网店商品管理教案

教学
课题
任务一商品信息采集与整理
课题类型理实一体化
课时
安排
2
上课
时间
教学目标1.了解商品信息采集整理的流程
2.理解商品信息采集整理的要点
3.能够从不同途径收集商品信息
4.能够根据要求完成商品信息加工整理
教学重点2. 3. 4
教学
难点
4
辅助
资源
课件、多媒体、网络
情景引入①你在网店浏览商品信息时会注意那些内容？
②在网店发布商品信息时要准备些什么？
③如果让你来发布一个商品，你会说些什么呢？
教学手段教学过程
师生互动
活动设计
情景教学情景设计：
(参见教材）
任务分解：
商品信息采集与整理的主要步骤：了解商品基本信息、买家需求信息→确定信
息收集渠道→商品信息整理
活动1：了解商品基本信息、顾客需求信息（找什么）
活动背景：本次年终大促涉及的T恤、衬衫数量较多，每种款式的价格、材
质、尺寸等规格各不相同，李丽他们决定依据公司提供的商品信息采集表完成商品
基本信息采集，然后再收集信息整理买家需求信息。

活动实施：。

第1步了解商品基本信息
在淘宝网宝贝发布及宝贝描述中都会涉及到商品基本信息，如图2.1.1所
示衬衫基本信息图，它是买家了解商品的主要途径。

教师利用PPT
展现任务背
景
教师利用PPT
展现任务环
节。

学生分组讨
论任务内容，
并记录在实
训记录表中。

课件举例讨论
课件实作
“知识窗”
由于李丽他们在前几天已经学习了企业的商品资料，所以他们根据刘部
长提供的商品信息采集表，很快就完成了衬衫类商品基本信息的采集，采集
内容如表2.1.1所示。

表2.1.1衬衫类商品基本信息采集表（列示详细信息）
“想一想”
第2步了解买家需求信息
网上销售商品不同线下实体店商品销售，我们只能通过文字、图片等信
息来打动买家，那么买家需求信息收集对于网店就显得尤为重要。

那么买家
一般会有哪些需求信息？李丽他们在刘部长的指导下，以货号CS15023的衬
衫为例，通过以下3步分析出了买家需求信息。

1.登录淘宝网，在宝贝搜索栏中输入“清新风女衬衫秋冬”几个关键
词，并在搜索结果中选择人气排列前10的商品。

如图2.1.2所示：
图2.1.2人气TOP10商品
2.从这10件商品中选出一件在风格、材质、目标群体、价位上与
CS15023衬衫高度重合的商品。

李丽他们最终选择了排列第一名的“氧气生
活清新简约白衬衫女秋冬纯棉长袖文艺舒适宽松上衣143104”。

3.李丽他们开始着手分析这件TOP1商品的详细情况，重点分析商品诉
求、所反映的买家需求、客户评价和反馈信息。

通过仔细深入的研究，他们
总结出如图2.1.3所示的信息点：
师生共同学
习知识窗内
容
学生依据操
作步骤完成
任务。

实训活动：观
摩知名网店
宝贝详情页
学生讨论归
纳总结商品
信息的作用
网店中商品信息的作用
（1）反映商品基本信息。

（2）增加买家信任。

（3）激发客户购买欲。

（4）促进购买转化率。

商品基本信息一般出现在网店哪个地方？
图2.1.3商品诉求及买家需求信息
活动评价：李丽他们将这个结果拿给刘部长看，得到他的肯定。

刘部长告诉他们买家关注的焦点一般集中在商品基本属性，如大小、名称、品牌等。

商品细节图，如衣服布料、纽扣等。

他建议李丽他们还要收集一些搭配建议、穿着效果图等资料。

活动2 信息收集渠道（从哪里找）
李丽他们在进行信息采集进首先要解决从哪里找的问题，考虑到网店之前发布的商品中有许多同类商品，手头又有物流入库组提供的商品入库信息及样品实物，他们决定再参考一下淘宝网上同类产品信息来完成商品信息采集工作。

“知识窗”
活动评价：在完成这项活动时，要特别注意与网店编辑、网店美工人员联系，听多听取他们对商品信息整理的建议。

活动3 商品信息加工整理（卖点设计）
现在李丽他们收集出了丰富的商品信息，那么是否将这些信息全部都罗列给买家看呢？刘部长建议他们积极运用市场销售课程中的FAB法则，并结合商品卖点提炼法（USP）来整理商品信息。

