商务大数据分析导论课件：网站分析与推荐.pptx

网站分析与推荐

目录01.网站分析与推荐的重要性02.电商数据分析指标体系

网站分析与推荐的重要性PARTONE

网站分析与推荐的重要性为了能够更好地满足用户需求，依据其网站海量的数据，研究用户的兴趣偏好，分析用户的需求和行为，发现用户的兴趣点，从而引导用户发现自己的信息需求，将长尾网页准确地推荐给所需用户，帮助用户发现他们感兴趣但很难发现的网页信息。为用户提供个性化的服务，并且建立网站与用户之间的密切关系，让用户对推荐系统产生依赖，从而建立稳定的企业忠实顾客群，实现客户链式反应增值，提高消费者满意度。通过提高服务效率帮助消费者节约交易成本等，制定有针对性的营销战略方针，促进企业长期稳定高速发展。01

电商数据分析指标体系PARTTWO

电商总体运营指标人均页面访问数，即页面访问数（PV）／独立访客数（UV），该指标反映的是网站访问粘性。流量类指标01访问到下单转化率，即电商网站下单的次数与访问该网站的次数之比。订单产生效率指标02网站成交额（GMV），电商成交金额，即只要用户下单，生成订单号无论这个订单最终是否成交，便可以计算在GMV里面，包含付款和未付款的部分。总体销售业绩指标03毛利率，是衡量电商企业盈利能力的指标，是销售毛利与销售收入的比值整体指标04

网站流量指标包括独立访客数和页面访问数，相应的指标定义在前文（电商总体运营指标）已经描述，在此不在赘述。流量规模类指标01指在流量推广中，广告活动产生的投放费用与广告活动带来的独立访客数的比值流量成本类指标02跳出率（BounceRate）也被称为蹦失率，为浏览单页即退出的次数/该页访问次数，跳出率只能衡量该页作为着陆页面（LandingPage）的访问流量质量类指标03注册会员数、活跃会员数、会员复购率、会员回购率、会员留存率会员类指标04

网站销售（转化率）类指标基础类指标，包括一定统计周期内加入购物车次数、加入购物车买家数以及加入购物车商品数。购物车类指标01基础类指标，包括一定统计周期内的下单笔数、下单金额以及下单买家数。下单类指标02基础统计类指标，包括一定统计周期内支付金额、支付买家数和支付商品数。支付类指标03

客户价值类指标包括一定统计周期内的累计购买客户数和客单价。客户指标01第一次在店铺中产生消费行为的客户所产生交易额与新客户数量的比值新客户指标02包括消费频率、最近一次购买时间、消费金额和重复购买率。老客户指标03

商品类指标SKU、SPU和在线SPU。产品总数指标01主要是独家产品的收入占比，即独家销售的产品收入占总销售收入的比例。产品优势性指标02包括品牌数和在线品牌数指标。品牌数指商品的品牌总数量。在线品牌数则指在线商品的品牌总数量。品牌存量指标03包括上架商品SKU数、上架商品SPU数、上架在线SPU数、上架商品数和上架在线商品数。上架05包括首次上架商品数和首次上架在线商品数。首发04

市场营销指标包括新增访问人数、新增注册人数、总访问次数、订单数量、活动下单转化率以及投资回报率（ROI）。市场营销活动指标01包括新增访问人数、新增注册人数、总访问次数、订单数量、UV订单转化率、广告投资回报率。广告投放指标02

市场竞争类指标包括市场占有率、市场扩大率和用户份额。市场占有率指电商网站交易额占同期所有同类型电商网站整体交易额的比重；市场扩大率指购物网站占有率较上一个统计周期增长的百分比；用户份额指购物网站独立访问用户数占同期所有B2C购物网站合计独立访问用户数的比例。市场份额相关指标01包括交易额排名和流量排名。交易额排名指电商网站交易额在所有同类电商网站中的排名；流量排名指电商网站独立访客数量在所有同类电商网站中的排名。网站排名02

分析方法与过程

目录01.数据抽取02.数据探索分析03.结果分析

数据抽取PARTONE

数据抽取以用户的访问时间为条件，选取3个月内（2020-02-01?2020-04-29）用户的访问数据作为原始数据集。每个地区的用户访问习惯以及兴趣爱好存在差异性，本例抽取广州地区的用户访问数据进行分析，其数据量总计有837450条记录，其中包括用户号、访问时间、来源网站、访问页面、页面标题、来源网页、标签、网页类别和关键词等属性。01

数据探索分析PARTTWO

2.1网页类型分析作为第一步，我们针对原始数据中用户点击的网页类型进行统计，网页类型是指“网址类型”中的前3位数字（它本身有6/7位数字）。前面已经提到过，此处处理的要义在于“分块进行”，必要时可以使用多线程甚至分布式计算。所以，代码清单12-2所给出的例子，已经展示了处理大数据的要义所在。后面的各项统计均按照类似的方法进行，不再赘述。

2.1网页类型分析结果见表12-3,从中发现点击与咨询相关（网页类型为101,http:/