數(shù)據(jù)掘金：電子商務(wù)運(yùn)營(yíng)突圍

第1章  引言：電子商務(wù)運(yùn)營(yíng)和數(shù)據(jù)          1 1.1  2012年最大的賭局       2 1.2  為300萬(wàn)人建300萬(wàn)個(gè)網(wǎng)站         6 1.2.1  電子商務(wù)的RUPI概念       7 1.2.2  在互聯(lián)網(wǎng)上賣米         8 1.2.3  電子商務(wù)怎么能離開數(shù)據(jù)         10 1.2.4  淘寶店的四個(gè)核心數(shù)據(jù)    13 1.3  讓電商運(yùn)營(yíng)不再那么辛苦   16 1.3.1  電商人的藍(lán)精靈之歌         17 1.3.2  電子商務(wù)運(yùn)營(yíng)入學(xué)考試    17 1.3.3  店鋪診斷——我的網(wǎng)店能掙更多錢嗎    19 1.3.4  讓你的網(wǎng)店脫穎而出         23 1.3.5  為你的網(wǎng)店裝上“業(yè)務(wù)雷達(dá)”         27 1.4  電子商務(wù)數(shù)據(jù)運(yùn)營(yíng)的五大應(yīng)用   30 1.4.1  讓網(wǎng)站更吸引人         32 1.4.2  把潛在客戶轉(zhuǎn)化成真正的客戶         33 1.4.3  挖掘老客戶價(jià)值         35 1.4.4  推薦系統(tǒng)的設(shè)計(jì)和應(yīng)用    36 1.4.5  針對(duì)不同客戶提供個(gè)性化的產(chǎn)品    36 1.5  關(guān)于電商數(shù)據(jù)的六個(gè)“W”和一個(gè)“H” 37 1.6  本書的內(nèi)容   39 1.7  本章相關(guān)資源        42 第2章  我們需要知道的數(shù)據(jù)分析     43 2.1  從數(shù)據(jù)分析專家林彪說起   44 2.2  數(shù)據(jù)分析基本概念        45 2.2.1  就這么簡(jiǎn)單：三種基礎(chǔ)數(shù)據(jù)    46 2.2.2  我們這樣來理解數(shù)據(jù)         47 2.2.3  概率并不可怕    50 2.3  讓我們開始加工數(shù)據(jù)   52 2.3.1  數(shù)據(jù)集成——把所有數(shù)據(jù)都拿過來         52 2.3.2  數(shù)據(jù)清洗——給數(shù)據(jù)玩“洗刷刷”         54 2.3.3  數(shù)據(jù)轉(zhuǎn)換——給數(shù)據(jù)換個(gè)“馬甲”         59 2.3.4  數(shù)據(jù)規(guī)約——有時(shí)候也要丟掉數(shù)據(jù)         62 2.4  用向量表示數(shù)據(jù)   63 2.5  網(wǎng)站日志的收集和處理        66 2.5.1  網(wǎng)站日志信息分類    66 2.5.2  網(wǎng)站日志實(shí)例    70 2.5.3  網(wǎng)站日志預(yù)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(jiǎn)單比較用柱狀圖    83 2.6.3  轉(zhuǎn)化率用漏斗圖表示最直觀    83 2.6.4  雷達(dá)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(guān)資源        89 第3章  我們需要知道的數(shù)據(jù)挖掘     90 3.1  什么是數(shù)據(jù)挖掘   90 3.1.1  尿不濕和啤酒    92 3.1.2  Target和懷孕預(yù)測(cè)指數(shù)     94 3.1.3  從數(shù)據(jù)分析到數(shù)據(jù)挖掘    95 3.1.4  數(shù)據(jù)挖掘的一般過程         97 3.2  人人都能做數(shù)據(jù)挖掘   100 3.3  我們需要知道的四類數(shù)據(jù)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(guān)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(duì)的規(guī)律，中國(guó)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(cè)同類客戶的行為         124 3.4.3  個(gè)性化推薦和推薦系統(tǒng)——我們要更懂客戶         126 3.5  本章相關(guān)資源        130 第4章  數(shù)據(jù)分析和數(shù)據(jù)挖掘工具的選擇          132 4.1  數(shù)據(jù)分析工具        132 4.1.1  用Excel做數(shù)據(jù)分析  132 4.1.2  MATLAB       136 4.2  網(wǎng)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(zhǎng)工具    143 4.3  用R語(yǔ)言制作的工具   144 4.3.1  用R做數(shù)據(jù)分析的優(yōu)勢(shì)    145 4.3.2  用R繪制熱力圖         148 4.3.3  用Rattle分析廣告投放數(shù)據(jù)     150 4.4  其他的開源數(shù)據(jù)挖掘工具   154 4.4.1  Weka數(shù)據(jù)挖掘工具  154 4.4.2  Google提供的數(shù)據(jù)挖掘工具    158 4.5  電商平臺(tái)上的各種工具        159 4.5.1  用量子恒道分析淘寶網(wǎng)店         159 4.5.2  淘寶上的數(shù)據(jù)魔方    161 4.5.3  開放平臺(tái)上的工具    165 4.6  數(shù)據(jù)展示工具        165 4.7  本章相關(guān)資源        168 第5章  電子商務(wù)數(shù)據(jù)運(yùn)營(yíng)入門          170 5.1  在討論數(shù)據(jù)運(yùn)營(yíng)之前   170 5.1.1  數(shù)據(jù)運(yùn)營(yíng)的四大障礙         170 5.1.2  數(shù)據(jù)不是萬(wàn)能的         171 5.2  電子商務(wù)運(yùn)營(yíng)中重要的數(shù)據(jù)點(diǎn)   173 5.2.1  訪客數(shù)         175 5.2.2  轉(zhuǎn)化率         176 5.2.3  客單價(jià)         180 5.3  一切讓數(shù)據(jù)說話   181 5.3.1  要有總體的概念         182 5.3.2  每天的運(yùn)營(yíng)數(shù)據(jù)不可忽視         184 5.3.3  最重要的是ROI 187 5.4  有哪些數(shù)據(jù)分析需要做        189 5.4.1  