E/ e" |. d$ e9 Z$ `
k)跳失率。
3 e$ Q/ U9 g/ ? ]/ b+ b* Z l)点击数。
0 L- k/ l' D& w0 i S/ C F, K5 @, l m)单品的转化率。
) H6 M. r' c& ?) C1 k9 U: Q n)等等。 b& e6 [# m$ N- W
5、网店页面:
# Y% h9 s( B( ~( {9 J+ o5 C/ S a)点击数据。
% `# E( X7 r' h6 u2 A( s3 c b)链接数量。$ S' |# ]" ?2 l, V5 L$ L9 Y; D4 E
c)分类列表数量。' }8 z, f3 ~; v1 ~8 ^$ G$ C
d)各个链接的详细点击数量。( H+ d, o' h4 @) G. K1 V/ m
e)等等。4 ]2 }! \6 {3 O2 n! @
6、仓库数据:& r! z, M% {9 I' |! P- S# a6 r0 ?
a) 每天出库产品
$ t# h5 _8 F7 A b) 每天出库产品数量
2 b) ~$ ~" _5 _8 j7 L) w3 [- z c)每天出库货位
! C T# R& b. E- _1 h d) 货位的调整状况 u. V0 p+ x& I, c% J
( f# d6 m$ N& D; S6 ]5 O 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。
$ M4 |5 @% M, l/ b( U6 h& ~5 t |
* o1 ]& H. Y7 Z* e |
& e4 o# C- _: w5 u. ?7 s {
$ {3 q+ g6 U* j. u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。3 ?* w, f* u6 `1 l0 [, H7 h% r9 [
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!
* F+ y2 T( O: R; G- `; T
. F3 ?: ]& s' j { f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!+ Y1 P" {- o/ P8 L& A
- @* @0 K1 x6 g y% u
|
zan
|