电商数据分析基础知识
电商数据分析基础知识
信息流、物流和资金流三大平台是电子商务的三个最为重要的平台。而电子商务信息系统最核心的能力是大数据能力，包括大数据处理、数据分析和数据挖掘能力。无论是电商平台(如淘宝)还是在电商平台上销售产品的卖家，都需要掌握大数据分析的能力。越成熟的电商平台，越需要以通过大数据能力驱动电子商务运营的精细化，更好的提升运营效果，提升业绩。构建系统的电子商务数据分析指标体系是数据电商精细化运营的重要前提，本文将重点介绍电商数据分析指标体系。
电商数据分析指标体系分为八大类指标，包括总体运营指标、网站流量累指标、销售转化指标、客户价值指标、商品及供应链指标、营销活动指标、风险控制指标和市场竞争指标。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节，销售转化、客户价值和营销活动指标对应的是电商销售环节。
1、电商总体运营指标
电商总体运营整体指标主要面向的人群电商运营的高层，通过总体运营指标评估电商运营的整体效果。电商总体运营整体指标包括四方面的指标：
(1)流量类指标
独立访客数(UV)，指访问电商网站的不重复用户数。对于PC 网站，统计系统会在每个访问网站的用户浏览器上种一个cookie来标记这个用户，这样每当被标记cookie的用户访问网站时，统计系统都会识别到此用户。在一定统计周期内如(一天)统计系统会利用消重技术，对同一cookie在一天内多次访问网站的用户仅记录为一个用户。而在移动终端区分独立用户的方式则是按独立设备计算独立用户。
页面访问数(PV)，即页面浏览量，用户每一次对电商网站或着移动电商应用中的每个网页访问均被记录一次，用户对同一页面的多次访问，访问量累计。
人均页面访问数，即页面访问数(PV)/独立访客数，该指标反映的是网站访问粘性。
(2)订单产生效率指标
总订单数量，即访客完成网上下单的订单数之和。
访问到下单的转化率，即电商网站下单的次数与访问该网站的次数之比。
(3)总体销售业绩指标
网站成交额(GMV)，电商成交金额，即只要网民下单，生成订单号，便可以计算在GMV里面。
销售金额。销售金额是货品出售的金额总额。
注：无论这个订单最终是否成交，有些订单下单未付款或取消，都算GMV，销售金额一般只指实际成交金额，所以，GMV的数字一般比销售金额大。
客单价，即订单金额与订单数量的比值。
(4)整体指标
销售毛利，是销售收入与成本的差值。销售毛利中只扣除了商品原始成本，不扣除没有计入成本的期间费用(管理费用、财务费用、营业费用)。
毛利率，是衡量电商企业盈利能力的指标，是销售毛利与销售收入的比值。如京东的2014年毛利率连续四个季度稳步上升，从第一季度的10.0%上升至第四季度的12.7%，体现出京东盈利能力的提升。
2、网站流量指标
(1)流量规模类指标
常用的流量规模类指标包括独立访客数和页面访问数，相应的
指标定义在前文(电商总体运营指标)已经描述，在此不在赘述。
(2)流量成本累指标
单位访客获取成本。该指标指在流量推广中，广告活动产生的投放费用与广告活动带来的独立访客数的比值。单位访客成本最好与平均每个访客带来的收入以及这些访客带来的转化率进行关联分析。若单位访客成本上升，但访客转化率和单位访客收入不变或下降，则很可能流量推广出现问题，尤其要关注渠道推广的作弊问题。
(3)流量质量类指标
跳出率(Bounce Rate)也被称为蹦失率，为浏览单页即退出的次数/该页访问次数，跳出率只能衡量该页做为着陆页面(LandingPage)的访问。如果花钱做推广，着落页的跳出率高，很可能是因为推广渠道选择出现失误，推广渠道目标人群和和被推广网站到目标人群不够匹配，导致大部分访客来了访问一次就离开。
页面访问时长。页访问时长是指单个页面被访问的时间。并不是页面访问时长越长越好，要视情况而定。对于电商网站，页面访问时间要结合转化率来看，如果页面访问时间长，但转化率低，则页面体验出现问题的可能性很大。
人均页面浏览量。人均页面浏览量是指在统计周期内，平均每个访客所浏览的页面量。人均页面浏览量反应的是网站的粘性。
(4)会员类指标
注册会员数。指一定统计周期内的注册会员数量。
活跃会员数。活跃会员数，指在一定时期内有消费或登录行为的会员总数。
活跃会员率。即活跃会员占注册会员总数的比重。
会员复购率。指在统计周期内产生二次及二次以上购买的会员占购买会员的总数。
会员平均购买次数。指在统计周期内每个会员平均购买的次数，即订单总数/购买用户总数。会员复购率高的电商网站平均购买次数也高。
会员回购率。指上一期末活跃会员在下一期时间内有购买行为的会员比率。
会员留存率。会员在某段时间内开始访问你的网站，经过一段时间后，仍然会继续访问你的网站就被认作是留存，这部分会员占当时新增会员的比例就是新会员留存率，这种留存的计算方法是按照活跃来计算，另外一种计算留存的方法是按消费来计算，
即某段的新增消费用户在往后一段时间时间周期(时间周期可以是日、周、月、季度和半年度)还继续消费的会员比率。留存率一般看新会员留存率，当然也可以看活跃会员留存。留存率反应的是电商留住会员的能力。
3、网站销售(转化率)类指标
(1)购物车类指标
基础类指标，包括一定统计周期内加入购物车次数、加入购物车买家数、加入购物车买家数以及加入购物车商品数。
转化类指标，主要是购物车支付转化率，即一定周期内加入购物车商品支付买家数与加入购物车购买家数的比值。
(2)下单类指标
基础类指标，包括一定统计周期内的下单笔数、下单金额以及下单买家数。
转化类指标，主要是浏览下单转化率，即下单买家数与网站访客数(UV)的比值。
(3)支付类指标
基础统计类指标，包括一定统计周期内支付金额、支付买家数和支付商品数。
转化类指标。包括浏览-支付买家转化率(支付买家数/网站访客数)、下单-支付金额转化率(支付金额/下单金额)、下单-支付买家数转化率(支付买家数/下单买家数)和下单-支付时长(下单时间到支付时间的差值)。
4、客户价值类指标
客户指标。常见客户指标包括一定统计周期内的累计购买客户数和客单价。客单价是指每一个客户平均购买商品的金额，也即是平均交易金额，即成交金额与成交用户数的比值。
新客户指标。常见新客户指标包括一定统计周期内的新客户数量、新客户获取成本和新客户客单价。其中，新客户客单价是指第一次在店铺中产生消费行为的客户所产生交易额与新客户数量的比值。影响新客户客单价的因素除了与推广渠道的质量有关系，还与电商店铺活动以及关联销售有关。
老客户指标。常见老客户指标包括消费频率、最近一次购买时间、消费金额和重复购买率。消费频率是指客户在一定期间内所购买的次数;最近一次购买时间表示客户最近一次购买的时间离现在有多远;客户消费金额指客户在最近一段时间内购买的金额。消费频率越高，最近一次购买时间离现在越近，消费金额越高的客户越有价值。重复购买率则指消费者对该品牌产品或者服务的重复购买次数，重复购买率越多，则反应出消费者对品牌的
忠诚度就越高，反之则越低。重复购买率可以按两种口径来统计：第一种，从客户数角度，重复购买率指在一定周期内下单次数在两次及两次以上的人数与总下单人数之比，如在一个月内，有100个客户成交，其中有20个是购买两次及以上，则重复购买率为20%;第二种，按交易计算，即重复购买交易次数与总交易次数的比值，如某月内，一共产生了100笔交易，其中有20个人有了二次购买，这20人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。
5、商品类指标
