电商-- 数据分析
时间：2023-03-15 20:02:01 | 来源：电子商务
时间：2023-03-15 20:02:01 来源：电子商务
概念区分
许多人喜欢把数据分析挂在嘴边，但是你做的工作到底是不是数据分析呢？
数据统计，还是数据分析呢？
如果，你每天的工作，仅仅只是，调取一些数据，统计一些结果，那么你的工作只是，停留在最表层。例如做一些，月度销售统计表，单品流量净增表，SKU统计报表。那么，你只是一个报表人，并没有深入到业务层面。
我们做数据分析，是因为，我们的业务需要，业务层面出现问题，我们需要找到这些问题，发现问题，处理问题，给出切实可行的方法。讲究的是追根溯源，一击必中，切实到业务问题的核心。这是一种全面的思想，需要我们站在整个业务层面来看待问题。
一，去往的方向在哪里，电商数据分析有多个方向，不同的层面，岗位，关注的数据维度是不相同的。
1，机器学习、算法类，商品匹配，推荐物品，价格模型 等。
2，根据商城自身数据来进行分析，海量的用户数据，对用户商品进行挖掘分析，做精准营销，用户画像 ，商品画像。偏大数据分析。
3，电商运营的数据分析，一般在运营部门，做运营数据分析。
4，客服 ，商品（SKU），物流等，后台支撑工作。
5，公司的数据部门 。
二，所要达到的目的是什么
电商做数据分析，最简单的理解就是：不断优化，无论是商品，还是购买流程等，通过不断地优化，最终达到，盈利的目的。
目前，数据分析在电商中最普遍的应用：
1， 会员的精准化营销，市场细分领域，利用数据分析，细分你的用户，以做到精准化营销，达到的效果就是，只要，你点击进网站，就能够根据你以往的浏览记录，购买行为，用户信息，为你呈现，最适合你的产品。
2，标准化营销，利用用户的购买数据，挖掘用户的潜在需求，需求的关联化。大数据分析，利用庞大的用户数据库，将需求关联模型化，最常见的例子就是 “啤酒与尿布”的例子。你购买了A产品，根据以往用户的购买行为需求分析，你对B产品也有需求，那在A页面也有相应的对B产品的推荐。
3，CRM 传统的企业做用户关系管理，电商企业更应该做用户关系，用户区分，维护你的忠实用户，激活你的沉默用户。有用户，才有流量，才有市场，才有交易额的提升。
4，电商的运营指标分析，最普遍，最繁琐的数据分析应用，同时也是电商最重要的。
三， 路怎么走的问题
就如，将大象关进冰箱的问题一样，都是要分步骤的。
第一步，我们需要明确，我们做数据分析的目的是什么，你的实际业务是那些，你所做的是否具有可操作性，你的结果是否可信，最终你要输出一个什么样的报告。这就是需要我们第一步所要做的事情，确定你所要解决的问题。
第二步，建立数据模型，下面介绍一下常用的数据模型
1，
RFM模型以用户行为来区分用户，精细化你的用户，是客户关系管理的分析模型，衡量客户价值和客户创利能力的重要工具和手段。
R（Recency）,最近一次消费，客户最近购买行为发生的时间
F（Frequency）,用户的消费频率，某一时期内购买行为发生的次数。
M（monetary）,用户消费的金额 ，某一时期内购买的金额
RFM模型，动态地显示了一个用户的全部购买行为过程。对用户提供个性化沟通和服务提供依据。
长期范围来看，能够较为精确地判断该用户的长期价值，为更多的营销决策提供支持。
建立用户行为报告，维系顾客的重要指标。
运用RFM模型一般是为了细分出最有价值的用户，利用有限的营销资源重点投入，从而价值产出最大化；
- 构建会员金字塔体系，不同用户对应不同的营销策略
- 激活沉默用户
基于这个目的，我们通常需要将细分出的用户按照RFM模型给出的分级排序，从最好到最差，然后什么都保持正常的方式，如果一段周期内，业务结果和你的排序一致，那么说明你的细分能够相对准确地将有价值的用户从整体用户中划分出来。
用户行为是持续变动的，
用户距上一次购买时间满一个月之后，在数据库里就成为消费为两个月的客户；
同一天，消费为3个月前的客户作了其下一次的购买，他就成为消费为一天前的顾客，也就有可能在很短的期间内就收到新的营销信息；
不断的调整模型划分人群，然后对比业务结果，去验证这套模型的准确性。
模型应用过程中涉及到一种算法和决策树模型。
K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。
决策树模型是非常基础的数学定律，它决定逻辑推理的过程，并且在现有信息的基础上，决定各种可能的替代选项的置信度。
2，关联分析 关联分析 ， 关联挖掘
在交易数据、关系数据、或其他信息载体中，查找存在于项目集合或对象集合之间的频繁模式、关联、相关性或因果结构。
发现交易数据库中不同商品（项）之间的联系。
从大量数据中发现元素之间的关联和相关联系。
关联分析的一个典型例子是购物篮分析。通过发现顾客放入购物篮中不同商品之间的联系，分析顾客的购买习惯。
通过了解哪些商品频繁地被顾客同时购买，可以帮助零售商制定营销策略。
沃尔玛最早做的"啤酒与尿布"的关联分析。
例如：只买A商品的人中，又有很多人购买了B商品。那么我们就可以认为，A 、B两个商品的关联性比较高。
关联分析的算法：
3，聚类分析顾名思义是一种分类的多元统计分析方法。
按照个体或样品(individuals, objects or subjects)的特征将它们分类，使同一类别内的个体具有尽可能高的同质性(homogeneity)，而类别之间则应具有尽可能高的异质性(heterogeneity)。
组内同质，组间异质。
即寻找数据之间一种内在结构的技术，把全体 数据实例 组织成一些相似组，而这些相似组被称为聚类。
处于相同聚类中的数据实例彼此相同，处于不同聚类中的实例彼此不同。
无监督学习的一种。在聚类中那些表示数据类别的分类或分组信息是没有的。
将具有相似购物行为的顾客进行群体的细分。
主要应用在市场细分等领域。细分用户群体，以支持精细化的营销活动。
更多的使用 spss
电商运营，最繁琐的一块是运营数据分析。
在专门写一篇关于运营指标数据分析的内容。
在线咨询
