第一篇：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)營指標(biāo)；

2、銷售指標(biāo)；

3、營銷活動(dòng)指標(biāo)；

4、經(jīng)營環(huán)境指標(biāo)；

5、客戶價(jià)值指標(biāo)；

1、網(wǎng)站運(yùn)營指標(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}庫）、系統(tǒng)/實(shí)物報(bào)缺率、上架完成率/出庫及時(shí)率、出庫率、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)、加入購物車次數(shù)、在線支付次數(shù)、購物車轉(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)購買率；

3、營銷活動(dòng)指標(biāo)：

市場(chǎng)營銷活動(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)營環(huán)境指標(biāo)：

內(nèi)部購物指標(biāo)：

運(yùn)營指標(biāo)：PV、UV、購物車轉(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、最短購物流程、購物體驗(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)購買；

第二篇：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，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，主要用來分析購物流程是否順暢和產(chǎn)品分布是否合理，一般如下：

頁面流量排名：主要查看產(chǎn)品詳情頁的流量，特別是首頁陳列的產(chǎn)品詳情頁。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-列表頁-詳情頁-購物車-訂單提交頁-訂單成功頁，的數(shù)據(jù)流分析。比如說，首頁到達(dá)了10000用戶，伺此后的數(shù)據(jù)分別是8000-5000-1000-50-5，購物車到訂單提交頁的相差比較大，大概就能看出來是購物車出了問題，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)。

用戶離開頁面分析：用戶在那些也頁面離開最多？是首頁還是頻道頁？是購物車還是訂單提交頁。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做出貢獻(xiàn)

第三篇：電子商務(wù)網(wǎng)站評(píng)價(jià)指標(biāo)體系

電子商務(wù)網(wǎng)站評(píng)價(jià)指標(biāo)體系

當(dāng)越來越多的傳統(tǒng)企業(yè)觸網(wǎng)，其所帶來的不僅僅是平臺(tái)、機(jī)制、人才與其與傳統(tǒng)渠道的沖突問題，更重要的是企業(yè)應(yīng)該以哪些可以量化、考核的指標(biāo)來對(duì)企業(yè)的電子商務(wù)效果進(jìn)行評(píng)估的問題，這是最后一公里的問題，但往往是最關(guān)鍵、最重要的問題。對(duì)于有志于開展電子商務(wù)的傳統(tǒng)企業(yè)而言，建設(shè)一個(gè)優(yōu)秀的網(wǎng)上旗艦店往往是第一步，接下來才是人才、經(jīng)費(fèi)和機(jī)制的問題。一個(gè)優(yōu)秀的網(wǎng)上旗艦店的評(píng)價(jià)指標(biāo)體系一方面包括網(wǎng)站本身的一些指標(biāo)，也包括一些網(wǎng)絡(luò)營銷的指標(biāo)，建立一個(gè)有效地企業(yè)電子商務(wù)評(píng)價(jià)指標(biāo)模型具有實(shí)際意義。

可以講企業(yè)電子商務(wù)評(píng)價(jià)模型分為四大塊：第一是網(wǎng)站本身，第二是網(wǎng)站流量，第三是網(wǎng)站的電子商務(wù)指標(biāo)，第四是客戶價(jià)值指標(biāo)。因?yàn)榫W(wǎng)站本身的評(píng)價(jià)指標(biāo)就已經(jīng)自成體系，本身就是一個(gè)很大的體系，所以本文擬從后三者的角度進(jìn)行總結(jié)。

第一，在企業(yè)電子商務(wù)的過程中，網(wǎng)站建設(shè)好了，第一步就是要讓更多的人知道、使用，也就要一定要有流量。

通常說的網(wǎng)站流量（traffic）是指網(wǎng)站的訪問量，是用來描述訪問一個(gè)網(wǎng)站的用戶數(shù)量以及用戶所瀏覽的網(wǎng)頁數(shù)量等指標(biāo)，常用的統(tǒng)計(jì)指標(biāo)包括網(wǎng)站的獨(dú)立用戶數(shù)量、總用戶數(shù)量（含重復(fù)訪問者）、網(wǎng)頁瀏覽數(shù)量、每個(gè)用戶的頁面瀏覽數(shù)量、用戶在網(wǎng)站的平均停留時(shí)間等。

網(wǎng)站訪問統(tǒng)計(jì)分析的基礎(chǔ)是獲取網(wǎng)站流量的基本數(shù)據(jù)，網(wǎng)站流量統(tǒng)計(jì)指標(biāo)大致可以分為三類，每類包含若干數(shù)量的統(tǒng)計(jì)指標(biāo)，它包括網(wǎng)站流量指標(biāo)和用戶行為指標(biāo)。

1、網(wǎng)站流量指標(biāo)

網(wǎng)站流量統(tǒng)計(jì)指標(biāo)常用來對(duì)網(wǎng)站效果進(jìn)行評(píng)價(jià)，主要指標(biāo)包括：

1）、獨(dú)立訪問者數(shù)量（unique visitors）；

2）、重復(fù)訪問者數(shù)量（repeat visitors）

3）、頁面瀏覽數(shù)（page views）；

4）、每個(gè)訪問者的頁面瀏覽數(shù)（Page Views per user）；

5）、某些文件/頁面的統(tǒng)計(jì)指標(biāo)，如頁面顯示次數(shù)、文件下載次數(shù)。

2、用戶行為指標(biāo)

