數據掘金：電子商務運營突圍

第1章  引言：電子商務運營和數據          1 1.1  2012年最大的賭局       2 1.2  為300萬人建300萬個網站         6 1.2.1  電子商務的RUPI概念       7 1.2.2  在互聯(lián)網上賣米         8 1.2.3  電子商務怎么能離開數據         10 1.2.4  淘寶店的四個核心數據    13 1.3  讓電商運營不再那么辛苦   16 1.3.1  電商人的藍精靈之歌         17 1.3.2  電子商務運營入學考試    17 1.3.3  店鋪診斷——我的網店能掙更多錢嗎    19 1.3.4  讓你的網店脫穎而出         23 1.3.5  為你的網店裝上“業(yè)務雷達”         27 1.4  電子商務數據運營的五大應用   30 1.4.1  讓網站更吸引人         32 1.4.2  把潛在客戶轉化成真正的客戶         33 1.4.3  挖掘老客戶價值         35 1.4.4  推薦系統(tǒng)的設計和應用    36 1.4.5  針對不同客戶提供個性化的產品    36 1.5  關于電商數據的六個“W”和一個“H” 37 1.6  本書的內容   39 1.7  本章相關資源        42 第2章  我們需要知道的數據分析     43 2.1  從數據分析專家林彪說起   44 2.2  數據分析基本概念        45 2.2.1  就這么簡單：三種基礎數據    46 2.2.2  我們這樣來理解數據         47 2.2.3  概率并不可怕    50 2.3  讓我們開始加工數據   52 2.3.1  數據集成——把所有數據都拿過來         52 2.3.2  數據清洗——給數據玩“洗刷刷”         54 2.3.3  數據轉換——給數據換個“馬甲”         59 2.3.4  數據規(guī)約——有時候也要丟掉數據         62 2.4  用向量表示數據   63 2.5  網站日志的收集和處理        66 2.5.1  網站日志信息分類    66 2.5.2  網站日志實例    70 2.5.3  網站日志預處理         76 2.6  最好的分析方法——看圖說話   82 2.6.1  起起伏伏用折線圖    83 2.6.2  簡單比較用柱狀圖    83 2.6.3  轉化率用漏斗圖表示最直觀    83 2.6.4  雷達圖顯示用戶偏好         85 2.6.5  表示比例最好的餅圖和環(huán)形圖         86 2.7  本章相關資源        89 第3章  我們需要知道的數據挖掘     90 3.1  什么是數據挖掘   90 3.1.1  尿不濕和啤酒    92 3.1.2  Target和懷孕預測指數     94 3.1.3  從數據分析到數據挖掘    95 3.1.4  數據挖掘的一般過程         97 3.2  人人都能做數據挖掘   100 3.3  我們需要知道的四類數據挖掘算法   101 3.3.1  分類——人以群分    101 3.3.2  聚類——物以類聚    108 3.3.3  關聯(lián)——馬原告訴我們事物是普遍聯(lián)系的    111 3.3.4  序列——排隊的規(guī)律，中國人最明白    119 3.4  Web挖掘和信息檢索   121 3.4.1  Web挖掘和信息檢索         122 3.4.2  協(xié)同過濾——推測同類客戶的行為         124 3.4.3  個性化推薦和推薦系統(tǒng)——我們要更懂客戶         126 3.5  本章相關資源        130 第4章  數據分析和數據挖掘工具的選擇          132 4.1  數據分析工具        132 4.1.1  用Excel做數據分析  132 4.1.2  MATLAB       136 4.2  網站分析工具        139 4.2.1  用GA做分析      139 4.2.2  GA的限制  142 4.2.3  各種站長工具    143 4.3  用R語言制作的工具   144 4.3.1  用R做數據分析的優(yōu)勢    145 4.3.2  用R繪制熱力圖         148 4.3.3  用Rattle分析廣告投放數據     150 4.4  其他的開源數據挖掘工具   154 4.4.1  Weka數據挖掘工具  154 4.4.2  Google提供的數據挖掘工具    158 4.5  電商平臺上的各種工具        159 4.5.1  用量子恒道分析淘寶網店         159 4.5.2  淘寶上的數據魔方    161 4.5.3  開放平臺上的工具    165 4.6  數據展示工具        165 4.7  本章相關資源        168 第5章  電子商務數據運營入門          170 5.1  在討論數據運營之前   170 5.1.1  數據運營的四大障礙         170 5.1.2  數據不是萬能的         171 5.2  電子商務運營中重要的數據點   173 5.2.1  訪客數         175 5.2.2  轉化率         176 5.2.3  客單價         180 5.3  一切讓數據說話   181 5.3.1  要有總體的概念         182 5.3.2  每天的運營數據不可忽視         184 5.3.3  最重要的是ROI 187 5.4  有哪些數據分析需要做        189 5.4.1  網站流量分析    189 5.4.2  商品銷售分析    193 5.4.3  定期數據分析    194 5.4.4  內容分析    195 5.5  從零開始打造電子商務企業(yè)        195 5.5.1  Bootstrapping，一步一步來     195 5.5.2  商品選擇    196 5.5.3  平臺選擇    198 5.5.4  經營策略和定位的選擇    199 5.5.5  推廣選擇    200 5.5.6  開店嘍         