数据掘金

电商竞争日益白热化，任一家企业，无论大小，都难以逃离生存或发展的困境。既然是数据的时代，摆脱困境也别无选择，需要从数据入手。从他处学习数据分析与数据挖掘，要么太难——起点高，力不从心；要么太远，很难用于电商业务。这本书旨在帮助电商人摆脱眼下困境：运营乏力的困境，数据应用的困境，相关技术学习的困境……

√为电商业务量身定做，知识服务电商，案例来自电商，讲解针对电商，难度适于电商。

√资历数据分析与挖掘专业，长期从事电商数据与运营服务，一线经验，一手资料。

√为什么要用数据→有哪些数据可用→如何用好数据→针对特定需求的特定方法与技术。

√绝非脱离实战的纸上谈兵，大量数据分析的真实案例：有思路，有过程，有细节。

电商坐拥互联网行业很丰富的用户数据金矿，却很少有人从中挖掘出真金白银。本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。

谭 磊 复旦大学计算机学士，美国杜大学计算机硕士，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历专家。

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 挖掘和信息检索概览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 本章相关资源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