電子商務數據分析與應用第1章電子商務數據分析認知本章提綱

電子商務數據的內涵及意義1.1

1.2

實訓電子商務數據分析的主要任務電子商務數據分析的流程及原則思維導圖思政園地案例1電子商務在經濟社會數字化轉型中舉足輕重【思政教育元素：樹立正確的就業觀】電子商務新業態新模式蓬勃發展，企業核心競爭力大幅增強，網絡零售持續引領消費增長，高品質的數字化生活方式基本形成。電子商務與一二三產業加速融合，全面促進產業鏈供應鏈數字化改造，成為助力傳統產業轉型升級和鄉村振興的重要力量。電子商務深度鏈接國內國際市場，企業國際化水平顯著提升，統籌全球資源能力進一步增強，“絲路電商”帶動電子商務國際合作持續走深走實。電子商務法治化、精細化、智能化治理能力顯著增強。電子商務成為經濟社會全面數字化轉型的重要引擎，成為就業創業的重要渠道，成為居民收入增長的重要來源，在更好滿足人民美好生活需要方面發揮重要作用。思政園地案例2新冠肺炎疫情下電子商務的機遇和挑戰【思政教育元素：社會責任感教育】面對疫情電商企業應當從以下幾個方面采取措施積極應對：（1）打通線上線下屏障，構建新零售模式；疫情后消費者必然要向線下回流，因此電子商務應當積極拓展線下業務，實現與線上的相互協同，盡早打通線上與線下的屏障，構建新的銷售模式。（2）企業應當聚焦上游供應商，為企業復工做好準備，實現經濟快速回復。人類的發展是伴隨著各種危險和斗爭的，新冠疫情影響的不僅僅是人們的生活和電子商務的發展，疫情結束后人們的危機不會結束，未來人類的發展依然會面各種危機，只有依靠人們的智慧和采取科學的措施，才能化解危機促進社會不斷發展。案例導入XOCommunications是一個總部位于美國弗吉尼亞州的國家通信服務提供商，其擁有超過4000名雇員。作為一個電信企業XO面臨的一大業務挑戰就是管理客戶流失。由于有著大量的客戶，即使XO的客戶服務經理定期接觸擁有流失風險的客戶也難以進行有效的管理繼而導致客戶的流失。為此XO使用了IBM公司的SPSS預測分析軟件，通過對客戶數據的分析預測定期評價客戶的流失傾向并聘請客服經理按照優先順序聯系客戶，在經過不斷努力后成功減少了將近一半的客戶流失率。XO現在可以預測客戶的行為,發現行為趨勢,并找出存在缺陷的環節,從而幫助公司及時采取措施,保留客戶。你了解客戶數據分析嗎？在生活中你還見過哪些客戶數據分析的例子？在完成本章學習后試著說說XO是如何運用客戶數據分析來挽留客戶的。1.1電子商務數據的內涵及意義1.1.1電子商務數據分析的內涵1.1.2電子商務數據分析的意義1.1.1電子商務數據分析的內涵通常概念下，電子商務數據分析指的是對電子商務經營過程中產生的數據進行分析，在研究大量的數據的過程中尋找模式、相關性和其他有用的信息，從而幫助商家做出決策。通過對相關數據的有效統計、分析和使用，形成多種模型，促進客戶、商業伙伴之間的溝通及優化應用，通常需要計算機軟件的支持。1.1.1電子商務數據分析的內涵1.數據分析“數據”是人們通過觀察、實驗或計算得出的結果。數據有很多種，最簡單的就是數字，也可以是文字、圖像、聲音等。數據可用于各類研究、設計、查證等工作。“分析”是將研究對象的整體分為若干部分、方面、因素和層次，并分別加以考察的認識活動。分析的意義在于細致地尋找能夠解決問題的主線，并以此解決問題。數據分析是指用適當的統計分析方法對收集來的大量數據進行分析，將它們加以匯總和理解并消化，以求最大化地開發數據的功能，發揮數據的作用。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。數據分析可幫助人們做出正確的判斷，以便采取適當行動。數據分析的目的是把隱藏在大量看來雜亂無章的數據中的信息集中和提煉出來，從而找出所研究對象的內在規律。一般把數據分析分為三類：探索性數據分析（ExploratoryDataAnalysis，EDA)，驗證性數據分析（ConfirmatoryDataAnalysis，CDA）和定性數據分析。1.1.1電子商務數據分析的內涵2.數據可視化數據可視化旨在將數據分析的結果通過表格、圖標和信息圖的方式直觀地展示出來，使他人更容易、更快速得到并理解數據分析結果。數據可視化工具有很多，如Tableau、PowerBI、Python、Excel、World、PowerPoint等。現代社會已經進入一個速讀時代，好的可視化圖表可以清楚地表達數據分析的結果，節約人們思考的時間。1.1.1電子商務數據分析的內涵3.大數據大數據（bigdata）是指無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。IBM提出大數據的5V特點：Volume（大量）Velocity（高速）Variety（多樣）Value（低價值密度）Veracity（真實性）1.1.1電子商務數據分析的內涵4.云計算云計算（cloudcomputing）是一種分布式計算技術，通過網絡將龐大的計算處理程序自動分拆成無數個較小的子程序，再交由多部服務器所組成的龐大系統經搜尋、計算分析之后將處理結果回傳給用戶。云計算是一種資源交付和使用模式，通過網絡獲得應用所需的資源（硬件、平臺、軟件），提供資源的網絡被稱為“云”。目前云計算包含三個層次的內容：IaaS、PaaS和SaaS。1.1.1電子商務數據分析的內涵5.數據挖掘數據挖掘又稱數據庫中的知識發現（KnowledgeDiscoverinDatabase，KDD），是目前人工智能和數據庫領域研究的熱點問題，所謂數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。數據挖掘是一種決策支持過程，它主要基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。利用數據挖掘進行數據分析常用的方法主要有分類、回歸分析、聚類、關聯規則、特征提取、變化和偏差分析、Web文本挖掘等。1.1.1電子商務數據分析的內涵6.數據質量主要包括兩方面：數據的集成和數據的清洗，關注的對象主要有原始數據和元數據兩方面。數據的集成：主要解決信息孤島的問題，包括兩方面：數據倉庫對元數據的集成和元數據系統對不同數據源中的元數據集成。相應地，數據質量管理也關注兩方面：對數據倉庫中真實數據的質量探查和剖析，以及對元數據系統中元數據的數據質量的檢查。元數據的管理目標是整合信息資產、支撐數據在使用過程中的透明可視，提升數據報告、數據分析、數據挖掘的可信度。數據的清理：數據質量處理主要是采用一些數據清洗規則處理缺失數據、去除重復數據、去除噪聲數據、處理異常（但真實）的數據，從而保證數據的完整性、唯一性、一致性、精確性、合法性和及時性。1.1.2電子商務數據分析的意義1.優化市場定位2.優化市場營銷3.助力電子商務企業的收益管理4.協助創造客戶新的需求1.2電子商務數據分析的流程及原則