产品总数指标。包括SKU、SPU和在线SPU。SKU是物理上不可分割的最小存货单位。SPU即Standard Product Unit (标准化产品单元)，SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。如iphone5S 是一个SPU，而iPhone 5S配置为16G版、4G手机、颜色为金色、网络类型为TD-LTE/TD-SCDMA/WCDMA/GSM则是一个SKU。在线SPU则是在线商品的SPU数。
产品优势性指标。主要是独家产品的收入占比，即独家销售的产品收入占总销售收入的比例。
品牌存量指标。包括品牌数和在线品牌数指标。品牌数指商品
的品牌总数量。在线品牌数则指在线商品的品牌总数量。
上架。包括上架商品SKU数、上架商品SPU数、上架在线SPU 数、上架商品数和上架在线商品数。
首发。包括首次上架商品数和首次上架在线商品数。
6、市场营销活动指标
市场营销活动指标。包括新增访问人数、新增注册人数、总访问次数、订单数量、下单转化率以及ROI。其中，下单转化率是指活动期间，某活动所带来的下单的次数与访问该活动的次数之比。投资回报率(ROI)是指，某一活动期间，产生的交易金额与活动投放成本金额的比值。
广告投放指标。包括新增访问人数、新增注册人数、总访问次数、订单数量、UV订单转化率、广告投资回报率。其中，下单转化率是指某广告所带来的下单的次数与访问该活动的次数之比。投资回报率(ROI)是指，某广告产生的交易金额与广告投放成本金额的比值。
7、风控类指标
买家评价指标。包括买家评价数，买家评价卖家数、买家评价上传图片数、买家评价率、买家好评率以及卖家差评率。其中，买家评价率是指某段时间参与评价的卖家与该时间段买家数量
的比值，是反映用户对评价的参与度，电商网站目前都在积极引导用户评价，以作为其他买家购物时候的参考。买家好评率指某段时间内好评的买家数量与该时间段买家数量的比值。同样，买家差评率指某段时间内差评的买家数量与该时间段买家数量的比值。尤其是买家差评率，是非常值得关注的指标，需要监控起来，一旦发现买家差评率在加速上升，一定要提高警惕，分析引起差评率上升的原因，及时改进。
买家投诉类指标。包括发起投诉(或申诉)，撤销投诉(或申诉)，投诉率(买家投诉人数占买家数量的比例)等。投诉量和投诉率都需要及时监控，以发现问题，及时优化。
8、市场竞争类指标
市场份额相关指标，包括市场占有率、市场扩大率和用户份额。市场占有率指电商网站交易额占同期所有同类型电商网站整体交易额的比重;市场扩大率指购物网站占有率较上一个统计周期增长的百分比;用户份额指购物网站独立访问用户数占同期所有B2C购物网站合计独立访问用户数的比例。
网站排名，包括交易额排名和流量排名。交易额排名指电商网站交易额在所有同类电商网站中的排名;流量排名指电商网站独立访客数量在所有同类电商网站中的排名。
电商数据分析的基础指标体系，涵盖了流量、销售转化率、客
户价值、商品类目、营销活动、风控和市场竞争指标，这些指标都需要系统化的进行统计和监控，才能更好的发现电商运营健康度的问题，以更好及时改进和优化，提升电商收入。如销售转化率，其本质上是一个漏斗模型，如从网站首页到最终购买各个阶段的转化率的监控和分析是网站运营健康度很重要的分析方向。电子商务数据分析的七个重要因素
1、电子商务数据分析需要商业敏感
今天电子商务公司的数据分析师，有些像老板的军师，必须有从枯燥的数据中解开市场密码的本事。比如，具有商业意识的数据分析师发现，网站上的婴儿车的销售增加了，那么，他基本可以预测奶粉的销量也会跟上去。再比如，网站上的产品发挥的作用并不一样，有的产品是为了赚钱，有的产品是为了促销，有的产品是为了吸引流量，不同的产品在网站上摆放的位置是不一样的。
一个商业敏感的数据分析师，是懂得用什么样的数据实现公司的目标。比如，乐酷天与淘宝竞争，它们重点看的不是交易量，而是流量：每天有多少新的卖家进来，卖了多少东西。因为此阶段竞争最核心的就是人气，而非实质交易量。如果新来的卖家进来卖不出东西，只有老卖家的交易量在增长，即使最后每天的交易量都增长，也还是有问题。
再比如，一家刚踏入市场的B2B公司和已经占领大部分市场的B2B公司，它们的目标不一样。前者是看流量赚人气，后者对流量不怎么看重，而是看重交易转化率及回头率。
当下的数据分析师多是学统计学出身的，一堆数据放在那里，大家都擅长怎么算回归、怎么画函数。但是这批学数学的人才缺乏商业意识，不知道这些数据对业务意味着什么，看不见一堆数据中彼此的关系，也就不知道该用什么样的逻辑分析，也就无法充当老板的眼睛了。
2、电商网站转化率是关键，ROI是最终的目标
电子商务B2B网站平台的宗旨就是为企业服务，让买家与卖家的市场销售成本降低，降低交易成本，提高订单利润。因此，电子商务的网站转化率是关键，这其中就提到一个指标的重要性ROI。ROI是Return On Investment的简写，是指通过投资而应返回的价值，它涵盖了企业的获利目标。利润和投入的经营所必备的财产相关，因为管理人员必须通过投资和现有财产获得利润。又称会计收益率、投资利润率。
其计算公式为：投资回报率(ROI)=年利润或年均利润/投资总额100%
投资回报率(ROI)的优点是计算简单;缺点是没有考虑资金时间价值因素，不能正确反映建设期长短及投资方式不同和回收额的
有无等条件对项目的影响，分子、分母计算口径的可比性较差，无法直接利用净现金流量信息。只有投资利润率指标大于或等于无风险投资利润率的投资项目才具有财务可行性。
投资回报率(ROI)往往具有时效性回报通常是基于某些特定年份。
3、电子商务数据分析衡量指标的设定
指标是让我们更好的从数据量化的层面来了解运营的状况，PV、UV、转化率基本是运营监督的指标;网站分析采用的指标可能有各种各样的，根据网站的目标和网站的客户的不同，可以有许多不同的指标来衡量。常用的网站分析指标有内容指标和商业指标，内容指标指的是衡量访问者的活动的指标，商业指标是指衡量访问者活动转化为商业利润的指标。
电子商务的数据可分为两类：前端行为数据和后端商业数据。前端行为数据指访问量、浏览量、点击流及站内搜索等反应用户行为的数据;而后端数据更侧重商业数据，比如交易量、投资回报率，以及全生命周期管理等。
有些人关心前端行为数据，也有些人关心后端商业数据，但是没有几家网站把前端行为数据和后端商业数据连起来看。大家只单纯看某一端数据。但是看数据看得走火入魔的人会明白，每个数据，就像散布在黑夜里的星星，它们之间布满了关系网，只
要轻轻按一下其中一个数据，就会驱动另外一个数据的变化。
4、某些指标异常变化的原因分析
网站的某些指标的异常变化是外界市场一些变化的客观反应，网站的数据分析人员一定要积极注意。例如PV减少(异常)，那我们就要分析用户是搜索来源减少还是直接访问减少?反连接过来的减少?搜索减少就要观察用户的关键字、搜索引擎等。
例如2011年的上半年，曾出现阿里巴巴与慧聪发生争论，而在那几天，另一个B2B网站世界工厂网的会员注册量批量上升，每天超过千个以上的注册量。当然这只是一部分的猜测，在两个B2B巨头不稳定之时，企业会选择第三方的平台，这是符合常理推断的。不过就此以后，世界工厂的注册量一直是稳中有升的，难道这是会员发现一个免费新大陆的口碑宣传吗?事后发现，是因为世界工厂网的一个新项目全球企业库的上线吸引了大量企业会员的青睐，注册量猛然提升的。对于一些数据的异常增加或减少，一定要分析其产生的原因与市场时机，这对平台以后的发展及政策导向非常有借鉴意义。
有一天，linkin(一个社区网站)忽然发现来自雷曼兄弟的来访者多了起来，但是并没有深究原因。第二天，雷曼兄弟就宣布倒闭了。原因何在?雷曼兄弟的人到linkin找工作来了。谷歌宣布退出中国的前一个月，笔者在linkin上发现了一些平时很少见的谷
歌产品经理在线，这也是相同的道理。试想，如果linkin针对某家上市公司分析某些数据，是不是很有商业价值?
