电子商务数据分析与应用 教案全套 项目1-10 电子商务数据分析认知-电子商务运营数据分析

电子商务数据分析与应用教案项目一电子商务数据分析认知“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目一电子商务数据分析认知教学目标：1知识目标理解电子商务数据分析的相关概念及意义熟悉电子商务数据分析的流程及原则了解电子商务数据分析的主要任务2能力目标能够结合实际问题完成电子商务数据分析的流程从行业、客户、产品、运营等多个方面能够开展相关的数据分析3素质目标正确认识电子商务发展的趋势和对国民经济的贡献重视数据分析对推进电子商务行业和企业发展中的重要作用结合所学专业知识，端正学习目的并形成正确的就业观教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.电子商务数据分析的内涵2.电子商务数据分析的意义3.电子商务数据分析的流程4.电子商务数据分析的原则（二）课中实训实训电子商务数据分析的主要任务（三）课后提升案例1京东大数据用户画像案例2数据分析推动农夫山泉公司发展思维导图内容引入通过案例进行本章内容的导入。XOCommunications是一个总部位于美国弗吉尼亚州的国家通信服务提供商，其拥有超过4000名雇员。作为一个电信企业XO面临的一大业务挑战就是管理客户流失。由于有着大量的客户，即使XO的客户服务经理定期接触拥有流失风险的客户也难以进行有效的管理继而导致客户的流失。为此XO使用了IBM公司的SPSS预测分析软件，通过对客户数据的分析预测定期评价客户的流失倾向并聘请客服经理按照优先顺序联系客户，在经过不断努力后成功减少了将近一半的客户流失率。XO现在可以预测客户的行为,发现行为趋势,并找出存在缺陷的环节,从而帮助公司及时采取措施,保留客户。你了解客户数据分析吗？在生活中你还见过哪些客户数据分析的例子？在完成本章学习后试着说说XO是如何运用客户数据分析来挽留客户的。授新环节（一）课前自学1.电子商务数据分析的内涵通常，电子商务数据分析指的是对电子商务经营过程中产生的数据进行分析，在研究大量的数据的过程中寻找模式、相关性和其他有用的信息，从而帮助商家做出决策。（1）数据分析数据分析指用适当的统计分析方法对收集来的大量数据进行分析，并将它们加以汇总、理解和消化，以求最大化地开发数据的功能及发挥数据的作用。（2）数据可视化数据可视化旨在将数据分析的结果借助图形和手段直观地展示出来，使人们可以更容易、更快速地得到并理解数据分析的结果。（3）大数据大数据是无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新的处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。（4）云计算云计算是一种分布式计算技术，其通过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交给由多部服务器组成的庞大系统，经搜寻、计算分析之后将处理结果回传给用户。（5）数据挖掘数据挖掘又称数据库中的知识发现（KnowledgeDiscoverinDatabase，KDD），是目前人工智能和数据库领域研究的热点问题。所谓数据挖掘，是指从数据库的大量数据中揭示出隐含的、先前未知的，并有潜在价值的信息的非平凡过程。（6）数据质量在数据分析和数据挖掘之前，必须完成数据质量的处理工作，其主要包括两方面：数据的集成和数据的清洗。2.电子商务数据分析的意义优化市场定位；优化市场营销；助力电子商务企业的收益管理；协助创造客户新的需求3.电子商务数据分析的流程确定分析目的与框架；收集数据；数据处理与集成；数据分析；数据可视化；撰写分析报告电子商务数据分析的原则科学性，系统性，针对性，实用性，趋势性（二）课中实训实训电子商务数据分析的主要任务（1）行业分析行业分析通常由营销、运营岗位完成，该岗位可设置在营销部、运营部，与数据开发部、公司战略管理部等均有配合及合作。（2）客户分析客户分析流程包括客户数据收集、客户特征分析（客户画像）、客户行为分析、客户价值评估、目标客户精准营销（营销策略制定和资源配置）、销售效果跟踪等。（3）产品分析产品分析流程包括竞争对手分析、客户特征分析、产品需求分析、产品生命周期分析、客户体验分析，最后通过调研报告形成合理化建议，对产品开发及市场走向提出预测。（4）运营分析运营分析流程包括销售数据分析、推广数据分析、客服数据分析。（三）课后提升案例1京东大数据用户画像案例2数据分析推动农夫山泉公司发展内容小结本章主要介绍了电子商务数据分析的基本原理，包括电子商务数据分析的相关概念、意义、流程、原则、主要任务。电子商务数据分析能帮助企业实现由“产品驱动”向“数据驱动”转型。电子商务数据分析包括确定分析目的与框架、收集数据、数据处理与集成、数据分析、数据可视化、撰写分析报告六个环节电子商务数据分析兼具科学性、系统性、针对性、实用性和趋势性的原则。电子商务数据分析与应用的主要任务可以归纳为行业分析、客户分析、产品分析和运营分析四大类。课后作业1.判断题（1）数据分析只有有了大数据才能做。（2）在进行EDA分析之前，一般都有预先设定的模型，侧重于已有假设的证实或证伪。（3）数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。（4）数据越多代表信息也就越多。（5）CDA是指对已有的数据在尽量少的先验假定下进行探索，侧重于在数据之中发现新的特征。2.单选题（1）商务数据分析的流程依次是（）A.确定目的与框架、收集数据、数据处理与集成、数据分析、数据可视化、撰写报告B.确定目的与框架、数据处理与集成、收集数据、数据分析、数据可视化、撰写报告C.确定目的与框架、收集数据、数据处理与集成、数据可视化、数据分析、撰写报告D.确定目的与框架、数据可视化、数据收集、数据处理与集成、数据分析、撰写报告（2）数据收集阶段，内部渠道不包括（）A.顾客的购买记录B.客户访谈C.客户问卷调查D.产品展销会（3）（）数据分析是指对已有的数据在尽量少的先验假定下进行探索，侧重于在数据之中发现新的特征。A.探索性B.验证性C.定性D.客观（4）电子商务数据分析的原则不包括（）A.针对性B.实用性C.高效性D.系统性（5）（）分析是把一组数据按照相似性和差异性分为几个类别。A.回归B.分类C.聚类D.关联3.多选题（1）在电子商务数据分析流程中，数据处理与集成阶段的处理对象包括（）。A．残缺数据 B．错误数据 C．重复数据 D．外部数据（2）元数据可以分为（）。A．固有性元数据 B．操作性元数据 C．描述性元数据 D．管理性元数据（3）（）是大数据的特点。A．规模性 B．有效性 C．多样性 D．高速性（4）云计算包括的层次有（）。A．IaaS B．PaaS C．MaaS D．SaaS4.简答题（1）简述数据分析的含义。（2）简述大数据的作用。（3）简述电子商务数据分析的基本流程。（4）简述电子商务数据分析的原则。教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：电子商务数据分析是电子商务数据科学分析的基础。本章是全书的绪论。是对后续章节的导入和引入。（3）从能力培养的角度：综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。