- 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
- 77198 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27086
- 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 v: ]$ S0 m5 X { 1、流量数据:+ [) y! t3 D. ]" b
a)流量来源明细。这个说明入口引流的质量如何。/ K7 ^: Z* ~3 K
b)流量去向明细。这说明产品或者活动的吸引力如何。
; ]3 I, k' G! Q. g( ~3 L7 G0 n c)访问了哪些产品。这说明当前访客对什么感兴趣。3 M4 U0 y- @' w9 r
d)购买了哪些产品。当前顾客需要什么产品。
6 S3 \' O( O5 a! _- j e)回头访客的访问路径。顾客比较关注什么类型的产品。% }5 \8 Z+ P4 a( t& 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。
5 W2 j( T0 `3 {8 x) P g)等等。- L! V) ~! ^! `" H' R
2、销售数据:
4 H4 ^% Z2 i4 k; i2 S 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。( Y% o; O# Y( `2 C) U7 \+ b7 Z
b)区域转化率。什么区域的人对什么样的产品转化率较高。
' F3 P. r _. \4 e% L 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。
7 K5 V7 c. D: ~ d)客单价。每个购买者的平均出价。$ `4 r* F# b) H) a1 V: `
e)件单价。每件销售产品的平均售价。( h/ C0 v; `! Z S" ~
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。
7 v& j$ o# B4 @9 q 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。
5 D! t9 [6 ~: q W% E$ a7 G h)等等。
+ N# }& E2 Z' S5 r" v 3、客户数据:
- `3 G3 X% g; E0 E" G+ P% J8 {5 L4 r a)客户的年龄段分布。
- s; ~! [8 y2 T9 H$ e; p; _ b)客户的地域分布。
: i- S% j& [- v c)可以的收入状况分布。5 B# L: a; `9 C+ l. k# a
d)客户的购买次数。6 ]. ?( r: j$ f% M! }* x b
e)客户的忠诚度。* h3 V6 ?9 ? |/ c5 c
f)客户的详细购买记录。: b4 @& }# {1 Z3 B- R( y+ [
g)客户感兴趣的产品。4 u# |5 M( w6 A' }0 x% F
h)客户需要的产品。8 X5 u, W) l1 O/ E
i)客户的兴趣爱好。
! G, C" r0 t( `4 F j)等等。9 B" h1 n) d2 H, G Q
4、产品数据:
0 h7 w3 \0 W3 R) A+ l; s a)单个产品的销量。
" N7 f5 F f/ } b)单个产品的运营成本。
5 \, j2 e, U: x0 M ? c)最畅销的产品。/ {4 `1 m( a" C( ]* c9 J7 ~" {
d)最不畅销的产品。$ s$ z& ~ m, f4 r) w) u- x8 a
e)活动产品的销售状况。
! f* U' A+ o7 P* i. N: B# [. i( Z/ v5 [ f)同类产品的网上的销售价格。
8 W" Y5 X2 P6 f g)关注度。" Q: F4 r+ P) b1 I9 b2 l4 j
h)收藏量。
- _. W& j! z- p. U" c i)销量。2 w5 m h0 w) o, k7 X9 t
j)评论数量。. A! G& o! W. ~) h- U+ E) V
k)跳失率。
" z8 U# e' B3 Z a# X2 Z' M l)点击数。
3 X; B. D! `% @5 f m)单品的转化率。
% {9 \! t2 P9 P7 M6 e# _ n)等等。+ S6 V" v3 J6 z+ T0 i' K
5、网店页面:
1 L; f( S( @ u5 `* O, i a)点击数据。
" |" U) e6 j6 F4 |: G) |2 L b)链接数量。
2 S5 q, e; x, W* _$ X: g. \' A5 N c)分类列表数量。
; W; e6 U9 o) `8 D7 U/ H d)各个链接的详细点击数量。8 @$ y* k3 p# g" r( ^# m1 z
e)等等。( \+ R4 ?: {! a6 F6 y
6、仓库数据: ^# A4 n. u- l2 x& c
a) 每天出库产品
$ w3 T- \; Y) x# p1 V4 f1 C b) 每天出库产品数量! l0 {; ^: U- g0 ?
c)每天出库货位: v/ M6 q2 G9 T! P8 v& I
d) 货位的调整状况, a7 }# b9 X9 n+ @
. ~& o+ \) N: g8 h( r 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。 K" h3 c; f( \( V) ~" u$ ^
|
4 F4 |" k1 l, ]# D. z% I- \- }3 I' h | , w+ X& U; H- Q* ^& I( v
9 B. |- x2 h* a
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。
0 }7 a5 o# G9 @1 |( d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!
0 o7 w. z5 ] X e2 k' \% j! q; B3 u# \: D0 \
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!
1 I5 h; r7 _ R# \6 ?5 x5 e, z; |. H: ]. q
|
zan
|