電商數(shù)據(jù)分析1、  RFM模型

          模型定義：在眾多的客戶關(guān)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(chuàng)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(biāo)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(xiàn)(Frequency)表示客戶在最近一段時間內(nèi)購買的次數(shù)，M (Monetary)表示客戶在最近一段時間內(nèi)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(diào)以客戶的行為來區(qū)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(qū)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(fā)現(xiàn)流失及休眠會員，通過對流失及休眠會員的及時發(fā)現(xiàn)，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(yōu)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(quán)重或按一定的規(guī)則進行分組，然后組合使用，即可分出很多不同級別的會員。
 

電商數(shù)據(jù)分析2、  關(guān)聯(lián)分析

           關(guān)聯(lián)分析最原始的案例來自于沃爾瑪?shù)摹捌【婆c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(rèn)為A、B兩個商品的關(guān)聯(lián)性比較高。很多數(shù)據(jù)挖掘工具都有關(guān)聯(lián)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(guān)性這三個結(jié)果數(shù)據(jù)，以最終確定商品之間的相關(guān)性。除了Apriori算法外，還有許多其他的關(guān)聯(lián)分析的算法，基本上也都是從Apriori發(fā)展而來，比如FPgrowth。本人從幾年的數(shù)據(jù)分析經(jīng)驗感覺，關(guān)聯(lián)分析在零售業(yè)中并不太實用，挖掘出來的關(guān)聯(lián)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(guān)陳列等。
 
電商數(shù)據(jù)分析3、  聚類分析
零售行業(yè)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(xì)分，以支持精細(xì)化的營銷活動，帶來更大的營銷效果，節(jié)省成本。Spss里面的聚類分析主要有兩種K-means聚類和系統(tǒng)聚類。也可以在數(shù)據(jù)倉庫中根據(jù)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(jù)系統(tǒng)的已經(jīng)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(yè)務(wù)更加貼近。聚類分析是進行會員精細(xì)化管理，精細(xì)化營銷的基礎(chǔ)，做好聚類分析，對企業(yè)將有很大的益處。
使用方法：對顧客細(xì)分，精準(zhǔn)化營銷。
 
電商數(shù)據(jù)分析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(shù)據(jù)里面，從中抽取更大的會員群體，以制定精準(zhǔn)的營銷。
 
再后來，公司又上了SAP，又去BW組去做報表開發(fā)，做報表開發(fā)這一塊能夠接觸到更多的業(yè)務(wù)方面的知識，雖然做數(shù)據(jù)挖掘比較少了，但是數(shù)據(jù)最終是要指導(dǎo)業(yè)務(wù)的，所以這對我的成長也算是非常有利的。業(yè)務(wù)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(yīng)商的庫存的時候會根據(jù)正品庫存及滯銷庫存和庫存正常的周轉(zhuǎn)天數(shù)來計算該供應(yīng)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(lǐng)導(dǎo)、控制和協(xié)調(diào)管理的工作。數(shù)據(jù)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(wù)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(jīng)常會幫網(wǎng)站做一些分析工作，自己也自學(xué)了兩本關(guān)于網(wǎng)站數(shù)據(jù)分析方面的書，感覺學(xué)到了一些皮毛，下面說一下吧：
1、  網(wǎng)站流量分析
網(wǎng)站流量的比較重要的KPI指標(biāo)有瀏覽量、訪問量、獨立訪客數(shù)、跳失率、轉(zhuǎn)化率、頁面停留時間、訪問頁面數(shù)、流量來源、流量來源ROI等等。通過這些數(shù)據(jù)可以全面的反映網(wǎng)站的整體情況。其中跳失率可以用來衡量頁面的質(zhì)量，流量來源及轉(zhuǎn)化率可以衡量市場及營銷的工作情況。進行網(wǎng)站數(shù)據(jù)分析的時候，需要牢牢的把握轉(zhuǎn)化率這一指標(biāo)，然后由這一指標(biāo)的變化來尋找其他相關(guān)數(shù)據(jù)的變化，最終找出原因，做相對應(yīng)的策略，改進我們的工作。
 
2、  網(wǎng)站分析細(xì)分
數(shù)據(jù)分析行業(yè)有句話-無細(xì)分，毋寧死，足矣看出細(xì)分對數(shù)據(jù)分析意義。對于網(wǎng)站的數(shù)據(jù)分析尤其是如此。網(wǎng)站的流量數(shù)據(jù)量非常大，從整體上看根本都看不出那里會出現(xiàn)問題，所以必須要細(xì)分。比如說營銷人員需要看的轉(zhuǎn)化率，必須就要細(xì)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(wǎng)頁，對什么感興趣，跳失率是多少，瀏覽時間多長，最終轉(zhuǎn)化的是多少等等，這樣才能看出問題。
 
3、  網(wǎng)站的短信促銷及EDM
在這個電子商務(wù)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(fā)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(zhuǎn)化率，這就需要更精準(zhǔn)的用戶定位，把錢花到最有可能帶來收益的地方。因此網(wǎng)站的短息促銷及EDM促銷，必須要依據(jù)會員的精細(xì)化細(xì)分，不但要滿足客戶的需求，更要挖掘出他們的需求。