项目二电子商务数据分析模型“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目二电子商务数据分析模型教学目标：1知识目标了解电子商务数据分析模型的概念和应用步骤掌握PEST模型、5W2H模型、逻辑树模型重点掌握漏斗模型，并根据电子商务运营数据计算和展现漏斗模型2能力目标熟练掌握电子商务数据分析模型的基本流程能够针对实际问题搭建合适的数据分析模型能够根据模型中的内容，细分到不同的数据指标进行细化分析3素质目标正确认识企业所处的宏观环境认识运用数据分析模型进行研究的作用及优势教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.PEST模型的主要内容2.5W2H模型的主要内容3.逻辑树模型的主要内容4.漏斗模型的主要内容（二）课中实训实训一、基于PEST理论的案例分析实训二、5W2H模型的应用案例实训三、基于逻辑树模型的案例分析实训四、漏斗模型的应用案例（三）课后提升案例1基于SWOT分析的企业电子商务发展策略案例2电子商务行业发展的PEST模型思维导图内容引入通过案例进行本章内容的导入。亚马逊从大数据中发掘出了巨大的商业价值。亚马逊需要处理海量的数据，这些交易数据的直接价值非常大。亚马逊作为一家“信息公司”，不仅会从每个用户的购买行为中获得信息，还会将每个用户在其网站上的所有行为都记录下来，如页面停留时间、用户是否查看评论、搜索的每个关键词、浏览的商品等。这种对数据价值的高度敏感和重视，以及数据分析的能力，使得亚马逊远远超越了传统运营方式。对于亚马逊来说，数据分析是商业决策的指挥棒。那么你知道亚马逊公司运用了什么数据分析模型吗？你还了解哪些电子商务数据分析中常用的方法和模型呢？授新环节（一）课前自学1.PEST模型PEST（P是政治Politics，E是经济Economy，S是社会Society，T是技术Technology）是对企业所处宏观环境进行分析的模型。5W2H模型（1）5W2H模型的核心要素5W2H模型针对5个W（Why、What、Who、When、Where）以及2个H（How、Howmuch）提出7个关键词。（2）5W2H模型的应用步骤设计5W2H的相关问题；找出主要优缺点；决定设计新产品逻辑树模型（1）逻辑树模型的基本内容逻辑树又称问题树、演绎树或分解树，是分析问题最常使用的工具之一，它是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。（2）三种逻辑树常用的逻辑树主要有议题树、假设树和是否树三种类型。这三种逻辑树的类型基本可以应对所有问题类型。漏斗模型（1）漏斗模型的计算①转化率对于电子商务网站来说，转化率就是从当前一个页面进入到下一个页面的人数比率。②关键路径分析网站中的一些关键路径（KeyPath），即用户是为了某个目标而进入了一个相对标准的有序路径。（2）漏斗模型的应用漏斗模型（FunnelModel）不仅显示了用户在进入流程到实现目标的最终转化率，同时还可以展示整个关键路径中每一步的转化率。基于访问路径，漏斗模型衍生出“路径分析方法”，包括：关键路径、扩散路径、收敛路径、端点路径。将漏斗模型与趋势、比较和细分等方法相结合，对流程中各步骤的转化率进行综合分析。（二）课中实训实训一、基于PEST理论的案例分析以“中国轻纺城”为例，通过从纺织业跨境电商发展的宏观环境出发，运用PEST分析模型探讨发展纺织业跨境电商外部环境的变化。实训二、5W2H模型的应用案例S是中国排名前五位的电子商务平台，销售各种电子产品。某品牌M想要入驻电子商务平台S。平台S是否要经销M品牌的电热水器呢？应用5W2H模型进行谈判与决策。实训三、基于逻辑树模型的案例分析研究的主问题为“如何提高婴儿用品销量”，建立议题树的逻辑树模型。实训四、漏斗模型的应用案例针对电子商务网站的一般购物流程，计算各阶段的转化率并绘制漏斗模型。1．构建用户访问的关键路径2．计算关键路径的转换率3．绘制漏斗模型（三）课后提升案例1基于SWOT分析的企业电子商务发展策略案例2电子商务行业发展的PEST模型内容小结本章主要学习电子商务数据分析模型，主要包括PEST模型、5W2H模型、逻辑树模型以及漏斗模型这四个重要的电子商务分析模型。通过系统化地学习，能够在实际的电子商务数据分析中加以利用并得出有效的解决方案。课后作业1.判断题（1）PEST模型是一种企业所处的宏观环境分析模型。（2）5W2H是用户行为分析和业务场景分析的常用模型。（3）5W2H模型可以准确界定问题、清晰表述问题，提高工作效率。（4）当对问题提出假设方案再进行验证时，应使用是否树。2.单选题（1）以下不属于5W2H的核心要素的是（）。A．What B．Who C．Howmany D．Howmuch（2）以下不属于逻辑树模型的原则的是（）。A．要素化 B．系统化 C．框架化 D．关联化（3）在漏斗模型中，如果访问某博主博客首页的用户有30人，而从首页点击进入本文章的用户有12人，那么从首页到这篇文章的转化率为（）。A．无法计算 B．30% C．40% D．50%（4）在逻辑树模型中，适合解决问题初期阶段的模型为（）。A．议题树 B．是否树 C．论证树 D．假设树3.多选题（1）在PEST模型中，四个要素包括（）。A．政治环境 B．经济环境 C．社会环境 D．技术环境（2）属于PEST模型技术环境的关键指标的是（）。A．专利个数 B．研发费用 C．技术传播速度 D．重点支持项目（3）逻辑树的基本类型分别为（）。A．议题树 B．是否树 C．论证树 D．假设树（4）以下（）指标属于PEST分析中的社会环境。A．失业率 B．出生率 C．政府补贴水平 D．购买习惯4.简答题（1）简述5W2H模型的应用步骤。（2）什么是PEST模型？该模型包含哪些方面？（3）辨析逻辑树三种模型的主要区别。（4）简述逻辑树模型的三个原则。教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：电子商务分析模型是更多的是从管理学的角度分析电子商务的战略决策与举措的方法。建立多种分析模型，对电子商务管理具有重要的作用。（3）从能力培养的角度：综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）通过BlackBoard平台，分享课程教学资源。

项目三电子商务数据分析方法“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目三电子商务数据分析方法教学目标：1知识目标了解静态指标和动态指标的含义掌握相关分析的计算过程重点掌握一元线性回归的计算过程，了解多元线性规划和非线性回归的计算过程重点掌握移动平均指数平滑两种时间序列预测模型了解聚类分析等数据挖掘算法的主要计算过程2能力目标正确区分电子商务主要数据指标的分类熟练掌握各数据分析方法的流程步骤能够将数据分析方法应用到实际问题中3素质目标培养自发分析电子商务数据的意识培养针对不同电子商务数据采取不同分析方法的能力教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.统计分析2.相关与回归分析3.时间序列分析4.聚类分析（二）课中实训实训一、统计分析计算实训二、相关分析与回归分析的应用实训三、时间序列分析计算实训四、聚类分析计算（三）课后提升案例1神奇的购物篮分析案例2Target百货商店的怀孕预测指数思维导图内容引入通过案例进行本章内容的导入。在研究人类遗传问题时，为了研究父代与子代身高的关系，高尔顿搜集了1078对父亲及其儿子的身高数据。