用戶行為指標(biāo)主要反映用戶是如何來到網(wǎng)站的、在網(wǎng)站上停留了多長時(shí)間、訪問了那些頁面等，主要的統(tǒng)計(jì)指標(biāo)包括：

1）、用戶在網(wǎng)站的停留時(shí)間；

2）、用戶來源網(wǎng)站（也叫“引導(dǎo)網(wǎng)站”）；

3）、用戶所使用的搜索引擎及其關(guān)鍵詞；

4）、在不同時(shí)段的用戶訪問量情況等。

3、用戶瀏覽網(wǎng)站的方式 時(shí)間 設(shè)備、瀏覽器名稱和版本、操作系統(tǒng)

用戶瀏覽網(wǎng)站的方式相關(guān)統(tǒng)計(jì)指標(biāo)主要包括：

1）、用戶上網(wǎng)設(shè)備類型；

2）、用戶瀏覽器的名稱和版本；

3）、訪問者電腦分辨率顯示模式；

4）、用戶所使用的操作系統(tǒng)名稱和版本；

5）、用戶所在地理區(qū)域分布狀況等。

第二，對(duì)于一般的企業(yè)電子商務(wù)網(wǎng)站而言，僅僅有流量還是遠(yuǎn)遠(yuǎn)不夠的。企業(yè)電子商務(wù)最根本的目的是增加銷售額，提升品牌知名度，所有在有了一定的流量之外，更重要的就是提升

其流量轉(zhuǎn)化率，也就是將流量變現(xiàn)。

流量的商業(yè)價(jià)值在于其轉(zhuǎn)換率，僅僅有虛高的流量除了浪費(fèi)企業(yè)的廣告和推廣費(fèi)用，并不能為企業(yè)帶來真正的銷售額。盡管提升流量有助于為互聯(lián)網(wǎng)零售企業(yè)帶來更多的人氣，但是如何將人氣轉(zhuǎn)化為實(shí)實(shí)在在的金錢，則需要提升以下幾個(gè)和流量休戚相關(guān)的指標(biāo)。

1、流量注冊(cè)比，即一定時(shí)期內(nèi)，網(wǎng)站注冊(cè)人數(shù)占訪問量的比例。

2、提袋率。

在互聯(lián)網(wǎng)零售業(yè)，提袋率是指一定時(shí)期內(nèi)，將商品放入購物車或加入收藏夾的顧客人數(shù)占該時(shí)間段網(wǎng)站訪問量的比例。網(wǎng)絡(luò)銷售的提袋率并不能直接反映出企業(yè)經(jīng)營業(yè)績(jī)的好壞，因?yàn)閷⑸唐芳尤胭徫镘嚴(yán)锏南M(fèi)者并不一定要為它們買單。

不過對(duì)于互聯(lián)網(wǎng)零售企業(yè)來說，提袋率的作用在于幫助企業(yè)分析哪些產(chǎn)品是消費(fèi)者曾經(jīng)感興趣卻最終放棄的，哪些產(chǎn)品是令消費(fèi)者反復(fù)觀看卻又猶豫不決的。企業(yè)可以著重分析這些產(chǎn)品的特點(diǎn)——也許只需改進(jìn)一點(diǎn)點(diǎn)，比如商品外觀設(shè)計(jì)，或者僅僅是改變一下文字描述，放到網(wǎng)站顯眼的地方推薦，它們就有可能竄上熱銷榜。

3、訂單轉(zhuǎn)換率，即一定時(shí)期內(nèi)的訂單數(shù)占訪問量的比例。

這是反映流量商業(yè)價(jià)值最核心的指標(biāo)，只有當(dāng)流量轉(zhuǎn)換為訂單，企業(yè)才能收獲真金白銀。一些互聯(lián)網(wǎng)零售企業(yè)有可能絕口不提流量注冊(cè)比、提袋率等指標(biāo)，訂單轉(zhuǎn)換率卻是所有企業(yè)都關(guān)注的數(shù)據(jù)。

4、跳出率，這是指一定時(shí)期內(nèi)，僅僅在首頁匆匆“飄”過，便立即離開網(wǎng)站的人數(shù)占所有訪問量的比例。跳出率越高的網(wǎng)站，意味著流量的無效性也更高。

5、IPV。

除了和所有企業(yè)一樣關(guān)注PV（PageView）之外，淘寶還非常關(guān)注IPV（ItemPageView）。也是很多企業(yè)關(guān)注的流量指標(biāo)。后者是反映商品類目關(guān)注度的一個(gè)指標(biāo)，比如消費(fèi)者登錄淘寶首頁后，是否再進(jìn)入某些商品類目中，究竟瀏覽了哪些單個(gè)的商品——這為考核每個(gè)商品類目的銷售業(yè)績(jī)提供了數(shù)據(jù)支持。

上述指標(biāo)有助于對(duì)流量的有效性做出量化的評(píng)估。但如何提高流量轉(zhuǎn)換率？你需要找到適合你的顧客，即含金量高的顧客。

第三、客戶價(jià)值評(píng)價(jià)指標(biāo)