1.2.1電子商務數據分析的流程1.2.2電子商務數據分析的原則1.2.1電子商務數據分析的流程確定分析目的與框架123456收集數據數據處理與集成數據分析數據可視化撰寫分析報告1.2.2電子商務數據分析的原則科學性：科學方法的顯著特征是數據的收集、分析和解釋的客觀性。數據統計分析要具有同其他科學方法一樣的客觀標準。系統性：數據分析不是單個資料的記錄、整理或分析活動，而是一個周密策劃、精心組織、科學實施，并由一系列工作環節、步驟、活動和成果組成的過程。針對性：不同的數據分析方法，無論是基礎的分析方法，還是高級的分析方法，都會有它的適用領域和局限性實用性：電子商務數據分析是為企業決策服務的，在保證其專業性和科學性的同時也不能忽略其現實意義。趨勢性：市場所處的環境是不斷變化的，在進行電子商務數據分析時要以一種發展的眼光看待問題，眼光不能局限于當前現狀與滯后指標，要充分考慮社會宏觀環境、市場變化與先行指標。實訓電子商務數據分析的主要任務1行業分析2客戶分析3產品分析4運營分析1行業分析行業分析流程包括行業數據采集、市場需求調研、產業鏈分析、細分市場分析、市場生命周期分析、行業競爭分析等。（1）行業數據采集根據行業特性確定數據指標篩選范圍，然后做出符合業務要求的數據圖表模板；整合行業數據資源，使用合適的方式收集數據并完成數據圖表的制作。（2）市場需求調研通過客戶行為、行業特性及業務目標要求設計調研問卷；通過網絡調研、深度訪談等方法發放與回收調研問卷；通過Excel等數據處理工具對回收的調研問卷進行數據清洗，從而得到可靠的樣本數據。（3）產業鏈分析通過對行業中供應商、制造商、經銷商、客戶等環節之間交互關系的分析，繪制交互關系示意圖；通過對前期的市場需求調研及交互關系的分析，制作產業鏈的合理性評估表。1行業分析（4）細分市場分析根據細分市場歷史數據確定相應的優勢細分市場，并編制優勢細分市場列表；根據產品特點和消費者需求關聯目標細分市場，并編制關聯目標細分市場列表；通過定性與定量的分析方法進行匹配度分析，并編制消費者與產品匹配度列表。（5）市場生命周期分析根據細分市場歷史數據判定該細分市場所處的生命周期；通過行業資訊、領域專家意見，以及細分市場歷史數據確定該細分市場所處生命周期中的機遇與挑戰；根據細分市場所處生命周期給出改善建議。（6）行業競爭分析通過網絡等渠道進行同類企業市場信息收集，并進行同類企業與本企業市場相關性與差異性的分析，同時編寫市場差異性分析報告；通過SWOT分析法（Strengths、Weaknesses、Opportunities、Threats）分析自身企業的機遇與挑戰，并編制SWOT分析圖表。2客戶分析客戶分析流程包括客戶數據收集、客戶特征分析（客戶畫像）、客戶行為分析、客戶價值評估、目標客戶精準營銷（營銷策略制定和資源配置）、銷售效果跟蹤等。（1）客戶數據收集了解B端（企業端）及C端（消費者端）的不同客戶數據收集渠道；熟悉公司品牌及產品定位、客戶定位，以及各業務部門的客戶數據需求；根據客戶的訪問、瀏覽、購買、評價等行為數據對客戶數據屬性標簽進行收集、整理；熟練運用Excel、客戶關系管理（CustomerRelationshipManagement，CRM）、評價分析、輿情監控等客戶數據收集分析工具（軟件）；利用問卷、調研等數據收集方法收集客戶數據，并對數據進行清洗和處理。（2）客戶特征分析了解B端及C端的客戶行為屬性區別；根據客戶的購買行為、購買地域、購買金額、購買次數等對客戶進行特征分析；熟悉地域、性別、年齡等客戶基礎屬性，并據此進行相關歸類和分析；借助Excel、CRM等工具對客戶特征進行挖掘分析及梳理。（3）客戶行為分析對客戶的評價行為、購買趨勢、購買喜好、營銷喜好、產品喜好等行為進行分析；根據客戶行為分析制定不同渠道的內容模式，挖掘客戶接受度較高的營銷方式。2客戶分析（4）客戶價值評估分析B端及C端的客戶價值行為；熟悉客戶特征、回購率、客單價、地域等客戶行為分析的概念和行為價值；了解各業務部門對客戶數據的需求，基于需求挖掘客戶價值并進行相關價值評估。（5）目標客戶精準營銷熟悉B2B及B2C平臺的區別，了解B端及C端不同平臺的客戶精準分析、營銷策略及營銷規則工具；熟悉各電子商務平臺的客戶推廣營銷渠道及推廣方法；掌握消費者心理，基于推廣渠道，了解短信、電子郵件、自媒體、直播等營銷渠道，并制訂各渠道的精準推廣計劃；根據制訂的推廣計劃協調公司相關資源，最終完成營銷計劃的投放。（6）銷售效果跟蹤熟悉營銷回購率、轉化率、投資回報率等指標；對各渠道的客戶營銷數據進行總結、分析、對比，輸出各渠道的銷售效果報告，調整各渠道的客戶運營策略；跟蹤各渠道的銷售效果及投資回報率，給各業務部門提出業務建議，并協助各渠道進行客戶營銷模式的調整。3產品分析產品分析流程包括競爭對手分析、客戶特征分析、產品需求分析、產品生命周期分析、客戶體驗分析，最后通過調研報告形成合理化建議，對產品開發及市場走向進行預測。（1）競爭對手分析通過分析目標客戶、定價策略、市場占有率等，確定競爭對手；對競爭對手的價格、產品、渠道、促銷等方面進行數據調研、歸納、整理；通過SWOT分析法得出競爭對手的產品及自身產品的優劣勢。（2）客戶特征分析根據研究目的確定典型客戶特征的分析內容；做好客戶年齡、地域、消費能力、消費偏好等數據的收集與整理工作；通過Excel等工具分析客戶數據，賦予不同的人群標簽。（3）產品需求分析根據典型客戶特征分析結果，收集客戶對產品需求的偏好；通過整理、分析客戶對產品需求的偏好，提出產品開發的價格區間、功能賣點、產品創新、包裝物流等建議，并通過產品的不斷升級和迭代，提高客戶對產品及品牌的持久黏性。3產品分析（4）產品生命周期分析利用Excel等工具匯總產品部、運營部、客服部等的產品銷售數據；密切監控季節、氣溫、地域等因素對產品銷售周期性數據的變化及波動的影響；協助指導采購、生產等部門合理安排采購及生產計劃。（5）客戶體驗分析通過客戶訪談或工具軟件收集并了解客戶體驗現狀；跟蹤和分析客戶對產品的反饋，監測產品使用狀況并及時提出改進方案；識別客戶痛點及發現市場，組織有價值的典型客戶參與產品設計，并評估產品價值及客戶體驗。4運營分析運營分析流程包括銷售數據分析、推廣數據分析、客服數據分析。（1）銷售數據分析通過評估歷史銷售數據等進行企業銷售目標的定位；通過市場調研來歸納、整理調研數據，并設計銷售指標；運用Excel等工具或調用平臺數據，制定銷售業績、價格體系、區域布局、產品結構、銷售業績異動等指標；通過建立多維報表，明確銷售任務，得出整體銷售分析指標；通過內部報告系統或數據采集工具獲取銷售數據；通過與客服部的溝通獲取銷售反饋信息。對數據進行清洗和整理，以保證數據的有效性和完整性；對整體銷售情況進行分析，包括銷售額分析、銷售量分析、季節性分析、產品結構分析、價格體系分析；對銷售區域進行分析，包括區域分布分析、重點區域分析、區域銷售異動分析；對產品線進行分析，包括產品系列結構分布分析、產品-區域分析；對價格體系進行分析，包括價格體系構成分析、價格-產品分析、價格-區域分析。根據既往數據進行預測，包括總體銷售預測、區域銷售預測、季節性銷售變化預測；對電子商務平臺特有的指標，如客戶流失率、客單價、跳失率等進行分析及預測；對數據可視化方案進行設計，結合業務場景設計出實用的可視化方案，并應用可視化方案對已分析出的銷售數據結果進行展現。4運營分析（2）推廣數據分析通過公司現有商務推廣數據及公司現狀、商品維度、外部競爭數據等確定數據分析的目標；根據數據分析目標和公司現有商務推廣數據，制定分析原則和分析策略；根據數據分析目標、分析原則和分析策略，確定詳細的分析步驟及時間規劃；根據整體規劃劃分階段目標，通過Excel及PPT等分析匯報工具規劃分析方案。根據具體推廣業務和推廣方式，對數據進行合并或拆分操作，以便對數據進行分析；根據業務和分析工具，對數據進行標準化、歸一化操作或對定性數據進行量化操作；根據現有推廣數據，分析各種推廣方式、推廣渠道對不同人群的推廣效果；對適合不同人群的推廣方式和推廣渠道，提出合理的推廣建議；根據現有推廣數據，分析各種推廣方式、推廣渠道的整體效果并對分析出的各種推廣渠道整體效果進行可視化展現。4運營分析（3）客服數據分析根據企業目標、運營過程、歷史數據、企業環境等進行分析目標設計；通過調研企業領導及各層次人員，收集歷史數據及其遞增幅度，定義成本、人員留存、營業利潤、人均銷售收入等指標，以達到提升運營質量、降低成本、開展精準營銷等企業目標；將具體的問題抽象成指標，以達成特定目標；通過收集基本數據，計算成本、網站成交額、買家評價率、退款完結率等指標；通過數據分析工具，分析轉化率、響應時間、銷售額等指標，以及售前、售中、售后指標，并將數據結果以圖表的方式展現給客戶。本章小結本章主要介紹了電子商務數據分析的基本原理，包括電子商務數據分析的內涵、意義、流程、原則、主要任務。電子商務數據分析能幫助企業實現由“產品驅動”向“數據驅動”轉型。電子商務數據分析包括確定分析目的與框架、收集數據、數據處理與集成、數據分析、數據可視化、撰寫分析報告六個環節，兼具科學性、系統性、針對性、實用性和趨勢性的原則。電子商務數據分析與應用的主要任務可以歸納為行業分析、客戶分析、產品分析和運營分析四大類。課后提升案例1京東大數據用戶畫像用戶畫像是將用戶的線上行為數據化。京東商城通過全面分析消費者購買商品的種類、價格、頻次等一系列活動，使每一個活動代表一個或多個標簽，通過對標簽的匯總、分析、分類來深化對個人或群體的認知，包括基本屬性、購買能力、行為特征、社交網絡、心理特征、興趣愛好。京東電子商務平臺對用戶畫像技術的主要實踐應用包括：（1）精準營銷。以手表為例，結合品牌、價格、推廣渠道進行人群圈定，然后基于用戶標簽通過短信、郵件或網頁廣告、App廣告進行推送。（2）個性化。每個人的購物需求不同，因此每個人打開京東頁面所展現的商品也不同。（3）社交傳播。京東通過與騰訊、百度、今日頭條等公司的合作，打通數據庫，找出各自用戶標簽的交集并進行廣告的推送，從而提高轉化率。（4）數據分析。京東通過用戶畫像了解用戶、猜測用戶的潛在需求、精細化地定位人群特征、挖掘潛在的用戶群體，從而指導并驅動業務場景和運營，并發現和把握在海量用戶中的巨大商機。從上述案例可知，作為電子商務數據分析的重要應用，用戶畫像可以讓數據說話，能夠幫助商家快速找到精準用戶群體及用戶需求等更為廣泛的反饋信息。課后提升案例2數據分析推動農夫山泉公司發展礦泉水是傳統快消品（快速消費品）類目銷量最大的商品之一。農夫山泉公司在全國有十多個水源地。一瓶超市售價為2元的550ml飲用水，其中3毛錢花在了運輸上。自2011年起，農夫山泉公司對接SAP的創新性數據庫平臺SAP

