電子商務資料運營的五大應用

電子商務資料運營的五大應用

讓網站更吸引人

網站頁面的設計和展示的價值是很大的，因為對於互連網企業來說，首先直接面對消費者的就是這些互連網上的頁面。如果頁面設計不合理，或者使用者體驗不好，那麼客戶是不可能留住並作任何購買的。

使用者體驗涉及的內容是非常廣的，從商品的陳列、瀏覽方式、下單流程到客戶互動方式等，甚至網頁上什麼內容應該出現在什麼位置，購買按鈕的顏色、形狀和位置也都是使用者體驗的一部分。簡而言之，所謂的注重使用者體驗就是周密考慮客戶在網站上各個環節的需求，並盡量給予滿足。

電子商務網站上頁面內容的安排就如超市中物品在貨架上的擺設一樣，把具有一定支援度和信任度的相關聯的物品擺放在一起可能有助於銷售，利用關聯規則可以瞭解如何針對客戶動態調整網站的結構，使客戶訪問的有關聯的檔案之間的連結能夠比較直接，讓客戶更容易訪問到感興趣的頁面。網站如果具有這樣的便利性，就能給客戶留下較好的印象，同樣可以增加下次訪問的機率。

我們對 Web 站台連結結構的最佳化可從兩方面來考慮：一是通過對Web 日誌的挖掘，發現客戶訪問頁面的相關性，從而在密切聯絡的網頁之間增加連結，方便客戶的使用；二是通過對Web 日誌挖掘，根據頁面訪問頻率和訪問軌跡實現對Web 網站的最佳化。

我們來看一個例子。假設我們發現在網站瀏覽軌跡中頁面上的訪問軌跡是這樣的（見表1-4）。

從表 1-4 中我們可以發現，頁面Z 在80%的時候成為軌跡的終點，而在訪問了頁面Z 之後，就不再訪問其他頁面的機率是100%，或者說退出率是100%。這時我們需要對頁面Z 做評估分析，看為什麼客戶在訪問了頁面Z 之後就不再訪問其他頁面了。即使在最理想的情況下，頁面Z 是購物車頁面，那麼我們仍然需要考慮為什麼客戶不會繼續停留在網站上看其他的內容。總之，我們需要對頁面Z 做最佳化，使得頁面Z 不再是客戶訪問軌跡的終點。

在第 7 章和第8 章我們主要講述的就是如何給網站引入有效流量。

把潛在客戶轉化成真正的客戶

對一個電子商務網站來說，瞭解、關註記錄在冊客戶群體是非常重要的，但從眾多的隨意訪客中發現潛在客戶群體也同樣非常關鍵。如果發現某些訪客屬於潛在客戶群體，就可以針對這類訪客實施一定的營銷策略，使他們儘快成為我們的新客戶。對客戶訪問記錄進行資料採礦，可以利用分類技術在網路上找到潛在客戶。對已經存在的訪客進行分類，一般可以分為三種：新來訪者、偶然來訪者和常客。對於每個來訪者，可以通過分類模型識別出這個客戶與已經分類的老客戶的一些公用屬性，從而對這個新客戶進行正確的歸類。然後根據歸類判斷，決定是否要把這個來訪者作為潛在的客戶來對待。對新來訪者，我們可以收集的資訊比較有限，在沒有其他關連網站資訊的情況下，只有一些日誌資訊；而對於偶然來訪者，通過兩次訪問的停留時間和訪問深度，我們可以有比較多的資訊。

我們也可以通過總結有價值的客戶來源，通過對來源進行資料分析，發現他們的共性，從而加大對於引流最多的來源或者性價比最高的來源的投入。比如，我們通過資料分析可能會發現，在網盟（網站聯盟）廣告中，在某個時間段針對某些類型的網站投放廣告性價比是最高的，因此改變我們的廣告投放策略，使得我們能在有限的預算下找到更多的潛在客戶；也可能會發現自然流量占的引流比例比較高，那麼我們會需要增加對SEO 的重視。

作為電子商務網站，最終的目的就是為了收入。當我們在考慮潛在客戶到真正客戶的轉化的同時，還要考慮這些客戶將來能夠為我們提供的最終消費。我們來看一張國外一家電子商務網站的客戶價值示意表（見表1-5）。

