电子商务网站数据分析

一、网站分析&电子商城的业务运营的问题

对于电子商务来说，网站分析表现为研究客户对于在线商品进行的浏览行为特征，以及购买的行为特征。其中关于电子商务的客户购物行为的多样化特征可以参考下图:

为了反映电子商城实际运营的中问题,网站分析应该主要体现为如下的几个方面：

市场部门需要知道不同的广告活动带来的客户的实际效果（浏览&购买）——需要具体到不同的市场活动的推广渠道，新老客户，以及地域分布；

产品部门需要知道在架商品的“绩效”表现（浏览&购买）——需要具体到在架商品的类别，品牌，以及款式等等；

销售部门需要知道销售订单的来源组成——直接登录的客户购买的订单,广告渠道生成的销售订单,以及搜索引擎生成的销售订单等等;

二、电子商城业务运营问题的解决方法和手段

针对网站分析已经得到的相关结论,电子商务的实际问题的解决可以通过以下三种方式进行解决:

纯人工的方式——通过手动的调整电子商城的相关的功能和页面；

营销规则（引擎）的方式——通过网站分析得到的相关业务问题，人工的制定业务相应的营销规则通过商务智能的方式形式来实现（如下图）

推荐引擎的方式——通过数据挖掘和机器学习的方式，计算得到每一个客户的购物偏好，进而推荐其喜好的商品和促销活动；

备注：关于规则引擎和推荐引擎的区别如下：

规则引擎是针对的是电子商城的某一个或者多个客户群；推荐引擎则是精准到单个用户的偏好

规则引擎是需要电子商城的实际业务的运用人员进行相关的调整和设置；推荐引擎虽然能够根据实际的业务进行相关的人工干预，但是其实现是系统自动化的。

三、规则引擎&推荐引擎

针对营销规则（引擎）的实际运用的分析

对于登陆页面的管理（或者说，高跳出页面）——通过网站分析得到不同的广告来源的效果不一样（来源，新老客户，地域等等），可以通过规则引擎控制不同的广告来源，以及新老客户等参数显示不同的促销活动，这样可以大大的提高市场活动的转化率。

对于站外搜索（SEO&SEM）流量来源的优化——由于目前搜索引擎是电子商城网站的重要并且稳定的流量来源，可以通过网站分析得到重点的关键词（SEM&SEO）的流量转化中的具体问题，例如搜索引擎的类型，来源，关键词等等设定相应的营销规则，实现搜索引擎流量细分的个性化着陆页。

对于电子商城网站在线商品的营销规则设定，可以将电子商城在线商品按照价格，或者品牌等进行分类，当客户对于某一类商品感兴趣（浏览&购买）可以根据相应的营销规则有针对性推荐业务主打的商品和市场活动。

对于电子商城访问最高的页面，通过网站分析得到网站内部访问最高的页面的相应问题，例如新客户的退出率很高，可以通过执行相应的营销规则在相应的页面呈现代金券等网站优惠的促销工具

最后，还有可以根据电子商城客户的实际购物路径和特征，制定相应的业务规则——例如删除购物的动作，或者访问的页面深度和长度超过既定的区间，则进行相关的规则营销。

四、针对推荐引擎的实际运用的分析

电子商城的推荐引擎就是提供“一对一”的客户体验，让顾客在最少的时间里选择并购买尽可能多的产品。特别是针对电子商城的在线商品的品牌和类别很多，并且客户的数量的偏好的差异性很大的情况下，推荐引擎的效果则会更好。其中推荐引擎的基本实现方式如下：

个性化品牌和品类的推荐——展现在电子商城首页和相应的列表页面，主要目的在于对于网站的整体流量的导航作用

个性化的商品推荐——展现在电子商城的列表页和商品明细页面，以及购物车页面等等，主要目是通过在每一个客户购物的过程中推荐其偏好的商品，从而达到Cross-Sell，Up-Sell，andNext-Sell