5、利用数据分析用户的行为习惯
再次说，得到数据来分析是在揣测用户的心理和一些习惯，最真实的是让用户告诉你，需要什么，这些可以利用投票调查及问题提交等来实现，当然利用数据整合分析也是必然的，然后做出来AT来权衡利弊来对用户体验惊醒改善，和一些基本的产品定位及活动。
装备制造负责人认为，网站数据分析应该两个层次：第一，网站数据分析，是针对产品来说。就围绕产品如何运转，做封闭路径的分析。得出产品的点击是否顺畅、功能展现是否完美。第二、研究客户的访问焦点，挖掘客户潜在需求。如果是以交易为导向的电子商务网站，就是要研究如何高效的促成交易，是否能出现联单!
6、客户的购买行为分析
当用户在电子商务网站上有了购买行为之后，就从潜在客户变成了网站的价值客户，电子商务网站一般都会将用户的交易信息，包括购买时间、购买商品、购买数量、支付金额等信息保存在自己的数据库里面，所以对于这些用户，我们可以基于网站的运营数据对他们的交易行文进行分析，以估计每位用户的价
值，及针对每位用户的扩展营销的可能性。
客户的购买行为分析，如传统的RFM模型，会员聚类，会员的生命周期分析，活跃度分析，这些都精准的运营都是非常重要的。
7、电子商务数据分析需注重实战经验
以上所谈到的电子商务数据分析的几个重要因素，笔者个人感觉倒是有点套路，电子商务的数据分析更多的是实战，网站分析的本质是在了解用户的需求、行为，以开发用户体验良好的功能与服务，制定扩展营销的策略及附加功能的推广服务等等。
各大互联网电商平台优缺点分析 现在互联网电子商务很火爆，面对新出现的千千万万个交易平台，很多卖家和买家都有些选择困难症。一些人想在专业的网站上卖东西，又担心客户资源不够多；另一些人积聚在大型互联网平台上，投入了很多推广和广告费用，交易成果也不是那么的满意。那么，针对不同的产品到底该在那儿操作买卖活动呢？今天笔者就借此总结一下一些B2B和B2C、O2O平台的特点。 1、16988农产品集购网 16988农产品集购网精心打造中国国内首家大宗农产品交易平台。16988农产品集购网主要是针对大宗农产品的采购、投资进行服务。在16988农产品集购网上，用户能够获得客户资源、产品销售渠道、以及价格资讯。通过对农产品数据的分析，提供增值服务，从而让农产品交易市场透明化、信息化。16988 农产品集购网的功能有：现货交易，资讯平台，供应链融资，监管物流平台，大数据平台，第四方物流服务。 优点：拥有农业数据研究基础，提供供应链融资。 缺点：16988农产品集购网专做白糖这一个产品，其他的农产品还处于筹备阶段。 2、阿里巴巴 阿里巴巴是一个比较综合的交易平台。在业界，阿里巴巴还是有一定的知名度，很多厂家都会选择在阿里巴巴上买卖货物。不论是平台的推广，还是品牌都是相当不错的。很多淘宝店铺商家都会在阿里巴巴上选择货源，而且一件代发，让很多潜在的淘宝用户也会光顾。 优点：知名度高，品牌多，拥有海量客户资源。 缺点：对厂家资质审核度不高，假冒伪劣产品较多 3、淘宝
目前是中国购物网站中成交量最高的一个网站。淘宝网拥有过亿用户，而且开通了海外淘等一系列便民购物服务。淘宝拥有支付宝支付功能，并推出多种消费活动，吸引大量年轻人消费。淘宝的便捷、自由、丰富，让它成为电商中的佼佼者。 优点：买卖环节简单，忠实客户多 缺点：商品质量无法保证，商品特色不明显 4、京东 京东以家电产品为主，而且拥有独立的物流。在产品的价格和运输条件上，优势突出。京东是一个典型的B2C电商平台，是企业和个人之间的交易，缩短了产品的交易环节，因此，价格优势是京东的一大竞争力。目前京东逐渐从家电领域突围，涉足服装、图书、农产品等。 优点：物流独立，运输时间块；价格便宜 缺点：商品质量参差不齐。 5、聚美优品 聚美优品也是一个B2C电商平台，是一个专做化妆品的电商平台。对于卖家来说，聚美优品拥有大量忠实粉丝。受到品牌营销文化的影响，尤其是品牌领导人个人魅力的营销影响，忠实的女粉丝比较多，客户资源丰富。对于买家来说，琳琅满目的化妆品，便宜的价格，值得尝试。 优点：品种丰富、价格便宜、偶像效应 缺点：假货难以保证。
电商网站数据分析常用指标 分类：数据分析2011-08-16 23:44 101人阅读评论(0) 收藏举报一、网站分析的内容指标 转换率TakeRates （ConversionsRates） 计算公式：转换率＝进行了相应的动作的访问量／总访问量 指标意义：衡量网站内容对访问者的吸引程度以及网站的宣传效果 指标用法：当你在不同的地方测试新闻订阅、下载链接或注册会员，你可以使用不同的链接的名称、订阅的方式、广告的放置、付费搜索链接、付费广告（PPC）等等，看看那种方式是能够保持转换率在上升？如何增强来访者和网站内容的相关性？如果这个值上升，说明相关性增强了，反之，则是减弱。 回访者比率RepeatVisitor Share 计算公式：回访者比率＝回访者数／独立访问者数 指标意义：衡量网站内容对访问者的吸引程度和网站的实用性，你的网站是否有令人感兴趣的内容使访问者再次回到你的网站。 指标用法：基于访问时长的设定和产生报告的时间段，这个指标可能会有很大的不同。绝大多数的网站都希望访问者回访，因此都希望这个值在不断提高，如果这个值在下降，说明网站的内容或产品的质量没有加强。需要注意的是，一旦你选定了一个时长和时间段，就要使用相同的参数来产生你的报告，否则就失去比较的意义。 积极访问者比率HeavyUser Share 计算公式：积极用户比率＝访问超过１１页的用户／总的访问数 指标意义：衡量有多少访问者是对网站的内容高度的兴趣
指标用法：如果你的网站针对正确的目标受众并且网站使用方便，你可以看到这个指标应该是不断的上升。如果你的网站是内容型的，你可以针对不同类别的内容来区分不同的积极访问者，当然你也可以定义２０页以上的才算是积极的访问者。 忠实访问者比率CommittedVisitor Share 计算公式：访问时间在１９分钟以上的用户数／总用户数 指标意义：和上一个指标的意义相同，只是使用停留的时间取代浏览页数，取决于网站的目标，你可以使用两个中的一个或结合使用。 指标用法：访问者时长这个指标有很大的争议，这个指标应结合其它的指标一起使用，例如转换率，但总体来说，较长的访问时长意味着用户喜欢呆在你的网站，高的忠实访问率当然是较好的。同样的，访问时长也可以根据不同的需要自行设定。 忠实访问者指数CommittedVisitor Index 计算公式：忠实访问者指数＝大于１９分钟的访问页数／大于１９分钟的访问者数 指标意义：指的是每个长时间访问者的平均访问页数，这是一个重要的指标，它结合了页数和时间。 指标用法：如果这个指数较低，那意味着有较长的访问时间但是较低的访问页面（也许访问者正好离开吃饭去了）。通常都希望看到这个指数有较高的值，如果你修改了网站，增加了网站的功能和资料，吸引更多的忠实访问者留在网站并浏览内容，这个指数就会上升。 忠实访问者量CommittedVisitor Volume 计算公式：忠实访问者量＝大于１９分钟的访问页数／总的访问页数 指标意义：长时间的访问者所访问的页面占所有访问页面数的量 指标用法：对于一个靠广告驱动的网站，这个指标尤其值得注意，因为它代表了总体的页面访问质量。如果你有１００００的访问页数却仅有１％的忠实访问者率，这意味着你可能吸
