電子商務數據分析經驗總結-三年工作總結

08年畢業，不知不覺的混進了電子商務行業，又不知不覺的做了三年數據分析，恰好又趕上了互聯網電子商務行業發展最快的幾年，也算是不錯吧，畢竟感覺前途還是很光明的。三年來，可以說跟很多同事學到了不少東西，需要感謝的人很多，他們無私的教給了我很多東西。

就數據分析職業來說，個人感覺這對互聯網公司來說是非常重要的，也是確實能夠帶來實際效果的東西。比如說利用數據分析做會員的細分以進行精準化營銷；利用數據分析來發現現有的不足，以作改進，讓顧客有更好的購物體驗；利用CRM系統來管理會員的生命周期，提高會員的忠誠度，避免會員流失；利用會員的購買數據，挖掘會員的潛在需求，提供銷售，擴大影響力等等。

最開始進公司的時候是在運營部，主要是負責運營報表的數據，當時的系統還很差，提取數據很困難，做報表也很難，都是東拼西湊一些數據，然后做成PPT，記得當時主要的數據就是銷售額、訂單量、毛利額、客單價、每單價、庫存等一些特別基礎的數據，然后用這些數據作出一些圖表來。在這個階段基本上就是做一些數據的提取工作，Excel的技巧倒是學到了不少，算是數據分析入門了吧。

后來公司上了數據倉庫，里面就有了大量的原始數據，提取數據非常方便了，而且維度也多，可以按照自己的想法隨意的組合分析，那個階段主要就是針對會員購物行為的分析，開始接觸數據建模，算法等一些比較難的東西，也是學到東西最多的時候。記得當時做了很多分析報告，每周還要給總裁辦匯報這些報告，下面詳細說一下當時使用的一些主要的模型及算法：

1、 RFM模型

模型定義：在眾多的客戶關系管理的分析模式中，RFM模型是被廣泛提到的。RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。該機械模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標來描述該客戶的價值狀況。在RFM模式中，R(Recency)表示客戶最近一次購買的時間有多遠，F(Frequency)表示客戶在最近一段時間內購買的次數，M (Monetary)表示客戶在最近一段時間內購買的金額。一般的分析型CRM著重在對于客戶貢獻度的分析，RFM則強調以客戶的行為來區分客戶。利用RFM分析，我們可以做以下幾件事情：

⑴ 建立會員金字塔，區分各個級別的會員，如高級會員、中級會員、低級會員，然后針對不同級別的會員施行不同的營銷策略，制定不同的營銷活動。

⑵ 發現流失及休眠會員，通過對流失及休眠會員的及時發現，采取營銷活動，激活這些會員。

⑶ 在短信、EDM促銷中，可以利用模型，選取最優會員。

⑷ 維系老客戶，提高會員的忠誠度。

使用方法：可以給三個變量不同的權重或按一定的規則進行分組，然后組合使用，即可分出很多不同級別的會員。

2、 關聯分析

關聯分析最原始的案例來自于沃爾瑪的“啤酒與尿布”。通俗意義上講，就是只買了A商品的人，又有很多人買了B商品，那么我們就可以認為A、B兩個商品的關聯性比較高。很多數據挖掘工具都有關聯挖掘，主要使用的算法是Apriori算法，在計算的過程中會主要考察項集、置信度、相關性這三個結果數據，以最終確定商品之間的相關性。除了Apriori算法外，還有許多其他的關聯分析的算法，基本上也都是從Apriori發展而來，比如FPgrowth。本人從幾年的數據分析經驗感覺，關聯分析在零售業中并不太實用，挖掘出來的關聯度比較高的商品一般都是同類商品或者同品牌的商品，像“啤酒與尿布”這種，很少能夠有。

使用方法：組套銷售或者相關陳列等。

3、 聚類分析

零售行業的聚類分析主要是指將具有相似購物行為的顧客進行群體的細分，以支持精細化的營銷活動，帶來更大的營銷效果，節省成本。Spss里面的聚類分析主要有兩種K-means聚類和系統聚類。也可以在數據倉庫中根據顧客購買的商品屬性進行會員的聚類分析，這里就不需要算法的支持，只需要根據系統的已經有的商品分類，把購買過相同商品類別的顧客劃分到一起。這種方法可能與公司的業務更加貼近。聚類分析是進行會員精細化管理，精細化營銷的基礎，做好聚類分析，對企業將有很大的益處。

