《网店运营与管理》教学课件项目七 网店数据分析

数据分析与网店的关系
数据分析在电子商务领域的作用主要有 4 个方面：
分析客户活动规律， 针对性的在网店中提 供“个性化”的服务
可以在浏览网店的访 问者中挖掘出潜在的
客户
优化网店的信息导航， 方便客户浏览
通过网店访问者的活 动信息的挖掘，可以 更加深入的了解客户
需求
网店的大数据运营
大数据（big data），或称巨量数据、海量数据；是由数量 巨大、结构复杂、类型众多数据构成的数据集合，是基于云 计算的数据处理与应用模式，通过数据的集成共享， 交叉复 用形成的智力资源和知识服务能力。
网店的大数据运营
大数据特征：
数据体量巨大（Volume） 数据类型繁多（Variety） 价值密度低（Value） 处理速度快（Velocity）
网店的大数据运营
互联网背景下电商大数据环境特征主要是数据化运营， 将大数据技术应用于网店的运营中，各个环节都能够实 现数据化，用收集到的大数据进行分析和决策，具有很 强的科学性和合理性。虽然数据化是一种虚拟的运营方 式，但是网店进行数据化运营，在精确而全面的大数据 面前，企业中每个环节的运营都变得更加高效。
人工智能领域中，知识发现是由若干挖掘步骤组成， 而数据挖掘是其中的一个主要步骤。
整个知识挖掘的主要步骤有：
1.数据清洗：清除噪声数据、不一致的 数据和与挖掘主题明显无关的数据； 2.数据集成：将来自多数据源中的相关 数据整合到一起，形成一致的、完整的 数据描述； 3.数据转换：通过汇总或聚集将数据转 换为易于进行数据挖掘的数据存储形式； 4.数据挖掘：知识发现的一个基本步骤， 利用智能方法挖掘模式、规则、网络等 知识； 5.模式评估：根据一定评估标准或度量 从挖掘结果中筛选出有意义的知识； 6.知识表示：利用可视化和知识表示技 术，向用户展示所挖掘出的相关知识。
7.2 电子商务运营的指标体系
电商数据分析指标体系分为八大类指标，包括
。不同类别指标对应电商运营的不 同环节，如网站流量指标对应的是网站运营环
网店总体运营指标分析
网店流量指标分析
网店销售（转化率）指标分析
客户价值指标分析
产品指标分析
市场营销活动指标分析
风险控制指标分析
市场营销指标分析
大数据技术在网店中的应用还表现在行业资源的垂直整 合，通过大数据将各方面信息进行整合，将电商企业与 上游以及下游的合作方更加紧密的联系起来，实现资源 上的共享。
网店的大数据运营
互联网背景下网店在大数据环境下的发展趋势：
为消费者提供个性化导购服务 网店进行垂直细分领域服务 大数据资产化 网店开展更完善的广告业务
4×24×30×9/0.02=1296000页面！
数据分析与网店的关系
如果网店设计得好，可以获得各种商务信息或者用户 访问信息：
页面访问 信息
商品的归 类信息
客户相关 信息
商品交易 信息
数据分析与网店的关系
电子商务网店不仅能够为数据分析 提供海量数据，还能够提供“干净 的”数据： 许多相关的信息是从网站上直接提 取的，无需从历史系统中集成，避 免了很多错误。还可以通过良好的 站点设计直接获得跟数据分析有关 的数据，而不是再来分析、计算、 预处理要用的数据。电子商务网站 的数据，非常可靠，无需人工输入， 从而避免了很多错误。
实时访客功能，该功能可以查看此时此刻当下访客访问的 是哪款产品，都访问了哪些页面，这个访客的 IP 地址等
访客特征功能，可以对访客进行概括，看出哪个时间段 的人数多， 哪个省份比较喜爱该店铺的产品推广
在商品效果明细中点击单品分析，可以查看到此刻商品引 流的主要关键词和不引流的关键词，从来进行标题优化
谢谢
数据挖掘方法：时间序列模式 时间序列模式侧重于挖掘出数据的前后时间顺序关系，分析 是否存在一定趋势，以预测未来的访问模式
顾客购买商品A，接着购买商品B，而后购买商品C，即 “序列A-B-C出现的频率较高”
数据挖掘的典型应用
异常事 件确定
客户细分
客户获得
资源优化
客户保持
个性服务
交叉销售
小结：
1.电子商务的数据运营：首先介绍了电商数据分析的概念、电子 商务与数据分析的关系以及电商平台的数据运营。 2.电商平台的主要数据指标：通过指标的计算可以对电商平台进 行不同层面的概括和分析。 3.网店常用的数据分析工具-生意参谋：由此可以进行较为直观 的网点数据指标分析。 4.电商平台的数据挖掘方法及其应用：包括分类、聚类、关联规 则等，了解数据建模的思据分析的关系 掌握网店数据运营的指标 理解数据挖掘的方法及应用
能力目标： 能够运用网店的各类数据指标进行计算和分析 能够熟练使用网店数据分析工具对网店进行监控和诊断
7.1 网店数据分析
网店数据分析概述
数据分析技术正以前所未有的速度发展，并且扩大着用户群体， 在未来越来越激烈的市场竞争中，拥有数据分析和挖掘技术必 将比别人获得更快速的反应，赢得更多的商业机会。现在世界 上的主要数据库厂商纷纷开始把数据分析功能集成到自己的产 品中，加快数据挖掘技术的发展。
随着电子商务发展的势头越来越强劲，面向电子商务网店数据 分析将是一个非常有前景的领域，有很多优势。它能自动预测 客户的消费趋势、市场走向，指导企业建设个性化智能网店， 带来巨大的商业利润，可以为企业创建新的商业增长点。
数据分析与网店的关系