他发现这些数据的散点图大致呈直线状态，也就是说，总的趋势是父亲的身高增加时，儿子的身高也倾向于增加。但是，高尔顿对试验数据进行了深入的分析，发现了一个很有趣的现象：当父亲高于平均身高时，他们的儿子身高比他更高的概率要小于比他更矮的概率；父亲矮于平均身高时，他们的儿子身高比他更矮的概率要小于比他更高的概率。它反映了一个规律，即这两种身高父亲的儿子的身高，有向他们父辈的平均身高回归的趋势。对于这个一般结论的解释是:大自然具有一种约束力，使人类身高的分布相对稳定而不产生两极分化，这就是所谓的回归效应。这是统计学上最初出现“回归”时的涵义，虽然是一种特殊情况，与线形关系拟合的一般规则无关，但“线形回归”的术语却因此沿用下来。你了解回归吗？线性回归是数据分析的一种方法，试着说说他在数据分析上所发挥的作用。授新环节（一）课前自学1.统计分析（1）静态分析指标静态分析指标是用来说明社会经济现象数量特征的。由于社会经济现象及其发展的复杂性，静态分析指标呈现多样性，可以将其归纳为四类：总量指标、相对指标、平均指标和变异指标。（2）动态分析指标动态分析方法又称时间数列分析，主要用来描述和探索现象随时间发展变化数量规律性，也就是对处于不断发展变化的社会经济现象从动态的角度进行分析。（3）统计指数统计指数分析法是经济分析中广泛应用的一种方法。最具代表性的就是关于物价指标的编制，即用现行价格与过去价格对比来反映价格的变化情况，后来过渡到综合反映多种商品价格的变动情况。（4）抽样推断抽样推断（SampleInference）是在抽样调查的基础上，利用样本的实际资料计算样本指标，并据以推算总体相应数量特征的一种统计分析方法。相关与回归分析（1）相关分析相关关系是指变量之间存在的一种不确定的数量依存关系，即一个变量的数值发生变化时，另一个变量的数值也相应地发生变化，但变化的数值不是确定的，而是在一定的范围内。（2）回归分析一元线性回归分析是处理两个变量x（自变量）和y（因变量）之间关系的最简单模型，研究是这两个变量之间的线性相关关系。对多元线性回归模型（MultivariateLinearRegressionModel）的基本假设是在对一元线性回归模型的基本假设基础之上，还要求所有自变量彼此线性无关，这样随机抽取n组样本观察值就可以进行参数估计。不少经济变量之间的关系为非线性的，可以通过变量代换把本来应该用非线性回归处理的问题近似转化为线性回归问题，再进行分析预测。时间序列分析（1）时间序列数据时间序列类型数据就是按照时间先后顺序排列各个观测记录的数据集。（2）移动平均方法一次移动平均法是在算术平均法的基础上加以改进，其基本思想是每次取一定数量周期的数据平均，按时间顺序逐次推进。当序列具有线性增长的发展趋势时，用一次移动平均预测会出现滞后偏差，表现为对于线性增长的时间序列预测值偏低。这时，可进行二次移动平均计算，二次移动平均就是将一次移动平均再进行一次移动平均来建立线性趋势模型。（3）指数平滑方法当时间序列的变动出现直线趋势时，用一次指数平滑法来预测存在着明显的滞后偏差。修正的方法是在一次指数平滑的基础上再作二次指数平滑，利用滞后偏差的规律找出曲线的发展方向和发展趋势，然后建立直线趋势预测模型，即二次指数平滑法。（4）季节指数方法季节指数预测法是指变量在一年内以季（月）的循环为周期特征，通过计算变量的季节指数达到预测目的的一种方法。聚类分析聚类分析的定义聚类（Clustering）是将数据划分成群组的过程，研究如何在没有训练的条件下把对象化分为若干类。k-means聚类方法k-means算法接受输入量k，然后将n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高，而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得一个“中心对象”（引力中心）来进行计算的。（二）课中实训实训一、统计分析计算可安排上机实验的任务，利用Excel操作完成此部分内容的学习。实训二、相关分析与回归分析的应用可安排上机实验的任务，利用Excel操作完成此部分内容的学习。实训三、时间序列分析计算可安排上机实验的任务，利用Excel操作完成此部分内容的学习。实训四、聚类分析计算设有数据样本集合为X={1,5,10,9,26,32,16,21,14}，将X聚为3类，即k=3。随机选择前三个数值为初始的聚类中心，即z1=1，z2=5，z3=10。（采用欧氏距离进行计算）（三）课后提升案例1神奇的购物篮分析案例2Target百货商店的怀孕预测指数内容小结本章主要学习与电子商务数据分析相关的模型方法，主要包括两大类，一类是统计分析，包括：静态分析指标、动态分析方法、统计指数、抽样推断、相关与回归分析等内容。另一大类是数据挖掘模型，主要是从大量的数据中发现隐含的、事先未知的、潜在的、有用的信息、知识、规则、规律或者模式，主要包括：时间序列分析模型、聚类分析算法等。课后作业1.判断题（1）总量指标属于静态分析指标。（2）平均数动态数列是把一系列同类的相对指标数值按时间先后顺序排列而形成的。（3）一般情况下，样本容量超过20个样本即可视为大样本。（4）某次计算得到相关系数R为0.58，可认为两类变量之间存在显著相关。2.单选题（1）以下不属于相对指标的为（）A.倍数B.成数C.百分数D.中位数（2）按照相关程度划分，以下不属于相关关系的为（）A.完全相关B.正相关C.不相关D.不完全相关（3）求解线性回归模型参数的方法称为（）A.相关系数B.聚类分析C.最小二乘D.关联规则（4）聚类算法停止的标志是（）收敛A.聚类数B.聚类中心C.测度函数D.相似度（5）能够在没有训练的条件下把对象化分为若干类的算法是（）A.回归分析B.关联规则C.聚类分析D.分类分析3.多选题（1）平均指标包括（）A.算术平均数B.调和平均数C.众数D.中位数（2）按表示的特征不同，统计指数可分为（）A.数量指标指数B.定基指数C.质量指标指数D.动态指数（3）以下属于按照形式分类的相关关系的有（）A.线性相关B.非线性相关C.偏相关D.曲线相关（4）以下可以被认为是时间序列数据的有（）A.股票价格B.每日气温C.心跳变化D.地震强度（5）在聚类分析中，可作为测量类间距离方法的有（）A.明氏距离B.欧氏距离C.马氏距离D.兰氏距离4.简答题（1）简述统计指数的作用。（2）简述回归分析模型的主要形式。（3）简述k-means算法的工作过程。（4）简述季节指数水平法的主要步骤。教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：本章所学习的统计分析与数据挖掘方法是所有数据模型的基础。本章重点讲授统计类指标、相关分析、回归分析、时间序列分析、聚类分析等方法。还有许多相关的数据分析算法与模型。（3）从能力培养的角度：综合运用数学、计算机、信息科学的知识，培养全方位高素质人才。尤其要注重大数据时代对数据科学与数据分析人才的需求。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）本章可安排上机实验学习，对相关模型的具体操作展开实践教学。项目四数据的采集“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目四数据的采集教学目标：1知识目标了解数据获取的概念和方法熟悉网络数据的爬取方式和工具了解店铺数据获取的主要渠道和方法掌握调查问卷的设计方法与注意事项2能力目标能够根据业务场景选择合理的采集渠道能够采用合适的网络数据爬取方式采集数据能够结合实际选题完成调查问卷的设计与数据统计3素质目标培养学生以电商决策为导向的数据采集意识培养学生对数据采集的敏感性重视数据采集在电子商务行业和企业发展中的重要作用教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.