HANA，同等數據量的計算速度從過去的24小時縮短到了0.67秒，近乎實時計算的結果使農夫山泉公司實現了精準的物流成本管控。農夫山泉公司在全國范圍內的10

000多名業務員每天將采集到的圖片、視頻、聲頻傳回杭州總部，有了強大的數據分析能力進行支持，近年來農夫山泉公司保持著30%～40%的年零售額增長率。根據上述案例思考以下問題：（1）農夫山泉公司在采集數據時使用了什么方法？（2）農夫山泉公司在分析數據時使用了什么工具？（3）數據分析對推動企業發展有什么作用與意義？本章內容結束！

電子商務數據分析與應用項目二電子商務數據分析模型本章提綱

PEST模型2.1

5W2H模型2.2

邏輯樹模型2.3

漏斗模型2.4

課中實訓2.5

課后提升2.6本章思維導圖案例導入亞馬遜的“信息公司”

“亞馬遜從大數據中發掘出了巨大的商業價值。亞馬遜需要處理海量的數據，這些交易數據的直接價值非常大。亞馬遜作為一家“信息公司”，不僅會從每個用戶的購買行為中獲得信息，還會將每個用戶在其網站上的所有行為都記錄下來，如頁面停留時間、用戶是否查看評論、搜索的每個關鍵詞、瀏覽的商品等。這種對數據價值的高度敏感和重視，以及數據分析的能力，使得亞馬遜遠遠超越了傳統運營方式。對于亞馬遜來說，數據分析是商業決策的指揮棒。那么你知道亞馬遜公司運用了什么數據分析模型嗎？你還了解哪些電子商務數據分析中常用的方法和模型呢？2.1PEST模型2.1.1PEST模型定義2.1.2對行業、企業的PEST分析2.1.1PEST模型定義PEST（P是政治Politics，E是經濟Economy，S是社會Society，T是技術Technology），是對企業所處宏觀環境進行分析的模型。政治環境：指一個國家的社會制度、執政黨性質，以及政府的方針、政策、法令等。經濟環境：分為宏觀和微觀兩個方面，宏觀上指一個國家的人口數量及其增長趨勢、國民收入、國民生產總值及變化情況；微觀上指企業所在地區的消費者收入水平、消費偏好、儲蓄情況、就業程度等因素。社會環境：指一個國家或地區的居民受教育程度和文化水平、宗教信仰、風俗習慣、審美觀點、價值觀等。技術環境：指與企業所處領域直接相關的技術手段的發展變化、國家對科技開發的投資和支持重點、該領域技術發展動態和研究開發費用總額、技術轉移和技術商品化速度、專利及其保護情況等。

