天猫数据化运营之数据架构分析

应用场景举例
第2节 异常检测
2个问题
2个解决方法
第3节 相关性分析
举例：价格和销量的关系
第4节 聚类分析 第5节 降维分析
应用场景举例
第6章 数据分析报告撰写思路
第1步，发生了什么？ --第2步，问题出现在哪里？ --第3步，为什么这件事情会发生？ 第4步，需要采取什么行动？ --第5步，下一步将发生什么？ --第6 步，可能发生的最好结果是什么？
天猫电商数据分析与挖掘
第1章 什么是淘商？未来如何布局
在淘宝开店的商家，被称为淘商或平台电商。
第1节 什么是淘商
平台的流量是聚合式的，也称之为公域流量，可以通过争夺位置获取这类流量。
与平台电商相对的是社交电商 ，社交的流量特点是私密的，流量是有归属的，称之为私域流量。
第2节 未来如何布局
内部环境：淘宝内行业商家饱和而流量有限。外部环境：竞争对手的崛起----社交平台。 品牌窗口：微博；交易承载页：淘宝、微店等具有交易功能的平台； CRM端口：个人微信（小程序）
媒体人格化
颠覆者：规矩是用来破坏的 ==苹果 纯真者：永葆赤子之心 ==麦当劳 情人：我的眼里只有你，所以要宠你宠上天 ==香奈儿 探险家：放飞自我，永远在路上 ==disc o ve ry频道 创造者：只有你想不到，没有我不能造。 ==微软 关怀者：我比你妈还关心你 ==大姨妈 平常人：自在做自己 ==Fac e bo o k 英雄：和我一样，勇敢一点！ ==耐克 统治者：权利不是一切，但权利是唯一 ==美国运通 娱乐者：好玩才是这世上最紧要的事 ==娱乐者 魔法师：希望能让世界发生些改变 ==UBER 智者：真理将给你自由 ==知乎
电商媒体化
电商媒体化是将电商流量转移到媒体渠道，也就是将公域流量转移到私域流量。媒体只是一个载体。 媒体载体：短视频、VR购物全景视频等；头条、H5互动、微博、知乎等社交网络；淘宝直播、第三方直播等

顶级商家的数据运营技术第一步：顺应“民”心，顺水推舟这里的民是指消费者，想要做好业绩，一定要顺从消费需求的变化，顺势而为，所以作为一名运营，首先要做的就是先了解下大盘数据的走势情况如何？接下来我们来看看活动预热期和平常时间段的各品类大盘数据表现如何？1.先看下自己的主营品类是哪一些？针对性的去分析子类目大盘数据数据来源：生意参谋-经营分析-分类分析从这里面，我们可以看到T恤、休闲裤、衬衫是店铺目前的主营类目，我们也重点主要分析该类目。

2.接下来我们来看下行业大盘各个趋势增幅数据数据来源：生意参谋-市场行情-行业大盘-子行业报表备注：因时间问题，上面宁静就只录取了四个类目来做分析，主要是用于阐述分析思路。

在上面，对于数据做了处理，因为这次是活动预热，该分析的原理在于，对比日常时间点（这里取数时间是4-25号到5月31号为对比日期，分析日期为4-9号至5-15号），离活动时间越近，大家搜索浏览的热度会越高，而且会优先选择收藏和加购的力度也应该比平时高，所以上面两张图就是两个时间段进行比较。

这个分析就是为了看到哪些品类需求具有比较好的爆发点。

从上面图表中我们可以发现，这次活动预热期，羽绒服无论是流量增幅还是收藏/加购的增幅，都是最明显的，但是其基数目前太小，所以羽绒服品类对于此次618活动可以做一下蓄水储备阶段。

另外值得本次活动关注的是，休闲裤子类目，对比于日常时间，在活动前其需求和加购能力都有明显的增长。

所以可以重点关注下该品类的活动表现，给予做好流量分配和产品搭配。

而反过来，衬衫类目和T恤类目却出现的下滑迹象，不过T恤的体量大，依然是最重要的引流品类和主营品类。

3.各子行业的年生命周期走势分析该分析是为了完整的还原类目的走势，而不是单纯的分析活动，因为这里面涉及到产品备货和后续的问题，如果一味以为活动预热需求的暴涨，而盲目备货不考虑其周期，则会出现大问题，有些类目可能6月份之后就开始走下滑趋势了。

天猫商城投放费用数据分析
淘宝由2008年建立到2014年正式更名为天猫商城，在2008年至2014年期间已经聚集了一批忠实的用户，所以对于天猫来说其实并不需要再过多的广告宣传上进行投入，但由于商城更名为防止部分用户不了解而导致客户流失，故在2014年仍进行了不少的宣传。

加之在2014年时天猫双十一进行的促销活动，故在2014年十一月进行了大量的广告投入。

天猫商城投放媒体主要新浪，网易，雅虎和搜狐四大平台，天猫作为一个网购平台，主要是以年轻人为主的客户，因此天猫商城主要投放在这些年轻人使用度较高的门户网站。

天猫商城投放主要集中在北京和广东两大地区，这些城市的人经济条件较为优越，交通相对发达，而上海由于经济发展迅速，信息交流十分便捷，不需要太大的投入，因此比例较小。

天猫商城广告形式主要是全屏广告，通栏广告，按钮广告，其主要通过活动的形式来宣传。

数据运营中心组织架构数据运营中心是一个组织架构清晰、职能分工明确的部门，它在企业中负责数据采集、分析和应用，为企业的决策提供有力支持。

本文将从组织架构、职能分工和工作流程三个方面来介绍数据运营中心的工作内容。

一、组织架构数据运营中心通常由多个团队组成，每个团队负责不同的业务领域，从而形成一个整体的组织架构。

典型的组织架构包括数据采集团队、数据分析团队、数据应用团队和数据运维团队。

1. 数据采集团队：负责从各个数据源收集数据，并进行清洗和整理，确保数据的质量和准确性。

这个团队通常包括数据工程师和数据采集专员，他们需要具备数据获取和清洗的技能。

2. 数据分析团队：负责对采集到的数据进行统计分析和挖掘，提取有价值的信息，并生成报告和可视化图表。

这个团队通常包括数据分析师和数据科学家，他们需要熟悉统计学和数据挖掘技术。

3. 数据应用团队：负责将数据分析的结果应用到实际业务中，为决策提供支持。

这个团队通常包括业务分析师和数据应用工程师，他们需要了解业务流程和数据应用技术。

4. 数据运维团队：负责数据平台的建设和维护，确保数据的安全和稳定。

这个团队通常包括数据库管理员和系统运维工程师，他们需要具备数据库管理和系统维护的技能。

二、职能分工在数据运营中心中，不同团队有不同的职能和责任，协同合作实现数据的采集、分析和应用。

1. 数据采集团队负责制定数据采集计划，选择合适的数据源，并设计数据采集方案。

他们需要与业务部门和技术部门紧密合作，确保数据的完整性和准确性。

2. 数据分析团队负责对采集到的数据进行统计分析和挖掘，提取有价值的信息。

他们需要根据业务需求制定分析方案，并使用合适的工具和算法进行数据分析。

3. 数据应用团队负责将数据分析的结果应用到实际业务中，为决策提供支持。

他们需要与业务部门紧密合作，理解业务需求，并将数据分析的结果转化为实际的业务应用。

4. 数据运维团队负责数据平台的建设和维护，确保数据的安全和稳定。