以下就是李丽他们依据上述活动收集的商品资料信息，采用商品卖点提炼法，加工整理出货号CS15023衬衫设计的买点信息。

第1步依据FAB法则整理商品资料信息如下表2.1.2所示。

表2.1.2 商品资料信息表学生动手收集所采集的信息
教师提问“商品信息采集的途径？”
学生参照指导完成相关操作任务。

学生利用网络探索USP内容
（1）商品信息采集的方式有现场采集与网络搜集两种方式。

（2）现场包括样品实物、商品入库信息、网店商品信息库、供货方等。

（3）网络搜集主要包括搜索引擎、第三方电商平台、行业网站等。

第2步依据USP理论提炼出独特强有力的卖点：
经过听取客服人员意见、请教刘部长，李丽他们最终认为CS15023衬衫
的独特之处在于其印花图案及设计造型所营造出来的甜美、清新、田园
的风格，这也是这件商品最亮点的地方。

如图2.1.4 USP卖点提炼所示：“知识窗”
第3步商品卖点设计
赵部长提示李丽他们商品的卖点不要太多，也不能太单薄，一般抓住三项特点来表述商品从结构上来看更稳定。

如表2.1.3 商品卖点设计表所示：
活动评价：
商品信息采集与整理就是要求我们通过适合的渠道了解商品的基本信息及买家需求信息。

买家在购买商品时关注的焦点主要有：商品规格、商品特性、使用方法、售后服务等。

我们在加工商品信息，提炼商品卖点时要注意卖点可以是商品自身属性，也可以是商品的附加值，但所有的前提是一定要建立在契合买家需求的基础上。

合作实训：
根据以下提供的资料，分组完成商品信息采集加工任务。

1.分组完成任务，每组3名同学。

2.小组研究所提供的商品资料，参见教材表2.1.4资料.
3.分组依次进行商品基本信息、买家需求信息分析；商品卖点设计内容等任务。

学生分组讨论设计样品卖点，教师进行点评。

师生共同学习知识窗内容
学生上交操作结果，教师进行实时点评
学生依据教材表2.1.4资料分析信息收集渠道。

作业布置填写提交实训报告和实训表格
预习作业：利用网络查找商品发布的过程
●商品卖点提炼法——独特的销售主张（USP）是美国人
罗瑟·瑞夫斯提出的一种销售理论。

他主张卖家应当从商
品本身上找差异，找出商品的独特之处，要让买家明白所
购买的商品可以为其带来什么具体的利益，同时这个独特
之处要集中在某一点上，以达到打动、吸引买家购买的目
的。

教学
课题任务二网店商品定价管理
课题类型理实一体化
课时
安排
2
上课
时间
教学目标1.全面认识网店商品的价格定位
2.了解不同类型网店商品的定价方法
3.掌握组合商品的定价方法
教学重点1、2
教学
难点
3
辅助
资源
课件、多媒体、网络、实训室
复习引入①检查预习作业：利用网络查看最近淘宝网上的促销活动，观查并记录1-2件商品的价格折扣情况。

②你认为网店商品应如何定价？
教学手段教学过程
师生互动
活动设计
课件互动讨论情境设计：
（参见教材）
任务分解：
为了帮助李丽他们完全了解网店商品定价策略和定价方法，刘部长首先和他们
一起分析了产品的成本及利润，然后通过操作让他们深入了解网店商品的价格定
位、定价方法。

最后，刘部长还让他们为一款组合商品设计了初步的销售价格。

活动1 网店产品成本利润分析
活动背景：在进行产品定价之前，应当了解产品成本都包含哪些内容？只有知道
成本是多少后，才能决定卖多少钱。

活动实施：
1.产品成本分析
李丽他们首先从公司的产品成本构成图（表2.2.1）中了解到网店产品成本所包含
的项目。

教师利用PPT
展现任务背
景
师生互动：网
店商品应如
何定价？
教师利用PPT
展现任务环
节。

教师打开表
2.2.1产品成
本构成表。

教学
课题
任务三淘宝网店产品发布管理
课题类型理论+实作
课时
安排
3
上课
时间
教学目标1.了解宝贝发布的步骤
2.掌握宝贝详情页排版设计
3.认识淘宝规则
教学重点1、2
教学
难点
3
辅助
资源
课件、多媒体、网络
复习引入①我们要在哪里了解宝贝的信息？
②这些信息怎样发布到网上？
③在网上操作要遵循规则吗？
教学手段教学过程
师生互动
活动设计
课件讨论实作1．宝贝发布流程
第1步进入发布宝贝页面
首先，要登陆卖家后台。