201 5.6  本章相關資源        202 第6章  電子商務數據運營的方法     203 6.1  用數據解決運營中的問題   203 6.1.1  商品評估    204 6.1.2  流量評估    207 6.1.3  頁面評估    213 6.1.4  網站評估    214 6.1.5  服務評估    215 6.2  客戶分析數據模型        219 6.2.1  數據模型的建立和應用    220 6.2.2  客戶生命周期模型    222 6.2.3  RFM客戶數據模型    223 6.2.4  基于客戶訪問信息的分析模型         226 6.2.5  基于訪客系統(tǒng)屬性的分析模型         228 6.3  WAMM模型  229 6.4  如何針對獨立B2C做數據運營   231 6.5  數據運營的考核——KPI       233 6.5.1  KPI的SMART原則     235 6.5.2  電子商務運營的KPI設定 237 6.6  本章相關資源        241 第7章  電商運營之免費流量獲取     242 7.1  免費的自然流量——SEO     242 7.1.1  為什么需要做SEO     242 7.1.2  SEO站內優(yōu)化     246 7.1.3  SEO站外優(yōu)化     247 7.1.4  SEO小實操 248 7.2  淘寶SEO         252 7.3  企業(yè)官網和官博   256 7.4  口碑和互動營銷   258 7.5  本章相關資源        262 第8章  電商運營流量獲取——做有效的廣告          263 8.1  做有效的廣告        263 8.1.1  互聯(lián)網廣告的優(yōu)勢    264 8.1.2  網站聯(lián)盟廣告    267 8.1.3  互聯(lián)網廣告分析         271 8.1.4  廣告優(yōu)化和定向投放         272 8.2  淘寶上的廣告        278 8.2.1  淘寶直通車         279 8.2.2  鉆石展位    281 8.3  搜索引擎競價排名和SEM   282 8.3.1  搜索廣告的類型         283 8.3.2  搜索廣告的效果         284 8.3.3  通過數據分析做SEM         287 8.4  EDM        294 8.4.1  EDM和客戶生命周期        299 8.4.2  EDM的KPI 302 8.4.3  EDM中的延時效應性        303 8.4.4  EDM中的數據篩選   304 8.4.5  EDM上的RFM模型應用  308 8.5  多管齊下        311 8.5.1  整合營銷    311 8.5.2  多渠道運營         314 8.6  本章相關資源        316 第9章  把流量變成真實客戶     317 9.1  流量分析        317 9.1.1  訪客量的分析    318 9.1.2  分析流量來源特點    320 9.1.3  分析訪客時空屬性    322 9.1.4  分析訪客的人群屬性         324 9.1.5  分析客戶興趣屬性    326 9.2  頁面分析        327 9.2.1  網站上的內容    327 9.2.2  頁面跳出率和二跳率         329 9.2.3  頁面熱度分析    329 9.3  網站分析        331 9.3.1  網站日志分析    332 9.3.2  提升網站質量    335 9.4  提升網站轉化率   336 9.4.1  抓住每一個環(huán)節(jié)的數據    337 9.4.2  怎樣吸引客戶下訂單         338 9.4.3  找回被放棄的購物車         340 9.4.4  不盲目追求轉化率    342 9.5  本章相關資源        344 第10章  深度挖掘客戶價值       345 10.1  最有價值客戶的特征 345 10.1.1  建立CRM（客戶關系管理） 346 10.1.2  構建客戶綜合價值模型  349 10.1.3  用客戶生命周期模型提升收入       352 10.1.4  用RFM算法找出MVC    353 10.2  如何把客戶黏在我們的網站      354 10.2.1  提升客戶平均停留時間  355 10.2.2  客戶活躍度分析       356 10.2.3  做客戶流失分析       357 10.3  客戶需要什么商品      358 10.3.1  找出熱門商品  359 10.3.2  用推薦系統(tǒng)提高客單價  360 10.4  商品相關的數據挖掘 364 10.4.1  用決策樹分析商品  365 10.4.2  用聚類算法對商品分類  366 10.4.3  用關聯(lián)算法做商品匹配  368 10.4.4  用序列算法分析商品上下架時間  372 10.5  相關資源      374 第11章  電子商務運營還有哪些事兒       377 11.1  相關管理系統(tǒng)      377 11.2  移動電商和數據 381 11.2.1  移動電商的特殊性  381 11.2.2  數據挖掘和LBS        388 11.2.3  移動廣告  391 11.2.4  移動互聯(lián)網數據面臨的問題  391 11.3  電商和Big Data  393 11.3.1  Big Data是什么        393 11.3.2  電商的大數據可以怎么“玩”       396 11.3.3  Big Data上的技術   397 11.3.4  聯(lián)機分析處理（OLAP） 408 11.4  電子商務網絡安全      409 11.5  企業(yè)競爭與反競爭      411 11.6  本章相關資源      412 第12章  電子商務數據運營的未來   414 附錄A  專業(yè)詞匯 419 附錄B  本書中用到的公式和算法      431 附錄C  參考文獻 437 附錄D  值得關注的微博     442 附錄E  參考網站一覽 443