第一篇：2011年最新網(wǎng)絡(luò)游戲數(shù)據(jù),電子商務(wù)數(shù)據(jù)歸總

隨機(jī)電子商務(wù)資料

2011年二季度中國(guó)B2C市場(chǎng)交易規(guī)模達(dá)到542.6億元

研究機(jī)構(gòu)艾瑞咨詢?nèi)涨鞍l(fā)布報(bào)告指出，２０１１年中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)交易規(guī)模接近８０００億元，達(dá)７７３５．６億元，較２０１０年增長(zhǎng)６７．８％，占到社會(huì)消費(fèi)品零售總額的４．３％；預(yù)計(jì)２０１２年中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)交易規(guī)模將達(dá)１１８４０億元，同比增長(zhǎng)５３％，占社會(huì)消費(fèi)品零售總額的比例也將升至５．３％。

艾瑞網(wǎng)預(yù)測(cè),2014年國(guó)內(nèi)第三方交易規(guī)模將達(dá)到41000億元,2011-2014年年復(fù)合增長(zhǎng)率達(dá)到42%。網(wǎng)絡(luò)購(gòu)物、金融、航空客票、電子商務(wù)B2B、電信繳費(fèi)和網(wǎng)絡(luò)游戲是第三方支付市場(chǎng)的重要領(lǐng)域

據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心１月中旬發(fā)布的最新統(tǒng)計(jì)數(shù)據(jù)顯示，２０１１年中國(guó)網(wǎng)絡(luò)購(gòu)物用戶增長(zhǎng)２０．８％，用戶總規(guī)模已達(dá)到１．９４億人。

2011年第4季度中國(guó)網(wǎng)絡(luò)游戲市場(chǎng)規(guī)模達(dá)102.9億元，實(shí)現(xiàn)環(huán)比增長(zhǎng)8.3%，同比增長(zhǎng)28.5%。

2011年第4季度中國(guó)網(wǎng)絡(luò)視頻市場(chǎng)廣告收入為16.87億元，環(huán)比增漲13.7%，同比增長(zhǎng)135.3%。

2012年中國(guó)網(wǎng)頁(yè)游戲市場(chǎng)用戶規(guī)模將達(dá)到7500萬人，環(huán)比增長(zhǎng)36.4%。預(yù)計(jì)未來幾年我國(guó)網(wǎng)頁(yè)游戲?qū)⒈３衷鲩L(zhǎng)態(tài)勢(shì)，2014年我國(guó)網(wǎng)頁(yè)游戲市場(chǎng)用戶規(guī)模將達(dá)到9750萬。

2011年第2季度中國(guó)網(wǎng)絡(luò)游戲市場(chǎng)規(guī)模達(dá)87.6億元，實(shí)現(xiàn)環(huán)比增長(zhǎng)3.1%，同比增長(zhǎng)12.6%。

2011年第3季度中國(guó)網(wǎng)絡(luò)游戲市場(chǎng)規(guī)模達(dá)95.1億元，環(huán)比增長(zhǎng)8.5%，同比增長(zhǎng)22.5%。

2011年第1季度中國(guó)網(wǎng)絡(luò)游戲市場(chǎng)規(guī)模達(dá)84.98億元，實(shí)現(xiàn)環(huán)比增長(zhǎng)6.1%。

第二篇：數(shù)據(jù)挖掘與電子商務(wù)

數(shù)據(jù)挖掘與電子商務(wù)

姓名：龔洪虎

學(xué)號(hào):X2009230111

[摘 要] 企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)并不取決于信息的擁有量，而是取決于信息的處理利用能力。如何化信息優(yōu)勢(shì)為競(jìng)爭(zhēng)優(yōu)勢(shì)，是企業(yè)制勝于市場(chǎng)的一個(gè)法寶。本文論述了一種信息處理利用的有效工具——數(shù)據(jù)挖掘方法及其在電子商務(wù)中的應(yīng)用。

[關(guān)鍵詞] 數(shù)據(jù)挖掘 方法 電子商務(wù) 應(yīng)用

隨著網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)的成熟，傳統(tǒng)商務(wù)正經(jīng)歷一次重大變革，向電子商務(wù)全速挺進(jìn)。這種商業(yè)電子化的趨勢(shì)不僅為客戶提供了便利的交易方式和廣泛的選擇，同時(shí)也為商家提供了更加深入了解客戶需求信息和購(gòu)物行為特征的可能性。數(shù)據(jù)挖掘技術(shù)作為電子商務(wù)的重要應(yīng)用技術(shù)之一，將為正確的商業(yè)決策提供強(qiáng)有力的支持和可靠的保證，是電子商務(wù)不可缺少的重要工具。

一、電子商務(wù)和數(shù)據(jù)挖掘簡(jiǎn)介。

電子商務(wù)是指?jìng)€(gè)人或企業(yè)通過Internet網(wǎng)絡(luò)，采用數(shù)字化電子方式進(jìn)行商務(wù)數(shù)據(jù)交換和開展商務(wù)業(yè)務(wù)活動(dòng)。目前國(guó)內(nèi)已有網(wǎng)上商情廣告、電子票據(jù)交換、網(wǎng)上訂購(gòu)，網(wǎng)上銀行、網(wǎng)上支付結(jié)算等多種類型的電子商務(wù)形式。電子商務(wù)正以其成本低廉、方便、快捷、安全、可靠、不受時(shí)間和空間的限制等突出優(yōu)點(diǎn)而逐步在全球流行。

數(shù)據(jù)挖掘(DataMining)是伴隨著數(shù)據(jù)倉(cāng)庫(kù)技術(shù)的發(fā)展而逐步完善起來的。數(shù)據(jù)挖掘主要是為了幫助商業(yè)用戶處理大量存在的數(shù)據(jù)，發(fā)現(xiàn)其后隱含的規(guī)律性，同時(shí)將其模型化，來完成輔助決策的作用。它要求從大量的、不完全的、有噪聲的、模糊的和隨機(jī)的數(shù)據(jù)中，提取人們事先不知道的但又是潛在有用的信息和知識(shí)。數(shù)據(jù)挖掘的過程有時(shí)也叫知識(shí)發(fā)現(xiàn)的過程。