如图2.3.1所示。

第2步选择类目
淘宝默认一口价。

根据宝贝的属性，一级一级地选择分类。

如图2.3.2所示。

第3步填写宝贝信息
宝贝信息包括宝贝基本信息、主图、宝贝描述、物流模板和售后保障。

这是宝贝页
面中最重要的组成部分，将全面地将宝贝信息、店铺信息完美地展现给消费者。

宝
贝基本信息页面的填写如下图所示。

2．宝贝详情页排版设计
第1步宝贝展示图片
第2步宝贝描述内容设计
以衬衬为例，常见的宝贝描述模块包括以下几种：
1.宝贝属性：
提问或讨论：
宝贝信息涉
及哪些方面
讨论：发布
时，是否所有
信息都应该
填写？为什
么？
提问或讨论：
浏览宝贝信
息时，对了解
的信息有主
次这分吗？
教学
课题活动四手机微店平台产品发布管理
课题类型理论+实作
课时
安排
3
上课
时间
教学目标1.了解有赞微商城商品发布流程
2.了解自定义区域的使用
3.有赞平台规则
教学重点1、2
教学
难点
3
辅助
资源
课件、多媒体、网络、实训室
复习引入①淘宝商品发布流程的步骤
②宝贝信息包括哪些部分
教学手段教学过程
师生互动
活动设计
课件互动讨论1．有赞微商城商品发布流程
一、进入有赞微商城
二、了解商品发布流程
有赞微商城的商品发布流程主要由三个部分组成
1.选择商品品类
2.编辑基本信息
3．编辑商品详情
2．自定义区域的使用
一、了解自定义区域
二、内容设置
1.富文本
2.商品
3.商品列表
4.图片广告
5.魔方
阅读知识窗：
手机微店中
商品详情的
组成部分
师生互动：自
定义区域中
各个部分的
使用方法与
效果
电子商务是与数据分析关系非常紧密的重要行业之一，也是数据分析广泛应用的行业之一。

通过数据分析对数据进行有效的整理和分析，为企业经营决策提供参考依据，进而为企业创造更多的价值，是数据分析在电子商务领域应用的主要目的。

电子商务数据分析的相关概念
电子商务数据分析是运用分析工具研究电子商务数据信息，搭建数据分析与电子商务管理的桥梁，指导电子商务决策的一门新兴学科。

通常概念下，电子商务数据分析指的是对电子商务经营过程中产生的数据进行分析，在研究大量的数据的过程中寻找模式、相关性和其他有用的信息，从而帮助商家做出决策。

通过对相关数据的有效统计、分析和使用，形成多种模型，促进客户、商业伙伴之间的沟通及优化应用，通常需要计算机软件的支持。

数据分析
“数据”是人们通过观察、实验或计算得出的结果。

数据有很多种，最简单的就是数字，也可以是文字、图像、声音等。

数据可用于各类研究、设计、查证等工作。

“分析”是将研究对象的整体分为若干部分、方面、因素和层次，并分别加以考察的认识活动。

分析的意义在于细致地寻找能够解决问题的主线，并以此解决问题。

数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。

数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。

数据分析可帮助人们做出正确的判断，以便采取适当行动。

数据分析的数学与统计学基础在20世纪早期就已确立，但直到计算机的出现才使得实际操作成为可能，并使得数据分析得以推广。

数据分析是数学、统计学、计算机科学等相关学科相结合的产物。

数据分析的目的
数据分析的目的是把隐藏在大量看来杂乱无章的数据中的信息集中和提炼出来，从而找出所研究对象的内在规律。

在实际应用中，数据分析可帮助人们做出判断，以便采取适当的行动。

数据分析是有组织有目的地收集数据、分析数据，使之成为信息的过程。

这一过程是质量管理体系的支持过程。

在产品的整个寿命周期，包括从市场调研到售后服务和最终处置的各个过程都需要适当运用数据分析过程，以提升有效性。

例如，设计人员在开始一个新的设计以前，要通过广泛的设计调查，分析所得数据以判定设计方向。

因此数据分析具有极其广泛的应用。

数据分析的分类
一般把数据分析分为三类：探索性数据分析（Exploratory Data Analysis，EDA)，验证性数据分析（Confirmatory Data Analysis，CDA）和定性数据分析。

