数据掘金

内容简介：

电商坐拥互联网行业最丰富的用户数据金矿，却很少有人从中挖掘出真金白银。《数据掘金——电子商务运营突围》一书旨在打破这一困境，一步一步引导从业者以数据为核心来运营网站或网店。本书用浅显的文字与独特的视角，不仅成功解读电商数据运营之惑，更呈现大量数据分析和挖掘的必要基础知识及实用相关工具。在通过阅读轻松掌握电商数据运营须关注的要点与方法之后，读者还可有针对性地从书中选择学习如何利用数据来完成——流量获取优化、广告投放、客户分析，以及客户价值提升等一系列电商运营要务。

《数据掘金——电子商务运营突围》一书主要写给电商从业人员，无论是中小电子商务的运营人员、数据分析人员，还是大公司负责电子商务的策略官、市场官和运营官，都能从本书中找到自己所需且急需的有价值内容。

作者简介：

谭 磊 复旦大学计算机学士，美国杜克大学计算机硕士，在美国微软服务时间超过13年，曾经担任多家公司多个层级技术管理岗位，在搜索、互联网广告、数据挖掘、电子商务等方面有丰富的经验，是互联网技术领域资深专家。

目录：

第1章 引言：电子商务运营和数据 1

1.1 2012年最大的赌局 2

1.2 为300万人建300万个网站 6

1.2.1 电子商务的RUPI概念 7

1.2.2 在互联网上卖米 8

1.2.3 电子商务怎么能离开数据 10

1.2.4 淘宝店的四个核心数据 13

1.3 让电商运营不再那么辛苦 16

1.3.1 电商人的蓝精灵之歌 17

1.3.2 电子商务运营入学考试 17

1.3.3 店铺诊断——我的网店能挣更多钱吗 19

1.3.4 让你的网店脱颖而出 23

1.3.5 为你的网店装上“业务雷达” 27

1.4 电子商务数据运营的五大应用 30

1.4.1 让网站更吸引人 32

1.4.2 把潜在客户转化成真正的客户 33

1.4.3 挖掘老客户价值 35

1.4.4 推荐系统的设计和应用 36

1.4.5 针对不同客户提供个性化的产品 36

1.5 关于电商数据的六个“W”和一个“H” 37

1.6 本书的内容 39

1.7 本章相关资源 42

第2章 我们需要知道的数据分析 43

2.1 从数据分析专家林彪说起 44

2.2 数据分析基本概念 45

2.2.1 就这么简单：三种基础数据 46

2.2.2 我们这样来理解数据 47

2.2.3 概率并不可怕 50

2.3 让我们开始加工数据 52

2.3.1 数据集成——把所有数据都拿过来 52

2.3.2 数据清洗——给数据玩“洗刷刷” 54

2.3.3 数据转换——给数据换个“马甲” 59

2.3.4 数据规约——有时候也要丢掉数据 62

2.4 用向量表示数据 63

2.5 网站日志的收集和处理 66

2.5.1 网站日志信息分类 66

2.5.2 网站日志实例 70

2.5.3 网站日志预处理 76

2.6 最好的分析方法——看图说话 82

2.6.1 起起伏伏用折线图 83

2.6.2 简单比较用柱状图 83

2.6.3 转化率用漏斗图表示最直观 83

2.6.4 雷达图显示用户偏好 85

2.6.5 表示比例最好的饼图和环形图 86

2.7 本章相关资源 89

第3章 我们需要知道的数据挖掘 90

3.1 什么是数据挖掘 90

3.1.1 尿不湿和啤酒 92

3.1.2 Target和怀孕预测指数 94

3.1.3 从数据分析到数据挖掘 95

3.1.4 数据挖掘的一般过程 97

3.2 人人都能做数据挖掘 100

3.3 我们需要知道的四类数据挖掘算法 101

3.3.1 分类——人以群分 101

3.3.2 聚类——物以类聚 108

3.3.3 关联——马原告诉我们事物是普遍联系的 111

3.3.4 序列——排队的规律，中国人最明白 119

3.4 Web挖掘和信息检索 121

3.4.1 Web挖掘和信息检索 122

3.4.2 协同过滤——推测同类客户的行为 124

3.4.3 个性化推荐和推荐系统——我们要更懂客户 126

3.5 本章相关资源 130

第4章 数据分析和数据挖掘工具的选择 132

4.1 数据分析工具 132

4.1.1 用Excel做数据分析 132

4.1.2 MATLAB 136

4.2 网站分析工具 139

4.2.1 用GA做分析 139

4.2.2 GA的限制 142

4.2.3 各种站长工具 143

4.3 用R语言制作的工具 144

4.3.1 用R做数据分析的优势 145

4.3.2 用R绘制热力图 148

4.3.3 用Rattle分析广告投放数据 150

4.4 其他的开源数据挖掘工具 154

4.4.1 Weka数据挖掘工具 154

4.4.2 Google提供的数据挖掘工具 158

4.5 电商平台上的各种工具 159

4.5.1 用量子恒道分析淘宝网店 159

4.5.2 淘宝上的数据魔方 161

4.5.3 开放平台上的工具 165

4.6 数据展示工具 165

4.7 本章相关资源 168

第5章 电子商务数据运营入门 170

5.1 在讨论数据运营之前 170

5.1.1 数据运营的四大障碍 170

5.1.2 数据不是万能的 171

5.2 电子商务运营中重要的数据点 173

5.2.1 访客数 175

5.2.2 转化率 176

5.2.3 客单价 180

5.3 一切让数据说话 181

5.3.1 要有总体的概念 182

5.3.2 每天的运营数据不可忽视 184

5.3.3 最重要的是ROI 187

5.4 有哪些数据分析需要做 189