而電子商務(wù)中的數(shù)據(jù)挖掘即Web挖掘，是利用數(shù)據(jù)挖掘技術(shù)從www的資源(即Web文檔)和行為(即We服務(wù))中自動(dòng)發(fā)現(xiàn)并提取感興趣的、有用的模式和隱含的信息，它是一項(xiàng)綜合技術(shù)涉及到Internet技術(shù)學(xué)、人工智能、計(jì)算機(jī)語言、信息學(xué)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域。

二、何謂數(shù)據(jù)挖掘及方法

確切地說，數(shù)據(jù)挖掘(Data Mining)，又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database,KDD)，是指從大型數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)中提取隱含的、未知的、非平凡的及有潛在應(yīng)用價(jià)值的信息或模式。它融合了數(shù)據(jù)庫(kù)、人工智能、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等多個(gè)領(lǐng)域的理論和技術(shù)。比較典型的數(shù)據(jù)挖掘方法有關(guān)聯(lián)分析、序列模式分析、分類分析、聚類分析等。它們可以應(yīng)用到以客戶為中心的企業(yè)決策分析和管理的各個(gè)不同領(lǐng)域和階段。

1.關(guān)聯(lián)分析。關(guān)聯(lián)分析，即利用關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘。關(guān)聯(lián)分析的目的是挖掘隱藏在數(shù)據(jù)間的相互關(guān)系，它能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中形如”90%的顧客在一次購(gòu)買活動(dòng)中購(gòu)買商品A的同時(shí)購(gòu)買商品B”之類的知識(shí)。

2.序列模式分析。序列模式分析和關(guān)聯(lián)分析相似，但側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后序列關(guān)系。它能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中形如”在某一段時(shí)間內(nèi)，顧客購(gòu)買商品A，接著購(gòu)買商品B，而后購(gòu)買商品C，即序列A→B→C出現(xiàn)的頻度較高”之類的知識(shí)，序列模式分析描述的問題是:在給定交易序列數(shù)據(jù)庫(kù)中，每個(gè)序列是按照交易時(shí)間排列的一組交易集，挖掘序列函數(shù)作用在這個(gè)交易序列數(shù)據(jù)庫(kù)上，返回該數(shù)據(jù)庫(kù)中出現(xiàn)的高頻序列。在進(jìn)行序列模式分析時(shí)，同樣也需要由用戶輸入最小置信度C和最小支持度S。

3.分類分析。設(shè)有一個(gè)數(shù)據(jù)庫(kù)和一組具有不同特征的類別(標(biāo)記)，該數(shù)據(jù)庫(kù)中的每一個(gè)②

記錄都賦予一個(gè)類別的標(biāo)記，這樣的數(shù)據(jù)庫(kù)稱為示例數(shù)據(jù)庫(kù)或訓(xùn)練集。分類分析就是通過分析示例數(shù)據(jù)庫(kù)中的數(shù)據(jù)，為每個(gè)類別做出準(zhǔn)確的描述或建立分析模型或挖掘出分類規(guī)則，然后用這個(gè)分類規(guī)則對(duì)其他數(shù)據(jù)庫(kù)中的記錄進(jìn)行分類。

4.聚類分析。聚類分析輸入的是一組未分類記錄，并且這些記錄應(yīng)分成幾類事先也不知道，通過分析數(shù)據(jù)庫(kù)中的記錄數(shù)據(jù)，根據(jù)一定的分類規(guī)則，合理地劃分記錄集合，確定每個(gè)記錄所在類別。它所采用的分類規(guī)則是由聚類分析工具決定的。采用不同的聚類方法，對(duì)于相同的記錄集合可能有不同的劃分結(jié)果。

應(yīng)用數(shù)據(jù)挖掘技術(shù)，較為理想的起點(diǎn)就是從一個(gè)數(shù)據(jù)倉(cāng)庫(kù)開始，數(shù)據(jù)挖掘可以直接跟蹤數(shù)據(jù)并輔助用戶快速做出商業(yè)決策，用戶還可以在更新數(shù)據(jù)的時(shí)候不斷發(fā)現(xiàn)更好的行為模式，并將其運(yùn)用于未來的決策當(dāng)中。

三、選擇數(shù)據(jù)挖掘技術(shù)的兩個(gè)重要依據(jù)。

數(shù)據(jù)挖掘使用的技術(shù)很多，其中主要包括統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、和神經(jīng)網(wǎng)絡(luò)方法和數(shù)據(jù)庫(kù)方法。統(tǒng)計(jì)方法可細(xì)分為回歸分析、判別分析、聚類分析、探索性分析等。機(jī)器學(xué)習(xí)方法可細(xì)分為歸納學(xué)習(xí)方法（決策樹、規(guī)則歸納）、基于范例學(xué)習(xí)、遺傳算法等。神經(jīng)網(wǎng)絡(luò)方法可細(xì)分為錢箱神經(jīng)網(wǎng)絡(luò)（BP算法）、自組織神經(jīng)網(wǎng)絡(luò)等。數(shù)據(jù)庫(kù)方法主要是多維數(shù)據(jù)分析或OLAP方法，另外還有面向?qū)傩缘臍w納方法。由于每一種數(shù)據(jù)挖掘技術(shù)都有其自身的特點(diǎn)和實(shí)現(xiàn)的步驟，對(duì)數(shù)據(jù)的形式有具體的要求，并且與具體的應(yīng)用問題密切相關(guān)，因此成功的應(yīng)用數(shù)據(jù)挖掘技術(shù)以達(dá)到目標(biāo)過程本身就是一件很復(fù)雜的事情，本文主要從挖掘任務(wù)和可獲得的數(shù)據(jù)兩個(gè)角度來討論對(duì)數(shù)據(jù)挖掘技術(shù)的選擇。