电子商务大数据的发展现状与应用 随着互联网、云计算和物联网的迅速发展，无所不在的移动设备、RFID、无线传感器每分每秒都在产生数据，数以亿计的用户的互联网服务时时刻刻都在产生巨量的交互数据信息。而基于这些，电子商务产业所产生的大量结构化和半结构化的可视化数据，通过数据挖掘和数据分析等手段，经过过程性和综合性的考量，从而帮助电商企业做全局性、系统性的决策，寻找最优化的解决方案和运营决策，这被称为电商大数据。而与电子商务相关的大数据应用均归属于此概念范畴。 电商产业一般可按照交易方式分为：商业机构对商业机构的电子商务B2B(businesstobusiness)，商业机构对消费者的电子商务B2C(businesstocustomer)，商业机构对政府管理部门的电子商务B2G(BusinesstoGovernment)，消费者对政府管理部门的电子商务C2G(customertoGovernment)，消费者对消费者的电子商务C2C(customertocustomer)。也可按照其主要细分领域分为B2B电子商务、网络购物、在线旅游、O2O。而目前为电商大数据带来庞大的数据来源主要是B2B电子商务和网络购物，如2014年年底电子商务的交易规模达12.3万亿元,电子商务的数据量与日俱增的同时，电商大数据产业从最初的阶段逐渐进入高速发展期。 1.产业政策及发展现状 （1）产业政策 中国大数据发展的宏观政策环境不断完善。2012年以来，科技部、发改委、工信部等部委在科技和产业化专项陆续支持了一批大数据相关项目，在推进技术研发方面取得了积极效果。《电子商务“十二五”发展规划》、《工业和信息化部关于推进物流信息化工作的指导意见》等相关政策无不在鼓励电商大数据的快速发展，国务院总理李克强在十二届全国人大二次会议上作政府工作报告时，提出要促进互联网金融健康发展、扩大跨境电商试点、加快4G发展等，推进城市百兆光纤工程和宽带乡村工程，大幅提高互联网网速，在全国推行“三网融合”，鼓励电子商务创新发展。 ①国务院日前印发《关于大力发展电子商务加快培育经济新动力的意见》部署进一步促进电子商务创新发展。《意见》要求，各地区、各部门要认真落实本意见提出的各项任务，于2015年底前研究出台具体政策。 ②《电子商务“十二五”发展规划》。电子商务是降低成本、提高效率、拓展市场和创新经营模式的有效手段，是满足和提升消费需求、提高产业和资源的组织化程度、转变经济发展方式的重要途径，对于优化产业结构、支撑战略性新兴产业发展和形成新的经济增长点具有重要作用。为全面贯彻《2006-2020年国家信息化发展战略》、《国民经济和社会发展第十二个五年规划纲要》和《国务院办公厅关于加快电子商务发展的若干意见》，工业和信息化部制定了《电子商务“十二五”发展规划》。 ③《国务院办公厅关于转发商务部等部门关于实施支持跨境电子商务零售出口有关政策意见的通知》印发后，各地方和相关部门正积极落实，并取得阶段性成效。目前，杭州市、广州市和苏州市已实现全流程跨境电子商务零售出口；北京、天津、江苏、浙江、福建、河南、重庆等省级地区已形成工作方案或实施意见，处于实施前的准备阶段。商务部积极开展政策宣传，密切跟踪各项政策措施制订和实施，帮助各地更好地理解和落实相关政策；海关总署向各地海关下发通知，积极研究设立跨境电子商务海关代码及新型监管模式；质检总局下发了《关于支持跨境电子商务零售出口的指导意见》，要求各直属检验检疫局贯彻执行；财政部和税务总局正联合起草跨境电子商务零售出口税收政策；人民银行、工商总局和外汇
电商数据分析案例：首页优化分析 很多人都讨论过关于首页优化的问题，在讨论这个问题之前，我们应该先要问自己。 点击进入首页的用户都是谁？ 他们在进入首页之前的上一个页面是哪里？ 他们进入首页的目的是什么？ 首页的哪部分点击率最高？ 首页要完成的任务是什么？ 通常，我们可以把点击进入首页的用户进行如下分类
了解了进入首页的用户来源，我们可以把以上来源按照用户浏览目的分为以下四类： 1 对某宝贝感兴趣，希望了解店铺其他宝贝，希望了解本店相关活动，比如包邮，打折等，希望了解本店信誉，整体情况。 2 属于老客户，对店铺大题情况已经了解并且信任，希望了解店内最新上架商品 3 寻找客服，寻找店铺导航栏 4 没有具体目的 下面我们就可以确定首页需要展现的内容了。 1、相关打折，团购，包邮活动-------激发第一类用户点击其他宝贝的兴趣； 2、导航栏，客服--------引导第三类用户进行转化； 3、店铺新品---------吸引第二类用户，让老客户进行二次购买；
4、爆款推广--------吸引所有用户； 5、一些类目分层下的热门商品-------将用户按照宝贝需求分层； 下面就要进入到具体的首页优化环节了，我们先要要根据不同行业店铺所面对的用户的不同浏览习惯，来确定这个店铺的首页结构（由于这部分内容涉及的问题比较多，我会用其他时间和大家探讨） 首焦图设计，导航位置，客服位置等等设计方面的问题不是本篇的重点，我们具体讨论一下关于宝贝分层的方法。 宝贝分层的方法，选择更吸引客户的宝贝 我们观察一些大店的首页装修就可以看出大部分的店都会在首页展示一部分宝贝的，但是这些宝贝并不是随机出现在首页的。他们通常会按照宝贝品牌，宝贝功能类别，宝贝热度等进行分层。 您的店铺应该按照哪种分类方式比较好呢？ 您的宝贝是否足够吸引住用户的眼球呢？ 首页大图的点击率很高，那质量如何呢？是不是转化率也很高呢？ 首页的各个模块都给店铺带来了多少效益呢？ 我们可以模拟两种分类方式进行更进一步的测评和比较。比如按照店中品牌分类，然后再按照店中功能进行分类，分别比较这两种分类的环比增长率，你会发现都是一样的宝贝，只是分类不同，引发的二次点击量相差就很多，如此结果一目了然。
一、主要路径分析 一切能够进行产品推广、促进用户使用、提升用户粘性和留存、用户自传播、让用户付费的行为都可以称为运营。在运营中我们可以用AARRR增长模型将产品的运营路径拆分为：激活、注册、留存、下单、传播，然后根据每个路径进行分析，从而优化产品和运营策略。 1. 激活 不同行业和模式的激活方式都不太一样，例如：之前我们做的体育app激活方式为——从跑步群里面导入用户和微信公众号导入，先把目标用户沉淀在微信群，然后利用大型马拉松的名额来吸引他们呼吁用户下载app进行报名。 然而对于B2B的电商平台，用户激活主要以地推和客服推广为主。因为入驻平台需要一定的资质证件，且用户自发性地在网上注册的比较少，但地推方式激活的相对成本较高。 2. 注册 注册的时候，常常会因为某个步骤文案描述不清或流程复杂，要求上传的证件太多等原因让用户流失。这时候，我们就可以用漏斗分析用户是在哪个步骤流失严重，分析具体原因后再进行产品优化。 3. 留存 用户激活和注册后我们需要看用户的留存率，每个应用对留存的时间定义都是不一样的。例如： 对于社交软件而言，如果3天不登录可能就被标记为流失用户； 对于我们现在做的医药电商来说，一般用户的采购周期在15天左右，所以我们把超过15天没下单的用户称为流失用户，对于流失用户我们一般会采取和发送优惠券的方式促进他再次下单。 4. 营收 我们需要理解到：作为电商平台只有平台提供的商品价格、品类、物流服务有吸引力后，用户才愿意来下单。 如果用户在需要购买该商品的时候没有下单，那多半是自身的商品和竞争对手相比，在价格和服务上吸引力不够。这时候我们就需要通过爬虫爬取竞争对手的商品数据，然后调整自己的定价和适当做一些营销活动来吸引客户。 5. 传播 由于我们获客成本比较高，因此让用户自传播的方式去拉新也是一种可行的营销方式，针对这个，我们做了邀请好友得优惠券的方式，鼓励用户去帮我们拉新。 二、行为数据分析 分析的目的：了解用户的使用习惯、使用路径以及使用频率，从而得出用户更偏向于使用哪些功能，验证产品用户体验是否做得好，上线的运营活动是否受欢迎等。 做行为数据分析之前，首先我们需要做埋点，埋点可以采用第三方埋点和自己做埋点。各有利弊，这个需要结合公司来做决定。 下面是我们之前做的埋点的表格和用户每次行为记录的字段。埋点主要分为点击事件和页面曝光两类，然后又可以根据页面曝光事件来统计页面的停留时长和用户的路径。 用户每促发一次事件需要记录的字段（具体还需要根据公司需要采集的数据而定）：source; //来源 001-app 002-pc logined; //是否已经登录 1-是，0-否 typeUser; //用户的类型 001-采购商 002-供应商 userId; //用户的id codePage; //页面对应的代码 numEvent; //事件编号