2.1.2對行業、企業的PEST分析2.25W2H模型2.2.15W2H分析法的核心要素2.2.25W2H分析法的應用步驟2.2.15W2H分析法的核心要素5W2H分析法又叫七問分析法，由二戰中美國陸軍兵器修理部首創。5W2H模型針對5個W（Why、What、Who、When、Where）以及2個H（How、Howmuch）提出7個關鍵詞進行數據指標的選取，再根據選取的數據進行分析。Why：為什么？為什么要這么做？理由何在？原因是什么？Who：誰？由誰來承擔？誰來完成？誰負責？When：何時？什么時間完成？什么時機最適宜？How：怎么做？如何提高效率？如何實施？方法是什么？Howmuch：多少？做到什么程度？數量如何？質量水平如何？費用產出如何？What：什么？目的是什么？做什么工作？Where：何處？在哪里做？從哪里入手？2.2.25W2H分析法的應用步驟（1）設計5W2H的相關問題（2）找出主要優缺點（3）決定設計新產品2.3邏輯樹模型2.3.1邏輯樹模型的基本內容2.3.2三種邏輯樹2.3.1邏輯樹模型的基本內容邏輯樹又稱問題樹、演繹樹或分解樹，是分析問題最常使用的工具之一，它是將問題的所有子問題分層羅列，從最高層開始，并逐步向下擴展。把一個已知問題當成樹干，然后開始考慮這個問題和哪些相關問題有關。每想到一點，就給這個問題所在的樹干加一個“樹枝”，并標明這個“樹枝”代表什么問題。一個大的“樹枝”上還可以有小的“樹枝”，如此類推，找出與問題相關聯的所有項目。構建邏輯樹模型的原則：（1）要素化（2）框架化（3）關聯化2.3.2三種邏輯樹（1）議題樹議題樹的主要形式是先提出一個問題，然后將這一問題細分為多個與其內在邏輯相聯系的副議題。有以下注意事項：①相鄰層級具有邏輯上的內在直接聯系；②同一層級上的內容需要滿足相互獨立、完全窮盡的原則。議題樹的特點在于它比較可靠，但是實施的過程比較緩慢，通常用于解決問題的初期階段。2.3.2三種邏輯樹（2）假設樹假設樹的主要形式是先假設一種解決方案，然后通過已有論據對該方案進行證明。對于某種假設方案，只有當所有論點都支持該方案時，該假設方案可以得到驗證，否則會被推翻。假設樹的特點在于它的處理方式比議題樹更快，解決問題的效率更高，通常用于對問題有了足夠了解的階段。2.3.2三種邏輯樹（3）是否樹是否樹主要形式是先提出一個問題，然后對這一問題進行判斷分析，分析的結果只有兩種，非“是”即“否”。是否樹的特點在于它簡單明了，對問題的解決能夠果斷標準，不拖泥帶水。在判定過程中，只要根據標準去衡量得到的結果是否符合即可。對問題不僅足夠了解，且針對一些結果已經有了標準方案，需要在方案中進行選擇時，使用是否樹。2.4漏斗模型2.4.1漏斗模型的相關概念2.4.2漏斗模型2.4.1漏斗模型的相關概念轉化率：對于電子商務網站來說，轉化率就是從當前一個頁面進入到下一個頁面的人數比率。關鍵路徑分析：網站中的一些關鍵路徑（KeyPath），即用戶是為了某個目標而進入了一個相對標準的有序路徑，用戶的目標就是為了到達“出口”，而不是隨意游蕩。如電子商務網站的注冊流程、購物流程，應用型網站的服務使用流程等可被視為關鍵路徑。2.4.2漏斗模型漏斗模型（FunnelModel）不僅顯示了用戶在進入流程到實現目標的最終轉化率，同時還可以展示整個關鍵路徑中每一步的轉化率。基于訪問路徑，漏斗模型衍生出“路徑分析方法”，包括：關鍵路徑、擴散路徑、收斂路徑、端點路徑。每一條路徑都是一個漏斗。通過對關鍵路徑（比如注冊流程、購物流程等）轉化率的分析，來確定整個流程的設計是否合理，各步驟的優劣，是否存在優化的空間等，進而提高最終目標的轉化率。本章知識小結本章主要學習電子商務數據分析模型，主要包括PEST模型、5W2H模型、邏輯樹模型以及漏斗模型這四個重要的電子商務分析模型。通過系統化地學習，能夠在實際的電子商務數據分析中加以利用并得出有效的解決方案。2.5課中實訓實訓一

基于PEST理論的案例分析實訓二

5W2H模型的應用案例實訓三

基于邏輯樹模型的案例分析實訓四

漏斗模型的應用案例實訓一基于PEST理論的案例分析政治環境？經濟環境？社會環境？技術環境？問題背景：紡織業的發展在中國歷史久遠，屬于傳統產業，國內擁有著較大的紡織品需求量，同時外國市場對中國紡織品依賴度高。但是由于受近年來經濟危機的影響，紡織品外部市場開始呈現出萎縮的狀態。各個國家為了保護當地紡織業不受中國市場的沖擊，不斷提高貿易壁壘。我國雖然具有較為完整的產業鏈條，但是行業內競爭激烈，導致紡織品同質化問題嚴重。近年來，跨境電商的快速發展為中國紡織業轉型升級指明了方向。以“中國輕紡城”為例，通過從紡織業跨境電商發展的宏觀環境出發，運用PEST分析模型探討發展紡織業跨境電商外部環境的變化。實訓一基于PEST理論的案例分析政策層面：

（1）國家層面的政策支持

（2）地方層面的政策支持經濟層面

（1）產業經濟基礎方面

（2）產業結構方面社會層面：

（1）消費者生活方式的變化

（2）人口因素方面技術層面（1）“互聯網+貿易”（2）綜合化電商實訓二5W2H模型的應用案例Why？What？Who？When？Where?How？Howmuch?問題背景S是中國排名前五位的電子商務平臺，銷售各種電子產品。某品牌M想要入駐電子商務平臺S。平臺S是否要經銷M品牌的電熱水器呢？應用5W2H模型進行談判與決策。實訓三基于邏輯樹模型的案例分析問題背景建立邏輯樹模型分析提高嬰兒用品銷量的方法。某電商平臺主要銷售嬰兒用品，為提高嬰兒用品銷量，結合營運情況和用戶畫像構建邏輯樹模型。實訓四漏斗模型的應用案例針對電子商務網站的一般購物流程，計算各個階段的轉化率并繪制漏斗模型。（1）構建用戶訪問的關鍵路徑（2）計算關鍵路徑的轉化率（3）繪制漏斗模型

2.6課后提升基于SWOT分析的企業電子商務發展策略電子商務行業發展的PEST模型基于SWOT分析的企業電子商務發展策略

城市電子商務發展是一項系統工程，通過數據調研結果分析遼寧省企業電子商務發展現狀，運用SWOT分析法，對遼寧省企業電子商務發展具有的優勢與劣勢、面臨的發展機遇與挑戰進行系統分析，構建SWOT矩陣，提出了遼寧省企業電子商務發展的4種策略。（1）SO策略：利用區位優勢，發展跨境電子商務，加快工業生產創新，建立電子商務培養基地，加強區域合作。（2）WO策略：引進成功電子商務企業的同時大力培育本土電子商務企業，推動大型企業建立行業化的電子商務平臺，帶動產業鏈上下游企業發展，完善電子商務高級人才引進機制。（3）ST策略：發揮區位優勢，積極發展農村電子商務，開拓各行業線上線下融合創新模式，有效應對各地區搶占電子商務市場的競爭狀況。（4）WT策略：加大財政支持力度和人才引進力度，鼓勵小微企業創新創業，加強物流基礎設施建設。

通過上述SWOT戰略組合對遼寧省企業電子商務的發展戰略有了更加清晰的認識與把握，對于提升遼寧省對外發展水平，提高城市競爭力，推動老工業基地新一輪全面振興具有重要的指導意義。

上述案例給我們帶來怎樣的啟示？SWOT模型是戰略管理的重要工具之一。數據分析模型的基本流程包括：通過對問題進行整理分析，明確分析思路，設計分析框架，運用具體方法進行分析，最后得到的結論可為電子商務決策提供輔助支持。電子商務行業發展的PEST模型

請分析在“逐步形成以國內大循環為主體、國內國際雙循環相互促進的新發展格局”的背景下，我國電子商務行業發展的PEST模型。本章內容結束！

電子商務數據分析與應用第3章電子商務數據分析方法本章提綱

統計分析3.1

相關與回歸分析3.2

時間序列分析3.3

聚類分析3.4本章提綱

實訓一、統計分析計算實訓二、相關分析與回歸分析的應用實訓三、時間序列分析計算

實訓四、聚類分析計算 思維導圖思政園地案例1鴻星爾克低調捐助【思政教育元素：培養電商企業的社會責任】2021年河南暴雨肆虐，百姓苦不堪言。災情牽動了無數中國人的心，一方有難，八方支援，很快物資，捐款，救援隊涌向了河南，這其中就有鴻星爾克的身影。7月21日，鴻星爾克發布了一條捐獻5000萬元物資的微博引起熱議，并沖上熱搜。

