電商競爭日益白熱化，任一家企業，無論大小，都難以逃離生存或發展的困境。既然是數據的時代，擺脫困境也別無選擇，需要從數據入手。從他處學習數據分析與數據挖掘，要么太難——起點高，力不從心；要么太遠，很難用於電商業務。這本書旨在幫助電商人擺脫眼下困境：運營乏力的困境，數據套用的困境，相關技術學習的困境。
基本介紹
- 作者：譚磊
- 出版社：電子工業出版社
- 副標題：電子商務運營突圍
- 出版時間：2013-6
- 頁數：464
- 定價：65.00元
- 裝幀：平裝
- ISBN：9787121138973
內容介紹,作者介紹,作品目錄,
內容介紹
電商坐擁網際網路行業最豐富的用戶數據金礦，卻很少有人從中挖掘出真金白銀。《數據掘金——電子商務運營突圍》一書旨在打破這一困境，一步一步引導從業者以數據為核心來運營網站或網店。本書用淺顯的文字與獨特的視角，不僅成功解讀電商數據運營之惑，更呈現大量數據分析和挖掘的必要基礎知識及實用相關工具。在通過閱讀輕鬆掌握電商數據運營須關注的要點與方法之後，讀者還可有針對性地從書中選擇學習如何利用數據來完成——流量獲取最佳化、廣告投放、客戶分析，以及客戶價值提升等一系列電商運營要務。
《數據掘金——電子商務運營突圍》一書主要寫給電商從業人員，無論是中小電子商務的運營人員、數據分析人員，還是大公司負責電子商務的策略官、市場官和運營官，都能從本書中找到自己所需且急需的有價值內容。
作者介紹
譚 磊 復旦大學計算機學士，美國杜克大學計算機碩士，現任浙江通策集團營運長（COO）。在美國微軟總部服務時間超過13年，曾經擔任多家公司多個層級技術管理崗位，在搜尋、網際網路廣告、數據挖掘、電子商務等方面有豐富的經驗，是網際網路技術領域資深專家。
作品目錄
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 在網際網路上賣米 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“業務雷達” 27
1.4 電子商務數據運營的五大套用 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 推薦系統的設計和套用 36
1.4.5 針對不同客戶提供個性化的產品 36
1.5 關於電商數據的六個“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 機率並不可怕 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 網站日誌的收集和處理 66
2.5.1 網站日誌信息分類 66
2.5.2 網站日誌實例 70
2.5.3 網站日誌預處理 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 什麼是數據挖掘 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——馬原告訴我們事物是普遍聯繫的 111
3.3.4 序列——排隊的規律，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——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語言製作的工具 144
4.3.1 用R做數據分析的優勢 145
4.3.2 用R繪製熱力圖 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 電商平台上的各種工具 159
4.5.1 用量子恆道分析淘寶網店 159
4.5.2 淘寶上的數據魔方 161
4.5.3 開放平台上的工具 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 195
5.5.1 Bootstrapping，一步一步來 195
5.5.2 商品選擇 196
5.5.3 平台選擇 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 數據模型的建立和套用 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 基於客戶訪問信息的分析模型 226
6.2.5 基於訪客系統屬性的分析模型 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 為什麼需要做SEO 242
7.1.2 SEO站內最佳化 246
7.1.3 SEO站外最佳化 247
7.1.4 SEO小實操 248
7.2 淘寶SEO 252
7.3 企業官網和官博 256
7.4 口碑和互動行銷 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 網際網路廣告的優勢 264
8.1.2 網站聯盟廣告 267
8.1.3 網際網路廣告分析 271
8.1.4 廣告最佳化和定向投放 272
8.2 淘寶上的廣告 278
8.2.1 淘寶直通車 279
8.2.2 鑽石展位 281
8.3 搜尋引擎競價排名和SEM 282
8.3.1 搜尋廣告的類型 283
8.3.2 搜尋廣告的效果 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模型套用 308
8.5 多管齊下 311
8.5.1 整合行銷 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 網站日誌分析 332
9.3.2 提升網站質量 335
9.4 提升網站轉化率 336
9.4.1 抓住每一個環節的數據 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 最有價值客戶的特徵 345
10.1.1 建立CRM（客戶關係管理） 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 客戶需要什麼商品 358
10.3.1 找出熱門商品 359
10.3.2 用推薦系統提高客單價 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 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 移動網際網路數據面臨的問題 391
11.3 電商和Big Data 393
11.3.1 Big Data是什麼 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 在線上分析處理（OLAP） 408
11.4 電子商務網路安全 409
11.5 企業競爭與反競爭 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 專業辭彙 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
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 在網際網路上賣米 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“業務雷達” 27
1.4 電子商務數據運營的五大套用 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 推薦系統的設計和套用 36
1.4.5 針對不同客戶提供個性化的產品 36
1.5 關於電商數據的六個“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 機率並不可怕 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 網站日誌的收集和處理 66
2.5.1 網站日誌信息分類 66
2.5.2 網站日誌實例 70
2.5.3 網站日誌預處理 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 什麼是數據挖掘 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——馬原告訴我們事物是普遍聯繫的 111
3.3.4 序列——排隊的規律，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——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語言製作的工具 144
4.3.1 用R做數據分析的優勢 145
4.3.2 用R繪製熱力圖 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 電商平台上的各種工具 159
4.5.1 用量子恆道分析淘寶網店 159
4.5.2 淘寶上的數據魔方 161
4.5.3 開放平台上的工具 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 195
5.5.1 Bootstrapping，一步一步來 195
5.5.2 商品選擇 196
5.5.3 平台選擇 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 數據模型的建立和套用 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 基於客戶訪問信息的分析模型 226
6.2.5 基於訪客系統屬性的分析模型 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 為什麼需要做SEO 242
7.1.2 SEO站內最佳化 246
7.1.3 SEO站外最佳化 247
7.1.4 SEO小實操 248
7.2 淘寶SEO 252
7.3 企業官網和官博 256
7.4 口碑和互動行銷 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 網際網路廣告的優勢 264
8.1.2 網站聯盟廣告 267
8.1.3 網際網路廣告分析 271
8.1.4 廣告最佳化和定向投放 272
8.2 淘寶上的廣告 278
8.2.1 淘寶直通車 279
8.2.2 鑽石展位 281
8.3 搜尋引擎競價排名和SEM 282
8.3.1 搜尋廣告的類型 283
8.3.2 搜尋廣告的效果 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模型套用 308
8.5 多管齊下 311
8.5.1 整合行銷 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 網站日誌分析 332
9.3.2 提升網站質量 335
9.4 提升網站轉化率 336
9.4.1 抓住每一個環節的數據 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 最有價值客戶的特徵 345
10.1.1 建立CRM（客戶關係管理） 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 客戶需要什麼商品 358
10.3.1 找出熱門商品 359
10.3.2 用推薦系統提高客單價 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 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 移動網際網路數據面臨的問題 391
11.3 電商和Big Data 393
11.3.1 Big Data是什麼 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 在線上分析處理（OLAP） 408
11.4 電子商務網路安全 409
11.5 企業競爭與反競爭 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 專業辭彙 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