电子商务相关数据的获取2.店铺数据获取的主要渠道（二）课中实训实训一、网络数据的爬取实训二、调查问卷的设计与回收处理（三）课后提升案例1数据采集在电商成本控制中的应用案例2数据采集实训思维导图内容引入通过案例进行本章内容的导入。蜘蛛是生物界中很普通的小虫子，但是它却做了一件令人非常佩服的事情—织网捕物。蜘蛛经常会在自己所织的网上捕获食物，而这一行为就如同我们人类想在关系复杂的互联网上获取我们想要的数据。为了能够更高效的获取数据，人类通常会创造一只小精灵—“小爬虫”去帮助自己做事情。世界上第一个网络爬虫“万维网漫游者”（“WorldWideWebwanderer”）是由麻省理工学院的学生马休·格雷（MatthewGray）在1993年写成。它的初衷是用来统计互联网上的服务器数量，后来逐渐服务于搜索引擎的数据采集。网络爬虫技术作为数据采集的一种重要方法，它是如何进行数据采集呢？你还了解哪些数据采集方法？授新环节（一）课前自学1.电子商务相关数据的获取公开数据源；网络爬虫；问卷调查。店铺数据获取的主要渠道（1）流量数据流量是非常重要的电商指标。一个店铺的流量来源有很多，有免费的、付费的、站内的、站外的。（2）商品数据电商平台需要定期分析商品销售情况，比如不同商品的成交转化情况、访客浏览情况及售后服务情况等，从时间、商品的类别、价格等多个维度进行商品数据分析。（3）交易数据商家经营店铺最需要监控的数据之一就是交易数据。交易数据最能体现店铺经营情况。（4）客户服务和物流服务数据作为电商卖家，当客户咨询产品时，第一时间回复可以为客户提供良好的服务体验。店铺的客户服务质量及物流服务效率是提升店铺转化率的关键因素。（5）市场和竞争数据市场和竞争数据是商家在前期开展市场调研时需要收集的重要数据。随着市场竞争的加剧，加之消费者行为的多变，使得市场调研显得更加重要，商家需要精准收集市场和同行的信息，以便制定相应的营销策略。（二）课中实训实训一、网络数据的爬取（1）网络数据的爬取工具之一——八爪鱼八爪鱼采集器是深圳视界信息技术有限公司研发的一款业界领先的网页采集软件，具有使用简单、功能强大等诸多优点。（2）八爪鱼在简易模式下“京东商品列表采集”的使用过程及注意要点。实训二、调查问卷的设计与回收处理（1）调查问卷设计调查问卷是一种非常好的数据收集方式。在正式设计问卷之前，首先一定要明确问卷中将会出现哪些内容，或者将要采集哪些数据来服务于研究主题。这可以通过搭建一个问卷框架来实现，这个框架通常包含三大部分：中心概念、核心内容、具体问项。（2）调查问卷的回收处理问卷发放一段时间后，收集到一定数量的答卷，在进行问卷分析之前，首先要做的是对数据进行录入和校订。（三）课后提升案例1数据采集在电商成本控制中的应用案例2数据采集实训内容小结数据收集是一项艰苦细致、费时耗力的工作。数据收集是电商数据分析的第一步，也是非常重要的一步。本章主要介绍了数据采集阶段的工作任务。指出了电子商务相关数据获取的渠道。详细说明了基于网络爬虫对网络数据进行爬取的过程。并对电商的流量、商品、交易、客服、物流、市场和竞品数据的获取指标和数据来源做了介绍。最后给出调查问卷的设计和回收处理的基本原则。课后作业1.判断题（1）只要在网站上显示出的信息，都可以爬取。（2）网络爬虫被广泛用于搜索引擎中。（3）淘宝客是一种按成交计费的推广模式。（4）在数据分析中，数据收集是第一步，也是一项相对简单省力的工作。2.单选题（1）以下哪个是淘系平台流量数据查询工具（）。A．店侦探 B．千牛平台 C．轻淘客 D．看店宝（2）以下哪个问题放在调查问卷中是合适的（）。A．在线购物比门店购物更好。B．你在过去一段时间没有进行网购活动。C．您的年龄段在以下哪个范围？D．在线购物比线下购买更方便、更便宜。（3）在众多店铺数据中，什么数据最能体现店铺的经营情况（）。A．商品数据 B．流量数据 C．物流数据 D．交易数据3.多选题（1）以下哪些属于站内付费流量数据来源（）。A．直通车 B．钻石展位 C．收藏夹 D．淘宝客（2）客户服务数据指标有哪些（）。A．客群洞察 B．服务体验 C．接待响应 D．客服销售（3）以下哪些是店铺商品效果数据指标（）。A．核心数据 B．流量来源 C．关联搭配 D．全量商品排行4.简答题（1）有哪些获取数据的途径？（2）网络数据的爬取方式有哪些？（3）电商平台店铺有哪些重要的数据值得收集？（4）阐述问卷调查的主要工作流程。教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：数据是建立模型与开展分析的基础资源。电子商务数据来源渠道多样广泛，同时尤其特殊之处。因此，应针对电子商务数据收集、采集、处理等进行深入学习。（3）从能力培养的角度：综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）本章可安排上机实验学习，对相关模型的具体操作展开实践教学。项目五数据导入与预处理“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目五数据导入与预处理教学目标：1知识目标了解并掌握数据在Excel中的导入、导出操作掌握用Excel进行基本的数据处理操作重点掌握数据预处理操作中的数据清理及数据规范化2能力目标运用Excel进行数据的导入、导出操作熟练掌握数据清理的方法能够进行数据规范化的计算3素质目标了解数据导入与预处理的重要性与作用培养使用数据导入与预处理的熟练度教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.数据的导入导出2.数据预处理方法（二）课中实训实训一、数据的导入与导出实训二、数据预处理实训三、数据的基本处理操作（三）课后提升案例1数据预处理在网络社区数据分析中的应用案例2数据预处理专项应用思维导图内容引入通过案例进行本章内容的导入。随着大数据和人工智能的快速发展，当今的消费者与世界高度相连，一个公司想要获得更好的商业成绩需要通过大数据为他的每个客户做出个性化的精准服务。为此2013年，拥有145年历史的大都会人寿保险公司建立了名为MetLiftWall的新系统，该系统从大都会人寿70多个不同的管理系统中收集大量的信息数据，这些数据之前有许多都是不联网的独立存在，存在着大量的数据冗余，建立系统后又经过多年的努力大都会人寿成功解决了该项问题。上文所汇总的数据刚开始很难进行使用，在大数据分析之前我们需要确保这些分析数据满足分析模型的需求，因此数据预处理环节十分重要，它可以将缺失的数据补充，冗余的数据变得简洁，复杂混乱的数据格式统一。你听说过数据预处理吗？继续阅读本章你可以对数据预处理拥有更深刻的了解。授新环节（一）课前自学1.数据的导入导出数据的导入导出作用：起到备份、存档的作用；转换为需要的数据格式和文件类型。数据导入导出分类：数据库文件导出成文本文件；文本文件导入成数据库文件；数据库文件与数据库文件之间的导入导出。2.数据预处理方法数据预处理就是根据数据分析的目的，将收集到的原始数据用适当的处理工具（如Excel）进行整理加工，转换成正确的格式，以便满足数据分析模型对数据的要求。（1）数据清理数据清理是数据准备过程中最花费时间、最乏味的，但也是最重要的一步。该步骤可以有效的减少学习过程中可能出现的相互矛盾的情况。