從表1-5 中我們可以看到不同來源的流量，其轉化率、複購率和平均總購買值差異是比較大的。這裡“直接存取”各方面的資料都是最好的。除此之外，看轉化率，來自Google AdWords關鍵詞推廣的是最好的；看複購率，來自Google AdSense 和Google 自然搜尋的流量是最好的；如果看平均總購買值，那麼Facebook 和Google 自然搜尋的流量資料是最好的。在第 9 章我們講述的就是關於流量轉化的應用。

挖掘老客戶價值

找到一個客戶是第一步，而把這個客戶培養成有價值的老客戶才是更加重要的。資料分析很重要的一個應用就是在最大程度上挖掘老客戶的價值。

二八定律說的是企業 80%的業務收入通常來自於20%的客戶，而向新客戶進行推銷的花費要數倍甚至數十倍於向現有的客戶進行推銷的花費。通過Web 資料採礦，我們可以發現什麼樣的顧客群在什麼樣的時間段內在網站上購買了什麼樣的商品，平均支出是多少，他們最喜歡的商品是什麼類型，對於新推出的產品哪些客戶可能會購買，哪些是網站最需要留住的客戶等，以便對其進行個人化營銷和人性化關懷。

我們在這裡看一個簡單的例子。

表 1-6 中的五個客戶中每一位的消費次數、平均消費金額和總消費金額都遠超平均客戶的數字。那麼哪一位客戶才是我們最重要的客戶呢？如果單從消費次數和總金額來看，Alan 是我們最好的客戶，但是從平均消費金額來看，Celine 才是最有價值的客戶，而其次是Bill。

在後面的第10 章，我們會詳細給大家介紹如何通過資料來挖掘老客戶價值。

推薦系統的設計和應用

建立電子商務推薦系統是一個成熟的電子商務網站和普通電子商務網站的區別，也是電子商務運營的一個重要組成部分。在推薦系統中做得最好的當屬亞馬遜公司。

簡單來說，推薦系統就是向客戶推薦商品或提供資訊來引導客戶購買什麼商品的系統。推薦系統可以根據其他客戶的或該客戶的資訊，類比銷售人員協助客戶導購的過程，為客戶提供個人化服務。推薦的形式包括預測客戶對某種商品感興趣的程度，向客戶推薦商品，或是根據客戶的興趣特點和購買行為，提供個人化的商品資訊等。

推薦系統可以將瀏覽者轉變為購買者。有時人們只是看看網站的內容而並沒有購買的意思，那麼推薦系統可以幫客戶找到他們感興趣的，並且願意買的某樣商品的興奮點，以推進消費者形成購買行為。推薦系統可以基於客戶已經購買的商品，推薦客戶購買一些相關的商品，或者購買一些相關的但是對於商家來說利潤更高的商品，來增加交叉銷售（Cross-Selling）和向上銷售（Up-Selling）。推薦系統的作用還在於建立忠誠度，因為客戶往往更願意到那些最能滿足自己需求的網站去購物。在本書的 3.4 節中我們介紹電子商務網站推薦系統的原理，在第10 章深度挖掘客戶價值的章節中我們會進一步介紹推薦系統的應用。

針對不同客戶提供個人化的產品

電子商務企業（平台）可以獲知訪客的個人愛好，能夠更加充分地瞭解客戶的需要，根據各種資訊來細化市場，甚至是為每一個顧客的獨特需求提供個人化的產品，這都有利於擷取新的客戶和提高老客戶的滿意度。為了使網路資訊挖掘技術更好地應用，商家必須記錄訪客的所有特徵及條款特徵。當訪客持續訪問某網站或者其關連網站時，有關訪客的資料便會逐漸積累起來。

從嚴格意義上來說，針對不同客戶提供個人化的產品也應該算是電子商務推薦系統的一個延伸，但是推薦系統做到極致，從而能夠對每一個客戶提供一個完全為其量身定做的網站是我們的終極夢想。而與推薦系統所不同的地方在於，在這裡我們所提到的客戶個人化更多是對於網頁所做的個人化修改，而這些修改則基於客戶的購買行為、瀏覽行為、搜尋行為等方面的客戶資料資訊。在最理想的情況下，每個客戶所看到的網頁都是針對這個客戶的個人情況定製的。

據推薦系統公司 BrainSins 統計，77%的消費者覺得個人化的服務是非常有價值的，而為每一個客戶提供個人化的產品是電子商務網站的終極目標。

本文節選自《資料掘金：電子商務運營突圍》一書

譚磊 著

電子工業出版社出版