多用戶商城系統(tǒng)數(shù)據(jù)分析怎么做?

　　大數(shù)據(jù)時代的來臨對于電商并非是句空談。就多用戶商城系統(tǒng)而言，真實有效的數(shù)據(jù)分析能夠為商城精準營銷的實施提供準確的策略指引。就成本支出來說，精準的數(shù)據(jù)分析能夠很大程度的降低成本支出。但如何做好多用戶商城系統(tǒng)的數(shù)據(jù)分析呢?請看下文。

　　就數(shù)據(jù)分析職業(yè)來說，個人感覺這對互聯(lián)網(wǎng)公司來說是非常重要的，也是確實能夠帶來實際效果的東西。比如說利用數(shù)據(jù)分析做會員的細分以進行精準化營銷;利用數(shù)據(jù)分析來發(fā)現(xiàn)現(xiàn)有的不足，以作改進，讓顧客有更好的購物體驗;利用CRM系統(tǒng)來管理會員的生命周期，提高會員的忠誠度，避免會員流失;利用會員的購買數(shù)據(jù)，挖掘會員的潛在需求，提供銷售，擴大影響力等等。

　　下面詳細說一下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

　?、?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。

　?、?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。

　　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)?ldquo;啤酒與尿布”。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。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。

　　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物行為的顧客進行群體的細分，以支持精細化的營銷活動，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)務更加貼近。聚類分析是進行會員精細化管理，精細化營銷的基礎(chǔ)，做好聚類分析，對企業(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，以制定精準的營銷。

　　網(wǎng)站的分析工作怎么做?

　　1、 網(wǎng)站流量分析

　　網(wǎng)站流量的比較重要的KPI指標有瀏覽量、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，然后由這一指標的變化來尋找其他相關(guān)數(shù)據(jù)的變化，最終找出原因，做相對應的策略，改進我們的工作。

　　2、 網(wǎng)站分析細分

　　數(shù)據(jù)分析行業(yè)有句話-無細分，毋寧死，足矣看出細分對數(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，所以必須要細分。比如說營銷人員需要看的轉(zhuǎn)化率，必須就要細分到每個渠道里面，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)會員的精細化細分，不但要滿足客戶的需求，更要挖掘出他們的需求。

　　以上便是大部分進行多用戶商城系統(tǒng)數(shù)據(jù)分析會使用到的要的模型及算法了。無論是哪種模型與算法，想要結(jié)果精準最初的數(shù)據(jù)必須是真實有效的。這一點就需要企業(yè)建立規(guī)范的數(shù)據(jù)收集制度了。

<本文由himall原創(chuàng)，商業(yè)轉(zhuǎn)載請聯(lián)系作者獲得授權(quán)，非商業(yè)轉(zhuǎn)載請標明：himall原創(chuàng)>