三、數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用

數(shù)據(jù)挖掘能發(fā)現(xiàn)電子商務(wù)客戶的的共性和個(gè)性的知識(shí)、必然和偶然的知識(shí)、獨(dú)立和關(guān)聯(lián)的知識(shí)、現(xiàn)實(shí)和預(yù)測(cè)的知識(shí)等，所有這些知識(shí)經(jīng)過分析，能對(duì)客戶的消費(fèi)行為如心理、能力、動(dòng)機(jī)、需求、潛能等做出統(tǒng)計(jì)和正確地分析，為管理者提供決策依據(jù)。具體應(yīng)用如下：

1.分類與預(yù)測(cè)方法在電子商務(wù)中的應(yīng)用。在電子商務(wù)活動(dòng)中，分類是一項(xiàng)非常重要的任務(wù)，也是應(yīng)用最多的技術(shù)。分類的目的是構(gòu)造一個(gè)分類函數(shù)或分類模型，通常稱作分類器。分類器的構(gòu)造方法通常由統(tǒng)計(jì)方法、機(jī)器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法等。這些方法能把數(shù)據(jù)庫(kù)中的數(shù)據(jù)映射到給定類別中某一個(gè)，以便用于預(yù)測(cè)，也就是利用歷史數(shù)據(jù)記錄，自動(dòng)推導(dǎo)出給定數(shù)據(jù)的推廣描述，從而對(duì)未來數(shù)據(jù)進(jìn)行預(yù)測(cè)。

2.聚類方法在電子商務(wù)中的應(yīng)用。聚類是把一組個(gè)體按照相似性原則歸成若干類別。對(duì)電子商務(wù)來說，客戶聚類可以對(duì)市場(chǎng)細(xì)分理論提供有力的支持。市場(chǎng)細(xì)分的目的是使得屬于同一類別的個(gè)體之間的距離盡可能小，而不同類別的個(gè)體之間的距離盡可能大，通過對(duì)聚類的客戶特征的提取，電子商務(wù)網(wǎng)站可以為客戶提供個(gè)性化的服務(wù)。

3.數(shù)據(jù)抽取方法在電子商務(wù)中的應(yīng)用。數(shù)據(jù)抽取的目的是對(duì)數(shù)據(jù)進(jìn)行濃縮，給出它的緊湊描述，如求和值、平均值、方差值、等統(tǒng)計(jì)值、或者用直方圖、餅狀圖等圖形方式表示，更主要的是他從數(shù)據(jù)泛化的角度來討論數(shù)據(jù)總結(jié)。數(shù)據(jù)泛化是一種把最原始、最基本的信息數(shù)據(jù)從低層次抽象到高層次上的過程?？刹捎枚嗑S數(shù)據(jù)分析方法和面向?qū)傩缘臍w納方法。在電子商務(wù)活動(dòng)中，采用維數(shù)據(jù)分析方法進(jìn)行數(shù)據(jù)抽取，他針對(duì)的是電子商務(wù)活動(dòng)中的客戶數(shù)據(jù)倉(cāng)庫(kù)。在數(shù)據(jù)分析中經(jīng)常要用到諸如求和、總計(jì)、平均、最大、最小等匯集操作，這類操作的計(jì)算量特別大，可把匯集操作結(jié)果預(yù)先計(jì)算并存儲(chǔ)起來，以便用于決策支持系統(tǒng)使用。

4.關(guān)聯(lián)規(guī)則在電子商務(wù)中的應(yīng)用。管理部門可以收集存儲(chǔ)大量的售貨數(shù)據(jù)和客戶資料，對(duì)這些歷史數(shù)據(jù)進(jìn)行分析并發(fā)現(xiàn)關(guān)聯(lián)規(guī)則。如分析網(wǎng)上顧客的購(gòu)買行為，幫助管理者規(guī)劃市場(chǎng)，確定商品的種類、價(jià)格、質(zhì)量等。通常關(guān)聯(lián)規(guī)則有兩種：有意義的關(guān)聯(lián)規(guī)則和泛化關(guān)聯(lián)規(guī)則，有意義的關(guān)聯(lián)規(guī)則，即滿足最小支持度和最小可信度的規(guī)則。最小支持度，它表示一組對(duì)象在統(tǒng)計(jì)意義上的需滿足的最低程度，如電子商務(wù)活動(dòng)中的客戶數(shù)量、客戶消費(fèi)能力、消費(fèi)方式等。后者即用戶規(guī)定的關(guān)聯(lián)規(guī)則的最低可靠度。第二是泛化規(guī)則，這種規(guī)則更實(shí)用，因?yàn)檠芯繉?duì)象存在一種層次關(guān)系，如面包、蛋糕屬西點(diǎn)類，而西點(diǎn)又屬于食品類，有了層次關(guān)系后，可以幫助發(fā)現(xiàn)更多的有意義的規(guī)則。

5、優(yōu)化企業(yè)資源

節(jié)約成本是企業(yè)盈利的關(guān)鍵。基于數(shù)據(jù)挖掘技術(shù)，實(shí)時(shí)、全面、準(zhǔn)確地掌握企業(yè)資源信息，通過分析歷史的財(cái)務(wù)數(shù)據(jù)、庫(kù)存數(shù)據(jù)和交易數(shù)據(jù), 可以發(fā)現(xiàn)企業(yè)資源消耗的關(guān)鍵點(diǎn)和主要活動(dòng)的投入產(chǎn)出比例, 從而為企業(yè)資源優(yōu)化配置提供決策依據(jù), 例如降低庫(kù)存、提高庫(kù)存周轉(zhuǎn)率、提高資金使用率等。通過對(duì)Web數(shù)據(jù)挖掘，快速提取商業(yè)信息，使企業(yè)準(zhǔn)確地把握市場(chǎng)動(dòng)態(tài)，極大地提高企業(yè)對(duì)市場(chǎng)變化的響應(yīng)能力和創(chuàng)新能力，使企業(yè)最大限度地利用人力資源、物質(zhì)資源和信息資源，合理協(xié)調(diào)企業(yè)內(nèi)外部資源的關(guān)系，產(chǎn)生最佳的經(jīng)濟(jì)效益。促進(jìn)企業(yè)發(fā)展的科學(xué)化、信息化和智能化。