1、客戶的含金量。

而在互聯(lián)網(wǎng)零售領(lǐng)域，消費(fèi)人群的含金量則是按照普通網(wǎng)民、注冊(cè)用戶、實(shí)名注冊(cè)用戶、經(jīng)過身份認(rèn)證的實(shí)名注冊(cè)用戶、具有信用體系的認(rèn)證實(shí)名用戶這5個(gè)層級(jí)組成的金字塔結(jié)構(gòu)依次上升的。多數(shù)互聯(lián)網(wǎng)零售企業(yè)的顧客位于實(shí)名注冊(cè)用戶及以上的層級(jí)，抓住這些位于金字塔上部的人群，可以令企業(yè)集中精力去維護(hù)含金量最高的那部分客戶，做到有的放矢。

2、每筆訂單平均瀏覽時(shí)間。

當(dāng)網(wǎng)絡(luò)聯(lián)盟、門戶廣告、社區(qū)等途徑為零售網(wǎng)站引來人群時(shí)，用戶在網(wǎng)站上的瀏覽時(shí)間與網(wǎng)站交易量的比率顯得尤為重要，這個(gè)指標(biāo)即每筆訂單平均瀏覽時(shí)間，這是尼爾森公司推薦的一個(gè)衡量互聯(lián)網(wǎng)零售企業(yè)發(fā)展?jié)摿Φ脑u(píng)估指標(biāo)。

3、客單價(jià)，即每個(gè)客戶平均消費(fèi)金額。

這是互聯(lián)網(wǎng)零售企業(yè)對(duì)客戶價(jià)值的另一個(gè)考核指標(biāo)。對(duì)于零售網(wǎng)站來說，客單價(jià)自然是越高越好。因?yàn)槊抗P訂單都會(huì)耗費(fèi)管理成本，如果是銷售實(shí)物，每筆訂單還將耗費(fèi)物流成本——如果客單價(jià)太低，企業(yè)將投入更多精力提升訂單量，同時(shí)也意味著利潤空間的降低。客

單價(jià)與企業(yè)銷售的商品相關(guān)，比如銷售襯衫的企業(yè)和銷售義烏小商品的企業(yè)的客單價(jià)顯然不一樣，因此企業(yè)在開始選品時(shí)，就得考慮客單價(jià)的問題。

客單價(jià)的另外一個(gè)參考意義是，如果企業(yè)要進(jìn)入某個(gè)互聯(lián)網(wǎng)零售平臺(tái)，比如淘寶、易趣、拍拍等交易類網(wǎng)站，參考它們的客單價(jià)，可以客觀衡量自己的商品是否適合在上面銷售。目前淘寶的客單價(jià)是280元，淘寶的消費(fèi)者多會(huì)接受這個(gè)價(jià)格甚至更低的商品。今年4月華倫天奴曾經(jīng)進(jìn)駐過淘寶的B2C平臺(tái)，但是因?yàn)榭蛦蝺r(jià)在500元以上，價(jià)格昂貴導(dǎo)致生意蕭條，3個(gè)月內(nèi)僅僅成交28單，最終華倫天奴撤出了淘寶。

4、回頭客的比例，即重復(fù)購買率。

這也是一個(gè)從客戶創(chuàng)造價(jià)值的角度來考核互聯(lián)網(wǎng)零售經(jīng)營狀況的重要指標(biāo)。

5、新客戶開發(fā)成本。

通常的計(jì)算公式是每個(gè)新客戶成本＝（廣告費(fèi)＋推廣費(fèi)）/新增的顧客數(shù)。

以上是關(guān)于傳統(tǒng)企業(yè)進(jìn)軍電子商務(wù)的關(guān)于其旗艦店的效果評(píng)價(jià)指標(biāo)體系，尚待完善。

第四篇：電子商務(wù)B2C數(shù)據(jù)分析全流程

電子商務(wù)B2C數(shù)據(jù)分析全流程

“請(qǐng)舉手！如果你的用戶轉(zhuǎn)化率每天達(dá)到了5%。”如果這樣問中國所有的B2C網(wǎng)站。

結(jié)果是，一個(gè)舉手的人都沒有。

目前，絕大多數(shù)B2C的轉(zhuǎn)化率都在1%以下，做的最好的也只能到3.5%左右(比如以賣圖書為主的當(dāng)當(dāng))

我想，所有的B2C都會(huì)關(guān)心三個(gè)問題：究竟那97%去了哪里?自己的網(wǎng)站在什么環(huán)節(jié)變成了漏斗，讓進(jìn)來的客戶像沙子一樣一點(diǎn)點(diǎn)地流失？以及怎么檢修隱藏的漏斗，減少漏水的速度？

數(shù)據(jù)，這個(gè)時(shí)候可以是一雙眼睛，可以讓我們看得一些蛛絲馬跡。

一、分解B2C漏水的過程

大家只知道B2C的轉(zhuǎn)化率不高，但是卻不知道客戶是怎么流失的。一群用戶進(jìn)來網(wǎng)站，他們經(jīng)過首頁、中間頁、產(chǎn)品頁、購物車以及結(jié)算等幾個(gè)步驟，通常他們?cè)谶@幾個(gè)環(huán)節(jié)是怎么分批離開的呢？其實(shí)，這不是沒有數(shù)據(jù)可查。