（2）数据融合通过数据融合（信息融合）产生比单一信息源更准确、更完全、更可靠的数据进行估计和判断，然后存入数据仓库或数据挖掘模块中。（3）数据变换数据变换是采用线性或非线性的数学变换方法将多维数据压缩成较少维数的数据，消除它们在时间、空间、属性及精度等特征表现方面的差异。（4）数据规约数据经过去噪处理后，需根据相关要求对数据的属性进行相应处理。数据规约就是在减少数据存储空间的同时尽可能保证数据的完整性，以获得比原始数据小得多的数据，并将数据以合乎要求的方式表示。（二）课中实训实训一、数据的导入与导出数据导入可以将收集到的数据直接填写在Excel的单元格中，也可以将多种格式的数据文件导入到Excel工作表中。5.1.2数据导出将Excel数据导出到其他操作软件中。实训二、数据预处理某price属性值排序后为2，4，6，6，9，12，12，14，19，则采用各种分箱方法进行处理的结果如表5.4所示。表5.4分箱处理的结果示例首先，划分为等深箱箱1：2，4，6箱2：6，9，12箱3：12，14，19按箱平均值平滑箱1：4，4，4箱2：9，9，9箱3：15，15，15按箱中值平滑箱1：4，4，4箱2：9，9，9箱3：14，14，14按箱边界值平滑箱1：2，2，6箱2：6，6，12箱3：12，12，19实训三、数据的基本处理操作重复数据处理采集得到的原始数据通常存在重复情形，对于重复数据如何识别和去重，通过Excel介绍两种常用的方法：（1）高级筛选法；（2）条件格式法。缺失数据处理Excel表中如果出现缺失数据，一般表示为空值或者错误表示符，运用“定位条件”功能可以进行缺失数据的处理。错误数据处理使用Excel能够控制和检查数据统计中存在的错误。（三）课后提升案例1数据预处理在网络社区数据分析中的应用案例2数据预处理专项应用内容小结本章主要学习运用Excel进行数据的导入导出操作，对重复、缺失、错误数据的基本处理操作。从数据的清理、数据的融合、数据的变换以及数据的规约四个方面，学习了数据的预处理操作。通过本章的学习，旨在掌握利用Excel处理数据的基本方法以及了解数据预处理的基本操作。课后作业1.判断题（1）数据预处理的目的是提高数据质量。（2）数据规约是采用线性或非线性的数学变换方法将多维数据压缩成较少维数的数据。（3）在数据规约方法中，分箱技术是数值压缩的具体方法。2.单选题（1）（）就是在减少数据存储空间的同时尽可能保证数据的完整性，以获得比原始数据小得多的数据，并将数据以合乎要求的方式表示。A．数据清理 B．数据融合 C．数据变换 D．数据规约（2）在数据变换方法中，以下哪个是数据平滑的作用（）。A．数据汇总 B．去噪C．减少数据复杂化 D．构造新的属性（3）对于2，3，4，5这组数据，运用最小-最大标准化处理后，数据4转换为（）。A．0 B．0.33 C．0.67 D．13.多选题（1）分箱技术作为一种局部数据平滑方法，主要包括（）平滑方法。A．箱平均值 B．箱中值 C．箱边界值 D．箱中心值（2）补充缺失数据的主要办法包括（）。A．线性差值法 B．平均值填充 C．回归方法 D．忽略该数据元组（3）数据变换方法包括（）。A．数据平滑 B．数据聚集 C．数据概化 D．数据规范化（4）数据规范化方法包括（）。A．最小-最大 B．对数转换 C．反正切函数转化 D．z-score标准化4.简答题（1）简述常见的数据变换方法。（2）数据融合的方法有哪些？（3）简述常见的数据规约方法。（4）数据概化对数据分析的作用有哪些？教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：Excel是开展数据分析的一种重要工具。掌握多种来源的数据文件与Excel之间的导入导出功能。更重要的是，如果数据本身存在噪声、错误、缺失等均会对后续的模型精度和准确性造成影响。因此，数据预处理是开展数据分析的必要步骤。（3）从能力培养的角度：综合运用数学、计算机、信息科学知识，培养全方位高素质人才。为培养数据分析方面的专业人才，提供专业知识。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）本章可安排上机实验学习，对Excel的导入导出、数据预处理的具体操作展开实践教学。项目六数据可视化“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目六数据可视化教学目标：1知识目标掌握数据可视化的基本概念掌握Excel图表绘制，熟练绘制饼图、柱形图、直方图、雷达图、折线图、散点图掌握数据透视表的使用步骤了解文本分析与标签云的相关概念和使用方法2能力目标能够利用饼图、柱形图、直方图、雷达图、折线图、散点图进行数据可视化能够利用数据透视表制作统计表3素质目标培养学生以电商决策为导向的数据分析意识培养学生数据可视化的美学素养培养学生系统分析与解决问题的能力教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.数据可视化概述2.Excel数据表格和透视表3.标签云可视化（二）课中实训实训一、图表的制作实训二、利用数据透视表制作统计表实训三、WordArt标签云工具的使用（三）课后提升案例1京东手机“6·18”数据实时战报案例2图表制作专项练习思维导图内容引入通过案例进行本章内容的导入。在克里米亚战争期间，南丁格尔作为战地护士赴前线为士兵服务。她发现，很多病人并没直接死于战争，而是因为负伤后没得到妥善照顾，死于斑疹伤寒、痢疾、霍乱等疾病。面对这种情况，南丁格尔希望用独特的统计表格，简明扼要地将这危机的情况画出来。于是，著名的“南丁格尔玫瑰图”应运而生。南丁格尔玫瑰图是将柱图转化为更美观的饼图形式，是极坐标化的柱图，看似怪异却又简单易懂。她将三种死亡情况也分别用不同颜色标记出来：蓝色表示死于可预防的疾病、红色表示死于战争伤害、黑色表示死于其它原因。这一可视化方式，直观地展示了卫生条件对死亡人数的影响，因而说服决策者并争取到了更好的医疗条件。从该案例中，你能体会到数据可视化的魅力吗？数据可视化又如何应用于电商领域？并试着说说它在数据分析上所发挥的重要作用。授新环节（一）课前自学1.数据可视化概述（1）数据可视化的概念数据可视化是关于数据视觉表现形式的科学技术，它是一种利用图形、表格、动画等手段将数据内在的规律直观地进行展现的方式。（2）数据可视化的关键数据可视化的关键在于借助图形手段，清晰有效地传达数据背后的规律和数据分析的结论。为了有效地传达思想、理念，需要美学形式与功能并重，并直观地传达关键的内容与特征，从而实现对稀疏而复杂数据集的深入洞察。（3）统计表格编制的规则在数据描述过程中，不仅需要整理以数据形式表现的资料，有时也需要整理以文字形式表现的资料，如性别、职业、文化程度等。这些资料可以通过统计表格来呈现。2.Excel数据表格和透视表（1）常用的可视化图表简单的图表往往能够有效、形象、快速地传达信息。常用的可视化图表包括饼图、柱形图、直方图、雷达图、折线图、散点图，这6类图表可以满足大部分数据展现与分析的需求。Excel对各类图表进行了详细的分类归纳，可以打开Excel，在插入图表功能中看到Excel提供的主要图表模板。在新版本的Excel中不断增加图表功能，例如：树状图、旭日图、直方图、箱型图、瀑布图、漏斗图、地图、组合图等。（2）数据透视表注意事项数据透视表缓存；位置要求；更改会同时影响两个报表；数据透视图报表（3）标签云可视化标签云，又称文字云、词云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，通过关键词的渲染形成类似云一样的彩色图片。