商务数据分析与应用第1章课件

1、商务数据分析与应用概述CHAPTER ONE 商务数据分析在电子商务中具有重要的意义，因为通过数据分析不仅可以发现企业内部的不足，客户体验的不足，营销手段的不足等，还可以了解客户的内在需求。在电子商务行业中，掌握商务数据的分析与应用方法是电子商务从业人员的必备技能。掌握商务数据的涵义。掌握商务数据的来源与采集要点。掌握商务数据的分析方法。学习目标Contents目录商务数据的涵义1商务数据的来源与采集2商务数据分析方法3一、商务数据的涵义商务数据的基本概念1商务数据的应用领域2商务数据的作用3一、商务数据的涵义1 商务数据的基本概念1数据的定义数据的定义：数据是指对客观事件进行记录并可以鉴别的

2、符号，是对客观事物的性质、状态及相互关系等进行记载的物理符号或这些物理符号的组合，是构成信息或者知识的原始材料。商务数据的定义：商务数据主要是指记载商业、经济等活动领域的数据符号。当然，不同数据的获取途径、分析目的、分析方法都不尽相同，不同行业、不同企业在数据分析中也都各有偏好。一、商务数据的涵义1 商务数据的基本概念2数据与信息的联系与区别数据与信息的联系与区别区别：数据是符号，是物理性的；而信息是对数据进行加工所得到的，是逻辑性和观念性的。联系：数据与信息不可分离，数据是信息的表现形式，信息是数据有意义的表示。数据是信息的表达与载体，信息是数据的内涵，数据与信息两者之间是形与质的关系。一、

3、商务数据的涵义1 商务数据的基本概念3数据与大数据的联系与区别大数据的“大”首先体现在数据量上。大数据是海量数据，而对于海量具体是多少，目前尚无标准的说法。数据量数据的范围数据的类型大数据不仅包括机构内部的数据，还包括机构外部的数据。大数据涉及的类型不仅有结构化的数据，还有非结构化的数据。一般情况下，计算机处理的都是标准化、结构化的数据，但像文本、视频、语音等非标准化、非结构化的数据，则需要通过一定的技术手段将其转换成结构化的数据进行处理。一、商务数据的涵义2 商务数据的应用领域1常见的商务数据应用领域勾勒用户画像通过勾勒用户画像，打通用户行为和业务数据之间的关系，还原用户全貌。提升营销转化通

4、过分析拉新流量和付费转化，甄别优质投放渠道。精细化运营分群筛选特定用户群，精准运营，提升留存。优化产品通过数据指引核心流程优化，版本迭代验证最佳效果。一、商务数据的涵义2 商务数据的应用领域2商务数据的应用领域分析1以“人”为维度的用户分析2以“货”为维度的产品分析3以“场”为维度的场景运营分析产品的点击是否顺畅01功能展现是否完美02用户的关注度、购买力等03产品生命周期04调整产品推广策略05选择电商文案的诉求方式选择电商文案的诉求方式一输入场景二浏览场景三搜索场景场景营销是基于网民的上网行为始终处在三大场景之一的一种新营销理念，三大场景如下。01页面项目02内部检索03专题页面04站内广

5、告05页面流量场景运营分析主要涵盖以下五个方面:一、商务数据的涵义3 商务数据的作用01商品关联挖掘营销02社会网络营销03地理营销04用户行为分析营销05个性化推荐营销Contents目录商务数据的涵义1商务数据的来源与采集2商务数据分析方法3商务数据的来源1商务数据采集流程2商务数据采集方法3二、商务数据的来源与采集商务数据清洗方法4二、商务数据的来源与采集1 商务数据的来源1按照数据资料的性质划分一手资料二手资料经过自己直接收集整理，以及直接经验所获得的资料。借用他人经验或者成果。来源：用户访谈情况、问卷调研情况、产品前台反馈的数据和后台数据、用户的行为数据。来源：主要包括研究报告和文献

6、资料。2按照数据来源的范围划分外部数据内部数据01社会人口数据02宏观经济数据03新闻舆论数据04市场调研数据01用户行为数据02服务端日志数据03CRM数据二、商务数据的来源与采集1 商务数据的来源04交易数据3按照数据来源的对象划分二、商务数据的来源与采集1 商务数据的来源一日常采集数据二专题获取数据三外部环境数据点击流数据页面的访问数、浏览数，以及在页面的停留时间等数据。业务运营数据销售额、订单量、客户购买数量等直接用于衡量网站的绩效和目标的数据，这些数据主要存放在ERP、客户关系管理系统等数据库后台。实验测试数据为了分析某些专题临时采集的数据，如网站改版、用户体验优化等。用户调研数据通

7、过问卷调查、客户访谈等定性调研方式获取的用户数据。行业发展数据一般来自于第三方咨询公司发布的免费行业数据报告，通过与这些行业数据进行对比，可以找出自身的不足，并从中挖掘出有用的行业信息。竞争对手数据对竞争对手的数据进行分析，是发现自身优劣势的一种有效的方法和途径。1识别信息需求二、商务数据的来源与采集2 商务数据采集流程2明确分析对象3按需求采集数据人口属性从性别、年龄、职业、爱好、城市、地区和国家等方面的具体指标来衡量。设备属性包括使用的平台类型、设备品牌、设备型号、屏幕大小、浏览器类型，以及屏幕方向等。流量属性表现在访客来源、广告来源、广告内容、搜索词以及页面来源等。行为属性包括用户活跃度

