一位電商數(shù)據(jù)分析師的經(jīng)驗(yàn)總結(jié)_數(shù)據(jù)分析師培訓(xùn)

　08年畢業(yè)，不知不覺(jué)的混進(jìn)了電子商務(wù)行業(yè)，又不知不覺(jué)的做了三年數(shù)據(jù)分析，恰好又趕上了互聯(lián)網(wǎng)電子商務(wù)行業(yè)發(fā)展最快的幾年，也算是不錯(cuò)吧，畢竟感覺(jué)前途還是很光明的。三年來(lái)，可以說(shuō)跟很多同事學(xué)到了不少東西，需要感謝的人很多，他們無(wú)私的教給了我很多東西。

　　就數(shù)據(jù)分析職業(yè)來(lái)說(shuō)，個(gè)人感覺(jué)這對(duì)互聯(lián)網(wǎng)公司來(lái)說(shuō)是非常重要的，也是確實(shí)能夠帶來(lái)實(shí)際效果的東西。比如說(shuō)利用數(shù)據(jù)分析做會(huì)員的細(xì)分以進(jìn)行精準(zhǔn)化營(yíng)銷；利用數(shù)據(jù)分析來(lái)發(fā)現(xiàn)現(xiàn)有的不足，以作改進(jìn)，讓顧客有更好的購(gòu)物體驗(yàn)；利用CRM系統(tǒng)來(lái)管理會(huì)員的生命周期，提高會(huì)員的忠誠(chéng)度，避免會(huì)員流失；利用會(huì)員的購(gòu)買數(shù)據(jù)，挖掘會(huì)員的潛在需求，提供銷售，擴(kuò)大影響力等等。

　　最開(kāi)始進(jìn)公司的時(shí)候是在運(yùn)營(yíng)部，主要是負(fù)責(zé)運(yùn)營(yíng)報(bào)表的數(shù)據(jù)，當(dāng)時(shí)的系統(tǒng)還很差，提取數(shù)據(jù)很困難，做報(bào)表也很難，都是東拼西湊一些數(shù)據(jù)，然后做成PPT，記得當(dāng)時(shí)主要的數(shù)據(jù)就是銷售額、訂單量、毛利額、客單價(jià)、每單價(jià)、庫(kù)存等一些特別基礎(chǔ)的數(shù)據(jù)，然后用這些數(shù)據(jù)作出一些圖表來(lái)。在這個(gè)階段基本上就是做一些數(shù)據(jù)的提取工作，Excel的技巧倒是學(xué)到了不少，算是數(shù)據(jù)分析入門了吧。

　　后來(lái)公司上了數(shù)據(jù)倉(cāng)庫(kù)，里面就有了大量的原始數(shù)據(jù)，提取數(shù)據(jù)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(gè)階段主要就是針對(duì)會(huì)員購(gòu)物行為的分析，開(kāi)始接觸數(shù)據(jù)建模，算法等一些比較難的東西，也是學(xué)到東西最多的時(shí)候。記得當(dāng)時(shí)做了很多分析報(bào)告，每周還要給總裁辦匯報(bào)這些報(bào)告，下面詳細(xì)說(shuō)一下當(dāng)時(shí)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(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(jià)值和客戶創(chuàng)利能力的重要工具和手段。該機(jī)械模型通過(guò)一個(gè)客戶的近期購(gòu)買行為、購(gòu)買的總體頻率以及花了多少錢三項(xiàng)指標(biāo)來(lái)描述該客戶的價(jià)值狀況。在RFM模式中，R(Recency)表示客戶最近一次購(gòu)買的時(shí)間有多遠(yuǎn)，F(xiàn)(Frequency)表示客戶在最近一段時(shí)間內(nèi)購(gòu)買的次數(shù)，M (Monetary)表示客戶在最近一段時(shí)間內(nèi)購(gòu)買的金額。一般的分析型CRM著重在對(duì)于客戶貢獻(xiàn)度的分析，RFM則強(qiáng)調(diào)以客戶的行為來(lái)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(huì)員金字塔，區(qū)分各個(gè)級(jí)別的會(huì)員，如高級(jí)會(huì)員、中級(jí)會(huì)員、低級(jí)會(huì)員，然后針對(duì)不同級(jí)別的會(huì)員施行不同的營(yíng)銷策略，制定不同的營(yíng)銷活動(dòng)。

　?、?發(fā)現(xiàn)流失及休眠會(huì)員，通過(guò)對(duì)流失及休眠會(huì)員的及時(shí)發(fā)現(xiàn)，采取營(yíng)銷活動(dòng)，激活這些會(huì)員。

　?、?在短信、EDM促銷中，可以利用模型，選取最優(yōu)會(huì)員。

　?、?維系老客戶，提高會(huì)員的忠誠(chéng)度。

　　使用方法：可以給三個(gè)變量不同的權(quán)重或按一定的規(guī)則進(jìn)行分組，然后組合使用，即可分出很多不同級(jí)別的會(huì)員。

　　2、 關(guān)聯(lián)分析

　　關(guān)聯(lián)分析最原始的案例來(lái)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(gè)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(jì)算的過(guò)程中會(huì)主要考察項(xiàng)集、置信度、相關(guān)性這三個(gè)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(lái)，比如FPgrowth。本人從幾年的數(shù)據(jù)分析經(jīng)驗(yàn)感覺(jué)，關(guān)聯(lián)分析在零售業(yè)中并不太實(shí)用，挖掘出來(lái)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。