5.4.1 网站流量分析 189

5.4.2 商品销售分析 193

5.4.3 定期数据分析 194

5.4.4 内容分析 195

5.5 从零开始打造电子商务企业 195

5.5.1 Bootstrapping，一步一步来 195

5.5.2 商品选择 196

5.5.3 平台选择 198

5.5.4 经营策略和定位的选择 199

5.5.5 推广选择 200

5.5.6 开店喽 201

5.6 本章相关资源 202

第6章 电子商务数据运营的方法 203

6.1 用数据解决运营中的问题 203

6.1.1 商品评估 204

6.1.2 流量评估 207

6.1.3 页面评估 213

6.1.4 网站评估 214

6.1.5 服务评估 215

6.2 客户分析数据模型 219

6.2.1 数据模型的建立和应用 220

6.2.2 客户生命周期模型 222

6.2.3 RFM客户数据模型 223

6.2.4 基于客户访问信息的分析模型 226

6.2.5 基于访客系统属性的分析模型 228

6.3 WAMM模型 229

6.4 如何针对独立B2C做数据运营 231

6.5 数据运营的考核——KPI 233

6.5.1 KPI的SMART原则 235

6.5.2 电子商务运营的KPI设定 237

6.6 本章相关资源 241

第7章 电商运营之免费流量获取 242

7.1 免费的自然流量——SEO 242

7.1.1 为什么需要做SEO 242

7.1.2 SEO站内优化 246

7.1.3 SEO站外优化 247

7.1.4 SEO小实操 248

7.2 淘宝SEO 252

7.3 企业官网和官博 256

7.4 口碑和互动营销 258

7.5 本章相关资源 262

第8章 电商运营流量获取——做有效的广告 263

8.1 做有效的广告 263

8.1.1 互联网广告的优势 264

8.1.2 网站联盟广告 267

8.1.3 互联网广告分析 271

8.1.4 广告优化和定向投放 272

8.2 淘宝上的广告 278

8.2.1 淘宝直通车 279

8.2.2 钻石展位 281

8.3 搜索引擎竞价排名和SEM 282

8.3.1 搜索广告的类型 283

8.3.2 搜索广告的效果 284

8.3.3 通过数据分析做SEM 287

8.4 EDM 294

8.4.1 EDM和客户生命周期 299

8.4.2 EDM的KPI 302

8.4.3 EDM中的延时效应性 303

8.4.4 EDM中的数据筛选 304

8.4.5 EDM上的RFM模型应用 308

8.5 多管齐下 311

8.5.1 整合营销 311

8.5.2 多渠道运营 314

8.6 本章相关资源 316

第9章 把流量变成真实客户 317

9.1 流量分析 317

9.1.1 访客量的分析 318

9.1.2 分析流量来源特点 320

9.1.3 分析访客时空属性 322

9.1.4 分析访客的人群属性 324

9.1.5 分析客户兴趣属性 326

9.2 页面分析 327

9.2.1 网站上的内容 327

9.2.2 页面跳出率和二跳率 329

9.2.3 页面热度分析 329

9.3 网站分析 331

9.3.1 网站日志分析 332

9.3.2 提升网站质量 335

9.4 提升网站转化率 336

9.4.1 抓住每一个环节的数据 337

9.4.2 怎样吸引客户下订单 338

9.4.3 找回被放弃的购物车 340

9.4.4 不盲目追求转化率 342

9.5 本章相关资源 344

第10章 深度挖掘客户价值 345

10.1 最有价值客户的特征 345

10.1.1 建立CRM（客户关系管理） 346

10.1.2 构建客户综合价值模型 349

10.1.3 用客户生命周期模型提升收入 352

10.1.4 用RFM算法找出MVC 353

10.2 如何把客户黏在我们的网站 354

10.2.1 提升客户平均停留时间 355

10.2.2 客户活跃度分析 356

10.2.3 做客户流失分析 357

10.3 客户需要什么商品 358

10.3.1 找出热门商品 359

10.3.2 用推荐系统提高客单价 360

10.4 商品相关的数据挖掘 364

10.4.1 用决策树分析商品 365

10.4.2 用聚类算法对商品分类 366

10.4.3 用关联算法做商品匹配 368

10.4.4 用序列算法分析商品上下架时间 372

10.5 相关资源 374

第11章 电子商务运营还有哪些事儿 377

11.1 相关管理系统 377

11.2 移动电商和数据 381

11.2.1 移动电商的特殊性 381

11.2.2 数据挖掘和LBS 388

11.2.3 移动广告 391

11.2.4 移动互联网数据面临的问题 391

11.3 电商和Big Data 393

11.3.1 Big Data是什么 393

11.3.2 电商的大数据可以怎么“玩” 396

11.3.3 Big Data上的技术 397

11.3.4 联机分析处理（OLAP） 408

11.4 电子商务网络安全 409

11.5 企业竞争与反竞争 411

11.6 本章相关资源 412

第12章 电子商务数据运营的未来 414

附录A 专业词汇 419

附录B 本书中用到的公式和算法 431

附录C 参考文献 437

附录D 值得关注的微博 442

附录E 参考网站一览 443