先給大家看一張圖。

這個(gè)數(shù)據(jù)圖，是我根據(jù)十幾年的工作經(jīng)驗(yàn)總結(jié)得到的，一般與實(shí)際情況相差不多。

圖一意思就是說，假定400個(gè)客戶到了你的網(wǎng)站，會(huì)到中間頁(包括搜索頁、分類頁、促銷頁)的只有320(60%~80%)個(gè)用戶，點(diǎn)擊進(jìn)產(chǎn)品頁的只有190個(gè)用戶，最后辛辛苦苦走到購物車只有9%~13%的用戶，這個(gè)時(shí)候還不能開心，因?yàn)椴⒉淮碛眠@些戶會(huì)掏錢，留到最后會(huì)付錢的用戶僅僅只有3%~5%。

更叫人難以接受的是，在這最終購買的3%~5%中(未包括支付成功)，最后回頭再次購買的，又要打一個(gè)大折扣。

在吐舌頭驚訝B2C生意難做之后，大家可以檢查一下自己網(wǎng)站的漏水?dāng)?shù)據(jù)。只有清楚了哪個(gè)環(huán)節(jié)漏水，才能補(bǔ)洞。

二、排查每個(gè)環(huán)節(jié)的漏洞在哪里

以下，我們按照漏水的順序，一個(gè)環(huán)節(jié)一個(gè)環(huán)節(jié)摸下去。

1、三問首頁

大部分B2C首頁有20%以上的彈出率，可能許多人對(duì)這個(gè)數(shù)字都習(xí)以為常，認(rèn)為非常正常。如果做得很細(xì)致的分析的話，可能就意外的收獲。

先問第一個(gè)問題：每天來的新客戶占多少？老客戶占多少？新老客戶的彈出率分別是多少？

我看了一下麥包包的數(shù)據(jù)，麥包包用了很多流量來支持網(wǎng)站首頁，如果他們的彈出率很高，那也是很正常的。但是注意要問一句，新老用戶的彈出率分別多少？這個(gè)是比較容易考驗(yàn)網(wǎng)站的基礎(chǔ)能力，新客戶的彈出率可以檢驗(yàn)一個(gè)網(wǎng)站搶客戶的能力。對(duì)于老客戶來說，流程上的用戶體驗(yàn)相對(duì)不是最講究，這個(gè)就很考驗(yàn)Onsite Merchandising的能力，比如產(chǎn)品的質(zhì)量和價(jià)格是否吸引人。

一般的來說，如果是一個(gè)新網(wǎng)站，拓展新用戶比經(jīng)營老客戶更為重要的話，新老客戶的比例最好是在6比4(甚至7比3)，那么首頁就要有一些手段偏向抓住新客戶。

如果，新用戶的彈出率非常高，或者是老用戶的彈出率非常高，那么網(wǎng)站運(yùn)營者就該反思，是不是網(wǎng)站首頁的設(shè)計(jì)沒有照顧到新客戶或者老客戶。

做了三年的B2C網(wǎng)站，建議分新老用戶兩個(gè)首頁，已經(jīng)在網(wǎng)站購買過的用戶，沒有必要再向它介紹網(wǎng)站，而是直接刺激他消費(fèi)。

再問第二個(gè)問題，流量分幾個(gè)大渠道進(jìn)來，每個(gè)渠道的彈出率情況如何？

問完了之后，接下來可能發(fā)現(xiàn)從百度和谷歌進(jìn)來的用戶，彈出率可能差異非常大。而且今天主流B2C網(wǎng)站，都在費(fèi)盡心思引進(jìn)流量，比如凡客今天做很多促銷，許多不是從“正門”(官網(wǎng)首頁)進(jìn)來，是“旁門”(LP促銷頁)進(jìn)來，所以今天注意首頁之外，還要看一下旁門。

針對(duì)自己的主要流量渠道排查下去，很容易發(fā)現(xiàn)，哪條渠道在漏水。找到了痛處之后，再找到相應(yīng)的解決方法就不難了。

接著再問第三個(gè)問題，首頁被點(diǎn)擊最多、最少的地方是否有異常情況？

在首頁，點(diǎn)擊次數(shù)異常的高、或者異常的低的地方，應(yīng)該引起注意。

這里，在特別給大家分享一個(gè)好用的“規(guī)律”，一般來說，首頁的“E”(以E字中間的“一”為界，上部是首頁第一屏)部份是最抓用戶眼球的地方，在這個(gè)“E”上如果出現(xiàn)點(diǎn)擊次數(shù)較低的情況，就屬于異常情況，應(yīng)當(dāng)注意，或者干脆移到“E”外面去；同理，如果在“E”的空白處出現(xiàn)了點(diǎn)擊次數(shù)較高的情況，也可分析原因，可考慮要不要移到“E”上面來。

國內(nèi)的B2C網(wǎng)站首頁非常長，可能許多用戶不會(huì)瀏覽到首頁底部，所以“E”最下面的“一”就往往可去掉，變成了“F”規(guī)律。

2、中間頁留客的三個(gè)技巧

先說一下美國用調(diào)查出來的現(xiàn)成數(shù)據(jù)，在B2C網(wǎng)站上的準(zhǔn)買家，有18%的用戶有找不到需要的產(chǎn)品的困難，有11%的用戶找到了產(chǎn)品但是不自己想要的，這29%的用戶基本會(huì)漏掉。

大部分用戶進(jìn)入首頁之后開始找產(chǎn)品，第一是看促銷，第二個(gè)看目錄，第三是用搜索工具。其中，大概有60%~70%的用戶是通過搜索+目錄的方式走到產(chǎn)品頁面。

