資料掘金：電商資料運營入門篇

如何投放廣告以尋找合適的客戶人群。

如何組織安排網站的網頁內容，以符合訪客的個性化需求。

如何找出同一類訪客的特徵並預測其未來的購買行為。

如何調整商品頁面的安排以提高商品被購買的比例。

如何自動地把商品分類，把同時可能購買的貨物放在同一個網頁上，以增加單次購買的商品總值。 如何吸引老客戶多次回訪網站，並做反覆購買。

如何估計購物車被放棄的可能性以及如何降低這一數字。

所有這一切都建立在尋找不同的顯性或者隱含的資料模式之上。

1 網站流量分析

要解答客戶什麼時候來丶從哪裡來的問題要訴諸於電子商務領域最常聽到的一個詞了：流量。通常說的流量( Traffic)是指網站的訪問量，是用來描述訪問一個網站或是網店的使用者數量以及使用者所瀏覽的網頁數量等一系列指標，這些指標主要包括：獨立訪客數量( Unique Visitors)丶頁面瀏覽數( Page Views)丶每個訪客的頁面瀏覽數(Page Views Per User)。

檢視流量資料可以採用的工具有 Google分析( Google Analysis)丶百度統計丶我要啦丶淘寶量子恆道丶 CNZZ等。利用這些工具，我們可以從多維度來分析流量，例如從時間維度來分析流量，可以得出在什麼時間段訪問某類商家的客戶最多，也就是客戶最喜歡在什麼時候來到我們的電子商務網站，這對中小型的電子商務網站的幫助是最大的。

在做流量分析和訪客來源分析中，我們最常使用的資料探勘方法是時間序列。時間序列是資料探勘領域中用來分析一段時間裡各項指標的變化情況最常用的方法，通過時間序列我們不光可以從趨勢圖中看出網站(店)流量的大體變化情況，更重要的是我們能夠預測未來一段時間的網站(店)流量情況。

網站流量分析，是指在獲得網站訪問量基本資料的情況下對有關資料進行的統計和分析，其常用手段就是 Web挖掘。Web挖掘可以通過對流量的分析，幫助我們瞭解 Web上的使用者訪問模式。那麼瞭解使用者訪問模式有哪些好處呢?

　在技術架構上，我們可以合理修改網站結構及適度分配資源，構建後臺伺服器群組，比如輔助改進網路的拓撲設計，提高效能，在有高度相關性的節點之間安排快速有效的訪問路徑等。

幫助企業更好地設計網站主頁和安排網頁內容。 幫助企業改善市場營銷決策，如把廣告放在適當的 Web頁面上。 幫助企業更好地根據客戶的興趣來安排內容。 幫助企業對客戶群進行細分，針對不同客戶制定個性化的促銷策略等。

一般的網際網路資料分析工具中都有網站訪客流量來源分析功能，可以直接得出一定結果。而本案例中的網上商城是構築在淘寶天貓商城之上的，所以我們只能採用淘寶本身提供的和淘寶開放平臺上的工具來做資料分析。我們可以從店鋪的淘寶量子恆道工具中直接獲取流量來源和訪客地理位置分佈。

圖 1和圖 2中的流量來源和訪客地理位置分佈就是從店鋪的淘寶量子恆道工具中直接獲取到的。

圖 1 最近 7天訪客來源分佈示意圖

圖 1基本闡明瞭最近 7天網店的客戶通常採用何種方式進入網店。這裡我們可以看到，因為這家網店的店鋪優化做得還可以，來自淘寶的免費流量佔到了 36.67%。同時因為做了一定時間，有一定的知名度，所以自主訪問的比例超過了 20%，佔到了 22.41%。通常來說，如果商品的品質和價格吸引人，網站呈良性發展，那麼淘寶免費流量和自主訪問的所佔比例就會穩步提高。

因為這個網店是在天貓站內，所以來自站外的訪問量不是特別多。而對於獨立的網上電子商城，基於搜尋引擎的流量會佔到相對較高的比例。來自搜尋的`流量同樣也要分成自然搜尋流量和搜尋關鍵詞廣告流量。

對於獨立的網上商城，也就是說它們不在天貓這類綜合電子商城內的，我們可以分析出使用者是點選了什麼連結進入到商城的;如果是來自於搜尋引擎的，我們還可以分析出使用者是通過搜尋什麼關鍵詞進入到商城的。

圖 2 最近 7天訪客來源地理位置分佈示意圖

圖 2 的資料顯示了最近 7天網店的客戶分別來自哪個省份。在圖 2中我們看到，訪問該網上商城最多的訪客來自廣東，約佔 19%，而其次來自北京和江蘇，分別佔 11.25%和 8.85%。值得注意的是，來自該品牌的一個重點目標城市上海的流量並不太多，只佔 3.66%。

發現來自上海的流量佔比不高的時候，我們可以做兩種假設：

是否上海的受眾不喜歡我們推出的產品?