例如:美國(guó)運(yùn)通公司(American Express)有一個(gè)用于記錄信用卡業(yè)務(wù)的數(shù)據(jù)庫(kù)，數(shù)據(jù)量達(dá)到54億字符，并仍在隨著業(yè)務(wù)進(jìn)展不斷更新。運(yùn)通公司通過對(duì)這些數(shù)據(jù)進(jìn)行挖掘，制定了“關(guān)聯(lián)結(jié)算(Relation ship Billing)優(yōu)惠”的促銷策略，即如果一個(gè)顧客在一個(gè)商店用運(yùn)通卡購(gòu)買一套時(shí)裝，那么在同一個(gè)商店再買一雙鞋，就可以得到比較大的折扣，這樣既可以增加商店的銷售量，也可以增加運(yùn)通卡在該商店的使用率。

6、管理客戶數(shù)據(jù)

隨著“以客戶為中心”的經(jīng)營(yíng)理念的不斷深入人心, 分析客戶、了解客戶并引導(dǎo)客戶的需求已成為企業(yè)經(jīng)營(yíng)的重要課題?；跀?shù)據(jù)挖掘技術(shù)，企業(yè)將最大限度地利用客戶資源，開展客戶行為的分析與預(yù)測(cè)，對(duì)客戶進(jìn)行分類。有助于客戶盈利能力分析，尋找潛在的有價(jià)值的客戶，開展個(gè)性化服務(wù)，提高客戶的滿意度和忠誠(chéng)度。通過Web資源的挖掘，了解客戶的購(gòu)買習(xí)慣和興趣，從而改善網(wǎng)站結(jié)構(gòu)設(shè)計(jì)，推出滿足不同客戶的個(gè)性化網(wǎng)頁(yè)。利用數(shù)據(jù)挖掘可以有效地獲得客戶。比如通過數(shù)據(jù)挖掘可以發(fā)現(xiàn)購(gòu)買某種商品的消費(fèi)者是男性還是女性,學(xué)歷、收入如何, 有什么愛好,是什么職業(yè)等等。甚至可以發(fā)現(xiàn)不同的人在購(gòu)買該種商品的相關(guān)商品后多長(zhǎng)時(shí)間有可能購(gòu)買該種商品, 以及什么樣的人會(huì)購(gòu)買什么型號(hào)的該種商品等等。在采用了數(shù)據(jù)挖掘后, 針對(duì)目標(biāo)客戶發(fā)送的廣告的有效性和回應(yīng)率將得到大幅度的提高, 推銷的成本將大大降低。同時(shí)，在客戶數(shù)據(jù)挖掘的基礎(chǔ)上，企業(yè)可以發(fā)現(xiàn)重點(diǎn)客戶和評(píng)價(jià)市場(chǎng)性能，制定個(gè)性化營(yíng)銷策略，拓寬銷售渠道和范圍，為企業(yè)制定生產(chǎn)策略和發(fā)展規(guī)劃提供科學(xué)的依據(jù)。通過呼叫中心優(yōu)化與客戶溝通的渠道，提高對(duì)客戶的響應(yīng)效率和服務(wù)質(zhì)量，促

①進(jìn)客戶關(guān)系管理的自動(dòng)化和智能化。

三、結(jié)束語

電子商務(wù)是現(xiàn)代信息技術(shù)發(fā)展的必然結(jié)果，也是未來商業(yè)運(yùn)作模式的必然選擇。利用數(shù)據(jù)挖掘技術(shù)，充分發(fā)揮企業(yè)的獨(dú)特優(yōu)勢(shì)，促進(jìn)管理創(chuàng)新和技術(shù)創(chuàng)新，使企業(yè)在在電子商務(wù)的潮流中立于不敗之地。隨著數(shù)據(jù)挖掘算法的不斷發(fā)展和成熟，數(shù)據(jù)挖掘一定會(huì)有更加廣闊的應(yīng)用前景。

參考文獻(xiàn)：

(1)《淺談數(shù)據(jù)挖掘在電子商務(wù)中的運(yùn)用》 鐘連福；

(2)《電子商務(wù)中商業(yè)數(shù)據(jù)的挖掘方法》 中國(guó)電子商務(wù)研究中心；

(3)《在電子商務(wù)中如何正確有使用數(shù)據(jù)挖掘技術(shù)》 俠名；

(4)《曾貞:數(shù)據(jù)挖掘在電子商務(wù)中的應(yīng)用》 甘肅農(nóng)業(yè),2004（7）；

(5)《馮艷王堅(jiān)強(qiáng):數(shù)據(jù)挖掘在電子商務(wù)上的應(yīng)用》 2002（3）；

(6)《呂延杰徐華飛:中國(guó)電子商務(wù)發(fā)展研究報(bào)告》北京郵電大學(xué)出版社 ；

(7)《數(shù)據(jù)挖掘與電子商務(wù)》 鄧鯤鵬，周延杰，嚴(yán)瑜筱。①

第三篇：電子商務(wù)數(shù)據(jù)分析指標(biāo)體系

電子商務(wù)數(shù)據(jù)分析指標(biāo)體系

數(shù)據(jù)分析指標(biāo)體系：

1、網(wǎng)站運(yùn)營(yíng)指標(biāo)；

2、銷售指標(biāo)；

3、營(yíng)銷活動(dòng)指標(biāo)；

4、經(jīng)營(yíng)環(huán)境指標(biāo)；

5、客戶價(jià)值指標(biāo)；

1、網(wǎng)站運(yùn)營(yíng)指標(biāo)：

流量指標(biāo)：流量數(shù)據(jù)指標(biāo)（PV、UV）、流量質(zhì)量指標(biāo)（PV/UV、銷售額/UV）、流量轉(zhuǎn)化指標(biāo)（下單轉(zhuǎn)換率、成交訂單轉(zhuǎn)化率（訂單有效性）、轉(zhuǎn)換次數(shù)）；