同上，這三個(gè)渠道都要按照新老客戶分開去看一下離開率，這里不做贅述。這里和大家分享一下三個(gè)技巧。

技巧一：怎么判斷促銷、目錄和搜索是否成功，就看一下走到產(chǎn)品頁的用戶百分比是多少，哪一個(gè)渠道走得不好，就要改善。到底是怎么改進(jìn)？一般來說，促銷的原因與marketing的關(guān)系大一些，目錄與采購組關(guān)聯(lián)度大一些。

例如，拿產(chǎn)品目錄來說，手機(jī)應(yīng)該是按照品牌來分、功能分、還是按照價(jià)格來分？目錄經(jīng)理需要和采購經(jīng)理密切溝通，了解市場(chǎng)情況。曾經(jīng)，我去京東，京東有個(gè)做目錄的經(jīng)理問我，怎樣做好一個(gè)產(chǎn)品目錄？當(dāng)時(shí)我說我也沒答案，這個(gè)我研究了10多年，沒有特別好的標(biāo)準(zhǔn)答案，只能是與憑借多年的市場(chǎng)經(jīng)驗(yàn)。

如果一個(gè)網(wǎng)站前端的東西做不好，是營銷的責(zé)任多一些。到中間頁面，可以按照目錄的轉(zhuǎn)化率查一遍，轉(zhuǎn)化率差的目錄就要注意一下。

再說搜索，一般B2C網(wǎng)站是由目錄經(jīng)理+技術(shù)來做的。通過搜索工具找產(chǎn)品的用戶，自己有精確的需求，那么除了搜索技術(shù)之外(此環(huán)節(jié)與產(chǎn)品經(jīng)理的關(guān)系非常大)，還要提供符合用戶需要的產(chǎn)品。假想一下，如果一個(gè)用戶搜索出來的頁面只有3個(gè)產(chǎn)品，他肯定會(huì)判斷這個(gè)網(wǎng)站的東西非常少，如果還不那么符合自己要求的話，離開率幾乎是100%。

而多年做數(shù)據(jù)的經(jīng)驗(yàn)告訴我，一般來說，在搜索頁的第三頁至第四頁，用戶還沒有找到想要的產(chǎn)品，離開率就會(huì)很大。針對(duì)搜索頁離開率比較大的頁面，也有兩個(gè)分享的技巧。

技巧二：在離開率高的頁末尾，推薦給用戶另外一個(gè)搜索路徑，讓用戶換一條路找產(chǎn)品。

技巧三：對(duì)于那些找不到自己想要的東西的用戶，乘他們腦子是空的時(shí)候，彈出一個(gè)菜單，告訴他們10個(gè)人就有9個(gè)人買了某某產(chǎn)品，可能就會(huì)把他整個(gè)思維重新激活，又可能留下。

技巧三比技巧二對(duì)用戶的刺激大，但是也更冒險(xiǎn)，如果對(duì)推薦的產(chǎn)品沒有足夠大的把握，用戶可能轉(zhuǎn)頭就離開了。

3、產(chǎn)品頁要特別留意用戶停留時(shí)間

到了產(chǎn)品頁，用戶留不留，與產(chǎn)品描述、質(zhì)量有非常大的關(guān)系。所以，要特別留心客戶停留在產(chǎn)品頁的時(shí)間，如果許多用戶打開產(chǎn)品頁不到1秒鐘就走了，就要留意分析原因了。是不是這個(gè)產(chǎn)品沒有吸引力？是不是產(chǎn)品描述不準(zhǔn)確？要多問一些問題。

另外，和傳統(tǒng)零售業(yè)喜歡提到的“碰撞率”相似，網(wǎng)站運(yùn)營者應(yīng)該了解哪些產(chǎn)品是被看了最終頁，哪些沒有被用戶點(diǎn)看。

4、購物車?yán)锒嗌佼a(chǎn)品沒有付款？

但是并沒有下單付款。

許多用戶把產(chǎn)品放進(jìn)購物車，但是并不付款。找產(chǎn)品部負(fù)責(zé)人，為什么這么多用戶放在購物車?yán)飬s不付款？這對(duì)于一個(gè)B2C網(wǎng)站來說，是一個(gè)很嚴(yán)重的事情。

這里有三個(gè)點(diǎn)值得一提。

一是，許多B2C網(wǎng)站，等用戶要下單，提醒“請(qǐng)先注冊(cè)”，30%的人可能會(huì)選擇離開。這真的非常狠的一刀，從站外把用戶引進(jìn)來好不容易跋山涉水到了這一步，竟然還要給用戶一刀送他離開，多少B2C網(wǎng)站思考過是否必要設(shè)立這一“提醒”？

二是，如果找不到用戶不付款的原因，可以直接給幾個(gè)用戶電話訪問。

三是，分析同時(shí)被放在購物車的產(chǎn)品之間關(guān)聯(lián)性。

總之，到了購物車，是網(wǎng)站自己和自己比，定性的多，定量的少。

三、B2C的顧客也有生命周期

傳統(tǒng)零售企業(yè)，很難知道，客戶在一段時(shí)間內(nèi)購買了多少次產(chǎn)品、買的是什么價(jià)位，但是電子商務(wù)公司可以很清楚知道用戶的購買行為。