引起關注的很大一部分原因是有熱心網友發現鴻星爾克在經營狀況不佳，陷入持續虧損的情況下依然為災情獻出援手，有網友調侃道“感覺你都快倒閉了還捐了這么多”。鴻星爾克的行動讓網友們看到了企業的社會責任感，很快鴻星爾克的線上直播間涌入大批觀眾將商品搶購一空，線下的門店同樣也被瘋狂搶購，鴻星爾克也一躍成為“國貨之光”。思政園地案例2故宮文化跨界合作【思政教育元素：扎根傳統文化，增強文化自信】故宮，是中國歷史的見證者，中國文化的重要代表之一。故宮承載著歷史文明的厚重，是當之無愧的東方文化超級IP，作為中國最大的古代文化藝術博物館，故宮有著全國最多的藏品、最多的珍貴文物。故宮的文化產品富有歷史性、知識性、藝術性，但這也使得故宮的文化產品很難走進年輕人的世界，始終保持著一種距離感。近年來，伴隨著有趣的文創產品、豐富的文化活動、層出不窮的跨界合作，故宮給我們的印象變得更加的年輕鮮活，通過與各種品牌的聯名合作，故宮文化以一種意想不到的方式走進大家的生活，打破了人們對傳統文化死板的認知，賦予了傳統文化新的生命與活力，也讓更多的年輕人愿意了解傳統文化，從而愛上傳統文化。案例導入在研究人類遺傳問題時，為了研究父代與子代身高的關系，高爾頓搜集了1078對父親及其兒子的身高數據。他發現這些數據的散點圖大致呈直線狀態，也就是說，總的趨勢是父親的身高增加時，兒子的身高也傾向于增加。但是，高爾頓對試驗數據進行了深入的分析，發現了一個很有趣的現象：當父親高于平均身高時，他們的兒子身高比他更高的概率要小于比他更矮的概率；父親矮于平均身高時，他們的兒子身高比他更矮的概率要小于比他更高的概率。它反映了一個規律，即這兩種身高父親的兒子的身高，有向他們父輩的平均身高回歸的趨勢。對于這個一般結論的解釋是:大自然具有一種約束力，使人類身高的分布相對穩定而不產生兩極分化，這就是所謂的回歸效應。這是統計學上最初出現“回歸”時的涵義，雖然是一種特殊情況，與線形關系擬合的一般規則無關，但“線形回歸”的術語卻因此沿用下來。你了解回歸嗎？線性回歸是數據分析的一種方法，試著說說他在數據分析上所發揮的作用。3.1統計分析3.1.1靜態分析指標3.1.2動態分析指標3.1.3統計指數3.1.4抽樣推斷3.1.1靜態分析指標

靜態分析指標是用來說明社會經濟現象數量特征的。由于社會經濟現象及其發展的復雜性，靜態分析指標呈現多樣性，可以將其歸納為四類：總量指標、相對指標、平均指標和變異指標。

總量指標是反映社會經濟現象在一定時間、地點和條件下的總體規模或水平的統計指標。它的表現形式為絕對數，故又稱為統計絕對數。例如，某家淘寶店鋪的總營業額、員工總數、產品銷售總量等，都是反映現象的總量，均可視為總量指標。

兩個有聯系的統計指標的比率稱為相對指標。與總量指標伴隨有量綱單位不同，相對指標在絕大多數情況下采用無名數標識。無名數是一種抽象化的數值，多用倍數、系數、成數、百分數等表示。

平均指標是同類社會經濟現象總體內各單位某一數量標志在一定時間、地點和條件下數量差異抽象化的代表性水平指標，其數據表現為平均數。平均指標可以反映現象總體的綜合特征，也可以反映各變量值分布的集中趨勢。平均指標按計算和確定的方法不同，可分為算術平均數、調和平均數、眾數和中位數等。

變異指標是綜合反映總體各單位標志值變異程度的指標。它顯示總體中變量數值分布的離散趨勢，是說明總體特征的另一種重要指標，與平均數的作用相輔相成。變異指標的計算包括：極差、四分位差、平均差、標準差和方差等。3.1.2動態分析指標

動態分析方法又稱時間數列分析，主要用來描述和探索現象隨時間發展變化數量規律性，也就是對處于不斷發展變化的社會經濟現象從動態的角度進行分析。

動態數列是指將同類指標在不同時間上的數值按時間的先后順序排列起來形成的統計數列，又稱為時間數列，是一種常見的經濟數據表現形成。

動態數列可主要分為三類：①絕對數動態數列：把一系列同類的總量指標按時間先后順序排列而形成的動態數列。②相對數動態數列：把一系列同類的相對指標數值按時間先后順序排列而形成的動態數列。③平均數動態數列：把一系列同類的平均指標數值按時間先后順序排列而形成的動態數列。3.1.3統計指數統計指數分析法是經濟分析中廣泛應用的一種方法。最具代表性的就是關于物價指標的編制，即用現行價格與過去價格對比來反映價格的變化情況，后來過渡到綜合反映多種商品價格的變動情況。統計指數的作用：①綜合反映復雜社會經濟總體在時間和空間方面的變動方向和變動程度。②分析和測定社會經濟現象總體變動受各因素變動的影響。③研究平均指標指數變動及其受水平因素和結構因素變動的影響。統計指數按照不同的研究目的和要求，可以作如下各種分類：1.個體指數和總指數2.數量指標指數和質量指標指數3.動態指數和靜態指數4.定基指數和環比指數5.綜合指數和平均指數3.1.4抽樣推斷

抽樣推斷（SampleInference）是在抽樣調查的基礎上，利用樣本的實際資料計算樣本指標，并據以推算總體相應數量特征的一種統計分析方法。抽樣推斷的作用主要包括：1.在無法進行全面調查或進行全面調查有困難時，可以用抽樣調查來推斷總體；2.采用抽樣調查可以節省費用和時間，提高調查的時效性和經濟效果；3.可用來對全面資料的檢驗和修正；4.可以用于工業生產過程的質量控制；5.可以對某種總體的假設進行檢驗來判斷這種假設是否正確，以決定行動的取舍抽樣推斷的內容1.全及總體和樣本總體2.總體參數和樣本統計量3.樣本容量和樣本個數4.重復抽樣和不重復抽樣3.2相關與回歸分析3.2.1相關分析3.2.2回歸分析3.2.1相關分析

相關關系是指變量之間存在的一種不確定的數量依存關系，即一個變量的數值發生變化時，另一個變量的數值也相應地發生變化，但變化的數值不是確定的，而是在一定的范圍內。3.2.1相關分析相關關系的種類（1）按程度分類①完全相關：兩個變量之間的關系，一個變量的數量變化由另一個變量的數量變化所惟一確定，即函數關系。②不完全相關：兩個變量之間的關系介于不相關和完全相關之間。③不相關：如果兩個變量彼此的數量變化互相獨立，沒有關系。不相關完全相關不完全相關3.2.1相關分析相關關系的種類（2）按方向分類①正相關：兩個變量的變化趨勢相同，從散點圖可以看出各點散布的位置是從左下角到右上角的區域，即一個變量的值由小變大時，另一個變量的值也由小變大。②負相關：兩個變量的變化趨勢相反，從散點圖可以看出各點散布的位置是從左上角到右下角的區域，即一個變量的值由小變大時，另一個變量的值由大變小。正強相關正弱相關負強相關負弱相關3.2.1相關分析相關關系的種類（3）按形式分類①線性相關（直線相關）：當相關關系的一個變量變動時，另一個變量也相應地發生均等的變動。②非線性相關（曲線相關）：當相關關系的一個變量變動時，另一個變量也相應地發生不均等的變動。非線性相關線性相關3.2.1相關分析相關關系的種類（4）按變量數目分類①單相關：只反映一個自變量和一個因變量的相關關系。②復相關：反映兩個及兩個以上的自變量同一個因變量的相關關系。③偏相關：當研究因變量與兩個或多個自變量相關時，如果把其余的自變量看成不變（即當作常量），只研究因變量與其中一個自變量之間的相關關系，就稱為偏相關。3.2.1相關分析相關系數R