商品類目指標(biāo)：商品類目結(jié)構(gòu)占比、商品類目銷售額占比、類目銷售SKU集中度、庫(kù)存周轉(zhuǎn)率、商品類目的斷貨率；

供應(yīng)鏈指標(biāo)：壓?jiǎn)握急龋ǚ謧}(cāng)庫(kù)）、系統(tǒng)/實(shí)物報(bào)缺率、上架完成率/出庫(kù)及時(shí)率、出庫(kù)率、次日到達(dá)率/未到達(dá)占比；

2、銷售指標(biāo)：

網(wǎng)站指標(biāo)：下單次數(shù)、加入購(gòu)物車次數(shù)、在線支付次數(shù)、購(gòu)物車轉(zhuǎn)化率、下單轉(zhuǎn)化率、支付轉(zhuǎn)化率、成交轉(zhuǎn)化率；

訂單指標(biāo)：訂單有效率（成交率）、訂單金額、客單價(jià)、訂單轉(zhuǎn)化率、毛利率、退換貨率、重復(fù)購(gòu)買率；

3、營(yíng)銷活動(dòng)指標(biāo)：

市場(chǎng)營(yíng)銷活動(dòng)指標(biāo)：新增訪客人數(shù)、總訪問次數(shù)、訂單數(shù)量、下單轉(zhuǎn)化率、ROI；廣告投放指標(biāo)：新增訪客人數(shù)、總訪問次數(shù)、訂單數(shù)量、下單轉(zhuǎn)化率、ROI；商務(wù)合作指標(biāo)

4、經(jīng)營(yíng)環(huán)境指標(biāo)：

內(nèi)部購(gòu)物指標(biāo)：

運(yùn)營(yíng)指標(biāo)：PV、UV、購(gòu)物車轉(zhuǎn)化率、下單轉(zhuǎn)化率、成交轉(zhuǎn)化率、訂單數(shù)量、訂單金額；功能指標(biāo)：支付方式、配送方式、商品數(shù)目、最短購(gòu)物流程、購(gòu)物體驗(yàn)；

5、客戶價(jià)值指標(biāo)：

客戶指標(biāo)：訪客人數(shù)、訪客獲取成本、轉(zhuǎn)化率；

新顧客指標(biāo)：新增客戶數(shù)量、注冊(cè)轉(zhuǎn)化率、新增顧客下單率、客單價(jià)；

老顧客指標(biāo)：老顧客數(shù)量、消費(fèi)頻率、最近的一次消費(fèi)時(shí)間、消費(fèi)金額、重復(fù)購(gòu)買；

第四篇：電子商務(wù)網(wǎng)站核心數(shù)據(jù)分析

電子商務(wù)網(wǎng)站核心數(shù)據(jù)分析

電子商務(wù)相對(duì)于傳統(tǒng)零售業(yè)來說，最大的特點(diǎn)就是一切都可以通過數(shù)據(jù)化來監(jiān)控和改進(jìn)。通過數(shù)據(jù)可以看到用戶從哪里來、如何組織產(chǎn)品可以實(shí)現(xiàn)很好的轉(zhuǎn)化率、你投放廣告的效率如何等等問題?；跀?shù)據(jù)分析的每一點(diǎn)點(diǎn)改變，就是一點(diǎn)點(diǎn)提升你賺錢的能力，所以，電子商務(wù)網(wǎng)站的數(shù)據(jù)分析是很重要的一門功課。一般來說，數(shù)據(jù)分析包括：流量來源分析、流量效率分析、站內(nèi)數(shù)據(jù)流分析和用戶特征分析四個(gè)部分。我們先來說說流量來源分析。

電子商務(wù)就是販賣流量的生意，低成本的流量來源是保證企業(yè)盈利的重要條件。流量來源分析主要是要明白你的用戶都是從那些網(wǎng)站來的，那些網(wǎng)站的給你帶來更多的訂單、那些網(wǎng)站的流量是真實(shí)的，那些是虛假等。

流量分析一般一奧分析以下內(nèi)容：

網(wǎng)站流量來源排名：那些網(wǎng)站貢獻(xiàn)的流量多，那些貢獻(xiàn)的少

搜索引擎關(guān)鍵詞分析：根據(jù)關(guān)鍵詞的來源分析來查看網(wǎng)站產(chǎn)品分布和產(chǎn)品組合。如果關(guān)鍵詞查詢多的產(chǎn)品卻不是網(wǎng)站的主推品，可以進(jìn)行適當(dāng)調(diào)整。

網(wǎng)站流量趨勢(shì)分析：網(wǎng)站的流量是否均衡穩(wěn)定，是不是有大幅度波動(dòng)。一般來說流量突然增加的網(wǎng)站，如非發(fā)生突發(fā)事件，購(gòu)買的廣告位作弊的嫌疑比較大。

網(wǎng)站流量核對(duì)：查看是否有莫名流量來源，流量來源大不大。如果莫名來源流量很大的話，有可能是您購(gòu)買的CPC或者其他資源被注水了，將您的廣告鏈接分包給了點(diǎn)擊聯(lián)盟。

推介網(wǎng)站與直接訪問的比例：推介網(wǎng)站可以理解為外部廣告，直接訪問就是用戶直接輸入網(wǎng)址。一般來說，直接訪問量越大說明網(wǎng)站的品買知名度越高。

其次是流量效率分析

流量效率是指流量到達(dá)了網(wǎng)站是不是真實(shí)流量，主要分析指標(biāo)如下：

到達(dá)率：到達(dá)率是指廣告從點(diǎn)擊到網(wǎng)站landingpage的比例。一般來說，達(dá)到率能達(dá)到80%以上是比較理想的流量。這個(gè)也跟網(wǎng)站的速度有關(guān)，綜合來分析一下。

二跳率：這個(gè)也是為了分析流量的有效性。如果是有效流量的話，一般會(huì)有合理的二跳。如果是虛假點(diǎn)擊的話，一般是沒有二跳的。但是也不排除有部分作假很厲害的網(wǎng)站能做出二跳，比如PPLIVE，當(dāng)年洪成浩做投放的時(shí)候，我們的廣告直接連接到廣告專題頁(yè)，二跳是15%左右，但是PPLIVE居然有60%的二跳！最主要的是一個(gè)轉(zhuǎn)化都沒有。差點(diǎn)把我們的圖片圖服務(wù)器點(diǎn)癱瘓，這個(gè)就太過分了。