對(duì)于用戶規(guī)模很大的B2C來說，很有必要把用戶分為三個(gè)階段：以3個(gè)月為限(有些垂直網(wǎng)站要6個(gè)月至一年)，只購買夠一次的用戶、一個(gè)月購買過2到8次的用戶、購買過8次以上的用戶(每個(gè)網(wǎng)站可以根據(jù)自己的情況定次數(shù)，這里的數(shù)據(jù)是一般的規(guī)律)。B2C網(wǎng)站從0到1，可以說明拉客能力。當(dāng)一個(gè)客戶進(jìn)來，如何做1到x(X的具體數(shù)字，垂直網(wǎng)站和綜合有區(qū)別，企業(yè)在不同階段，X也會(huì)變)也十分重要，不同階段的用戶的維護(hù)方法是不一樣的。今天看很多網(wǎng)站，從1次到3次，會(huì)有50%以上用戶就不回頭流失了，而到了5-8次以上流失率便放慢了。

如何從1做到X，還有許多可討論，只是這篇文章集中介紹的是從0到1的轉(zhuǎn)化，所以在這里就不展開了。但是有一定是非?？隙ǖ氖牵蟛糠钟脩糁挥械谝淮钨徫矬w驗(yàn)非常好才

會(huì)回來重復(fù)購買。所以說，做好了從0到1，從1到X就已經(jīng)成功了一半了.

第五篇：電子商務(wù)網(wǎng)站營銷數(shù)據(jù)分析技術(shù)探討

電子商務(wù)網(wǎng)站營銷數(shù)據(jù)分析技術(shù)探討

電子商務(wù)（EC）在現(xiàn)代商務(wù)企業(yè)的發(fā)展中占有越來越重要的地位。如何利用信息技術(shù)掌握更多的商務(wù)信息已備受商家們的關(guān)注，站點(diǎn)分析技術(shù)正是為商家和網(wǎng)站提供了這樣一種有效的分析工具。

本文討論了一些站點(diǎn)分析的相關(guān)技術(shù)信息和幾種網(wǎng)站分析瀏覽者行為的理論與算法，及數(shù)據(jù)倉庫的相關(guān)理論知識(shí)。并對(duì)站點(diǎn)日志數(shù)據(jù)進(jìn)行了實(shí)例分析，并指出了站點(diǎn)分析技術(shù)發(fā)展的方向。

一、緒論

互聯(lián)網(wǎng)技術(shù)不斷革新與發(fā)展，給全球經(jīng)濟(jì)帶來新的革命，從而也影響著人們的生活。互聯(lián)網(wǎng)為企業(yè)提供了一種真正屬于自己并面對(duì)廣大網(wǎng)民的信息載體，企業(yè)通過這一載體，可以自由地將企業(yè)的產(chǎn)品、服務(wù)等其他相關(guān)信息在線發(fā)布。

電子商務(wù)就是網(wǎng)上實(shí)行各種商務(wù)活動(dòng)的總包裝，種種所謂電子商務(wù)解決方案，實(shí)際上就是實(shí)現(xiàn)各種網(wǎng)上商務(wù)活動(dòng)的硬件與軟件系統(tǒng)。它將影響到每一個(gè)人、每一個(gè)企業(yè)。電子商務(wù)的主體是我們每一個(gè)人、每一個(gè)企業(yè)，電子商務(wù)發(fā)展的過程就是對(duì)人們的生活、企業(yè)的運(yùn)行的一種模式的一個(gè)巨大改變的過程。對(duì)于進(jìn)入虛擬世界的商家而言，僅僅吸引注意力還不行，對(duì)它們而言，站點(diǎn)的訪問率絕對(duì)不僅僅是一個(gè)數(shù)字，它還是一種信息，如果網(wǎng)站能夠從網(wǎng)絡(luò)中獲得網(wǎng)民的信息并從中分析其行為誘因，那么就容易掌握網(wǎng)民的需求，從而利用互聯(lián)網(wǎng)去創(chuàng)造更多商機(jī)。

電子商務(wù)站點(diǎn)用戶行為的分析這一問題也因此成為現(xiàn)如今的熱門話題，被人們普遍關(guān)心起來，尤其是被眾商家所重視。Web站點(diǎn)的日志數(shù)據(jù)正以每天數(shù)十兆的速度增長。如何分析這些數(shù)據(jù)，如何從這些大量數(shù)據(jù)中發(fā)現(xiàn)有用的、重要的知識(shí)（包括模式、規(guī)則、可視化結(jié)構(gòu)等）也成為現(xiàn)在人們最關(guān)注的信息。

在此情況下，站點(diǎn)用戶行為分析就可為網(wǎng)站或商家提供出大量有價(jià)值的信息，包括站點(diǎn)的受歡迎度的對(duì)比、商業(yè)廣告點(diǎn)擊情況總括、產(chǎn)品的反饋信息、站點(diǎn)各種信息的點(diǎn)擊情況等等。另外，還可根據(jù)不同的頁面內(nèi)容來分類瀏覽者，以便做出更合理的頁面分類，促使網(wǎng)站逐步向個(gè)性化、最優(yōu)化狀態(tài)發(fā)展。這一技術(shù)對(duì)互聯(lián)網(wǎng)的發(fā)展壯大有著不可忽視的巨大作用，它的發(fā)展對(duì)信息技術(shù)亦將產(chǎn)生深遠(yuǎn)的影響。