（二）课中实训实训一、图表的制作（1）制作饼图饼图是一种用圆内扇形的面积大小来反映统计分组数据的图形，主要用于反映总体内部的结构及其变化，对研究结构性问题比较适用。（2）制作柱形图柱形图可以非常清晰地表达不同项目之间的差距和数值，通常用于不同时期或不同类别数据之间的比较，也可以用来反映不同时期和不同数据的差异。（3）制作直方图直方图是各条形之间没有间距的柱形图。直方图用条形的宽度和高度来表示统计分组数据，是以组距（宽度）为底边，以落入各组的数据频数（高度）为依据，由按比例构成的若干矩形排列而成的图。（4）制作雷达图将评价某一系统的各指标要素构成坐标轴，再由各要素之间的数值构成环绕的网，就形成了雷达图。（5）制作折线图折线图是用来表达数据随时间推移而发生变化的一种图表，可以预测未来的发展趋势。常通过若干条折线来绘制若干组数据，判断每组数据的峰值与谷值，以及折线变化的方向、速率和周期等特征。（6）制作散点图散点图用来说明若干组变量之间的相互关系，可表示因变量随自变量变化的大致趋势。一般呈现簇状不规则的分布，可用数据点来说明数据的变化趋势、离散程度以及不同系列数据间的相关性。实训二、利用数据透视表制作统计表计数项值汇总；多维数据分析；值筛选；标签筛选；旋转；查看特定数据；切片操作；建立数据透视图。实训三、WordArt标签云工具的使用以WordArt（一款制作文字云效果图的在线免费软件）为例，介绍利用标签云对文本数据进行可视化描述的具体操作。本节内容可以通过实际操作进行快速掌握。（三）课后提升案例1京东手机“6·18”数据实时战报案例2图表制作专项练习内容小结本章主要学习与电子商务数据分析相关的数据可视化方法，详细说明了利用Excel制作饼图、柱状图、直方图、雷达图、折线图、散点图等图表的操作过程。熟练掌握数据透视表的各种操作可为图表的绘制提供数据基础。标签云的相关知识扩展可为文本可视化提供技术支持。课后作业1.判断题（1）数据可视化是将数据在内的规律间接地进行展现的一种方式。（2）数字资料要注明计量单位。当全表只有一种计量单位时，可把它写在表头的左上方。（3）统计表格的文字、数字要书写工整、清晰，数位要对齐。（4）有效、形象、快速地传达信息需要复杂的图表。2.单选题（1）以下不属于可视化的作用的是（）。A．传播交流 B．信息记录 C．数据采集 D．数据分析（2）Excel工作表的行号显示在工作簿窗口的（）。A．左边 B．右边 C．上边 D．下边（3）Excel工作表的列号显示在工作簿窗口的（）。A．左边 B．右边 C．上边 D．下边3.多选题（1）Excel中具有的图表功能包括（）。A．饼图 B．柱形图 C．直方图 D．雷达图（2）从宏观角度看，数据可视化的功能包括（）。A．信息传达 B．信息展现 C．信息清洗 D．信息沟通（3）以下关于数据透视表的说法正确的是（）。A．Excel将报表数据的副本存储在内存中B．数据透视表会随原始数据发生更改C．改变版面的布局不会影响数据透视表D．不可以将数据透视表用作其他报表的源数据4.简答题（1）什么是数据可视化？（2）简述制作统计表格的基本规则。（3）简述数据可视化的基本思想。（4）列举常用的可视化图形。教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：数据可视化是对数学模型和分析结果进行展现的重要手段。Excel的图表功能越来越强大，而且呈现的图形也十分丰富。应通过深入学习Excel工具，进行重点掌握。（3）从能力培养的角度：综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）利用Excel进行数据可视化，是本书的一个重要内容，要安排上机实践学时，进行重点掌握。项目七电子商务行业数据分析“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目七电子商务行业数据分析教学目标：1知识目标了解电子商务行业数据分析的相关概念掌握行业数据的采集步骤和渠道掌握市场行情调研的基本概念掌握市场供给与需求的相关概念和需求调研的基本方法重点掌握波特五力竞争分析模型重点掌握百度指数的使用方法2能力目标能够对电子商务物流市场的供给与需求情况进行分析能够利用波特五力竞争分析模型对电子商务行业的竞争进行全面分析能够利用百度指数分析市场行情，并撰写分析报告3素质目标正确认识大数据时代对电子商务行业发展的优势重视数据科学和数据分析对推进电子商务行业持续快速发展的重要作用教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.行业数据分析2.市场行情认知与调研3.市场供给与需求分析4.电子商务行业竞争数据分析（二）课中实训实训一、行业数据采集的算例实训二、利用百度指数分析市场行情实训三、市场供给与需求分析实例实训四、电子商务行业竞争分析实例（三）课后提升案例1妮维雅旗舰店的运营方案案例2利用百度指数分析市场行情思维导图内容引入通过案例进行本章内容的导入。对于企业来说，以前消费者是谁企业是不清楚的，面目模糊，而现在电商的发展带来大数据的发展，电商大数据勾画出消费者的形象，男女，年龄、喜好、消费频次等。大数据让企业认识用户，可以更为精准的服务用户。借助大数据及相关技术，可针对不同行为特征的客户进行针对性营销，甚至能从“将一个产品推荐给一些合适的客户”到“将一些合适的产品推荐给一个客户”，得以更聚焦客户，进行个性化精准营销。例如，王老吉推出的“一罐一码”的活动，通过与消费者一对一的链接，实现对消费者的真实画像。通过大数据和平台的运用，消除了品牌和消费者之间的障碍，让品牌和消费者面对面地对话，让王老吉的产品更加生动化，和消费者发生多样合作关系。电商企业借助现代信息技术可以获取多种类型的数据，通过整合、分析这些数据信息，能够精准定位目标用户，由此改变了传统电子商务行业的市场营销模式。那么你知道数据分析对电子商务行业发展的巨大优势还体现在哪些方面呢？授新环节（一）课前自学1.行业数据分析（1）行业数据分析的作用数据分析有助于精确电商行业的市场定位；数据分析成为电商行业市场营销的利器；数据分析支撑电商行业的收益管理；数据分析可创新电商行业的需求开发。（2）行业数据采集的步骤第一步，对整个行业概况进行信息收集，记录关键词；第二步，对收集的信息进行归类，按照不同的指标存放；第三步，分析已收集信息，按照重要性或相关性划分等级，并加以标记；第四步，根据指标的要求及已有数据确定下一步的信息收集工作；第五步，对原始数据进行加工和推理并有针对性地进行统计分析与数据挖掘；第六步，将已有的数据按提示制作成图表进行可视化展现。（3）行业数据采集的渠道金融机构，政府部门，行业协会，社会组织，行业年鉴，公司公告，报纸杂志，专业数据库。2.市场行情认知与调研市场行情是指市场上商品流通和商业往来中有关商品供给、商品需求、流通渠道、商品购销和价格的实际状况、特征以及变动情况、趋势和相关条件的信息。为了在竞争中占据有利地位，必须对市场行情进行认真的调查研究，对供求和价格的变化及其原因进行认真分析，并对变化的趋势做出预测，从而为企业经营积累经验。3.市场供给与需求分析（1）市场供给认知市场供给是指在一定时间内、一定市场上，某种类商品的所有生产者能够提供给市场的商品总量。（2）市场需求认知市场需求是指在一定的时期内、一定的市场上，购买者对某种类的商品有货币支付能力的需求总量。（3）市场需求调研的内容与方法市场需求调研的内容主要包括市场需求量、需求结构和需求时间。