①EDA是指对已有的数据在尽量少的先验假定下进行探索，侧重于在数据之中发现新的特征。

本质上是从客观数据出发，探索其内在的数据规律，让数据自己说话。

②CDA是指在进行分析之前一般都有预先设定的模型，侧重于已有假设的证实或证伪。

③定性数据分析是依据预测者的主观判断分析能力来推断事物的性质和发展趋势的分析方法。

数据可视化
数据可视化旨在将数据分析的结果通过表格、图标和信息图的方式直观地展示出来，使他人更容易、更快速得到并理解数据分析结果。

数据可视化工具有很多，如Tableau、Power BI、Python、Excel、World、PowerPoint等。

现代社会已经进入一个速读时代，好的可视化图表可以
清楚地表达数据分析的结果，节约人们思考的时间。

数据分析的使用者有大数据分析专家和普通客户，他们对于大数据分析最基本的要求就是数据可视化，因为数据可视化能够直观地呈现大数据的特点，让观者直接看到结果，发现数据规律，获取敏锐洞察，让数据分析更简单、更智能。

大数据
大数据（big data）是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据的特点
IBM提出大数据的5V特点：V olume（大量）、Velocity（高速）、V ariety（多样）、Value（低价值密度）、Veracity（真实性）。

①V olume：数据量大，即采集、存储和计算的数据量都非常大。

真正大数据的起始计量单位往往是TB（1 024GB）、PB（1 024TB）。

②Velocity：数据增长速度快，处理速度也快，时效性要求高。

比如，搜索引擎要求几分钟前的新闻能够被用户查询到，个性化推荐算法尽可能要求实时完成推荐。

这是大数据区别于传统数据挖掘的显著特征。

③Variety：种类和来源多样化。

种类上包括结构化、半结构化和非结构化数据，具体表现为网络日志、音频、视频、图片、地理位置信息等，数据的多类型对数据处理能力提出了更高的要求。

数据可以由传感器等自动收集，也可以由人类手工记录。

④Value：数据价值密度相对较低。

随着互联网及物联网的广泛应用，信息感知无处不在，信息量大，但价值密度较低。

如何结合业务逻辑并通过强大的机器算法来挖掘数据的价值，是大数据时代最需要解决的问题。

⑤V eracity：数据的准确性和可信赖度高，即数据的质量高。

数据本身如果是虚假的，那么它就失去了存在的意义，因为任何通过虚假数据得出的结论都可能是错误的，甚至是相反的。

大数据的作用
①对大数据的处理分析正成为新一代信息技术融合应用的结点。

通过对不同来源数据的管理、处理、分析与优化，将创造出巨大的经济和社会价值。

②大数据是信息产业持续高速增长的新引擎。

面向大数据市场的新技术、新产品、新服务、新业态会不断涌现。

③大数据利用将成为提高核心竞争力的关键因素。

各行各业的决策正在从“业务驱动”转变为“数据驱动”。

数据分析可以使零售商实时掌握市场动态并迅速做出应对；可以为商家制定更加精准有效的营销策略提供决策支持；可以帮助企业为消费者提供更加及时和个性化的服务。

④大数据时代科学研究的方法手段将发生重大改变。

在大数据时代可通过实时监测、跟踪研究对象在互联网上产生的海量行为数据进行挖掘分析，揭示出规律性的东西，提出研究结论和对策。

【知识拓展】
对大数据常见的两个误解
数据不等于信息。

经常有人把数据和信息当作同义词来用。

其实不然，数据指的是一个原始的数据点（无论是通过数字，文字，图片还是视频等），信息则直接与内容挂钩，需要有资讯性（informative）。

数据越多，不一定就能代表信息越多，更不能代表信息就会成比例增多。

有两个简单的例子，一是备份，很多人如今已经会定期的对自己的硬盘进行备份。

每次备份都会创造出一组新的数据，但信息并没有增多。

二是多个社交网站上的信息，当人们接触到的社交
网站越多，获得的数据就会成比例的增多，获得的信息虽然也会增多，但却不会成比例的增多。

因为很多网站上的内容十分类似。

信息不等于智慧。

通过技术手段可以去除数据中所有重复的部分，也整合了内容类似的数据，这样的信息对我们就一定有用吗？不一定，信息要能转化成智慧，至少要满足以下3个标准：①可破译性。

这可能是大数据时代特有的问题，越来越多的企业每天都会生产出大量的数据，却不知该如何利用，企业就将这些数据暂时非结构化（unstructured）的存储起来，但这些非结构化的数据却不一定可破译，因此不可能成为智慧。

