关于建立数据驱动运营(商务智能)的相关思考

关于建立数据驱动运营（商务智能）的相关思考

一、关于决策支持的相关问题——什么是数据，什么信息，什么知识，什么智慧？

1.1数据是一组经验观察值和事实，尤其是当它们被组织起来做随后的分析的时候。数据作为事实的记录。例如：电子商城昨天的访次数是123次；

1.2 信息是被用来思考和做出决策或者得出结论的一组事实和观察。信息作为数据和意义的整合。

例如：电子商城昨天的访次数相对于前天访次数减少了10%；

1.3 知识是从经验和学习中得到的熟悉、认知以及理解。知识就是解决问题的技能，例如：对于电子商城访问次数的减少可以进行不同形式的市场推广活动——网络广告，搜索引擎营销和优化，软文，SNS等

1.4 智慧是辨别和判断什么是真的、什么是对的、什么可持续的能力，表现为洞察力、常识以及良好的判断能力。智慧就是知识的选择应对的行动方案可能有多种，但（战略）选择哪个靠智慧。条条大路通罗马，但是最近的并且最适合你的可能就只有一条。

例如：对于运营中的电子商城来说，需要根据自身的实际情况和可执行的目标确定一个行动方案，当然，行动方案执行之后则又会产生新的反馈，可以对方案相关的评估和修正；二、关于电子商城的决策支持系统的组成和结构

电子商务的决策支持系统，需要将运营管理中的对象最为研究和优化的对象，通过系统化，体系化和规范化的指标体系来指导实际的业务操作。主要包括以下几个重要对象和方面：2.1 市场营销推广渠道——通过市场活动的效果评估和优化，确定整体的市场渠道推广组合：

基于流量数据的市场营销活动的效果评估：花了多少钱？来了多少人？下了多少单？（广告公司的虚假流量）。

基于销量数据的市场营销活动的效果评估：花了多少钱？来了多少人？下了多少单？付了多少款？退货多少？并且有多少是回购用户和订单？

2.2 电子商务的访客/客户：分析和评估电子商城整体客户的活跃度，忠诚度和贡献度，以实现客户关系管理，以及个性化营销。

Recency——最近一次访问，而非最近一次消费，其主要体现为电子商城用户的“活跃度”的指标。

Frequency——访问频率，而非消费频率,其主要体现为电子商城用户的“忠诚度”的指标。Monetary——消费金额，其主要体现为电子商城用户价值的“贡献度”指标。

2.3 在架的商品，以及商品的品牌和品类：通过计算整合转化率体系，完善前台网站的管理。

商品的转化率——调整转化率低的商品（特别是首页和促销活动页面），合理的清理仓库直销库存。

品牌的转化率——调整转化率低的品牌，指导相应整体电子商城的品牌策略——包括动览转转化率和动销转化率。

品类的转化率——调整转化率低的品类，指导相应整体电子商城的品类策略——包括动览转转化率和动销转化率。

备注：考虑将看得多买的少的品牌和品类下线；或者，增加相应转化率高品牌和品类的曝光率，进而提高网站资源的利用效率。

动览转化率= 被浏览的商品（品牌、品类）种类数/网站整体的种类数；

动销转化率= 被购买的商品（品牌、品类）种类数/网站整体的种类数；

2.4 价格：前台网站的在架商品，品牌和品类的价格分析，以及竞争对手的价格监控。在架商品的品牌和品类的价格分布。

被浏览商品的品牌和品类的价格分布。

被购买商品的品牌和品类的价格分布。

被支付商品的品牌和品类的价格分布。

备注：需要整合竞争对手的商品价格，以及品牌和品类数据。

2.5 销售分析：主要包括销售商品和销售订单两个维度的统计分析，以及促销活动的销售分析。

销售商品级别分析——通过商品转化率=浏览的该商品的唯一访客数/该商品的成交次数（或者成交数量），实现最小粒度的商品运营管理和优化的思想。

销售订单级别的分析——通过订单转化率（下定；有效；实收…）= 订单的生成数量/访问网站的访次数。实现对于访客或者客户的调整和优化

另，电子商城具有多种促销方式，需要统计和分析其效果，以指导不同市场营销活动。备注：统计某品类/品类产生的销售订单则会产生一个逻辑错误，当然还有很多其他容易犯的逻辑错误，嘿嘿统计学很重要哦~

2.6库存&采购：库存预警，ABC法则与采购管理。

库存预警包括——滞销库存的预警，预计缺货库存的预警

ABC法则（内部&外部），以及通过商品的转化率和商品平均的销售量实现采购备货的管理

2.7 物流&客服等服务部门：全面监测客户的购物体验。

物流——订单运营的整体效率指标…

客服——客户投诉类型，以及投诉商品，供应商等

三、电子商城的商务智能等于商业智慧？

商业智能VS 商业分析

一、商业智能的能够干什么?

Reasoning——对于企业的运营和管理，能够解决以下三方面的问题——确定问题的根源，明确问题的原因和影响，以及科学和合理得出相关的结论；

Planning ——基于相应的情况和推理，确定一系列的行动计划；

Prediction ——基于严格的推理，得到对于未来的各种可能性的预期；

Problem solving ——通过相应的问题特点，提供解决根本问题的方法和措施；Abstraction ——通过具体的明细数据和场景，能够生成一般性的概念，模式，观点和结论等等；

Comprehend and understand ——能够感知，辨别和确认相应的问题——特别是，对于现状和问题条件的感知，以及从表面确定本质问题等；

Innovate ——通过测试和学习能获取相应新发现；

Learn ——对于技能和知识的认知过程，其是一个无限循环的过程；

二、相对于商业智能，商业分析又能够干什么？

Purposeful——当我们收集相关的信息，进行相关的分析活动时，商业分析是具有绝对的目的性的：例如，商业运营的财务，市场，销售等分析评估，以及员工绩效，风险等等商业管理方面的分析；

Insightful——在我们发现问题的根本原因，以及相应的结论时，商业分析能够提供有见地的说明；

Actionable——商业分析的目标是提供可执行的行动方案和规划；

三、商业分析的基本原则

首先明确问题，然后是提出解决方案；

商业分析需要通过原始的信息中归纳出相应的商业需求；

首先“先下”流程解决，然后“线上”流程规范；

商业分析师是商业需求，以及商业分析报告的第一责任人（而非股东，以及商业问题的利益攸关方）；

交流，沟通，协作；

客户细分的相关问题列表！

客户细分（Customer Segmentation）是市场营销的核心和基础，对于客户细分没有最好的方式和方法，只有最合适的！以下是关于各种客户细分方式中需要注意的各种问题：

问题1：只是为了细分而细分——“为了分析而分析”的数据哥在无病呻吟！

问题2：按购买的产品类型细分——不是在识别客户，而是识别产品！

问题3：按资产进行客户细分——有钱人，会让下属买的，有权人会让下人送的！

问题4：按地域，时间等人口属性进行客户细分——对于互联网/电子商务的营销的指导性如何呢？；