(SampleCorrelationCoefficient)是描述變量x與y之間線性關系密切程度的一個數量指標。其中，，，

，R=1是完全正相關，R=-1是完全負相關，R=0為不相關。查相關系數臨界值表,若R>Rα(n

2)，則線性相關關系顯著，通過檢驗，可以進行預測；反之，沒有通過檢驗。若不查表，通過經驗判斷，則R的范圍在0.3-0.5是低度相關，R的范圍在0.5-0.8是顯著相關，R的范圍在0.8以上是高度相關。3.2.2回歸分析1.一元回歸分析一元線性回歸分析是處理兩個變量x（自變量）和y（因變量）之間關系的最簡單模型，研究是這兩個變量之間的線性相關關系。上式稱為一元線性回歸模型(OneVariableLinearRegressionModel)，其中：u是一個隨機變量稱為隨機項；可通過最小二乘法求得a,b兩個常數，稱為回歸系數（參數）；i表示變量的第i個觀察值，共有n組樣本觀察值。3.2.2回歸分析2.多元回歸分析對多元線性回歸模型（MultivariateLinearRegressionModel）的基本假設是在對一元線性回歸模型的基本假設基礎之上，還要求所有自變量彼此線性無關，這樣隨機抽取n組樣本觀察值就可以進行參數估計。3.2.2回歸分析3.非線性回歸分析在許多實際問題中，不少經濟變量之間的關系為非線性的，可以通過變量代換把本來應該用非線性回歸處理的問題近似轉化為線性回歸問題，再進行分析預測。五種常見的非線性模型及線性變換的方式3.3時間序列分析3.3.1時間序列數據3.3.2移動平均方法3.3.3指數平滑方法3.3.4季節指數方法3.3.1時間序列數據時間序列類型數據就是按照時間先后順序排列各個觀測記錄的數據集。3.3.2移動平均方法

一次移動平均法是在算術平均法的基礎上加以改進，其基本思想是每次取一定數量周期的數據平均，按時間順序逐次推進。每推進一個周期，舍去前一個周期的數據，增加一個新周期的數據，再進行平均。一次移動平均法一般只應用于一個時期后的預測（即預測第t+1期）。一次移動平均數Mt(1)代表第t期一次移動平均值，N代表計算移動平均值時所選定的數據個數。一般情況下，N越大，修勻的程度越強，波動也越小；N越小，對變化趨勢反應越靈敏，但修勻的程度越差。實際預測中可以利用試算法，即選擇幾個N值進行計算，比較它們的預測誤差，從中選擇使誤差較小的N值。3.3.2移動平均方法當序列具有線性增長的發展趨勢時，用一次移動平均預測會出現滯后偏差，表現為對于線性增長的時間序列預測值偏低。這時，可進行二次移動平均計算，二次移動平均就是將一次移動平均再進行一次移動平均來建立線性趨勢模型。二次移動平均法的線性趨勢預測模型：其中，截距為：，斜率為：，

為預測超前期。Mt(1)為一次移動平均數，Mt(2)代表第t期二次移動平均值二次移動平均數，計算公式為，N代表計算移動平均值時所選定的數據個數。3.3.3指數平滑方法

一次指數平滑設時間序列為，則一次指數平滑公式為：

為第t周期的一次指數平滑值；為加權系數，。3.3.3指數平滑方法二次指數平滑法設一次指數平滑為，則二次指數平滑的計算公式為：若時間序列y1,y2,

,yt從某時期開始具有直線趨勢，且認為未來時期亦按此直線趨勢變化，則與趨勢移動平均類似，可用如下的直線趨勢模型來預測：

t為當前時期數；T為由當前時期數t到預測期的時期數；為第t+T期的預測值；為截距，為斜率，其計算公式為：3.3.4季節指數方法1.季節指數水平法季節指數預測法是指變量在一年內以季（月）的循環為周期特征，通過計算變量的季節指數達到預測目的的一種方法。季節指數法的預測過程：首先分析判斷時間序列觀察數據是否呈季節性波動。通常可將3-5年的資料按月或按季展開，繪制歷史曲線圖，以觀察其在一年內有無周期性波動來做出判斷；然后將各種因素結合起來考慮，即考慮它是否還受長期趨勢變動的影響，是否受隨機波動的影響等。3.3.4季節指數方法季節指數水平法的計算步驟：①收集三年以上各年中各月或季數據Yt，形成時間序列。②計算各年同季或同月的平均值：，為各年各月或各季觀察值，n為年數。③計算所有年度所有季或月的平均值：，n為一年季數或月數。④計算各季或各月的季節比率（即季節指數）：⑤計算預測期趨勢值。趨勢值是不考慮季節變動影響的市場預測趨勢估計值。其計算方法有多種，可以采用以觀察年的年均值除以一年的月數或季數。⑥建立季節指數水平預測模型，進行預測。即：3.3.4季節指數方法2.季節指數趨勢法長期趨勢的季節指數法是指在時間序列觀察值既有季節周期變化，又有長期趨勢變化的情況下，首先建立趨勢預測模型，再在此基礎上求得季節指數，最后建立數學模型進行預測的一種方法。3.3.4季節指數方法季節指數趨勢法的計算步驟：①以一年的季數4或一年的月數12為N，對觀察值的時間序列進行N項移動平均。由于N為偶數，應再對相鄰兩期移動的平均值再平均后對正，形成新序列Mt，以此為長期趨勢。②將各期觀察值除去同期移動均值得到季節比率，以消除趨勢。③將各年同季或同月的季節比率平均，季節平均比率可消除不規則變動。i表示季別或月份別。④計算時間序列線性趨勢預測值，模型為：，可以采用多種方法，這里可以采用移動平均法：；⑤求季節指數趨勢預測值3.4聚類分析3.4.1聚類分析的定義3.4.2k-means聚類方法3.4.1聚類分析的定義

聚類（Clustering）是將數據劃分成群組的過程，研究如何在沒有訓練的條件下把對象化分為若干類。通過確定數據之間在預先制定的屬性上的相似性來完成聚類任務，這樣最相似的數據就聚集成簇（Cluster）。聚類與分類不同，聚類的類別取決于數據本身，而分類的類別是由數據分析人員預先定義好的。使用聚類算法的用戶不但需要深刻地了解所用的特殊技術，而且還要知道數據收集過程的細節及擁有應用領域的專家知識。3.4.2k-means聚類方法k-means算法接受輸入量k，然后將n個數據對象劃分為k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高，而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。3.4.2k-means聚類方法k-means算法的工作過程說明如下：首先從n個數據對象任意選擇k個對象作為初始聚類中心；而對于所剩下其它對象，則根據它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的聚類中心所代表的聚類；然后再計算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復這一過程直到標準測度函數開始收斂為止。一般都采用誤差平方和作為標準測度函數，即準則函數E。設待聚類的數據集為X={x1,x2,...,xn}，將其劃分為k個簇Ci，均值分別為zi，即zi為簇Ci的中心(i=1,2,…,k)。E是所有對象的平方誤差的總和，x

X是空間中的點，d(x,zi)為點x與zi間的距離，可以利用明氏、歐氏、馬氏或者蘭氏距離求得。樣本點分類和聚類中心的調整是迭代交替進行的兩個過程。實訓一、統計分析計算

1.總量指標和平均數的計算如表所示，2022年10月的店鋪總交易量399單可視為總量指標。實訓一、統計分析計算（1）算術平均數。例如，計算本月全部員工的月平均工資，則11名員工的月工資總額為55