各大知名电商平台VS 入驻费用对比分析 序号 电商名 保证金（元） 年费（元） 服务费率 其他收费项目 入驻资质要求 主营/特色项目 回款周期 基本折扣软件、窗口、推荐软件 10元/月 身份证正反面 店铺模板30-200元/月 官方数据魔方36000元/年 手持身份证相片 手持当地当时报纸相片 服装/鞋类/母婴/家具/数码等各大类 1 淘宝 10000 30 / 15天 广告费用直通车钻石展位等价位 一个支付宝账号 更高 基本折扣软件、窗口、推荐软件 TM 级 100000 10元/月 注册资本500000元及以上 R 级 医药/医疗 300000 新车/二手车 100000 50000 店铺模板30-200元/月 官方数据魔方36000元/年 公司7证齐全 化妆品食品等类目要有相应 广告费用直通车钻石展位等价位 的前置许可证 2 3 天猫 京东 30000/60000 5% 服装/鞋类/母婴/家具/数码等各大类 服装/鞋类/母婴/家具/数码等各大类 15天 15天 注册资本500000元及以上 公司7证齐全 化妆品食品等类目要有相应 的前置许可证 10000-100000 6000 12% 广告展位价格更高 公司资质 4 5 6 7 8 9 唯品会 当当网 10000-100000 10000-50000 0 0 30% 5% / / / / / / 7证齐全 优先能开具增值税发票 国内外一二线品牌清理库存专用 模仿唯品会经营，取名尾品汇 类似网上超市 3个月 1个月 15天 公司资质 7证齐全 6000-30000 注册资本500000元及以上 公司7证齐 一号店 8880 2%-6% 4%-15% 30% 公司资质 7证齐全 亚马逊 提供入仓送服务 15天 聚美优品 阿里巴巴 10000-50000 30% 0 注册资本500000元及以上 3688元购买1年诚信通 主营化妆品/化妆工具 批发 15天 1个月
电子商务研究报告-电子商务网站核心数据分析 电子商务相对于传统零售业来说，最大的特点就是一切都可以通过数据化来监控和改进。通过数据可以看到用户从哪里来、如何组织产品可以实现很好的转化率、你投放广告的效率如何等等问题。基于数据分析的每一点点改变，就是一点点提升你赚钱的能力，所以，电子商务网站的数据分析是很重要的一门功课。 一般来说，数据分析包括：流量来源分析、流量效率分析、站内数据流分析和用户特征分析四个部分。 我们先来说说流量来源分析。 电子商务就是贩卖流量的生意，低成本的流量来源是保证企业盈利的重要条件。流量来源分析主要是要明白你的用户都是从那些网站来的，那些网站的给你带来更多的订单、那些网站的流量是真实的，那些是虚假等。 流量分析一般一奥分析以下内容： 网站流量来源排名：那些网站贡献的流量多，那些贡献的少 搜索引擎关键词分析：根据关键词的来源分析来查看网站产品分布和产品组合。如果关键词查询多的产品却不是网站的主推品，可以进行适当调整。 网站流量趋势分析：网站的流量是否均衡稳定，是不是有大幅度波动。一般来说流量突然增加的网站，如非发生突发事件，购买的广告位作弊的嫌疑比较大。 网站流量核对：查看是否有莫名流量来源，流量来源大不大。如果莫名来源流量很大的话，有可能是您购买的CPC或者其他资源被注水了，将您的广告链接分包给了点击联盟。 推介网站与直接访问的比例：推介网站可以理解为外部广告，直接访问就是用户直接输入网址。一般来说，直接访问量越大说明网站的品买知名度越高。 其次是流量效率分析 流量效率是指流量到达了网站是不是真实流量，主要分析指标如下： 到达率：到达率是指广告从点击到网站landingpage的比例。一般来说，达到率能达到80%以上是比较理想的流量。这个也跟网站的速度有关，综合来分析一下。
电商2015年运营大数据分析 一、代运营商基本情况汇总 从事淘宝运营服务的服务商大约1500多家，其中，天猫平台聚集了大约400家运营服务商，主要来源于上海、浙江和广东，而福建、北京次之，为大约2000家天猫店铺提供运营服务。运营服务商达成的交易额，按照店铺数量平均，约为天猫店铺整体平均值的2倍；按照服务商数量平均的交易额均值，约为倍。目前，从业人员大约3万人，20%为专业店铺运营人员。42%的服务商选择聚焦优势类目发展。 按照品牌商对于供应链整合的不同需求，运营服务商可以分为流程型、运营型和技术型。 未来，专业服务市场的专业化发展将推动运营服务市场的规范化。 二、天猫代运营商分布情况汇总 上海86家 广东70家 浙江81家 江苏16家 北京26家 福建28家，厦门12家 其他57家
三、代运营商创始人背景和团队现状 服务商深度调研中，服务商创始人的背景分类按照以下三个分类标准： ①大卖家背景：包括经营过卖家店铺（或独立B2C网站），或者有全面负责卖家店铺运营的经验。 ②传统服务背景包括：包括线下贸易背景，以及传统企业的运营、管理以及投资等背景。 ③IT以互联网从业背景（简称IT互）：包括IT技术背景，广告公司从业（含网络推广），以及电子商务公司的渠道转型 四、天猫核心类目分布情况汇总 五、人员结构比例不同，服务效率也不同。 运营能力和技术能力说明服务效率差异： 具备整体托管能力的运营服务商，以运营团队为核心打造“端到端”流程。然而，自建系统（技术和仓储人员占30%以上）推动了运
营服务商的服务规模扩大，立足于平台的精细化运营，从数据的视角，运营服务商的核心能力源于平台层、中间件层和商务层。目前从业人员约3万人，运营人员占20%。 六、在五个专业服务环节有不同程度的外包? 运营服务商与专业服务不同：运营服务基于开放平台，制定和执行店铺的经营策略。专业服务围绕供应链节点的经营策略提供专业化服务。 专业服务外包： 目前，营销推广和视觉设计仍是运营服务的核心能力，运营服务商将IT系统、仓储和客服等环节进行不同程度的外包。 七、运营服务商提供“端到端”的供应链整合服务? 传统的渠道管理：
简单实用的电商数据分析方法论 导读：说到数据分析，大家可能就会想到回归，聚类什么的，不过对于电商的小伙伴来说，这些都太复杂了。而实际分析的时候，其实并不需要这么复杂的算法，大家需要的只是： 对比 细分 转化 分类 只要掌握了这四种思想，基本上已经可以应付日常的分析工作了。 一、对比思想 数据对比主要是横向和纵向两个角度，指标间的横向对比帮助我们认识预期值的合理性，而指标自身在时间维度上的对比，即我们通常说的趋势分析。 以店铺的成交额分析为例： 纵向对比 我们可以把最近30天的成交额显示在坐标轴上，这样就可以很明显的看到最近的成交额是否达到了预期，当然我们也可以以周或者月（或者季度，年等等）为单位。 所有的分析其实都必须要考虑实际的场景，我们看到今天的成交额比昨天大也许说明的问题还是很有限，因为今天和昨天的性质可能未必一样，例如今天可能是周六，或者恰好是节假日等等。所以我们在做纵向对比的时候，例如要判断今天（假设是周六）的成交额是否合理，除了看最近30天的趋势数据，我们还可以考虑： 最近10周的周六成交额趋势 如果今天恰好是一个节日，例如双十一，那么可以考虑和上一年的双十一做一个对比。（说明：因为间隔时间比较长，数据反映出来的意义可能比较有限） 横向对比 例如我们说，店铺这周的成交额上涨了10%，那我们是不是应该高兴呢？ 当然应该高兴，不过这个上涨的背后是否隐含着什么危机呢？当然是有的，例如你的竞争对手们这周的成交额都上涨了20%！当你洋洋得意的时候，可能已经被竞争对手拉开距离了。 也就是说，我们对一个现象判断好不好，这是需要一个参照系的。在现在的电商时代，你完全有可能知道竞争对手的成交额上涨了多少的。 再举一个更常见的例子： 假如我在不同的地方（或者平台）开了很多家店铺，某商品的成交额在A店铺上涨了10%，那这个是否值得高兴？