PV/IP比：一般來說，有效的流量，網(wǎng)站內(nèi)容比較好的話，一個(gè)獨(dú)立IP大概能有3個(gè)以上的PV。如果PV/IP比能達(dá)到3以上的話，一般說明流量比較真實(shí)，網(wǎng)站內(nèi)容也不錯(cuò)。但是如果低于3的話，并不代表流量不真實(shí)，也可能是網(wǎng)站本身的問題。如果PV/IP過高的話，也可能有問題，比如人力重復(fù)刷新等，要謹(jǐn)慎對(duì)待。

訂單轉(zhuǎn)化率：這個(gè)是最最核心的數(shù)據(jù)了，沒有訂單轉(zhuǎn)化率，其他一切都是免談！某些牛B的B3C能做到4%的提袋率！某些卻僅僅是0.1%，努力吧，眾B2Cer們。站內(nèi)數(shù)據(jù)流分析，主要用來分析購(gòu)物流程是否順暢和產(chǎn)品分布是否合理，一般如下：

頁(yè)面流量排名：主要查看產(chǎn)品詳情頁(yè)的流量，特別是首頁(yè)陳列的產(chǎn)品詳情頁(yè)。參照最終的銷售比例，優(yōu)勝劣汰，用以調(diào)整銷售結(jié)構(gòu)。

場(chǎng)景轉(zhuǎn)化分析：從首頁(yè)-列表頁(yè)-詳情頁(yè)-購(gòu)物車-訂單提交頁(yè)-訂單成功頁(yè)，的數(shù)據(jù)流分析。比如說，首頁(yè)到達(dá)了10000用戶，伺此后的數(shù)據(jù)分別是8000-5000-1000-50-5，購(gòu)物車到訂單提交頁(yè)的相差比較大，大概就能看出來是購(gòu)物車出了問題，需要改進(jìn)。

頻道流量排名：各個(gè)頻道流量的排名，主要用來考慮產(chǎn)品組織的問題。

站內(nèi)搜索分析：這個(gè)反應(yīng)的是用戶關(guān)心的產(chǎn)品有哪些，產(chǎn)品調(diào)整的最直接數(shù)據(jù)。

用戶離開頁(yè)面分析：用戶在那些也頁(yè)面離開最多？是首頁(yè)還是頻道頁(yè)？是購(gòu)物車還是訂單提交頁(yè)。突然的大比例的離開網(wǎng)站，往往預(yù)示這問題的存在。

最后是用戶特征分析：

用戶停留時(shí)間：這個(gè)放在用戶特征分析里有些牽強(qiáng)。而且目前監(jiān)控用戶停留時(shí)間的方式是：用戶到達(dá)時(shí)間-用戶離開時(shí)間，但是用戶什么時(shí)候離開很難準(zhǔn)確判斷，這種數(shù)據(jù)僅作參考，一般停留時(shí)間越長(zhǎng)網(wǎng)站粘性越好。如果用戶停留時(shí)間超過1個(gè)小時(shí)，基本就是假流量，或者用大打開網(wǎng)頁(yè)忘記關(guān)了，呵呵。

新老用戶比例：老用戶比例越高，證明用戶忠誠(chéng)度不錯(cuò)。但是還要考慮絕對(duì)量，不能靠新用戶越來越少來襯托老用戶比例越來越高。

用戶地域分析：用戶地域與訂單地域分布基本一致，基本上就是用過互聯(lián)網(wǎng)用戶的分布比例以及經(jīng)濟(jì)發(fā)達(dá)程度等。這個(gè)對(duì)于提升區(qū)域配送及服務(wù)比較有幫助。

電子商務(wù)網(wǎng)站的基本數(shù)據(jù)分析就是以上這些，作為實(shí)際操作人員要根據(jù)數(shù)據(jù)分析的情況來發(fā)現(xiàn)問題和總結(jié)問題，進(jìn)而優(yōu)化網(wǎng)站的結(jié)構(gòu)和用戶體驗(yàn)、來提升網(wǎng)站的專轉(zhuǎn)化率和用戶忠誠(chéng)度。這些都是電子商務(wù)很重要的基礎(chǔ)工作，希望能為大家的利潤(rùn)做出貢獻(xiàn)

第五篇：電子商務(wù)數(shù)據(jù)挖掘方法論文

摘要： 電子商務(wù)是現(xiàn)代商業(yè)的主流趨勢(shì)，如何充分利用網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)發(fā)揮企業(yè)優(yōu)勢(shì)，成為企業(yè)制勝的法寶。本文介紹了常用的數(shù)據(jù)挖掘方法，以及在電子商務(wù)領(lǐng)域的應(yīng)用，分析了利用數(shù)據(jù)挖掘技術(shù)建設(shè)動(dòng)態(tài)、高效電子商務(wù)的可行性。

關(guān)鍵詞：數(shù)據(jù)挖掘 電子商務(wù) 數(shù)據(jù)庫(kù)

一、引言

電子商務(wù)是指以Internet網(wǎng)絡(luò)為載體、利用數(shù)字化電子方式開展的商務(wù)活動(dòng)。隨著網(wǎng)絡(luò)技術(shù)和數(shù)據(jù)庫(kù)技術(shù)的飛速發(fā)展，電子商務(wù)正顯示越來越強(qiáng)大的生命力。電子商務(wù)的發(fā)展促使公司內(nèi)部收集了大量的數(shù)據(jù)，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)，為公司創(chuàng)造更多潛在的利潤(rùn)。利用數(shù)據(jù)挖掘技術(shù)可以有效地幫助企業(yè)分析從網(wǎng)上獲取的大量數(shù)據(jù)，發(fā)現(xiàn)隱藏在其后的規(guī)律性，提取出有效信息，進(jìn)而指導(dǎo)企業(yè)調(diào)整營(yíng)銷策略，給客戶提供動(dòng)態(tài)的個(gè)性化的高效率服務(wù)。

