京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电商新趋势下的数据分析实践与思考
潮流趋势总是不断在改变,电商市场也是如此。新趋势带来新机遇,同时也带来了新的挑战。移动购物的崛起、多渠道购物、自动化营销、闪购模式、优质的配送等等形式的出现,使得电商市场越来越多元化。
电商新趋势
从2015年开始移动电商大幅度崛起,电商整体上升趋势减缓,移动电商崛起,原有PC端流量减少,指标下降。新形势下用户与商品之间的关系包括:数据关系、技术问题、算法策略、产品形态、平台策略。
用一张小图说明思路:移动端是一艘大船,量在变大、变快,PC相当于一条小船,在不断萎缩。领航员基本上是算法分析师或者数据分析师,想在数据变现的过程中少走弯路,船上拉的货物:数据,就是变现的重要一部分。整个船在萎缩,通过数据分析已经不大可能从大的程度上提升,这时候怎么办?整个船是产品,所以应该从产品的角度考虑。
首先是数据层面,商品数据的特点是种类变得多了,呈现出多媒体化和电子化。用户数据则有年龄增长的特点,并且更偏向移动化。对于用户,首先要找出重点用户,逐个分析原因,进行回访。对于商品,纸质图书、电子图书、3D图书、多媒体图书等等都有很多,当当采用过赠送电子书,书籍预售等方式进行个性化判定,进而总结当前的应对策略、基本路线、发展目标。
技术层面。由于做AB测试过于复杂,作业流程过长,还会有数据延迟、数据误差、AB的误差、数据埋点的误差等等。作为一个数据分析师,本身就应该了解,当数据出现问题的时候,经过分析就应该知道问题是出在前端,还是出在中间环节,或者计算环节,这时候要对这个算法工程师做出指导。此外,不能把服务端的请求数据当做曝光数据。
算法层面。举个例子,加入算法峰值,第一年是10%,第二年3%,那么第三年是否还要投入,投入多少,最终的解决方法是算法突破,找一位高级算法工程师突破这个算法,但是代价太高。此时,不能纠结在算法层面,应该从大局着手,看产品形态,如果原来的产品比较单一,这时就要改变产品形式,用改变产品形态和表现形式来吸引用户,可能一个好的产品形态上的改变相当于一个算法工程师工作三年所提升的概率。用户在购买书的过程中,要把用户购买的历程、学习的里程,包括如果用户喜欢看视频,是否能给他推荐出一些教材,还有一些名人书单,是不是要给他赠送电子书,这些小的细节也在产品形态中表现出来。
平台策略。程序员或者工作人员最爱吐槽的:公司在走下坡路,团队也在走下坡路,或者行业正在变成传统行业,所以利润不高了等等,其实在平台这方面的吐槽是最多的。对于当当来说,用户不爱读书了,因为大多数用户去看视频了,这时候对喜欢看视频的人继续做一些个人性分析,因为看视频的人还是需要一本教材的,可能关系比较好的情侣共用一个账号,单独地去打性别或者属性就不太合适了。
在分析了以上几点策略后,对整个团队提出了总体的方向。
首先是守住已有的成果,比如做推荐,不要一味地去突破、创新,因为太难了,整个PC在下降,做创新可能得不偿失。PC上有很多已经成熟的技术要进行拓展,想在技术水平上继续成长,基本上已经长不高了,但是可以长胖,原来可能只在这个页面或这个业务方向上有推荐,现在可以拓展到其他方向,比如百货、图书。原来只有图书现在扩展到百货,扩展到母婴。
第二,在用户数据上做精准化分析,比如现在收集用户已经很多年了,对用户的行为已经比较精确了,这时候就不要再推一些特别粗糙的数据。在产品形态上还是要多样化,主要依赖产品,多想一些好的创新思路,毕竟PC的展示页面比较大,开发PC技术成本比较小,比较成熟,所以可以多做一些尝试和主题。在技术层面尽量减少延迟和误差,算法层面如果遇到困境,就不要再做大难度的突破。在平台层面,尽量用技术团队的分析去影响公司和平台层面的一些决策,能够给公司提供一些好的思路和好的发展方向,这样,基本上就做到了一个合格开发人员的本职。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12