《电子商务数据分析》课程教学大纲 课程代码：010******* 学时：32 学分：2 适用对象：电子商务（高职） 开课单位：经济与贸易学院电子商务专业 一、课程的地位与任务 本课程是高等职业技术学院电子商务专业的一门专业课程。本课程的内容包括：数据库设计、表的操作、数据表查询、设计数据访问页、设计窗体、设计报表、设计宏、“数据库系统”开发实例、数据分析、淘宝网数据分析软件使用等。 2、课程的任务和要求 本课程的任务是：使学生掌握数据库的基础知识和基本技能；培养学生利用数据库系统进行数据分析和处理的能力，为进一步学习数据库知识和数据库应用开发打下基础，使学生具有计算机信息管理的初步能力。本课程采用的数据库系统是目前最新和最流行的桌面数据库Access 2007。 本课程的基本要求是：掌握Access 2007数据库的创建与维护、表的操作与维护、数据查询及操作查询、创建窗体和报表，掌握建立简单的数据库管理系统的方法。熟练掌握淘宝网数据分析工具的使用，能够对店铺数据进行有效分析。 3、教学中应注意的问题 在教学中应体现职业教育的特点，贯彻理论联系实践，突出实践操作，让学生能通过实践理解和掌握本软件的使用方法。 本课程总计36学时，教学中可根据须要对教材中的内容进行取舍。
三、课程的内容与要求 第1章数据库基础知识 1.数据库基本知识 2.数据库系统基本知识 3.数据库管理系统基本知识 4.关系模型 第2章数据库设计教学要求： 1.了解“图书借阅管理系统”项目 2.了解构造数据库模型的方法 3.掌握创建数据库的方法 4.掌握创建的表的方法 5.掌握设置主关键字的操作 6.深刻理解表间关系 教学内容： 1. 了解Access2003数据库 2．创建数据库和表 3．设置主关键字 第3章表的操作 教学要求： 1.掌握表结构的修改操作
高手告诉你如何电商数据分析 一、从数据维度做拆分，让目标更加落地。 我做过近两年的电商运营，其中感触很深的一个点就是从数据的维度对目标做拆分。 天猫的双11刚刚过去，马云又创造了新的成绩，912亿。从去年的571亿到今年的912亿，马云怎么就敢说今年可以做900亿呢？在设定这个目标之前就少不了对目标的拆分。 900亿的成交，首先按照过往的类目占比，拆分到各个类目，每个类目承担多少销售指标，类目再按照过往的卖家成交额占比拆分到各个卖家，每个卖家承担多少销售指标。卖家再根据各自的日常店铺转化率反推需要多少流量，各类目再结合平台能提供的流量，就可以得到流量的缺口。接下来再按照各渠道获取流量的成本来计算，就可以得出双11平台需投入的营销经费数值。整个900亿的目标，通过这样的拆分，就变得明确可执行了。 无论做什么事情，想做成，都离不开对目标的拆解，任何抽象的事物都可以通过数学的方法来解决，把事情数据化会让事情更简单可执行，也更容易考核效果。 二、很多业务其实就是一个公式。 我刚开始接触电商接受业务培训，第一节课就只讲了一个公式。 成交额=买家数x客单价 如果你想提升成交额，要么提升买家数，要么提升客单价。我们可以盘点一下，我们见过这么多的促销手段，有哪个不是为了提升这两个数值的。满减、满送、买二送一，这是为了提升客单价的手段；秒杀，团购，这是为了提升买家数的手段（秒杀的核心在于集聚大量流量做关联销售）。 不仅仅如此，这个公式依据不同的业务场景还可以拆分成多种形式。 买家数= 商详uv x 下单率x 付款率 商详uv = 广告展现x 广告转化率= 搜索展现x搜索转化率= 活动展现x 活动点击率
全国电商平台的消费数据及分析，全国电商平台发展状况详情分析随着互联网的发展，我国的电商平台消费数据发生了很大的变化，各类产品销售额不断上升是趋势。电子商务破除了时空的壁垒、提供了丰富的信息资源、为各种社会经济要素的重新组合提供了更多的可能，这将影响到社会的经济布局和结构。下面小编为大家详细介绍一下全国电商平台的消费数据及分析。 一、电商平台现如今发展状况 电子商务有很高的互动性，它通过互联网使得商家之间可以直接交流、谈判、签合同，消费者也可以把自己的反馈建议反映到企业或商家的网站，而企业或者商家可以根据消费者的反馈及时调查产品种类及服务品质，做到良性互动。所以很多企业或是商家都会选择入驻电商平台。 二、电商平台的创新之处在哪里 如今电商平台也有很大的创新，我们以誉风购物为例为大家分析一下新型电商平台的蜕变在哪里。 1、通过“人”参与的模式，可以让一个人在平台中身份任意转化。如：誉风购物通过“用
户链”的收益捆绑，使商家、消费者、创业者都能够得到相应的终身收益。商家是提供货源的供应商，也可以是一位消费者、也可以是一位创业者；消费者也可以是商家，也可以是创业者；创业者也可以是商家，也可以的消费者。 2、通过“智”参与的模式，无论是商家、消费者还是创业者，只要邀请其他商家或者用户加入誉风购物，当该用户产生交易后，就可以获得该笔订单服务费的10%作为奖励。通过资源共享在平台中实现价值收益，并且任何有能力、有时间的人都能参与共享，得到相应的终身收益。 3、通过“力”参与的模式，在誉风购物，各种团队可以紧密合作，让团队的资源超大化发挥，也通过收益捆绑在一起，目标、利益一致，用合作代替雇佣，更有利于创业的发展。和股权众筹相比，力的参与门槛更低，任何团队有能力、有时间的人都能参与共享。 4、通过“财”参与的模式，誉风购物的参与模式可以加强市场化的紧密合作，引进各种资本方，个人资金或机构资金均可，让资方的利益超大化，同时资方也有终身收益！ 誉风购物应电商发展潮流，改变创业的模式，只需分享就可以获得收益，并且收益伴随终生，电商平台当然要选誉风购物！
2016年中国电商行业大数据分析报告
研究背景：放眼当下，恰逢互联网购物的大好时代，在国家信息网络战略实施、几大移动运营商快速发展、各大电商网络平台百花齐放的大背景下，年轻消费群体购买力突飞猛进，网上零售市场份额不断提升，网购渗透率正逐年增加。中商产业研究院预计，到2016年，我国网上零售额将突破5万亿，占社会消费品零售总额的14.9%，网购用户渗透率达到64.0%。 2014-2020年中国网上零售额规模情况 数据来源：国家统计局、中商产业研究院 2014-2020年中国网购渗透率情况
数据来源：国家统计局、中商产业研究院 休闲食品电商 1、产业综述 2、发展现状 随着经济的发展和消费水平的提高，休闲食品正在逐渐升级成为百姓日常的必需消费品。现阶段，我国休闲食品电商三足鼎立格局初现,龙头优势明显。三只松鼠、百草味、良品铺子已牢牢占据了休闲食品电商前三,其他品牌竞争难度加大。 3、市场规模