②关联性。

无关的信息，至多只是噪音。

③新颖性。

例如，某电子商务公司通过一组数据/信息分析出了客户愿意为当天送货的产品多支付10元，接着又通过另一组完全独立的数据/信息得到了同样的内容。

这样的情况下，后者就不具备新颖性。

因此，很多时候只有在处理了大量的数据和信息以后才能判断它们的新颖性。

云计算
云计算（cloud computing）是一种分布式计算技术，通过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统经搜寻、计算分析之后将处理结果回传给用户。

云计算是一种资源交付和使用模式，通过网络获得应用所需的资源（硬件、平台、软件），提供资源的网络被称为“云”。

“云”中的资源在使用者看来是可以无限扩展的，并且可以随时获取。

通过这项技术，网络服务提供者可以在数秒之内达成处理数以千万计甚至亿计的信息，达到和“超级计算机”同样强大效能的网络服务。

目前云计算包含三个层次的内容：IaaS、PaaS和SaaS。

①IaaS（Infrastructure as a Service）：基础设施即服务，指把IT基础设施作为一种服务通过网络对外提供，并根据用户对资源的实际使用量或占用量进行计费的一种服务模式。

②SaaS(Software as a Service)：软件即服务，即通过网络提供软件服务。

SaaS平台供应商将应用软件统一部署在自己的服务器上，客户可以根据工作实际需求，通过互联网向厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得SaaS平台供应商提供的服务。

③PaaS(Platform as a Service)：平台即服务，即把服务器平台或者开发环境作为一种服务提供的商业模式。

【数据视野】
云计算的实际应用
在2020天猫双11全球狂欢季纪录之夜，据双11实时交易数据显示，11月1日至11日，2020天猫双11订单创建峰值达58.3万笔/秒。

成功扛住大规模流量、支撑各大电商平台“双11”购物盛况的正是背后的阿里云、腾讯云等各大云计算服务平台。

有了云计算，用户可以不用关心机房建设、机器运行维护、数据库等IT资源建设，而可以结合自身需要，灵活地获得对应的云计算整体解决方案。

阿里巴巴、腾讯、华为等行业领先企业在满足自身需求后，又将这种软硬件能力提供给有需要的其他企业。

云平台的成本、安全和管理集约优势可以降低IT架构和系统构建的成本并按需提供弹性的IT服务。

云计算已被广泛应用在互联网、金融、零售、政务、医疗、教育、文旅、出行、工业、能源等各个行业，并发挥了巨大作用。

如，铁路12306系统就使用阿里云平台支撑春运等购票峰值的IT需求，保障系统在高峰期的稳定运行。

另一方面，云计算也成为城市、政府和各行业数字化转型的基础支撑。

当前无论是电商平台，还是网上外
卖平台、在线游戏中心、热点网站，或是工业互联网都离不开云计算。

数据挖掘
数据挖掘又称数据库中的知识发现（Knowledge Discover in Database，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。

数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征提取、变化和偏差分析、Web文本挖掘等。

分类。

分类是找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类。

其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别。

它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等，如一个汽车零售商将客户按照对汽车的喜好划分成不同的类，这样营销人员就可以将新型汽车的广告手册直接邮寄到有这种喜好的客户手中，从而增加了商业机会。

回归分析。

回归分析方法反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系等。

它可以应用到市场营销的各个方面，如客户寻求、保持和预防客户流失活动、产品生命周期分析、销售趋势预测及有针对性的促销活动等。

聚类分析。

聚类分析是把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能小。

它可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分等。

关联规则。

关联规则是描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可导出另一些项在同一事务中也出现，即隐藏在数据间的关联或相互关系。

在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据。

特征提取。

特征分析是从一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征。

如营销人员通过对客户流失因素的特征提取，可以得到导致客户流失的一系列原因和主要特征，利用这些特征可以有效地预防客户的流失。

变化和偏差分析。

偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别。

在企业危机管理及其预警中，管理者更感兴趣的是那些意外规则。

意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。

Web文本挖掘。

随着Internet的迅速发展及Web的全球普及，使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web的海量数据进行分析，收集政治、经济、政策、科技、。