- 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
- 77273 点
- 威望
- 96 点
- 阅读权限
- 255
- 积分
- 27108
- 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。: N$ D+ c/ }# ?% L
1、流量数据:
5 ?3 I$ e& n; ^1 u, { a)流量来源明细。这个说明入口引流的质量如何。# D+ y1 D& J1 Q) Q8 l6 u7 k
b)流量去向明细。这说明产品或者活动的吸引力如何。+ |5 e. ?9 _4 {+ O- q! r( K; a
c)访问了哪些产品。这说明当前访客对什么感兴趣。3 o! I6 S6 j7 S- K$ Q" P8 u" ?
d)购买了哪些产品。当前顾客需要什么产品。9 \) t' H7 {+ L2 x' Q. b
e)回头访客的访问路径。顾客比较关注什么类型的产品。' p4 d# v2 q# a4 }
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。( g3 U& U; c8 Q9 q
g)等等。' ` d1 e: U V- A- |1 i+ z
2、销售数据:* `+ v& {. x/ W+ }3 O3 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。! I; C% @6 ?$ y
b)区域转化率。什么区域的人对什么样的产品转化率较高。) y% W! k3 A6 A; h5 |6 ?
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 R1 r1 `' @1 L+ {1 M
d)客单价。每个购买者的平均出价。
. w) C: Q. w7 `. j6 l$ R, O; n! I- K e)件单价。每件销售产品的平均售价。" ~, w& p. q! 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。
2 l3 E' l+ o8 p* f 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。: V& J. z2 t& Z2 D4 ?1 c5 l/ b
h)等等。
( k- `/ ]- T8 P 3、客户数据:4 a7 j' D- P. N0 a; u- y/ p% g
a)客户的年龄段分布。) j' |. A" N2 [3 _
b)客户的地域分布。
) I. f* g! L/ p" J% C c)可以的收入状况分布。
! @& s% M7 e, ?* ?# P, z, Z9 C d)客户的购买次数。% c, n/ e# ^7 J, e- W. H; d
e)客户的忠诚度。
& I: m7 {2 n2 y1 j/ r f)客户的详细购买记录。
# X! ]5 E5 n( J) [* r8 i g)客户感兴趣的产品。( u' F8 W% Q2 Z7 F& A$ D' i ~
h)客户需要的产品。" L: @4 H E" p" t. G
i)客户的兴趣爱好。9 g; A0 @$ k9 L/ L& ]* I
j)等等。/ q- h, l) T% B3 ^& f- G
4、产品数据:
6 y" ~/ D" K# O' Y' @; }* ?) f4 @ a)单个产品的销量。8 }( D% V' N6 k' n& {; {0 B
b)单个产品的运营成本。# i/ W# O' Y! y: Q
c)最畅销的产品。
# t$ U" m, x6 z) I; C; V* X d)最不畅销的产品。
$ O1 c7 ~! m* ?6 L" {" j. _ e)活动产品的销售状况。3 O Y7 b( E; ~/ X- k* d
f)同类产品的网上的销售价格。
L( g( k" T% w) h! S g)关注度。
- J6 O. Q0 w9 ]9 y$ m- R, q+ \/ H h)收藏量。# i5 z7 Z$ v3 i- j; V
i)销量。
6 K" v: O- h2 A0 P j)评论数量。. G8 R3 O) F# p5 c3 N5 P9 @
k)跳失率。
0 }& L* W- d6 k0 C. t) W( y l)点击数。, u* e/ V4 w4 {& M6 L6 Q
m)单品的转化率。
8 f. R* g- W+ c* F n)等等。
* b' J: q- \6 z1 ~ 5、网店页面:
0 ], l, I! ^- k a)点击数据。4 F! E1 v$ r1 w; G
b)链接数量。
& X& b6 o5 v, K c)分类列表数量。
5 g0 O! X, {( B% a' }; k d)各个链接的详细点击数量。
! ?4 y y [) C6 z' g/ J$ Q9 H e)等等。; y7 Q0 ~. r$ w- z
6、仓库数据:
7 D3 `$ g2 l, F) p1 p' q' D a) 每天出库产品
* d" s1 H" {% g( t9 f/ X9 v6 V b) 每天出库产品数量; p' j' n) C9 q6 A& k ]
c)每天出库货位5 j ~8 H3 ?2 V- X
d) 货位的调整状况9 l4 M" S& x- ]( Z2 v4 c! \1 c
; @! Y& T9 `$ [6 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! U% Q% s9 E% R! k; p1 @/ ^
| & B, J! v% m( f7 x, i3 \! J( V
|
* i0 b9 |, p0 Y( L4 z( `: t- ^9 E. m( O" s. Y5 B2 }
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。
+ l6 U0 M5 ~, K" }# h8 n" L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!
+ \: {1 [( `* g, u' B- Y/ o/ w, i3 E7 M
7 C7 T. l* u; Q2 l4 e+ ]. ]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!. r. s7 w& `6 E( C5 _3 g
- M" b- @& P D( P8 `) r- Q |
zan
|