网店中包括很多可挖掘内容，可以对这些内容进行提取，将平 台数据、客户访问数据、产品数据、交易数据等从潜在的，隐 含的状态，经过数据的提取，清洗，加工并进行分析等步骤使 其成为企业分析市场、制定经营策略、管理客户关系的有力依 据， 从而实现电子商务活动的本质价值，获得商务的增值。
关键词排名功能，可以看到各关键词的访客数占比排名 占比。对于引流小的关键词，可以考虑进行关键词优化
店铺产品销量当天的实时排行榜，该功能可以查看店铺哪 个产品销量比较好，包括流量、访客、支付金额、转化率 的实时情况，以此作出实时的针对性调整。
实时趋势功能，生成的曲线图是该产品的当天按小时区 分的实时数据趋势，
行业排名功能，可以反映出在我们总类目下，本身店 铺的销售量一个排名。可以清楚看到自己和对手之间 的差距
经营概况分析功能，可以清晰反映出当天的销售状况， 也能查看过去的每一天的经营状况。能够及时发现自身 经营什么时候是上升，还是下降。好及时做调整。
查看过去 30 天平均访客的功能，可以反映自身店铺 在过去 30 天内的访客变化
7.3 常用数据分析工具
生意参谋是淘宝常用的免费数据分析工具之一， 具有较强的、实用的、易于操作的数据分析功 能。生意参谋在应用于网店问题查找时也具备 较强的功能，比如销量停滞不前、流量出现瓶 颈、引流效果差等等问题。
在首页可以看到实时指标，其反映的是我们现在某个 时间内网店的访客数、支付金额以及支付买家数
典型的数据挖掘系统：
数据挖掘方法：关联规则
表示如X⇒Y形式，含义是数据库的某记录中如果出现了X情 况，则也会出现Y的情况。这个写法与数据库中的函数依赖 一致，但表述的则是数据库中记录的实际购买行为。一个 数据挖掘系统可以从一个商场的销售(交易事务处理)记录数 据中，挖掘出如下所示的关联规则：
土豆⇒苹果 【support=2%，confidence=60%】
网店能够为数据分析工作提供海量的数据，而海量数 据正是数据分析的一个必要条件。随着网络技术不断 发展，电子商务活动日渐频繁。客户对网店的每一次 点击都会被服务器记录在日志中，由此产生了点击流 数据。点击流将会产生大量可以被挖掘分析的数据。
数据分析与网店的关系
假如一个小型电子商务站点每小时卖出4件产品， 顾客平均买一件产品需要访问9个页面，且所有顾 客中真正买东西的人的比例为2%，那么，一个月该 网站能产生多少页面访问量呢？
流量分析功能，包括跳失率、人均流量和平均时间等
流量来源功能，反映了电脑端和无线端通过哪种方式 进来的访客排名。通过这些我们可以思考和发现其他 引流方式是否存在问题。
商品销售排行功能，反 映了本店铺卖的比较好 的产品，可以考虑是否 打造爆款的可能
市场行情功能，本类目下，可以看到一些优秀店铺的 流量排名，和市场内一些买的比较好的产品的排名。
更深入一点，可以为客户添加一些属性，如性别，年龄，爱 好等（可在网站注册信息中获得），并将对哪一类产品感兴 趣定义为目标属性，那么基于这些属性可以用决策树分类算 法来进行分类，可以得出符合目标属性的人的概括性特点， 如30岁以上的男性更容易购买皮鞋等。
数据挖掘方法：聚类
聚类就是按照事物的某些属性，把事物聚集成类，使类间 的相似性尽可能小，类内相似性尽可能大。
该商场有2%的顾客同时购买了土豆和苹果，但购买 土豆的人中有60%购买了苹果
数据挖掘方法：关联规则
在电子商务领域，关联规则应用非常广泛，包括页面关联和产品关联。如 80% 的用户访问页面 company/product1 时，也访问了页面company/product2， 这说明了两个页面的相关性。那么可以进行一个页面的预取，来减少等待 时间，从而改善网络交通，提高性能。 除此之外，若 A 和 B 表示两个产品页面，则两种产品对客户来说有很大的 相关性。我们可以利用这一点做出很有效的促销和广告策略。
数据挖掘方法：分类
根据已有的实例建立一个模型，使之能够识别对象所属类 别，该模型可以用于将未定类别的对象划分到已知类别的 工作。该典型的分类应用在商业中的客户识别、老客户维 系、新客户获取等方面。
什么样的人会购买某种产品！
数据挖掘方法：分类
在电子商务领域分类也有非常广泛的应用，如可以根据客户 对网店某一类产品的访问情况，或如其抛弃购物车的情况， 来对客户分类（即对哪一类产品感兴趣）。
交易概况功能，可以看到商品的一个交易总览，并可以 进行交易波动解读和转化率解读，系统会帮助我们更为 深入的分析商品的效果，提升转化率
7.4 电商数据挖掘方法
数据挖掘概念：数据挖掘早期在人工智能（Artificial Intelligence，AI）中被称为知识发现（Knowledge Discovery in Database，KDD），指的是从大量数据中 寻找未知的、有价值的模式或规律等知识的过程。在
一个能产生高质量聚类的算法必须满足下面两个条件： 第一，类内（intra-class）数据或对象的相似性最强； 第二，类间（inter-class）数据或对象的相似性最弱。
数据挖掘方法：聚类
在电子商务平台中，主要有两种聚类应用； 一种是页聚类，即将内容相关的页面归到一个网页组，这 对网上搜索引擎对网页的搜索有很大帮助。 另一种是客户聚类，即将具有相似访问特性的客户归为一 组，那么可以分析出喜好类似的客户群。