是否對於上海的推廣力度不夠?

為了驗證第一種假設，我們可以做客戶調研，看是否增加某些關鍵詞的商品描述和圖片可以提升客戶留存。而對於第二種假設，我們可以針對上海地區投放廣告，並監測廣告的轉化率和效果。

對於單個訪客在網際網路上的來源分析，可能是沒有太大意義的。但是綜合一段時間內所有訪客的來源資訊，我們可以做趨勢分析，從而決定在網際網路上投放廣告和資源的力度及方向。

2 商品銷售分析

在電子商務網站上對商品銷售進行分析是定時定期需要做的事情。我們可以做的商品銷售分析種類很多，比如各個不同商品的訪問量丶熱點分析丶效能資料等。我們在做分析時，也要考慮到行業丶時間和地域等各種方面的因素，並和平均及基準的資料做對比。

做商品銷售分析，需要從時間和空間的維度以及商品的類別丶價格等多個維度來做分析，這裡可以做的報表型別非常多。

我們單純從時間維度上來看，常用的報表是同比和環比的報表，而時間區間的選擇可以是年丶季度和月，而當一個電子商務網站在剛剛開始的時候，週數據的報表也是偶爾會用的。

除了分析商品的銷售之外，我們還需要做的分析是潛在的銷售，也就是客戶到網站來，瀏覽了哪些商品和分類，搜尋了哪些商品，從而瞭解客戶的興趣點和將來可能購買的商品。

我們來看一家電子商務網站熱銷商品銷售的月報表(見表 1)。

表 1 商品銷售月報表

表 1 中的平均客單價指的是在購買相應商品時平均訂單的價格。在整個網站上所有商品的平均單價為27.63，平均客單價為49.48。從熱銷商品的排名來看，平均客單價偏低，在前五名的商品中，只有兩件商品的平均客單價高於平均值。從表 1 中的資料來看，銷售是有提升空間的。我們看錶 1 中貨品單價最高的兩個產品 B和 D，其對應的平均客單價也是最高的，而且從商品單價和平均客單價的比對來看，購買商品 B和 D的使用者，同時也購買了多個其他商品。如果我們可以提升商品 B和 D的銷售，網站的整體收入也會隨之提升。

3 定期資料分析

要想做好電子商務網站的運營，需要做各種分析和報表，定期展示丶對比網站資料和運營資料。而對於大部分 CEO來說，週期的銷量增長量可能是他們最為關心的資料分析。

以增長量為例，下面列出的這些資料是電子商務公司的董事長丶總經理和各級銷售管理人員經常需要檢視的與業務相關的增長量資料。這些資料都可以是負數。

增長量：所分析的業務在一定時期內增長的數量，是分析期與對比期的差額。

同比增長量：當前值與去年同期值之間的差值，用同比增長量來統計消除了週期變動和季節變動的影響，所用時間期間通常是月或者季度。

環比增長量：是指當前值與上一期數值之間的差值，所用時間期間一般是季度丶月或者星期。

增長速度是用來反映業務成長性的相對指標，用以檢視當期增長量和對比期的資料對比。

同比增長速度是當期增長量與去年同期值之比，說明當期業務水平對去年同期業務水平增長的相對程度。

環比增長速度是當期增長量與前一期水平之比，說明業務分析期與相鄰前期業務水平的相對增長程度。 專案增收貢獻率：某專案增長量和所有專案總的增長量的比例。

4 內容分析

我們所述的電子商務網站上的內容分析和其他分析一樣，也都是需要從資料出發的。

商品分析和頁面分析從一定的角度來說，也都屬於內容分析。這裡所說的內容分析的物件是在商品頁面之外的內容。

我們通過分析流量和客戶興趣點匹配相應的內容。通過資料，我們可以看到不同的內容所吸引的點選關注，從而對內容做出相應的調整。

在做內容分析之後，網站的內容需要從下面三個方面做優化： 內容專業化;內容差異化;內容質量化。

本段文位元組選自《資料掘金：電子商務運營突圍》