在電子商務(wù)早期階段時(shí)，Web站點(diǎn)數(shù)據(jù)流分析通常是在主頁上安裝計(jì)數(shù)器以及在一個(gè)

外部日志文件上運(yùn)行簡(jiǎn)單的統(tǒng)計(jì)程序記錄點(diǎn)擊率。但是，簡(jiǎn)單的點(diǎn)擊計(jì)數(shù)既不準(zhǔn)確也遠(yuǎn)未達(dá)到營銷目的所需的詳細(xì)程度。因此，各公司開始尋找更先進(jìn)的分析工具，這類工具可以提供誰在訪問公司W(wǎng)eb站點(diǎn)以及訪問者一旦進(jìn)入站點(diǎn)后將做些什么的全面信息。站點(diǎn)開始分析的地方是Web服務(wù)器的訪問日志。每當(dāng)用戶在站點(diǎn)上請(qǐng)求一個(gè)網(wǎng)頁時(shí)，這個(gè)請(qǐng)求就被記錄在訪問日志中。如：目前有多少用戶正在訪問站點(diǎn)、他們正在看哪些網(wǎng)頁以及他們?cè)谡军c(diǎn)中呆了多長時(shí)間。顯然，日志分析和行為概況的正確組合可以對(duì)Web站點(diǎn)的成功產(chǎn)生直接影響。此外，從日志分析中得到的信息是很難從真實(shí)世界中捕獲到的，但這些信息卻可以較容易地在線收集到。Web數(shù)據(jù)流分析工具的這些最新進(jìn)展可以使網(wǎng)站獲得有關(guān)上網(wǎng)客戶和他們習(xí)慣的詳細(xì)報(bào)告。

二、站點(diǎn)信息統(tǒng)計(jì)方法

Web頁面數(shù)據(jù)主要是半結(jié)構(gòu)化數(shù)據(jù)，計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)和信息技術(shù)的飛速發(fā)展，使得半結(jié)構(gòu)化數(shù)據(jù)呈現(xiàn)日益繁榮的趨勢(shì)。半結(jié)構(gòu)化數(shù)據(jù)，是一種介于模式固定的結(jié)構(gòu)化數(shù)據(jù)，和完全沒有模式的無序數(shù)據(jù)之間，在查詢前無法預(yù)先確定其具體的類型和格式；同時(shí)它們相應(yīng)的數(shù)據(jù)結(jié)構(gòu)是不固定、不完全或不規(guī)則的，即這些數(shù)據(jù)有的本身就沒有結(jié)構(gòu)，有的只有十分松散的結(jié)構(gòu)，有的數(shù)據(jù)的結(jié)構(gòu)是隱含的，需要從數(shù)據(jù)中進(jìn)行抽取。而有時(shí)，盡管數(shù)據(jù)本身是有精確結(jié)構(gòu)的，但為了一定的目的，而故意忽視它的結(jié)構(gòu)。半結(jié)構(gòu)化數(shù)據(jù)具有以下五方面的主要特點(diǎn)：

1.結(jié)構(gòu)是不規(guī)則的。包含異構(gòu)數(shù)據(jù)、相同的數(shù)據(jù)信息用不同類型或不同的結(jié)構(gòu)表示。

2.結(jié)構(gòu)是隱含的。如電子文檔SGML格式。

3.結(jié)構(gòu)是部分的，有時(shí)部分?jǐn)?shù)據(jù)根本無結(jié)構(gòu)，而部分?jǐn)?shù)據(jù)只有粗略的結(jié)構(gòu)。

4.指示性結(jié)構(gòu)與約束性結(jié)構(gòu)。傳統(tǒng)的數(shù)據(jù)庫使用嚴(yán)格的分類策略來保護(hù)數(shù)據(jù)。而指示性數(shù)據(jù)結(jié)構(gòu)是對(duì)結(jié)構(gòu)的一種非精確的描述。它可接受所有新數(shù)據(jù)，代價(jià)是要頻繁修改結(jié)構(gòu)。

5.半結(jié)構(gòu)化數(shù)據(jù)通常在數(shù)據(jù)存在之后才能通過當(dāng)前數(shù)據(jù)歸納出其結(jié)構(gòu)，稱之為事后模式引導(dǎo)。模式有時(shí)可被忽略，同時(shí)數(shù)據(jù)與數(shù)據(jù)模式間的區(qū)別逐漸消除。

三、數(shù)據(jù)分析的方法

Web頁面的數(shù)據(jù)通常是利用統(tǒng)計(jì)模型和數(shù)學(xué)模型來分析的。使用的模型有線性分析和非線性分析；連續(xù)回歸分析和邏輯回歸分析；單變量和多變量分析以及時(shí)間序列分析等。這

些統(tǒng)計(jì)分析工具能提供可視化功能和分析功能來尋找數(shù)據(jù)間關(guān)系、構(gòu)造模型來分析、解釋數(shù)據(jù)。并通過交互式過程和迭代過程用來求精模型，最終開發(fā)出最具適應(yīng)性的模型來將數(shù)據(jù)轉(zhuǎn)化為有價(jià)值的信息。

