- 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
- 77270 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27107
- 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。
+ r+ T/ I1 G: ?# _3 U3 |; e' e 1、流量数据:
# o8 i6 s* z3 t' `# V) {4 \ a)流量来源明细。这个说明入口引流的质量如何。
5 v& G" ?8 ?3 k: D4 K b)流量去向明细。这说明产品或者活动的吸引力如何。7 ^- g1 d( L. u% a* N% q
c)访问了哪些产品。这说明当前访客对什么感兴趣。
- M! I1 k1 E8 d! A0 N, S2 F- A( E d)购买了哪些产品。当前顾客需要什么产品。8 v/ O! D/ K( I' f5 P6 x
e)回头访客的访问路径。顾客比较关注什么类型的产品。
0 W# z# x( B6 B( H6 g4 k- ~; W 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。0 o% [" Q0 ?; L7 N: k" K
g)等等。 y% x7 C9 S; I
2、销售数据:* J. z ^; ?) g: \: c- G! P
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。 d; Y Y R1 Z0 K% 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。
( o9 w" i# R3 e5 d Z 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。
' Z' I' I! g' _: W' b3 \7 V d)客单价。每个购买者的平均出价。
- M2 R/ C3 E5 Q' s8 c% m1 C4 H! m, x e)件单价。每件销售产品的平均售价。
1 L$ I1 ]7 a) X2 \! n 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。
4 Y# m0 S" Z Y2 w w$ P! f& |1 g 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。
8 s) R% q6 g6 d9 D* b h)等等。
+ @4 i, A7 W: u& P' Q' n1 H 3、客户数据:
( |0 k4 R! S1 N6 v; G3 c0 j, w3 T a)客户的年龄段分布。; r+ k& |3 \( q
b)客户的地域分布。5 v9 Q) x1 a3 ]. u" Y) b: u
c)可以的收入状况分布。
$ u# v! ^* H0 x1 P2 g$ @ z d)客户的购买次数。/ K1 U# ~4 b. j( _9 Q1 p! v
e)客户的忠诚度。* R% @/ y7 m% n2 k8 D
f)客户的详细购买记录。9 R" a# P9 O' O- z, a
g)客户感兴趣的产品。
& X. a* M( F1 I! k5 t h)客户需要的产品。
. s- a' X$ o8 [% E- c, h: |# C i)客户的兴趣爱好。
2 K7 N, R9 L5 C; F$ K! i j)等等。% b: }' E% _7 h1 I
4、产品数据:
: E( N2 g* Y: z( U7 y5 d a)单个产品的销量。+ j4 j5 H# z4 ^$ R/ C' K! b
b)单个产品的运营成本。
O& n) ?8 w' f6 v; ^6 u c)最畅销的产品。
& J4 @9 [2 {4 w8 b$ Q d)最不畅销的产品。
- F+ q1 N/ t: |: @" i {8 s% b/ k e)活动产品的销售状况。
" I" H2 [. O% E6 ~$ l8 O f)同类产品的网上的销售价格。; o% r7 r# I: F% W: {4 W% M
g)关注度。- b8 i2 p5 y1 S
h)收藏量。* S4 R$ B q- \4 \' _' {( n( x6 ]
i)销量。( i7 U( c+ h$ g |! Y
j)评论数量。
y6 f. Y9 x3 B9 Y2 M6 m0 ? k)跳失率。1 |" \0 W, k7 k* m! k: M
l)点击数。' \7 L3 n4 v, h n* q. b, F, s# H
m)单品的转化率。% a0 A( c) B4 D+ z
n)等等。+ x* c% ^1 M8 \4 h* ?+ W4 G' X! ^6 D
5、网店页面:
( B) v* |, I9 F* z, ~( c( ^ a)点击数据。
1 E% u/ V% |" v5 ~$ \# k' e7 I b)链接数量。$ R& p# X* u% w+ A
c)分类列表数量。
- l, m6 ]/ V. P5 o% W) W2 I d)各个链接的详细点击数量。6 s% s5 J+ V1 U
e)等等。# @/ U# K& W4 C+ K+ w V/ ]/ h7 [
6、仓库数据:
" I& i* X/ _) B7 ^0 g% x% M; _ a) 每天出库产品
4 b0 _* a# a, V& H3 q( {! \; C' n: e b) 每天出库产品数量2 c: z' Z% W# C3 J% d" W0 X
c)每天出库货位8 {6 Y. M7 x) J, I% g6 I
d) 货位的调整状况% e8 {: N$ x1 l7 ~
% Z" _, v* G, H; Y
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。2 S8 n; n5 e1 F& X: L
| % P! q- v- N7 I2 ?8 k
| 5 g" }1 w0 v; r4 y% P7 [5 p- H
1 d/ N. |9 y# G' v, P! v2 T: j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。9 m5 H. V7 ] ~1 p; [& o# 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!
# d6 h- k( z+ ]1 D: n# h8 t) J# `; P: B* [/ D! j2 O
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!* e7 M3 d0 g3 ]: B4 F* Y& P7 k
8 i. `+ h# o" a0 o4 k1 c
|
zan
|