網(wǎng)站流量分析    189 5.4.2  商品銷售分析    193 5.4.3  定期數(shù)據(jù)分析    194 5.4.4  內(nèi)容分析    195 5.5  從零開始打造電子商務(wù)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(tái)選擇    198 5.5.4  經(jīng)營(yíng)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(guān)資源        202 第6章  電子商務(wù)數(shù)據(jù)運(yùn)營(yíng)的方法     203 6.1  用數(shù)據(jù)解決運(yùn)營(yíng)中的問題   203 6.1.1  商品評(píng)估    204 6.1.2  流量評(píng)估    207 6.1.3  頁(yè)面評(píng)估    213 6.1.4  網(wǎng)站評(píng)估    214 6.1.5  服務(wù)評(píng)估    215 6.2  客戶分析數(shù)據(jù)模型        219 6.2.1  數(shù)據(jù)模型的建立和應(yīng)用    220 6.2.2  客戶生命周期模型    222 6.2.3  RFM客戶數(shù)據(jù)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(duì)獨(dú)立B2C做數(shù)據(jù)運(yùn)營(yíng)   231 6.5  數(shù)據(jù)運(yùn)營(yíng)的考核——KPI       233 6.5.1  KPI的SMART原則     235 6.5.2  電子商務(wù)運(yùn)營(yíng)的KPI設(shè)定 237 6.6  本章相關(guān)資源        241 第7章  電商運(yùn)營(yíng)之免費(fèi)流量獲取     242 7.1  免費(fèi)的自然流量——SEO     242 7.1.1  為什么需要做SEO     242 7.1.2  SEO站內(nèi)優(yōu)化     246 7.1.3  SEO站外優(yōu)化     247 7.1.4  SEO小實(shí)操 248 7.2  淘寶SEO         252 7.3  企業(yè)官網(wǎng)和官博   256 7.4  口碑和互動(dòng)營(yíng)銷   258 7.5  本章相關(guān)資源        262 第8章  電商運(yùn)營(yíng)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(wǎng)廣告的優(yōu)勢(shì)    264 8.1.2  網(wǎng)站聯(lián)盟廣告    267 8.1.3  互聯(lián)網(wǎng)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(jìng)價(jià)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(shù)據(jù)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(shí)效應(yīng)性        303 8.4.4  EDM中的數(shù)據(jù)篩選   304 8.4.5  EDM上的RFM模型應(yīng)用  308 8.5  多管齊下        311 8.5.1  整合營(yíng)銷    311 8.5.2  多渠道運(yùn)營(yíng)         314 8.6  本章相關(guān)資源        316 第9章  把流量變成真實(shí)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(diǎn)    320 9.1.3  分析訪客時(shí)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(yè)面分析        327 9.2.1  網(wǎng)站上的內(nèi)容    327 9.2.2  頁(yè)面跳出率和二跳率         329 9.2.3  頁(yè)面熱度分析    329 9.3  網(wǎng)站分析        331 9.3.1  網(wǎng)站日志分析    332 9.3.2  提升網(wǎng)站質(zhì)量    335 9.4  提升網(wǎng)站轉(zhuǎn)化率   336 9.4.1  抓住每一個(gè)環(huán)節(jié)的數(shù)據(jù)    337 9.4.2  怎樣吸引客戶下訂單         338 9.4.3  找回被放棄的購(gòu)物車         340 9.4.4  不盲目追求轉(zhuǎn)化率    342 9.5  本章相關(guān)資源        344 第10章  深度挖掘客戶價(jià)值       345 10.1  最有價(jià)值客戶的特征 345 10.1.1  建立CRM（客戶關(guān)系管理） 346 10.1.2  構(gòu)建客戶綜合價(jià)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(wǎng)站      354 10.2.1  提升客戶平均停留時(shí)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(jià)  360 10.4  商品相關(guān)的數(shù)據(jù)挖掘 364 10.4.1  用決策樹分析商品  365 10.4.2  用聚類算法對(duì)商品分類  366 10.4.3  用關(guān)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(shí)間  372 10.5  相關(guān)資源      374 第11章  電子商務(wù)運(yùn)營(yíng)還有哪些事兒       377 11.1  相關(guān)管理系統(tǒng)      377 11.2  移動(dòng)電商和數(shù)據(jù) 381 11.2.1  移動(dòng)電商的特殊性  381 11.2.2  數(shù)據(jù)挖掘和LBS        388 11.2.3  移動(dòng)廣告  391 11.2.4  移動(dòng)互聯(lián)網(wǎng)數(shù)據(jù)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(shù)據(jù)可以怎么“玩”       396 11.3.3  Big Data上的技術(shù)   397 11.3.4  聯(lián)機(jī)分析處理（OLAP） 408 11.4  電子商務(wù)網(wǎng)絡(luò)安全      409 11.5  企業(yè)競(jìng)爭(zhēng)與反競(jìng)爭(zhēng)      411 11.6  本章相關(guān)資源      412 第12章  電子商務(wù)數(shù)據(jù)運(yùn)營(yíng)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(xiàn) 437 附錄D  值得關(guān)注的微博     442 附錄E  參考網(wǎng)站一覽 443