使用方法：對顧客細分，精準化營銷。

4、“之”字分析法

該種方法主要是有一種很明確的會員群體，然后通過分析這些會員群體的購買行為，提取這些購物行為的相似點，然后再通過這些相似點返回到整個數據里面，從中抽取更大的會員群體，以制定精準的營銷。

再后來，公司又上了SAP，又去BW組去做報表開發，做報表開發這一塊能夠接觸到更多的業務方面的知識，雖然做數據挖掘比較少了，但是數據最終是要指導業務的，所以這對我的成長也算是非常有利的。業務方面主要了解到了幾大塊：

1、庫存管理-庫存管理這塊主要有正品庫存的管理，滯銷庫存，高庫存商品等各種不同類型的庫存該怎么定義以及該如何去管理。比如去管理供應商的庫存的時候會根據正品庫存及滯銷庫存和庫存正常的周轉天數來計算該供應商的庫存是否在合理的水平，是否該進貨還是要減少庫存。

2、促銷管理-促銷管理是以提高銷售額為目的，吸引、刺激消費者消費的一系列計劃、組織、領導、控制和協調管理的工作。數據方面來說主要是針對不同的促銷方式來計算不同的方式收益情況，不同的促銷方式可以帶來不同的效果，因此在使用促銷的時候要審慎的選擇，以達到理想的效果。

另外，還有財務報表、采購流程等很多方面的東西，這些接觸的比較少就不寫啦。

在BW項目組的時候，也經常會幫網站做一些分析工作，自己也自學了兩本關于網站數據分析方面的書，感覺學到了一些皮毛，下面說一下吧：

1、 網站流量分析

網站流量的比較重要的KPI指標有瀏覽量、訪問量、獨立訪客數、跳失率、轉化率、頁面停留時間、訪問頁面數、流量來源、流量來源ROI等等。通過這些數據可以全面的反映網站的整體情況。其中跳失率可以用來衡量頁面的質量，流量來源及轉化率可以衡量市場及營銷的工作情況。進行網站數據分析的時候，需要牢牢的把握轉化率這一指標，然后由這一指標的變化來尋找其他相關數據的變化，最終找出原因，做相對應的策略，改進我們的工作。

2、 網站分析細分

數據分析行業有句話-無細分，毋寧死，足矣看出細分對數據分析意義。對于網站的數據分析尤其是如此。網站的流量數據量非常大，從整體上看根本都看不出那里會出現問題，所以必須要細分。比如說營銷人員需要看的轉化率，必須就要細分到每個渠道里面，然后再看到這些渠道來的會員的點擊情況，他們都看過那些網頁，對什么感興趣，跳失率是多少，瀏覽時間多長，最終轉化的是多少等等，這樣才能看出問題。

3、 網站的短信促銷及EDM

在這個電子商務普遍燒錢的時代，花出去的錢到底能有多少能夠帶來實際的收益呢？在搶占市場的同時，怎么才能做到ROI最大化這個問題急需要解決。公司每天幾乎都要發幾萬條甚至幾十萬條的促銷的短信，短信的反饋率基本上都在2%一下，怎么才能提高轉化率，這就需要更精準的用戶定位，把錢花到最有可能帶來收益的地方。因此網站的短息促銷及EDM促銷，必須要依據會員的精細化細分，不但要滿足客戶的需求，更要挖掘出他們的需求。

寫到這里基本上寫的差不多，通過總結才發覺自己原來很是知道的很少，還有很多需要學習的地方，比如說數學建模方面的知識不夠，統計學軟件使用不夠好，業務了解的不夠深入，對整個電子商務行業的發展把握不清晰，這些都是需要以后加強的地方。最近在一個數據分析師的前輩的博客上看到他對數據分析師的要求只有一點，就是要熱愛數據。感覺自己還不夠，平時工作的時候還不夠投入，總覺得是在為公司工作，不是在為自己的興趣工作，其實一個人每天做的事，一定要都當做是為自己做才行，就算真的不是為自己做，也要從中學到一些東西來變成自己的東西，為自己服務。

【電子商務數據分析經驗總結-三年工作總結】相關文章：

電子商務與數據分析總結09-02

數據分析報告09-17

銷售數據分析報告08-10

市場數據分析報告09-06

數據分析報告范文09-02

貸款數據分析報告09-16

數據分析年終工作總結07-06

店長數據分析總結（精選5篇）12-26

數據分析調查報告04-08

大數據環境下的電子商務安全研究論文12-14