中国经济快速发展，居民生活水平和消费能力不断提高，消费习惯也随之改变。从吃饱到吃好，消费者对食品的需求和兴趣从必须消费品逐渐向可选消费品转移，零食不再是儿童、青少年的专属，不再和不健康划上等号，和正餐之间的界限也日渐模糊。因此，休闲食品线上销售规模也在逐年增长，2015年，我国休闲食品电商销售规模约为450亿元。 2014-2020年中国休闲食品电商市场交易规模 数据来源：中商产业研究院 4、消费特点 女性消费者是绝对购买主力：休闲零食消费在性别的差异性放点明显，女性消费者是绝对购买主力。根据尼尔森，在全球范围内，女性比男性消费更多零食且女性对葛洪零食的消费意愿高于男性。根据易观智库，女性消费者不仅在购买人数上超过男性消费者（购买力62.29%vs37.71%）。 80后、90后为零食网购主力：从休闲零食网购消费者年龄分布来看，28-38岁消费者占比48.6%，18-28岁消费者占比24.7%，年轻人成为绝对多数。80后基本步入职场，消费能力也已承受。即将进入社会的90后，消费更具冲动型、超前性，见识未来的生力军。 白领为零食电商消费的主要人群：休闲零食电商的手中人群职业分布较广，不仅有白领人士、事业机关人员，还有自由职业者，家庭主妇及退休人员等。因此，市场对食品电商的产品需求多元化，长尾效应明显。其中，白领人士是零食电商的最主要消费者（47%），性价比高、有个性有腔调、方便快捷是他们的诉求特征。 生鲜电商 1、产业综述
数据库设计 设计题目：电子商务平台的 设计与实现 学生姓名： 学生学号： 专业班级： 学院名称：信息科学与工程学院指导老师： 2015年1月日
目录 1.引言 ......................................................... - 3 - 1.1开发背景................................................. - 3 - 1.2需求分析................................................. - 4 - 2．主要项目内容 ................................................ - 5 - 2.1系统功能结构............................................. - 5 - 2.2系统功能的描述........................................... - 5 - 3.业务流程描述 ................................................. - 7 - 3.1流程图................................................... - 7 - 3.2数据流图................................................. - 8 - 3.3活动图................................................... - 8 - 3.4时序图................................................... - 9 - 3.5用例图.................................................. - 11 - 4．数据库逻辑模型 ............................................. - 13 - 4.1概念数据模型............................................ - 13 - 4.2物理数据模型............................................ - 14 - 4.3所有数据项目表.......................................... - 14 - 5.主要数据库表的说明 .......................................... - 18 - 5.1所有表.................................................. - 18 - 5.2各个表的详细说明........................................ - 23 - 6.结束语 ...................................................... - 26 - 7.致谢 ........................................................ - 26 -
中国电商行业大数据分析报告研究背景：放眼当下，恰逢互联网购物的大好时代，在国家信息网络战略实施、几大移动运营商快速发展、各大电商网络平台百花齐放的大背景下，年轻消费群体购买力突飞猛进，网上零售市场份额不断提升，网购渗透率正逐年增加。中商产业研究院预计，到2016年，我国网上零售额将突破5万亿，占社会消费品零售总额的14.9%，网购用户渗透率达到64.0%。 2014-2020年中国网上零售额规模情况 数据来源：国家统计局、中商产业研究院 2014-2020年中国网购渗透率情况
数据来源：国家统计局、中商产业研究院休闲食品电商 1、产业综述 2、发展现状
随着经济的发展和消费水平的提高，休闲食品正在逐渐升级成为百姓日常的必需消费品。现阶段，我国休闲食品电商三足鼎立格局初现,龙头优势明显。三只松鼠、百草味、良品铺子已牢牢占据了休闲食品电商前三,其他品牌竞争难度加大。 3、市场规模 中国经济快速发展，居民生活水平和消费能力不断提高，消费习惯也随之改变。从吃饱到吃好，消费者对食品的需求和兴趣从必须消费品逐渐向可选消费品转移，零食不再是儿童、青少年的专属，不再和不健康划上等号，和正餐之间的界限也日渐模糊。因此，休闲食品线上销售规模也在逐年增长，2015年，我国休闲食品电商销售规模约为450亿元。 2014-2020年中国休闲食品电商市场交易规模 数据来源：中商产业研究院 4、消费特点 女性消费者是绝对购买主力：休闲零食消费在性别的差异性放点明显，女性消费者是绝对购买主力。根据尼尔森，在全球范围内，女性比男性消费更多零食且女性对葛洪零食的消费意愿高于男性。根据易观智库，女性消费者不仅在购买人数上超过男性消费者（购买力62.29%vs37.71%）。
《电子商务数据分析》 配套教学教案第1章 了解电子商务的功能、模式和特点。 了解电商运营的核心目标和分类。 了解分析电商数据的原因和意义。 熟悉电商数据分析的常用方法。 熟悉电商数据分析的常用指标。 了解电商数据分析的步骤。 — 如何做好电子商务数据分析。 了解电商运营的核心目标和分类。 熟悉电商数据分析的常用指标。 熟悉电商数据分析的常用方法。 如何做好电子商务数据分析 了解电商数据分析的步骤。
// 了解电商数据分析 分析电子商务数据的原因 不同电商岗位的数据分析意义: 电商数据分析的常用方法 电商数据分析的常用指标 分析电商数据的步 // 如何做好电子商务数据分析// 本章实训 // 课后思考 小结1、了解电子商务数据分析基础知识。 2、（ 3、学会用不同方法指标对电子商务数据进行分析 思考及作业想一想： 1.自己在实际工作和生活中有没有接触过电子商务想一想为什么电子商务会发 展得这么快这么普及 2.B2B、B2C、C2C、O2O各代表什么意思它们各具代表性的电商企业有哪些 3.为什么要对电子商务数据进行分析 4.简述3种电子商务数据分析的方法。 5.… 6.电子商务数据分析有哪些常用指标 练一练： 如图所示为某购物平台中某个店铺的近期数据情况，尝试根据其中的数据简单分析各图中数据反映出的情况。