　　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(gòu)物行為的顧客進(jìn)行群體的細(xì)分，以支持精細(xì)化的營(yíng)銷活動(dòng)，帶來(lái)更大的營(yíng)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(cāng)庫(kù)中根據(jù)顧客購(gòu)買的商品屬性進(jìn)行會(huì)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(gòu)買過(guò)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(jìn)行會(huì)員精細(xì)化管理，精細(xì)化營(yíng)銷的基礎(chǔ)，做好聚類分析，對(duì)企業(yè)將有很大的益處。

　　4、“之”字分析法

　　該種方法主要是有一種很明確的會(huì)員群體，然后通過(guò)分析這些會(huì)員群體的購(gòu)買行為，提取這些購(gòu)物行為的相似點(diǎn)，然后再通過(guò)這些相似點(diǎn)返回到整個(gè)數(shù)據(jù)里面，從中抽取更大的會(huì)員群體，以制定精準(zhǔn)的營(yíng)銷。

　　再后來(lái)，公司又上了SAP，又去BW組去做報(bào)表開(kāi)發(fā)，做報(bào)表開(kāi)發(fā)這一塊能夠接觸到更多的業(yè)務(wù)方面的知識(shí)，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(duì)我的成長(zhǎng)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(kù)存管理-庫(kù)存管理這塊主要有正品庫(kù)存的管理，滯銷庫(kù)存，高庫(kù)存商品等各種不同類型的庫(kù)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(kù)存的時(shí)候會(huì)根據(jù)正品庫(kù)存及滯銷庫(kù)存和庫(kù)存正常的周轉(zhuǎn)天數(shù)來(lái)計(jì)算該供應(yīng)商的庫(kù)存是否在合理的水平，是否該進(jìn)貨還是要減少庫(kù)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(fèi)者消費(fèi)的一系列計(jì)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(lái)說(shuō)主要是針對(duì)不同的促銷方式來(lái)計(jì)算不同的方式收益情況，不同的促銷方式可以帶來(lái)不同的效果，因此在使用促銷的時(shí)候要審慎的選擇，以達(dá)到理想的效果。

　　另外，還有財(cái)務(wù)報(bào)表、采購(gòu)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(xiàng)目組的時(shí)候，也經(jīng)常會(huì)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(jué)學(xué)到了一些皮毛，下面說(shuō)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(wèn)量、獨(dú)立訪客數(shù)、跳失率、轉(zhuǎn)化率、頁(yè)面停留時(shí)間、訪問(wèn)頁(yè)面數(shù)、流量來(lái)源、流量來(lái)源ROI等等。通過(guò)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(lái)衡量頁(yè)面的質(zhì)量，流量來(lái)源及轉(zhuǎn)化率可以衡量市場(chǎng)及營(yíng)銷的工作情況。進(jìn)行網(wǎng)站數(shù)據(jù)分析的時(shí)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(lái)尋找其他相關(guān)數(shù)據(jù)的變化，最終找出原因，做相對(duì)應(yīng)的策略，改進(jìn)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(wú)細(xì)分，毋寧死，足矣看出細(xì)分對(duì)數(shù)據(jù)分析意義。對(duì)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(huì)出現(xiàn)問(wèn)題，所以必須要細(xì)分。比如說(shuō)營(yíng)銷人員需要看的轉(zhuǎn)化率，必須就要細(xì)分到每個(gè)渠道里面，然后再看到這些渠道來(lái)的會(huì)員的點(diǎn)擊情況，他們都看過(guò)那些網(wǎng)頁(yè)，對(duì)什么感興趣，跳失率是多少，瀏覽時(shí)間多長(zhǎng)，最終轉(zhuǎn)化的是多少等等，這樣才能看出問(wèn)題。

　　3、 網(wǎng)站的短信促銷及EDM

　　在這個(gè)電子商務(wù)普遍燒錢的時(shí)代，花出去的錢到底能有多少能夠帶來(lái)實(shí)際的收益呢？在搶占市場(chǎng)的同時(shí)，怎么才能做到ROI最大化這個(gè)問(wèn)題急需要解決。公司每天幾乎都要發(fā)幾萬(wàn)條甚至幾十萬(wàn)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(lái)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(huì)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。

　　寫到這里基本上寫的差不多，通過(guò)總結(jié)才發(fā)覺(jué)自己原來(lái)很是知道的很少，還有很多需要學(xué)習(xí)的地方，比如說(shuō)數(shù)學(xué)建模方面的知識(shí)不夠，統(tǒng)計(jì)學(xué)軟件使用不夠好，業(yè)務(wù)了解的不夠深入，對(duì)整個(gè)電子商務(wù)行業(yè)的發(fā)展把握不清晰，這些都是需要以后加強(qiáng)的地方。最近在一個(gè)數(shù)據(jù)分析師的前輩的博客上看到他對(duì)數(shù)據(jù)分析師的要求只有一點(diǎn)，就是要熱愛(ài)數(shù)據(jù)。感覺(jué)自己還不夠，平時(shí)工作的時(shí)候還不夠投入，總覺(jué)得是在為公司工作，不是在為自己的興趣工作，其實(shí)一個(gè)人每天做的事，一定要都當(dāng)做是為自己做才行，就算真的不是為自己做，也要從中學(xué)到一些東西來(lái)變成自己的東西，為自己服務(wù)。