市场需求调研的方法：观察法，实验法，访问法，问卷法。电子商务行业竞争数据分析（1）行业市场竞争认知市场竞争是市场经济的基本特征。在市场经济条件下，企业从各自的利益出发，为取得较好的产销条件、获得更多的市场资源而竞争。（2）行业竞争分析的方法迈克尔•波特（MichaelPorter）在行业竞争五力分析的基础上设计了行业竞争结构分析模型，从而使企业管理者可以从定性和定量两个方面分析行业竞争结构和竞争状况。五种力量分别为供方的议价能力、买方的议价能力、新进者的威胁力、替代品的威胁力及同业竞争者的竞争能力。（二）课中实训实训一、行业数据采集的算例以速卖通（/zh/__pc/newsellerlanding.htm）后台“选品专家”数据为例，可下载不同国家近30天的热销产品数据，并进行国家差异化分析。实训二、利用百度指数分析市场行情百度指数是以百度海量网民行为数据为基础的数据分享平台，它研究关键词搜索趋势，洞察网民需求变化，监测媒体舆情趋势，定位数字消费者特征，还可以从行业的角度分析市场特点。选择家电类目下的空调子类目作为分析对象，利用百度指数分析该商品类目的市场行情。所需数据取自百度指数的趋势研究模块，涉及趋势研究、需求图谱、人群画像三方面的数据分析，撰写《基于百度指数的空调市场行情分析报告》。实训三、市场供给与需求分析实例以我国电子商务物流市场为例，分析电子商务物流市场的供给与需求情况。实训四、电子商务行业竞争分析实例基于淘宝网C2C店铺的运营情况，以波特五力竞争模型为视角，对淘宝网C2C店铺的竞争策略进行研究。（三）课后提升案例1妮维雅旗舰店的运营方案案例2利用百度指数分析市场行情内容小结本章介绍了电子商务行业数据分析的主要内容和方法、市场行情调研、市场供给与需求分析、电子商务行业竞争分析等知识。重点阐述了在市场行情调研中基于百度指数的行业分析方法以及基于五力竞争分析模型的电子商务行业竞争分析方法。课后作业1.判断题（1）数据分析有助于电子商务行业的收益管理。（2）市场供给的基本规律：对一般商品而言，价格（P）与供给量（Q）呈正相关。（3）商品供给指在一定时间内、一定市场上，某种商品的所有生产者提供给或者能够供给市场的商品总量。2.单选题（1）在进行市场需求调研时，可采用的方法有（）。A．观察法 B．访问法 C．问卷法 D．以上都是（2）访问法的形式是（）。A．结构式访问 B．无结构式访问 C．集体访问 D．以上都是（3）行业数据采集的渠道不包括（）。A．金融机构 B．行业协会 C．政府部门 D．科研院所（4）下列不属于波特五力分析法中的内容的是（）。A．潜在进入者的威胁力 B．替代品的威胁力C．购买者的讨价还价能力 D．中间商的讨价还价能力3.多选题（（1）在收益管理中，重要的环节包括（）。A．需求预测 B．细分市场 C．敏感度分析 D．运营分析（2）以下属于行业数据采集渠道的是（）。A．金融机构 B．政府部门 C．行业协会 D．专业数据库（3）需求的变动引起（）。A．均衡价格同方向变动 B．均衡价格反方向变动C．均衡数量同方向变动 D．均衡数量反方向变动（4）影响供方议价能力的因素包括（）。A．供方有比较稳固的市场地位 B．产品的买主很多C．供方的产品具有特色 D．买主难以转换或转换成本太高4.简答题（1）行业数据采集的步骤是什么？（2）什么是市场供给的基本规律？（3）什么是市场需求的基本规律？（4）简述行业竞争波特五力分析模型的组成元素。教学总结（1）从课程思政的角度：电子商务数据分析与思政教育紧密结合。（2）从知识体系的角度：电子商务行业数据分析是电子商务数据分析应用的一个重要领域。对电商行业的整体行情、供给需求、竞争环境等进行全面分析。（3）从能力培养的角度：综合运用数学、计算机、信息科学、经济学、管理学的知识，培养全方位高素质人才。效果评估（1）通过理论课堂教学，进行师生互动，在课程讲授过程中，实时发布测试题目和课堂提问，掌握学习效果；（2）通过课程微信群，了解学生的学习动态并及时发布课程测试题目；（3）通过雨课堂发布测试题，评估学生学习效果，并记录到平时成绩之中。（4）通过对公开数据、百度指数等资料的参考及数据汇总，锻炼学生撰写一份课程报告——关于某个行业的市场行情分析。项目八电子商务客户数据分析“电子商务数据分析与应用”课程混合式教学方案（课前）BlackBoard系统+（课中）理论授课+（课后）雨课堂测试课程名称：电子商务数据分析与应用任课教师：屈莉莉开课单位：航运经济与管理学院教学对象：电子商务专业2022级章节名称：项目八电子商务客户数据分析教学目标：1知识目标了解电子商务客户数据分析的含义和主要数据指标掌握客户细分的模型掌握使用层次分析法对忠诚客户测量标准的重要性排序模型了解客户特征、行为分析的内容和客户忠诚度的分类掌握客户生命周期的5个阶段和4种模式2能力目标利用ID3算法计算客户特征，区别并理解两种客户细分模型熟练使用层次分析法计算多指标的权重值能够对生命周期进行数据分析并提出优化方案理解在客户生命周期的不同阶段各相关变量的变化情况3素质目标培养结合实际需求进行客户数据分析的能力培养利用数据分析结果解决问题的能力教学安排：教学环节教学内容教学工具（1）课堂教学OFFICE工具；（2）雨课堂：实施反馈与课后测试教学任务（一）课前自学1.电子商务客户数据分析概述2.电子商务客户数据分析的概念与主要内容3.电子商务客户数据分析的主要数据指标4.客户行为分析5.客户细分方法与细分模型6.客户忠诚度分析7.客户生命周期分析（二）课中实训实训一、客户特征统计分析实训二、基于分类算法的客户特征模型实训三、基于5W1H分析法的应用案例实训四、基于交易次数的新老客户购买情况分析实例实训五、客户忠诚度指标权重的计算方法实训六、客户生命周期数据分析与优化案例（三）课后提升 案例1数据挖掘模型在电子商务客户价值分类中的应用案例2分析店铺客户生命周期 思维导图内容引入通过案例进行本章内容的导入。乐购(Tesco)超市公司是英国最大的食品超市公司之一，该公司实施的忠诚计划―“俱乐部卡”，帮助公司将市场份额提升，成为英国最大的连锁超市集团之一。乐购的“俱乐部卡”被很多海外商业媒体评价为“最善于使用客户数据库的忠诚计划”和“最健康、最有价值的忠诚计划”。乐购的俱乐部卡可以作为消费代金卷来使用，当用户在乐购消费时会得到奖励，累计后乐购会将其换成代金卷邮寄给客户。由于规则简单方便实惠因此收到客户的自发使用。此外，乐购还通过让用户付款时出示俱乐部卡掌握了大量客户的购买习惯数据，并通过软件分析，将不同购买需求的客户划分为了十多个不同的俱乐部，为这些俱乐部制作了不同版本的专属俱乐部卡杂志。乐购公司通过使用俱乐部卡取得了客户的大数据并建立起客户社区，大大提升了客户的忠诚度和消费热情，为客户带来福利的同时也为自己带来了丰厚的利润。你了解客户数据分析吗，以及它在商业竞争中的作用吗？试着说说乐购超市公司是如何通过客户数据分析为自己带来收益的。授新环节（一）课前自学1.电子商务客户数据分析概述（1）电子商务客户数据的定义围绕着客户产生的一系列信息，如姓名、性别、年龄、学历、所在地等基本信息均属于客户数据，但电子商务客户数据的范围更加广泛，其还包括其他与电子商务消费和交易相关的客户数据。（2）电子商务客户数据的重要性对客户进行有效的分析，不仅能提高客户的满意度和忠诚度，而且最终能提高企业的利润，增强企业的核心竞争力。2.电子商务客户数据分析的概念与主要内容客户分析就是根据数据来分析客户的各种特征，评估客户价值，从而为客户制订相应的营销策略与资源配置计划。