100元，月平均工資為5009元（55

100/11）。（2）調和平均數。例如，計算編號為1001～1005號員工的本月平均交易量，公式為5/(1/30+1/45+1/29+1/43+1/30)=34.1，即這5名員工的本月平均交易量為34.1單。（3）眾數。例如，計算該網店員工年齡的一般水平。經過匯總可知，在該網店11名員工中，25、26、32、33、34歲各1名，23歲2名，28歲4名，因此，28是該網店員工年齡的眾數。（4）中位數。例如，計算該網店員工年齡的中位數。首先將年齡數據從小到大排列，由于該組數據由11個數據組成，因此選擇排在第6位的員工年齡28作為中位數。實訓一、統計分析計算如圖所示，該店鋪與同行業其他店鋪相比，其物流服務評分高于同行業平均分53.82%。如圖所示，該天貓店鋪的描述相符平均分為4.9、服務態度平均分為4.9、物流服務平均分為4.9。實訓一、統計分析計算3．變異指標變異指標是綜合反映總體各單位標志值變異程度的指標。它顯示了總體中變量數值分布的離散趨勢，是說明總體特征的另一種重要指標，與平均數的作用相輔相成。變異指標按計算的方法不同分為極差、四分位差、平均差、標準差和方差等。仍采用如表3.2所示的表格數據分析該網店員工的工資收入變異指標。（1）極差。工資極差=最大工資額-最小工資額=5500-4800=700元。（2）四分位差。四分位差是上四分位數（Q3，位于75%）與下四分位數（Q1，位于25%）的差。首先將11名員工的工資收入從小到大排列，Q1的位置是3，對應4800元；Q3的位置是9，對應5200元，因此四分位差為5200-4800=400元，表明該網店有50%的員工的月工資收入在4800元～5200元，最大差異為400元。（3）平均差。月工資收入的平均差=∑|每位員工的工資收入-月平均工資|/員工總數=1745.5/11=158.64元。（4）標準差和方差。方差是各數據與其算術平均數的離差二次方的平均值，而方差的平方根即標準差。因此，本例題中，月工資收入的方差為42

644.64，標準差為206.51元。實訓一、統計分析計算4．動態數列動態數列主要分為以下3類。（1）絕對數動態數列：某網店2022年10月1日—2022年10月5日的訪客數量形成絕對數動態數列。（2）相對數動態數列：某網店2022年10月1日—2022年10月5日的支付轉化率形成相對數動態數列。（3）平均數動態數列：某網店2022年10月1日—2022年10月5日的平均客單價形成平均數動態數列。實訓一、統計分析計算5．抽樣推斷在電子商務數據分析中的應用假設某網店有4名物流人員，每人的日出庫量分別為40、50、70、80件。先隨機抽取2

人，分別采用重復抽樣和不重復抽樣的方式，計算樣本統計量。首先根據重復抽樣和不重復抽樣形成樣本，如下表所示。在重復抽樣的條件下，樣本平均數的平均數為960/16=60件，樣本平均誤差為(2000/16)1/2=11.18件。在不重復抽樣的條件下，樣本平均數的平均數為720/12=60件，樣本平均誤差為(1000/12)1/2=9.13件。實訓一、統計分析計算實訓二、

相關分析與回歸分析的應用

某網點通過付費流量的推廣，某網店的運營總監認為：店鋪的付費流量投入與用戶訪問量、網店利潤是正相關的。同時，流量、訪問量與網店利潤的變化均存在一定聯系。利用Excel對下表所示的數據進行相關分析與回歸分析。實訓二、

相關分析與回歸分析的應用1.相關分析的操作①選擇“相關系數”功能②設置“相關系數”的相關參數③相關系數的結果實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（1）利用Excel圖表進行回歸分析①繪制散點圖②設置散點圖的橫坐標實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（1）利用Excel圖表進行回歸分析③添加線性趨勢線的選項④添加趨勢線的效果圖實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（2）應用數據分析的“回歸”功能①回歸分析功能②一元回歸分析的選項實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（2）應用數據分析的“回歸”功能③一元回歸分析的結果實訓二、

相關分析與回歸分析的應用2.回歸分析的操作（2）應用數據分析的“回歸”功能④二元回歸模型的參數設置⑤二元回歸的結果實訓三、時間序列分析計算某天貓店鋪2016-2019年季度零售額已知某天貓店鋪2016-2019年季度零售額數據，對下表所示的時間序列數據進行分析。實訓三、時間序列分析計算1.時間序列數據的折線圖①折線圖選項②銷售額時間序列數據的折線圖實訓三、時間序列分析計算2.時間序列數據的一次移動平均①移動平均功能選項②移動平均的操作選項③一次移動平均的計算結果實訓三、時間序列分析計算3.時間序列數據的季節指數趨勢法模型

采用季節指數趨勢法進行計算，計算過程如下實訓四、

聚類分析算法實例設有數據樣本集合為X={1,5,10,9,26,32,16,21,14}，將X聚為3類，即k=3。隨機選擇前三個數值為初始的聚類中心，即z1=1，z2=5，z3=10。（采用歐氏距離進行計算。）第一次迭代：按照三個聚類中心將樣本集合分為三個簇{1}，{5}，{10,9,26,32,16,21,14}。對于產生的簇分別計算平均值，得到平均值點填入第2步的z1，z2，z3欄中。第二次迭代：通過平均值調整對象所在的簇，重新聚類。即將所有點按距離平均值點1，5，18.3最近的原則重新分配，得到三個新的簇：{1}，{5,10,9}，{26,32,16,21,14}。填入第2步的C1，C2，C3欄中。重新計算簇平均值點，得到新的平均值點為1，8，21.8。以此類推，第五次迭代時，得到的三個簇與第四次迭代的結果相同，而且準則函數E收斂，迭代結束。本章知識小結

本章主要學習與電子商務數據分析相關的模型方法，主要包括兩大類，一類是統計分析，包括：靜態分析指標、動態分析方法、統計指數、抽樣推斷、相關與回歸分析等內容。

另一大類是數據挖掘模型，主要是從大量的數據中發現隱含的、事先未知的、潛在的、有用的信息、知識、規則、規律或者模式，主要包括：時間序列分析模型、聚類分析算法等。課后提升案例1神奇的購物籃分析在一家超市中，人們發現了一個特別有趣的現象：尿布與啤酒這兩種風馬牛不相及的商品居然擺在一起。但這一奇怪的舉措居然使尿布和啤酒的銷量大幅增加了。這可不是一個笑話，而是一直被商家津津樂道的發生在美國沃爾瑪連鎖超市的真實案例。原來，美國的婦女通常在家照顧孩子，所以她們經常會囑咐丈夫在下班回家的路上為孩子買尿布，而丈夫在買尿布的同時會順手購買自己愛喝的啤酒。這個發現為商家帶來了大量的利潤，但是如何從浩如煙海又雜亂無章的數據中發現啤酒銷售和尿布銷售之間的聯系呢？這又給了我們什么樣的啟示呢？這個案例說明，通過分析商品大數據，利用能夠找出商品之間關聯關系的數據分析算法，進一步提取客戶的購買行為，能夠為商業決策提供輔助的決策支持。課后提升案例2Target百貨商店的懷孕預測指數數據分析可以驅動市場營銷、成本控制、產品和服務、管理和決策及商業模式的創新。Target顧客數據分析部高級經理AndrewPole根據Target迎嬰聚會（babyshower）的登記表建立了一個購買商品與妊娠階段之間的相關模型，選出了25種典型商品的消費數據，構建了“懷孕預測指數”。通過這個指數，Target能夠在很小的誤差范圍內預測到顧客的懷孕情況，并把孕婦優惠廣告寄發給顧客。根據AndrewPole的數據模型，Target制訂了全新的廣告營銷方案，結果Target的孕期用品銷售呈現了爆炸性的增長。然后Target從孕婦這個細分顧客群向其他各種細分客戶群推廣。本章內容結束！

電子商務數據分析與應用項目四數據的采集本章提綱

課前自學一、電子商務相關數據的獲取二、店鋪數據獲取的主要渠道

課中實訓實訓一、網絡數據的爬取實訓二、調查問卷的設計與回收處理

課后提升案例1數據采集在電商成本控制中的應用案例2數據采集實訓思維導圖思政園地案例1明晰數據主權，規范數據使用【思政教育元素：樹立正確的職業道德觀】

在大數據時代，企業利用網絡采集數據是了解客戶需求的重要方式，成本也較傳統方式低。但在數據采集過程中，企業對于客戶信息的處置方式是否符合道德法律的規范，關系到其自身、客戶以及社會等各個方面的利益。“滴滴出行”正因為存在嚴重違法違規收集使用個人信息問題而被通知在應用商店下架。為了取締強勢者對個體的數據霸凌行為，國家網信辦依據相關法律來推動規范數據收集、使用的行為，不讓大數據成為數據強權者掌握、控制數據弱勢者行為的工具。對于企業來說，更要遵循保護個人信息的原則，確保數據在其所有者可知且授權的前提下被使用，堅守職業道德，共創安全的網絡環境。思政園地案例2積極踐行綠色電子商務理念【思政教育元素：樹立正確的社會責任感】