第2章 了解Alexa工具的基本使用方法 掌握如何使用阿里指数查看区域和行业数据 熟悉如何使用百度指数查看趋势、需求和人群画像 掌握生意参谋的基本功能和使用方法 : 熟悉CRM客户关系管理系统的操作 了解Alexa工具的基本使用方法 掌握如何使用阿里指数查看区域和行业数据 熟悉如何使用百度指数查看趋势、需求和人群画像 掌握生意参谋的基本功能和使用方法 熟悉CRM客户关系管理系统的操作
电商数据分析基础知识 电商数据分析基础知识 信息流、物流和资金流三大平台是电子商务的三个最为重要的平台。而电子商务信息系统最核心的能力是大数据能力，包括大数据处理、数据分析和数据挖掘能力。无论是电商平台(如淘宝)还是在电商平台上销售产品的卖家，都需要掌握大数据分析的能力。越成熟的电商平台，越需要以通过大数据能力驱动电子商务运营的精细化，更好的提升运营效果，提升业绩。构建系统的电子商务数据分析指标体系是数据电商精细化运营的重要前提，本文将重点介绍电商数据分析指标体系。 电商数据分析指标体系分为八大类指标，包括总体运营指标、网站流量累指标、销售转化指标、客户价值指标、商品及供应链指标、营销活动指标、风险控制指标和市场竞争指标。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节，销售转化、客户价值和营销活动指标对应的是电商销售环节。 1、电商总体运营指标 电商总体运营整体指标主要面向的人群电商运营的高层，通过总体运营指标评估电商运营的整体效果。电商总体运营整体指标包括四方面的指标：
(1)流量类指标 独立访客数(UV)，指访问电商网站的不重复用户数。对于PC 网站，统计系统会在每个访问网站的用户浏览器上种一个cookie来标记这个用户，这样每当被标记cookie的用户访问网站时，统计系统都会识别到此用户。在一定统计周期内如(一天)统计系统会利用消重技术，对同一cookie在一天内多次访问网站的用户仅记录为一个用户。而在移动终端区分独立用户的方式则是按独立设备计算独立用户。 页面访问数(PV)，即页面浏览量，用户每一次对电商网站或着移动电商应用中的每个网页访问均被记录一次，用户对同一页面的多次访问，访问量累计。 人均页面访问数，即页面访问数(PV)/独立访客数，该指标反映的是网站访问粘性。 (2)订单产生效率指标 总订单数量，即访客完成网上下单的订单数之和。 访问到下单的转化率，即电商网站下单的次数与访问该网站的次数之比。 (3)总体销售业绩指标
电商数据分析师考试大纲 第一部说明 一、本大纲是电商数据分析师考试的依据。 二、本大纲按照考试科目的体例编排，要求考生了解相关基础知识，掌握相关技能操作。 第二部理论知识 一、数据处理 （一）数据采集 1、店铺排名数据采集 2、商品类目销售数据采集 3、商品品牌销售数据采集 （二）数据预处理 1、商品类目数据预处理 2、商品品牌数据预处理 （三）数据汇总 1、商品类目数据汇总 2、商品品牌数据汇总 3、平台数据汇总 二、数据分析与展现 （一）数据分组
1、统计分组概念 2、利用“数据透视表”分组 （二）描述性统计 1、总量指标和平均指标 2、中位数 3、众数 4、极差 5、方差 6、标准差 7、标准差系数 （三）动态数列的信息与预测 1、动态数列的速度指标 2、同期平均法预测 3、移动平均趋势剔除法预测 （四）数据展现 1、统计表 2、统计图 第三部操作技能一、客户画像 （一）理论教学内容 1、客户画像的概念和目的 （1）客户画像的概念
（2）客户画像的目的 2、客户标签的概念和意义 （1）客户标签的概念 （2）为客户打标签的意义 （二）技能实训内容 1、为店铺买家绘制客户画像 （1）明确营销需求 （2）确定客户画像的维度和度量指标（3）对客户进行画像和营销分析 2、为店铺买家打上客户标签 （1）客户属性及属性值设定 （2）设计客户标签 （3）利用客户标签精准引流 二、客户分类 （一）理论教学内容 1、客户细分 （1）客户细分的概念 （2）客户细分的理论依据 （3）客户分类的常用方法 （4）客户价值矩阵模型 2、RFM模型认知 （1）最近一次消费（Recency）
一个电商数据分析师的经验总结 king发表于2013-07-27 20:54 来源：贾鹏 08年毕业，不知不觉的混进了电子商务行业，又不知不觉的做了三年数据分析，恰好又赶上了互联网电子商务行业发展最快的几年，也算是不错吧，毕竟感觉前途还是很光明的。三年来，可以说跟很多同事学到了不少东西，需要感谢的人很多，他们无私的教给了我很多东西。 就数据分析职业来说，个人感觉这对互联网公司来说是非常重要的，也是确实能够带来实际效果的东西。比如说利用数据分析做会员的细分以进行精准化营销；利用数据分析来发现现有的不足，以作改进，让顾客有更好的购物体验；利用CRM系统来管理会员的生命周期，提高会员的忠诚度，避免会员流失；利用会员的购买数据，挖掘会员的潜在需求，提供销售，扩大影响力等等。 最开始进公司的时候是在运营部，主要是负责运营报表的数据，当时的系统还很差，提取数据很困难，做报表也很难，都是东拼西凑一些数据，然后做成PPT，记得当时主要的数据就是销售额、订单量、毛利额、客单价、每单价、库存等一些特别基础的数据，然后用这些数据作出一些图表来。在这个阶段基本上就是做一些数据的提取工作，Excel的技巧倒是学到了不少，算是数据分析入门了吧。 后来公司上了数据仓库，里面就有了大量的原始数据，提取数据非常方便了，而且维度也多，可以按照自己的想法随意的组合分析，那个阶段主要就是针对会员购物行为的分析，开始接触数据建模，算法等一些比较难的东西，也是学到东西最多的时候。记得当时做了很多分析报告，每周还要给总裁办汇报这些报告，下面详细说一下当时使用的一些主要的模型及算法：1、RFM模型
模型定义：在众多的客户关系管理的分析模式中，RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。在RFM模式中， R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般的分析型CRM 着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。利用RFM分析，我们可以做以下几件事情： ⑴建立会员金字塔，区分各个级别的会员，如高级会员、中级会员、低级会员，然后针对不同级别的会员施行不同的营销策略，制定不同的营销活动。 ⑵发现流失及休眠会员，通过对流失及休眠会员的及时发现，采取营销活动，激活这些会员。 ⑶在短信、EDM促销中，可以利用模型，选取最优会员。 ⑷维系老客户，提高会员的忠诚度。 使用方法：可以给三个变量不同的权重或按一定的规则进行分组，然后组合使用，即可分出很多不同级别的会员。 2、关联分析 关联分析最原始的案例来自于沃尔玛的“啤酒与尿布”。通俗意义上讲，就是只买了A商品的人，又有很多人买了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。很多数据挖掘工具都有关联挖掘，主要使用的算法是Apriori算法，在计算的过程中会主要考察项集、置信度、相关性这三个结果数据，以最终确定商品之间的相关性。除了Apriori算法外，还有许多其他的关联分析的算法，基本上也都是从Apriori发展而来，比如FPgrowth。本人从几年的数据分析经验感觉，关联分析在零售业中并不太实用，挖掘出来的关联度比较高的