二、數(shù)據(jù)挖掘技術(shù)

1.數(shù)據(jù)挖掘

數(shù)據(jù)挖掘(Data Mining)，又稱數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)(Knowledge Discovery in Database, KDD)，是從大量的、不完全的、有噪聲的、模糊的和隨機(jī)的數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的，但又是潛在有用的信息和知識(shí)的過程。數(shù)據(jù)挖掘是一門廣義的交叉學(xué)科，它匯聚了不同領(lǐng)域尤其是數(shù)據(jù)庫(kù)、人工智能、數(shù)理統(tǒng)計(jì)、可視化、并行計(jì)算等方面的知識(shí)。數(shù)據(jù)挖掘技術(shù)從一開始就是面向應(yīng)用領(lǐng)域，它不僅是面向特定數(shù)據(jù)庫(kù)的簡(jiǎn)單檢索查詢調(diào)用，而且，要對(duì)數(shù)據(jù)進(jìn)行微觀、中觀乃至宏觀的統(tǒng)計(jì)、分析、綜合和推理，以指定實(shí)際問題的求解，企圖發(fā)現(xiàn)事件間的相互關(guān)聯(lián)，甚至利用已有的數(shù)據(jù)對(duì)未來的活動(dòng)進(jìn)行預(yù)測(cè)。數(shù)據(jù)挖掘技術(shù)在金融、保險(xiǎn)、電信、大型超市等積累有大量數(shù)據(jù)的電子商務(wù)行業(yè)有著廣泛的應(yīng)用，如信用分析、風(fēng)險(xiǎn)分析、欺詐檢驗(yàn)、用戶聚類分析、消費(fèi)者習(xí)慣分析等。

2.數(shù)據(jù)挖掘過程

挖掘數(shù)據(jù)過程可以分為3個(gè)步驟：數(shù)據(jù)預(yù)處理、模式發(fā)現(xiàn)、模式分析。

(1)數(shù)據(jù)預(yù)處理。實(shí)際系統(tǒng)中的數(shù)據(jù)一般都具有不完全性、冗余性和模糊性。因此，數(shù)據(jù)挖掘一般不對(duì)原始數(shù)據(jù)進(jìn)行挖掘，要通過預(yù)處理提供準(zhǔn)確、簡(jiǎn)潔的數(shù)據(jù)。預(yù)處理主要完成以下工作：包括合并數(shù)據(jù)，將多個(gè)文件或多個(gè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行合并處理；選擇數(shù)據(jù)，提取出適合分析的數(shù)據(jù)集合；數(shù)據(jù)清洗、過濾，剔除一些無關(guān)記錄，將文件、圖形、圖像及多媒體等文件轉(zhuǎn)換成可便于數(shù)據(jù)挖掘的格式等。

(2)模式發(fā)現(xiàn)。模式發(fā)現(xiàn)階段就是利用挖掘算法挖掘出有效的、新穎的、潛在的、有用的以及最終可以理解的信息和知識(shí)?？捎糜赪eb的挖掘技術(shù)有路徑選擇、關(guān)聯(lián)分析、分類規(guī)則、聚類分析、序列分析、依賴性建模等等。

(3)模式分析。模式分析是從模式發(fā)現(xiàn)階段獲得的模式、規(guī)則中過濾掉不感興趣的規(guī)則和模式。通過技術(shù)手段，對(duì)得到的模式進(jìn)行數(shù)據(jù)分析，得出有意義的結(jié)論。常用的技術(shù)手段有：關(guān)聯(lián)規(guī)則、分類、聚類、序列模式等。

三、電子商務(wù)中幾種常用的數(shù)據(jù)挖掘方法

1.關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘研究的主要模式之一，側(cè)重于確定數(shù)據(jù)中不同領(lǐng)域之間的關(guān)系，找出滿足給定條件下的多個(gè)域間的依賴關(guān)系。關(guān)聯(lián)規(guī)則挖掘?qū)ο笠话闶谴笮蛿?shù)據(jù)庫(kù)，該規(guī)則一般表示式為：A1∧A2∧…Am=>B1∧B2∧…Bm，其中，Ak(k=1,2,…, m)，Bj(j=1,2,…,n)是數(shù)據(jù)庫(kù)中的數(shù)據(jù)項(xiàng)。有Support(A=>B)=p(A∪B)，Confidence(A=>B)=p(A|B)。數(shù)據(jù)項(xiàng)之間的關(guān)聯(lián)，即根據(jù)一個(gè)事務(wù)中某些數(shù)據(jù)項(xiàng)的出現(xiàn)可以導(dǎo)出另一些數(shù)據(jù)項(xiàng)在同一事務(wù)中的出現(xiàn)。關(guān)聯(lián)分析的目的是挖掘出隱藏在數(shù)據(jù)間的相互關(guān)系。關(guān)聯(lián)規(guī)則用于尋找在同一個(gè)事件中出現(xiàn)的不同項(xiàng)的相關(guān)性，比如在一次購(gòu)買活動(dòng)中所買不同商品的相關(guān)性。關(guān)聯(lián)分析的典型例子是購(gòu)物籃分析，描述顧客的購(gòu)買行為，可以幫助零售商決定商品的擺放和捆綁銷售策略。如著名的(面包+黃油→牛奶)例子就屬于關(guān)聯(lián)分析：在超市中，90%的顧客在購(gòu)買面包和黃油的同時(shí)，也會(huì)購(gòu)買牛奶。直觀的意義是：顧客在購(gòu)買某種商品時(shí)有多大的傾向會(huì)購(gòu)買另外一些商品。找出所有類似的關(guān)聯(lián)規(guī)則，對(duì)于企業(yè)確定生產(chǎn)銷售、產(chǎn)品分類設(shè)計(jì)、市場(chǎng)分析等多方面是有價(jià)值的。