為加快實現電子商務高質量發展，更好滿足人民群眾日益增長的美好生態需求，電子商務綠色發展相關法律法規不斷完善，不少電商企業按照規定積極使用環保包裝材料，實現包裝材料的減量化和再利用。菜鳥裹裹將部分塑料包裝袋更換為生物基環保袋，并試點推進環保寄件袋。該種“減塑環保袋”由秸稈、陳化谷物等可再生原料參與制作，與同尺寸的其它快遞袋相比，每個環保袋在生產環節可直接節省塑料4.4克，大大降低了廢棄塑料包裝對環境造成的影響。

毫無疑問，發展綠色電商，電商企業理應承擔更多的責任，參與到協同治理中來，助力社會化大循環體系發展完善。同時，要繼續堅持實事求是、適度超前，成為踐行綠色新發展理念的表率。案例導入

蜘蛛是生物界中很普通的小蟲子，但是它卻做了一件令人非常佩服的事情—織網捕物。蜘蛛經常會在自己所織的網上捕獲食物，而這一行為就如同我們人類想在關系復雜的互聯網上獲取我們想要的數據。為了能夠更高效的獲取數據，人類通常會創造一只小精靈—“小爬蟲”去幫助自己做事情。世界上第一個網絡爬蟲“萬維網漫游者”（“WorldWideWebwanderer”）是由麻省理工學院的學生馬休·格雷（MatthewGray）在1993年寫成。它的初衷是用來統計互聯網上的服務器數量，后來逐漸服務于搜索引擎的數據采集。

網絡爬蟲技術作為數據采集的一種重要方法，它是如何進行數據采集呢？你還了解哪些數據采集方法？課前自學一、電子商務相關數據的獲取在做數據分析之前，首先需要完整、真實、準確地收集和獲取數據，以便于量化分析工作的開展。一般商務數據的獲取有以下幾個常見途徑：從公開數據源獲取、利用網絡爬蟲抓取數據以及設計調查問卷收集數據。特別，針對電子商務平臺和賣家，可以通過網站后臺獲取運營數據。一、

電子商務相關數據的獲取1.公開數據源2.網絡爬蟲3.問卷調查1.公開數據源比較權威的公開數據源包括：國際貨幣基金組織、世界銀行、世界衛生組織、經濟合作和發展組織、UCI數據庫等。2.網絡爬蟲由于網絡爬蟲可以自動訪問網頁并記錄網頁對應的內容，因此被用作數據獲取工具。這里主要介紹用作數據獲取工具的網絡爬蟲。爬蟲只是一類批量自動訪問網頁的工具，核心功能是訪問網頁。網頁中的素材存在于網站所在的服務器上，當這個服務器收到一個訪問請求時，它會把對應的素材發送到請求發出的地方，這就是人們通過瀏覽器可以看到別人服務器上的內容的原因。3.調查問卷調查是獲取一手數據的重要方式之一。通常而言，調查是指為了了解總體的某些屬性特征，而對其中的所有或部分個體開展信息搜集的系統方法。二、

店鋪數據獲取的主要渠道以電商賣家的視角切入，介紹數據分析中的第一步——數據收集的獲取渠道。主要包括：店鋪流量數據、商品數據、交易數據、客戶服務和物流服務數據以及市場和競爭數據的收集渠道。二、

店鋪數據獲取的主要渠道（一）

流量數據（二）商品數據（三）交易數據（四）客戶服務和物流服務數據（五）市場和競爭數據（一）流量數據流量是非常重要的電商指標。一個店鋪的流量來源有很多，有免費的、付費的、站內的、站外的。本小節主要介紹站內免費流量數據、站內付費流量數據和自主流量數據的收集指標和采集方法。1.站內免費流量數據各平臺站內免費流量的來源有很多，要想收集站內免費流量的數據，首先一定要清楚站內免費流量的結構，哪些是店鋪已經做了的引流，哪些是店鋪還可以去做的引流。下面介紹淘系（阿里巴巴、淘寶、天貓）平臺的流量結構。（1）流量的來源結構淘系平臺站內免費流量的入口有很多。主要流量以無線端為主，入口也是以無線端為主，主要包括以下幾項流量來源：①手淘搜索。②

手淘首頁。③

手淘微淘。④淘系站內活動。⑤淘系類目頻道。⑥其他。（一）流量數據（2）流量數據查詢工具/入口在明確了淘系站內免費流量的來源后，接下來要了解從哪里可以查詢到這些數據。對于賣家可以使用官方平臺的數據工具。可以從以下兩個入口進入生意參謀首頁：①商家中心入口。賬號登錄進入商家中心，點擊“商家地圖”→“營銷＆數據管理”→“生意參謀”。②千牛入口。登錄千牛軟件，點擊“店鋪管理”→“商家中心”；找到數據中心模塊，點擊“生意參謀”；進入生意參謀首頁。（一）流量數據【知識拓展】生意參謀——專業的電商數據分析平臺生意參謀為商家提供數據，讓商家對于數據進行分析，然后去對自己的店鋪進行布局規劃，但是功能區分還是非常明顯的，可分為兩大類。一是淘系商家對自己店鋪進行經營分析，幫助商家對店鋪進行管理。主要包括：①流量；②商品；③客戶；④營銷；⑤交易；⑥服務。二是為淘系賣家提供行業整體的大盤數據，使其了解自己店鋪中經營類目的整體市場行情。主要是生意參謀中的“市場競爭”功能模塊。包括：市場概況、市場看板、供需洞察、行業大盤、店鋪排行、商品排行、屬性排行、搜索詞排行、搜索詞查詢、競爭洞察、競店對比、零售市場洞察、跨境商機等。（一）流量數據2.站內付費流量數據（1）淘系站內付費流量來源直通車、淘寶客、鉆展是淘寶/天貓平臺站內三大付費流量的來源方式。寶貝展現量點擊量點擊率點擊轉化率投入產出比關鍵詞質量得分（2）淘系流量數據查詢工具直通車、鉆展及淘寶客開通之后，淘系賣家可以通過阿里巴巴集團官方出品的千牛工作平臺，查詢付費推廣的各項數據，包括賣家工作臺、消息中心、阿里旺旺、量子恒道、商品管理等主要功能。采集推廣效果數據，掌握付費推廣為店鋪帶來的流量數據，了解投放效果。（一）流量數據3.自主流量數據在各項流量數據中，自主流量多來自老客戶，通過“購物車”“收藏夾”“直接訪問”等方式訪問店鋪，這部分流量的轉化率相對較高。（1）站內自主流量結構站內自主流量有五種主要渠道。①收藏夾。②我的淘寶③已買到的商品④直接訪問。⑤購物車。（2）數據查詢工具淘系平臺可以選擇千牛平臺的生意參謀進行操作。登錄千牛賬戶，點擊從左向右數的第三個模塊，打開千牛工作臺。在千牛工作臺首頁“數據中心”模塊找到“生意參謀”，點擊進入生意參謀首頁。（二）商品數據電商平臺需要定期分析商品銷售情況，比如不同商品的成交轉化情況、訪客瀏覽情況及售后服務情況等，從時間、商品的類別、價格等多個維度進行商品數據分析。1.店鋪商品效果數據（1）店鋪商品效果數據指標①核心數據。②全量商品排行③商品360。（2）數據查詢工具

可以通過生意參謀的品類羅盤進行商品數據查詢。

品類羅盤可以為商家提供全店商品實時監控，商品人群精準營銷，新品上市效果追蹤，異常商品問題診斷等豐富的產品運營場景服務，其主要功能有：人群管理精準應用、寶貝標題精細優化、競爭單品對比剖析。（二）商品數據2.主推