知識(shí)發(fā)現(xiàn)是從數(shù)據(jù)倉庫的大量數(shù)據(jù)中篩取信息，尋找經(jīng)常出現(xiàn)的模式，檢查趨勢(shì)并發(fā)掘?qū)嵤?。它是分析Web頁面數(shù)據(jù)的重要方法。知識(shí)發(fā)現(xiàn)與模式識(shí)別的算法有以下幾種：1.依賴性分析依賴性分析算法搜索數(shù)據(jù)倉庫的條目和對(duì)象，從中尋找重復(fù)出現(xiàn)概率很高的模式。它展示了數(shù)據(jù)間未知的依賴關(guān)系。利用依賴性分析算法可以從某一數(shù)據(jù)對(duì)象的信息來推斷另一數(shù)據(jù)對(duì)象的信息。例如：在雜貨店中，一堆椒鹽餅干放在陳列飲料的走道上，這是因?yàn)榻?jīng)過依賴性分析，商店認(rèn)為：很大一部分買飲料的顧客如果在取飲料的路上看到椒鹽餅干的話就會(huì)購買，因而此種分析影響了商店布局。

2.聚類和分類在某些情況下，無法界定要分析的數(shù)據(jù)類，用聚類算法發(fā)現(xiàn)一些不知道的數(shù)據(jù)類或懷疑的數(shù)據(jù)類。聚類的過程是以某一特定時(shí)間為依據(jù)，找出一個(gè)共享一些公共類別的群體，它稱為無監(jiān)督學(xué)習(xí)。分類過程，這是發(fā)現(xiàn)一些規(guī)定某些商品或時(shí)間是否屬于某一特定數(shù)據(jù)子集的規(guī)則。這些數(shù)據(jù)類很少在關(guān)系數(shù)據(jù)庫中進(jìn)行定義，因而規(guī)范的數(shù)據(jù)模型中沒有它們的位置。最典型的例子是信用卡核準(zhǔn)過程，可確定能否按商品價(jià)格和其它標(biāo)準(zhǔn)把某一購買者歸入可接受的那一類中。分類又稱為有監(jiān)督學(xué)習(xí)。

3.神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)通過學(xué)習(xí)待分析數(shù)據(jù)中的模式來構(gòu)造模型。它對(duì)隱式類型進(jìn)行分類。圖像分析是神經(jīng)網(wǎng)絡(luò)最成功的應(yīng)用之一。神經(jīng)網(wǎng)絡(luò)用于模型化非線性的、復(fù)雜的或噪聲高的數(shù)據(jù)。一般神經(jīng)模型由三個(gè)層次組成：數(shù)據(jù)倉庫數(shù)據(jù)輸入、中間層（各種神經(jīng)元）和輸出。它通常用恰當(dāng)?shù)臄?shù)據(jù)庫示例來訓(xùn)練和學(xué)習(xí)、校正預(yù)測(cè)的模型，提高預(yù)測(cè)結(jié)果的準(zhǔn)確性。

4.數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則關(guān)聯(lián)規(guī)則是數(shù)據(jù)挖掘的一個(gè)重要內(nèi)容，通常關(guān)聯(lián)規(guī)則反映的是數(shù)據(jù)間的定性關(guān)聯(lián)關(guān)系。如一個(gè)商品交易數(shù)據(jù)庫，一條記錄表示用戶一次購買的商品種類，每個(gè)屬性（A、B??）代表一種商品，每個(gè)屬性都是布爾類型的。一條關(guān)聯(lián)規(guī)則的例子是：{A、B}→{D}[2%][60%]，規(guī)則的含義是“如果用戶購買商品A和B，那么也可能購買商品D，因?yàn)橥瑫r(shí)購買商品A、B和D的交易記錄占總交易數(shù)的2%而購買A和B的交易中，有60%的交易也包含D”。規(guī)則中60%是規(guī)則的信任度，2%是規(guī)則的支持度。數(shù)據(jù)挖掘就是要發(fā)現(xiàn)所有滿足用戶定義的最小信任度和支持度閥值限制的關(guān)聯(lián)規(guī)則。數(shù)據(jù)只是定性地描述一個(gè)交易是否包含某商品，而對(duì)交易量沒有定量描述，這種布爾類型數(shù)據(jù)間的關(guān)聯(lián)規(guī)則被稱為定性關(guān)聯(lián)規(guī)則。但數(shù)據(jù)記錄的屬性往往是數(shù)值型或字符型的，這些數(shù)據(jù)間也存在對(duì)決策有幫助的關(guān)聯(lián)規(guī)則，相對(duì)于定性關(guān)聯(lián)規(guī)則，這些規(guī)則被稱為定量關(guān)聯(lián)規(guī)則。

另外，數(shù)據(jù)挖掘目前仍面臨著數(shù)據(jù)質(zhì)量的問題。由于數(shù)據(jù)倉庫中的數(shù)據(jù)來自多個(gè)數(shù)據(jù)源，而在合并中存在很多障礙，如：沒有建立合并視圖所需的公共關(guān)鍵字；數(shù)據(jù)值相互抵觸；元

數(shù)據(jù)的說明不完備或丟失；數(shù)據(jù)值的不潔凈等等。數(shù)據(jù)挖掘是在標(biāo)準(zhǔn)化的數(shù)據(jù)基礎(chǔ)上進(jìn)行的，因而這些都會(huì)嚴(yán)重破壞數(shù)據(jù)的準(zhǔn)確性，導(dǎo)致最終決策的失誤。所有這些問題都在等待著人們?nèi)グl(fā)掘更好的解決方法。