2.聚類分析方法

類聚分析就是直接比較樣本中各事物之間的性質(zhì)，將性質(zhì)相近的歸為一類，而將性質(zhì)差別較大的分在不同的類。對(duì)變量聚類計(jì)算變量之間的距離，對(duì)樣本聚類則計(jì)算樣本之間的距離。它的目的是使得屬于同一類別的個(gè)體之間的距離盡可能小，而不同類別上的個(gè)體間的距離盡可能大。

聚類分析用于把有相似特性的客戶、數(shù)據(jù)項(xiàng)集合到一起。在電子商務(wù)中, 聚類分析常用于市場(chǎng)細(xì)分。根據(jù)已有客戶的數(shù)據(jù)，利用聚類技術(shù)將市場(chǎng)按客戶消費(fèi)模式的相似性分為若干細(xì)分市場(chǎng)，以進(jìn)行有針對(duì)性的市場(chǎng)營(yíng)銷，提供更適合、更滿意的服務(wù)。如自動(dòng)給一個(gè)特定的客戶聚類發(fā)送銷售郵件，為一個(gè)客戶聚類動(dòng)態(tài)地改變一個(gè)特殊的站點(diǎn)等。通過對(duì)聚類的客戶特征的提取，電子商務(wù)網(wǎng)站還可以為客戶提供個(gè)性化的服務(wù)。

3.分類分析

分類系統(tǒng)是基于遺傳算法的機(jī)器學(xué)習(xí)中的一類，它包括一個(gè)簡(jiǎn)單的基于串規(guī)則的并行生成子系統(tǒng)、規(guī)則評(píng)價(jià)子系統(tǒng)和遺傳算法子系統(tǒng)。分類系統(tǒng)正在被人們?cè)絹碓蕉嗟貞?yīng)用于科學(xué)、工程和經(jīng)濟(jì)領(lǐng)域中，是目前遺傳算法研究領(lǐng)域中一個(gè)非?；钴S的領(lǐng)域。

分類分析是數(shù)據(jù)挖掘中應(yīng)用最多的方法。分類要解決的問題是為一個(gè)事件或?qū)ο髿w類，既可以用于分析已有的數(shù)據(jù)，也可以用來預(yù)測(cè)未來的數(shù)據(jù)。分類通過分析已知分類信息的歷史數(shù)據(jù)，總結(jié)出一個(gè)預(yù)測(cè)模型，預(yù)測(cè)哪些人可能會(huì)對(duì)郵寄廣告、產(chǎn)品目錄等有反應(yīng)，可以針對(duì)這一類客戶的特點(diǎn)展開商務(wù)活動(dòng)，提供個(gè)性化的信息服務(wù)。

4.序列模式

序列模式挖掘就是要挖掘出交易集之間有時(shí)間序列關(guān)系的模式。它挖掘的側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后或因果關(guān)系，找到那些“一些項(xiàng)跟隨另一些項(xiàng)”，以預(yù)測(cè)未來的訪問模式。序列模式分析和關(guān)聯(lián)分析類似，其目的也是為了挖掘數(shù)據(jù)之間的聯(lián)系，但序列模式分析的側(cè)重點(diǎn)在于分析數(shù)據(jù)間的前后序列關(guān)系。它能發(fā)現(xiàn)數(shù)據(jù)庫(kù)中形如“在某一段時(shí)間內(nèi)，顧客購(gòu)買商品A，接著購(gòu)買商品B，而后購(gòu)買商品C，即序列A-B-C出現(xiàn)的頻率較高”之類的知識(shí)。序列模式分析描述的問題是：在給定交易序列數(shù)據(jù)庫(kù)中，每個(gè)序列是按照交易時(shí)間排列的一組交易集，挖掘序列函數(shù)作用在這個(gè)交易序列數(shù)據(jù)庫(kù)上，返回該數(shù)據(jù)庫(kù)中出現(xiàn)的高頻序列。在進(jìn)行序列模式分析時(shí)，同樣也需要有用戶輸入最小置信度C和最小支持度S。

序列模式便于進(jìn)行電子商務(wù)的組織，預(yù)測(cè)客戶的訪問模式，對(duì)客戶開展有針對(duì)性的廣告服務(wù)或者主動(dòng)推薦客戶感興趣的頁(yè)面，以滿足訪問者的特定要求。

四、結(jié)束語

電子商務(wù)是現(xiàn)代信息技術(shù)發(fā)展的必然結(jié)果，也是未來商業(yè)運(yùn)作模式的必然選擇。利用數(shù)據(jù)挖掘技術(shù)來分析大量的數(shù)據(jù)，可以挖掘出商品的消費(fèi)規(guī)律與客戶的訪問模式，幫助企業(yè)制定有效的營(yíng)銷策略，充分發(fā)揮企業(yè)的獨(dú)特優(yōu)勢(shì)，促進(jìn)管理創(chuàng)新和技術(shù)創(chuàng)新，提高企業(yè)競(jìng)爭(zhēng)力。

隨著電子商務(wù)發(fā)展的勢(shì)頭越來越強(qiáng)勁, 面向電子商務(wù)的數(shù)據(jù)挖掘?qū)⑹且粋€(gè)非常有前景的領(lǐng)域。它能自動(dòng)預(yù)測(cè)客戶的消費(fèi)趨勢(shì)、市場(chǎng)走向，指導(dǎo)企業(yè)建設(shè)個(gè)性化智能網(wǎng)站，帶來巨大的商業(yè)利潤(rùn)，可以為企業(yè)創(chuàng)建新的商業(yè)增長(zhǎng)點(diǎn)。但是在面向電子商務(wù)的數(shù)據(jù)挖掘中也存在很多問題急需解決，比如怎樣將服務(wù)器的日志數(shù)據(jù)轉(zhuǎn)化成適合某種數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)格式，怎樣解決分布性、異構(gòu)性數(shù)據(jù)源的挖掘，如何控制整個(gè)Web上知識(shí)發(fā)現(xiàn)過程等。隨著硬件環(huán)境、挖掘算法的深入研究及應(yīng)用經(jīng)驗(yàn)的積累，數(shù)據(jù)挖掘技術(shù)及在電子商務(wù)中的應(yīng)用必將取得長(zhǎng)足的進(jìn)展。