8、，用户是否注册，是否下单，是否支付等行为。二、商务数据的来源与采集3 商务数据采集方法问卷调研用户访谈定性数据内部数据网站日志业务数据库外部数据网络爬虫第三方统计平台定量数据二、商务数据的来源与采集3 商务数据采集方法采集技术手段平台名称采集的数据类型操作的复杂程度采集的数据质量无埋点（嵌入SDK）百度统计前端数据简单且免费数据较粗糙有埋点（自己写代码）神策数据前后端数据均可操作较复杂数据更细致有埋点+无埋点数极客前后端数据均可既有引导又有自由度数据更细致对于第三方统计平台，其分类如表所示：二、商务数据的来源与采集3 商务数据采集方法数据埋点1无埋点的第三方统计平台百度统计等2有埋点的第三方统

9、计平台神策数据3有埋点+无埋点的第三方统计平台数极客41基础层2页面统计3行为统计二、商务数据的来源与采集4 商务数据清洗方法1缺失数据的清洗01用一个样本统计量的值代替缺失值02直接将有缺失值的记录删除03将有缺失值的记录保留04用一个统计模型计算出来的值代替缺失值二、商务数据的来源与采集4 商务数据清洗方法2重复数据的清洗重复数据的清洗实体重复：所有字段完全重复。字段重复：某一个或多个不该重复的字段重复，比如Name字段重复。二、商务数据的来源与采集4 商务数据清洗方法2重复数据的清洗以Excel为例，对于重复数据的查找一般采用以下四种方法。二、商务数据的来源与采集4 商务数据清洗方法2重

10、复数据的清洗在完成重复数据的查找后，即可删除重复数据。删除重复数据主要有以下三种方法。通过菜单操作删除重复项单击“数据”选项卡下的“删除重复项”按钮，将显示有多少重复值被删除，有多少唯一值被保留。通过排序删除重复项在利用COUNTIF函数对重复数据进行识别的基础上，对重复项标记列进行降序排列，删除数值大于1的项。通过筛选删除重复项在利用COUNTIF函数对重复数据进行识别的基础上，对重复项标记列进行筛选，筛选出数值不等于1的项。二、商务数据的来源与采集4 商务数据清洗方法3错误数据的清洗被调查者输入的信息不符合要求1手工录入错误2序号题目1检查结果ABCDEFG10011000正确211110

11、00错误30011000正确41010100正确Contents目录商务数据的涵义1商务数据的来源与采集2商务数据分析方法3商务数据分析意义1商务数据分析方法2商务数据分析流程3三、商务数据分析方法三、商务数据分析方法1 商务数据分析意义一数据分析的价值认同二数据分析的商业模式三、商务数据分析方法2 商务数据分析方法对于精细化运营以及业务增长的问题，AARRR这个方法论是非常契合的。那么，如何使用AARRR模型来分析数据呢？框架流程Acquisition（获取）Activation（激活）Retention（留存）Revenue（收入）Referral（推荐）关键指标营销活动用户转化留存分析订

12、购促进评论推荐业务活动新访问用户量人均访问次数访问时长访问深度跳出率注册转化率商品购买转化率产品功能留存率用户日留存率用户周留存率用户月留存率订单金额订单数量订单转化率成果支付数分享次数分享率好评率三、商务数据分析方法2 商务数据分析方法1流量分析访问、下载来源以及搜索词1自主投放追踪2实时流量分析3三、商务数据分析方法2 商务数据分析方法2用户分群根据用户维度分1根据用户行为组合分2三、商务数据分析方法2 商务数据分析方法3多维分解操作系统跳出率平均访问深度平均访问时长（分钟）Windows70.3645.2331.093Windows100.3276.0041.569Mac OS X0.3

13、894.7811.437Linux0.3084.2731.336Android0.5282.5770.296IOS0.6422.4030.324Windows Phone0.8931.9940.240三、商务数据分析方法2 商务数据分析方法4细查路径5转化漏斗6留存分析三、商务数据分析方法2 商务数据分析方法7A/B测试8优化建模9热图三、商务数据分析方法3 商务数据分析流程1宏观角度中国古代朴素的分析哲学1精益创业的“学习引擎”2三、商务数据分析方法3 商务数据分析流程2中观角度明确分析目的和思路数据收集数据处理数据分析数据展现报告撰写三、商务数据分析方法3 商务数据分析流程2中观角度三、商务数据分析方法3 商务数据分析流程2中观角度50%以上的数据挖掘工具采用的都是1996年提出的CRISP-DM跨行业数据挖掘标准流程。（1）业务理解，通过反复沟通准确理解业务问题，将其转换成数据挖掘问题，并拟定初步构想。（2）数据理解，收集、理解、过滤所需的数据，并进行数据质量评估。（3）数据准备，对数据进行清洗、转换、归并等，便于数据挖掘技术使用。（4）模型建立，采用各种方法建立分析模型，解决提出的业务问题。（5）模型评估，对建立的模型进行评估。（6）部署应用，最终生成报告或者部