根据客户关系管理的内容，将客户分析的主要内容概括为以下六个方面：（1）商业行为分析，（2）客户特征分析，（3）客户忠诚分析，（4）客户注意力分析，（5）客户营销分析，（6）客户收益率分析。3.电子商务客户数据分析的主要数据指标客户分析指标有利于电子商务卖家进一步了解客户的得失率和客户的动态信息，它包含以下7个方面的内容：有价值的客户数；活跃客户数；客户活跃率；客户回购率和复购率；客户留存率；平均购买次数；客户流失率。客户行为分析（1）客户行为分析的含义在电子商务消费领域，消费者购买行为分析包括对客户来源渠道的分析、对客户访问终端类型的分析、对客户访问时间分布情况的分析、对客户购买时间分布情况的分析等。（2）客户行为分析的基本框架市场营销学把消费者的购买动机和购买行为概括为“5W”、“1H”和“6O”，从而形成消费者购买行为研究的基本框架。（3）客户购买行为分析的主要过程购买行为环节模式描绘；确定各环节的关键影响因素；确定各环节的关键营销推动行为；评估目标品牌的消费者行为表现，得到完整的消费者分布结构，即处于不同阶段的消费者比例，从而明确品牌表现的原因；确定营销活动的实施策略客户细分方法与细分模型（1）客户细分概述客户细分(CustomerSegmentation)作为客户关系管理的核心概念之一，是指企业在明确的战略、业务模式和特定的市场中，根据客户的属性、行为、需求、偏好以及价值等因素对客户进行分类，并提供针对性的产品、服务和营销模式的过程。（2）客户细分方法对客户进行区分和分类的方法多种多样，主要的细分方法：①AB客户分类，②客户多维分类，③客户价值发现分类，④客户价值分类，⑤潜在客户的分类。（3）客户细分模型RFM细分模型是通过客户购买行为中的“最近一次购买（Recency）”“购买频率（Frequency）”和“购买金额（Monetary）”三个数据，来了解客户的层次和结构、客户的质量和价值以及客户流失的原因，从而为商家制定营销策略提供支持。图8.3RFM模型分析过程客户价值矩阵模型是对RFM模型的改进，它消除了消费次数与总消费额之间的多重共线性，用平均消费代替总消费。图8.4客户价值矩阵模型客户忠诚度分析（1）客户忠诚度的定义客户忠诚度是指由于质量、价格、服务等诸多因素的影响，使顾客对某一商家的产品或服务产生感情，形成偏爱并长期重复购买该商家产品或服务的程度。（2）客户忠诚度的分类客户忠诚可以分为情感忠诚和行为忠诚。图8.5影响客户忠诚度的主要因素（3）忠诚客户的测量标准通过客户重复购买次数、购买挑选时间、对价格的敏感程度、对竞争产品的态度以及对产品质量的承受能力五个方面可以衡量客户是否具有品牌忠诚度。7.客户生命周期分析1）客户生命周期的5个阶段（1）客户生命周期的定义店铺与客户由准备建立关系到成功建立关系，再到最后终止关系的过程，称为客户生命周期（也称为客户关系生命周期）。（2）客户关系发展的5个阶段一般来说，客户关系发展可分为5阶段，这是研究客户生命周期的基础。①获客期。②成长期。③稳定期。④休眠期。⑤衰退期。（3）客户生命周期发展各阶段相关变量的变化情况随着客户关系的发展，客户生命周期的不同阶段对店铺的影响不同，其影响主要有成交量、价格、成本、间接效益、成交额与利润等。表8.1客户生命周期发展各阶段相关变量的变化情况生命周期影响因素获客期成长期稳定期休眠期衰退期成交量总体很小快速增长最大且稳定回落下降价格较低有上升趋势持续上升开始下降稳定略微下降成本最高明显降低持续降低回升稳定略微提升间接效益没有后期有并扩大持续扩大缩小近乎没有成交额很少快速上升稳定开始下降很少利润很少甚至负利润快速上升持续上升开始下降很小甚至负利润2）客户生命周期发展的4种主要模式早期流产型，中途夭折型，提前退出型，长久保持型。（二）课中实训实训一、客户特征统计分析客户特征分析是了解用户诉求点的关键，对企业制定营销方案和资源配置计划具有重要意义。从年龄分析、职业分析、地域分布3个方面对客户特征进行分析。实训二、基于分类算法的客户特征模型1．分类算法概述分类（Classification）是一个有监督的学习过程，目标数据库中有哪些类别是已知的，分类过程需要做的就是把每一条记录归到对应的类别之中。2．ID3算法描述早期著名的决策树算法是1986年由Quinlan提出的ID3算法。ID3算法用信息增益（InformationGain）作为属性选择度量，信息增益值越大，不确定性越小。3．分类算法实例从客户的年龄范围、收入水平、是否为学生、信用等级等4个方面，对潜在客户是否会购买本店铺的电脑进行分类。实训三、基于5W1H分析法的应用案例以普洱茶为例，基于5W1H分析法制定茶叶电商市场的营销策略。实训四、基于交易次数的新老客户购买情况分析实例（1）新老客户人数走势分析（2）新老客户销量与销量额所占比例分析此部分内容可安排上机操作进行深入掌握。实训五、客户忠诚度指标权重的计算方法层次分析法（AnalyticHierarchyProcess,AHP）是美国匹兹堡大学教授T.L.Saaty于20世纪70年代提出的解决非数学模型决策问题的方法。利用层次分析法计算忠诚客户的测量指标的权重。假设在某个电商平台上有3个商家销售同一类目的商品，现邀请一批消费者对这3个品牌的5个指标分别进行打分，打分范围在05分，得分越高则表示该消费者在该店铺购买次数越多、挑选时间越短、价格敏感程度越低、对竞争产品态度越无兴趣、对产品质量承受能力越强。实训六、客户生命周期数据分析与优化案例根据某店铺最近2年的交易额，绘制该店铺的客户生命周期图，并分析发展的模式，及改进的具体措施。（三）课后提升案例1数据挖掘模型在电子商务客户价值分类中的应用案例2分析店铺客户生命周期内容小结本章全面阐述了电子商务客户数据分析的知识内容。介绍电商客户数据指标与客户分析的相关概念，从客户特征分析和客户行为分析了解客户，通过RFM模型和客户价值矩阵模型两种模型细分客户。利用ID3决策树模型对客户的特征进行分析，为获取潜在客户提供推理依据。忠诚的客户会给店铺带来很大的价值，客户忠诚度受情感、行为、转移成本三个因素影响，通过层次分析法对忠诚客户的五个测量标准进行重要性排序。客户生命周期分为获客期、成长期、稳定期、休眠期和衰退期五个阶段，具有早期流产型、中途夭折型、提前退出型、长久保持型四种不同模式，并针对具体案例对客户生命周期进行分析和优化。课后作业1.判断题（1）当新客户比例=客户流失率时，说明店铺有下滑趋势。（2）客户细分方法中的AB客户分类讨论的是30%的A类客户和70%的B类客户这一问题。（3）情感忠诚主要由3方面构成，即竞争对手诱惑、客户满意度及客户购买量。（4）稳定期是间接效益最为明显地展示的阶段，客户对店铺提供的价值感到满意，促使效益持续扩大。（5）在中途夭折型模式中，客户关系经过了获客期、成长期和稳定期。2.单项选择题（1）（）是客户细分的重要前提。A.客户群的稳定性B.客户群的多样性C.数据的稳定性D.数据的多样性（2）RFM模型的三个指标是指购买频率、购买金额和（）。A.延迟购买B.重复购买C.最近一次购买D.客户响应（3）以下哪个选项不能反映客户的忠诚度高（）。A.挑选时间短B.对质量要求苛刻C.对竞争产品的态度漠视D.重复购买次数多（4）（）是客户关系开始衰退的阶段。A.稳定期B.衰退期C.休眠期D.成长期（5）关于生命周期各阶段相关变量变化情况，以下说法错误的是（）。A.间接效益在获客期以及衰退期是基本没有影响的B.获客期最大的特点是不确定性C.稳定期前期的利润持续上升，但在后期减缓，最后稳定在高水平上D.成长期是整个关系发展水平的最高点3.多项选择题（1）电商客户数据包括（）。A.主观数据