大数据在电商的应用及场景分析

大数据数据挖掘与展示
结果展示－聚类图(ClusterGram),是指用图形方式展示聚类分析结果的技术，可以有助于判断 簇数量不同时的聚类效果
大数据数据挖掘与展示
结果展示－空间信息流(Spatial Information Flow),是展示信息空间状态的一种可视化技术
大数据数据挖掘与展示
结果展示－热图(Heat Map),是一项数据展示技术，将变量值用不同的颜色或高亮形式描绘出来。 可以非常直观的展示一些原本不易理解或表达的数据，比如密度，频率，温度等
5%
前占到6%，低于行业均值，需后续加强老客户
的维护。
4%
3%
2%
1% 店铺年活跃客户数与回头客概览
0%
年滚动活跃客户数
年滚动回头客比例
5%
5%
4%
4%
3%
3%
2%
2%
1%
1%
0%
**备注：回头客比例=（一年购买2次及以上新客户+一年前购买过又来买的客户）/一年总客户数，如，201308指201209-201308
家庭
消费与购 买
拥有的房 产跟住所
数据占有 数据分析 价值实现
大数据数据挖掘
数据挖掘，数据分析－过程方法，
大数据的价值密度低，为了要找到金子，我们需要存储整座金矿沙
数据收集
数据存储管理
数据分析与挖掘
结果展示
• 用户数据 • 浏览数据 • Search 数据
• 交易数据 • 评价数据 • 支付数据
• 结构化，非结构 化，半结构化数 据
✓ 客服专业性服务及客户信息收集 ； ✓ 批量进行（利用订单中心）：个性化包裹、发货提醒、同城到达提醒等； ✓ 个性化进行：物流跟进、退款跟进、评价跟进等 但是整体的退款率非常大！！！
1.2.1 年滚动趋势：活跃客户 店铺年活跃销售额与回头客概览
x万 x万
/通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式
• 分布式文件系统 • 分布式数据库(关
系型，NoSql)
• 云存储 • 实时流处理
• 分类 • 聚类 • 特征 • Web页挖掘
• 机器学习 • 人工智能 • 神经网络 • 自然语言分析
• 标签云 • 聚类图 • 空间信息流 • 热图
大数据数据挖掘与展示
结果展示－标签云(Cloud Tag),标签云是一套相关的标签以及于此相应的权重，权重影响标签的字 ，颜色，或其它视觉效果。用以表示一个网站中的内容及热门程度。
大数据对电商影响
数据为王
正在来临的大数据时代，数据成了驱动业务增长的关键，谁掌握了数据，谁就掌握了竞争优势
大数据对电商影响
不同行业应用大数据技术潜在价值评估
大数据对电商影响
在大数据电商应用方面具有天然优势 1.数据优势－电商平台每天产生海量数据
售后
浏览数据
支付
数据
评价
搜索数据
交易 收货
大数据对电商 影响
大数据基本概念
2.技术概念－逻辑处理
大数据价值体现
记录——情景辅助，操作基础
备份和监督——情景复原，责任追究
大数据价值
纠偏——情景指引，方向微调
预测——情景研究，系统优化
大数据价值体现
大数据创造价值的三个关键点
人口统计 信息 人际关系
存款账户 信息
金融行为 和交易
贷款信息
下单记录
投资理财
社交媒体 差旅行为
在大数据应用方面具有天然优势 2.人才优势
电商公司一般都是技术公司，所以有大量大数据方面的人才
大数据应用难点分析
破除大数据价值创造的障碍，形成新生态下竞争优势
三大障碍
关键任务
指定适当的经营模式和结构支持大数据应用
传统业务模式 和思维
确确定人才能力策略，使用专门的人才达到目标，或从相 关技术公司获得帮助
年滚动销售额
回头客销售额占比
/通用格式
/通用格式
整体客户数同销售额类似，呈现一定 /通用格式
的稳定增长态势；
/通用格式
相比而言，老客户的客单价高于新客 /通用格式
户。
但是目前的整体现状仍需改进。
/通用格式
/通用格式
/通用格式
7%
整体销售额呈现一定的稳定增长趋势；
6%
回头客销售额占比整体呈现逐渐上升的趋势，目
大数据在电商的应用及场景分析
源自文库 要
大数据的基本概念 大数据价值体现 大数据的价值挖掘与结果展示 大数据对电商影响 大数据应用难点分析 电商大数据挖掘方向／方法 电商应用场景分析 大数据平台技术架构 大数据应用展望
大数据基本概念
1.什么是大数据？
Volume(大量) Velocity(速率) Variety(多样) Value(价值) Veracity(真实性)
1.2.2 月趋势
从销售额的趋势来看，波动非常大，中间竟然出现几个月非常低的销售情况，如2013年的1、2、6、 7、8月份。需引起高度重视。
去年下半年以来整体情况还不错。
/通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式 /通用格式
2.客户特征表现？
客户属性特征 消费行为特征
3.如何实施？
个性化实施方案
2020/2/27
1.1 购物体验 ➢DSR评分
1.2 深入客户关系管理 ➢1.2.1 年滚动趋势 ➢1.2.2 月滚动趋势
一、购物体验现状
1.1 DSR动态评分
DSR评分不错，尤其在“宝贝与描述相符”上比较突出。 提升DSR的其他方案：
新老客户占比
00% 90% 80% 70% 60% 50% 40% 30% 20% 10%
0%
新老客户销售额占比
100%
90%
80%
70%
60%
从客户数可以明显的看出，老客50% 户的贡献人均贡献大于新客户的
人均贡献值。
40%
30%
20%
10%
团队跟技能
遗留系统的限 制
识别数据跟技术陷阱，确定最适合取得成效的技术路径， 使用可扩张大数据平台
建立治理结构，创建顶层结构来规范所有事情
充分使用已有数据，逐步扩充可分析的数据集合
大数据挖掘方向／方法
大数据挖掘方向／方法
电商大数据应用场景分析
用户画像
1.整体现状？
购物体验 深入客户关系管理