电商大数据——用数据驱动电商和商业案例解析（国内第1本将大数据与电商完美结合的权威之作！）
ISBN978-7-121-22556-7
2014年3月出版
定价：98.00元
360页
16开
编辑推荐
（1）《电商大数据——用数据驱动电商和商业案例解析》是国内第1本将大数据与电商完美结合的权威之作！本书是软精装版，提供200组客户、67个维度指标的核心网店数据资源供学习，书中案例在电商实战中已创造过巨大价值，淘宝天猫京东和独立B2C均适用。
（2）作者李必文是国内难得对电商与大数据均有深度研究的人，他是电商“数据驱动学”的倡导者和领跑者，更是资深电商经理人。
（3）如果你赞成本书一半以上观点，请勿错过《电商大数据》：
电商运营者，要更擅长根据需求“养”数据，数据“养”到一定程度，就会有价值。
电商大数据不一定量级要有多巨大，但数据维度要尽可能丰满。
商品打折优惠的幅度应大于11.6%，因为11.6%是一个阈值，为人类的最小心理感觉差。
50%的客户点击网站的次数都在3次以内。
快销品类目购买7次以上的客户便是绝对忠诚的客户。
新客户在收到商品后的10天之内二次购买的概率最高。
真正的大数据，不是噱头，更不是空心的概念，是“梦想照进现实”般的落地和丰厚的经验价值。
内容提要
在《电商大数据——用数据驱动电商和商业案例解析》的目录中给出了200组客户67个维度指标的真实数据，这些源数据是非常珍贵的资源，为客户行为研究提供了不可或缺的基础资料。
目录
上篇电商战略战术
第1章电子商务的战略解析/2
1.1三言两语电子商务/3
1.1.1电子商务的特质/3
1.1.2电子商务的整合效应/4
1.2电子商务的动态格局/4
1.2.1草根淘宝平台动了谁的奶酪/4
1.2.2猫与狗的战争/6
1.2.3线下传统企业大鳄的电商梦/8
1.3电子商务时代的品牌运作/11
1.3.1电商品牌的定位/11
1.3.2电商品牌的突围/14
1.3.3品牌和平台的对立面/15
1.4电子商务时代的“铁血”战争/16
1.4.1电子商务时代的价格之战/16
1.4.2电子商务时代的人才之战/17
1.4.3电子商务时代的流量之战/18
1.4.4电子商务时代的数据之战/19
参考文献/20
第2章电子商务的战术解析/21
2.1关于电子商务创业/22
2.2电子商务10大营销学定律/23
2.3电子商务的10大败局定律/31
2.3.1正式运营已经错失销售旺季/31
2.3.2人云亦云，草根小卖家没有清晰的电商运作策略/32
2.3.3不注重商品品质和服务/33
2.3.4企业发展过程中团队有分歧，红利分配不公平/35
2.3.6缺乏高质量、稳健的供货商，供应链孱弱/36
2.3.7舍不得投钱慢慢耗死/37
2.3.8品牌定位模糊不清/37
2.3.9实体企业向天猫商城转型缺少经验，用传统行业手段指导商城运营/38
2.3.10电商一上马，业务全面铺开和团队组建冗余/38
2.4电子商务的10大心理学定律/39
第3章电商大鳄逐鹿中原、数据驱动主宰沉浮/43
3.1你不知道的数据挖掘/44
3.1.1数据挖掘原来是这么回事/44
3.1.2孙子兵法曰：杂于利而务可信也，杂于害而患可解也/51
3.2数据挖掘在电子商务中的多面性/54
3.2.1数据挖掘在电子商务行业中广泛应用/54
3.2.2数据挖掘是有巨大价值的，但结论常常是错误的/57
3.2.3客观认识数据挖掘/59
3.3电子商务数据挖掘的“AVSM法则”/62
3.4数据挖掘的工具/65
3.4.1数据采集工具/65
3.4.2客户端数据分析工具/66
3.4.3客户端数据挖掘工具/67
3.4.4数据存储——数据库系统/68
3.5延伸阅读/69
3.5.1谷歌与Facebook的数据挖掘之战/69
3.5.2军事战略上的数据分析/70
参考文献/72
中篇基础商业案例
第4章搭建数据化体系/74
4.1绘制销售图谱/75
4.2数据化指标及体系/77
4.2.1晴雨表体系的建立/77
4.2.2晴雨表的解读技巧/80
4.2.3组建流量漏斗模型/82
4.2.4诊断流量黑洞/86
4.2.5诊断流量骤变原因/87
4.3数据分析入门案例/88
4.4数据挖掘入门案例/93
4.4.1漫话统计学/93
4.4.2喜欢买连衣裙的客户比喜欢买卫衣的客户更有价值吗/94
4.5数学建模入门案例/95
参考文献/97
5.1.1定向性/99
5.1.2强化品牌印象的利器/99
5.1.3一把双刃剑/100
5.1.4非强迫性/100
5.2.4硬广及“暴力拓展”/108
5.3.3投放策略确定/115
5.4精准投放基础篇/118
5.4.1分时段投放/118
5.4.2分地域投放/121
5.4.3分品类投放/122
5.4.4关键词遴选/123
5.5.1CPC出价与点击率、转化率之间的理论数学模型/124
5.5.2深度解读CPC与点击率之间的意义/125
参考文献/135
第6章数据驱动艺术设计/136
6.1数据驱动与艺术设计漫谈/137
6.2网站首页最优长度如何测定/139
6.3网页的结构布局策略/140
6.3.1经典的结构布局理论/140
6.3.2站内搜索的设置/142
6.3.3首页商品撤换的“ROI”原则/142
6.4商品详情页的“倒三角形”结构/143
6.5警惕搭配套餐的骗局/146
6.5.1人类最小心理感觉差/146
6.5.2搭配套餐的新陈代谢/147
6.6关联推荐的设计/148
6.6.1关联推荐的机理/148
6.6.2支持度、置信度和提升度/149
6.6.3小结/156
参考文献/157
下篇大数据驱动
第7章数据化管理/160
7.1任何一个团队或项目不能量化就不能管理/161
7.2客服团队数据化管理/162
7.2.1客服团队排班设计/163
7.2.2客服团队的绩效管理/163
7.2.3客服团队忠诚度激励方案/170
7.2.4客服团队数据化管理高级应用：测算咨询并发数/174
7.3供应链数据化管理/177
7.3.1供应链数据化管理的点和面/177
7.3.2大数据环境下供应链管理的通路/179
7.3.3商品结构如何布局/181
7.3.4销量预测的三种最基本的方法/183
7.3.5现货模式下的弹性补货策略/188
7.3.6智能化仓库拣货路径的设计/191
7.4大型促销活动促销节点的设计/198
参考文献/202
第8章客户“怪诞行为”研究/203
8.1商品预售是颠覆了零售模式还是电商之殇/204
8.2.1手机号与客户购买力之间的关系/206
8.2.2从Mail地址里窥探那些不能说的秘密/208
8.3数学模型量化客户行为/211
8.3.1幂函数解析客户流失概率/211
8.3.2对数函数解析客户究竟会点击网页几次/217
8.4“7次购物原则”与客户忠诚度/218
8.4.1知识储备：条件概率/218
8.4.2Logistic回归模型解析客户流失概率分布/220
8.5客户生命周期贯穿销售始终/225
参考文献/228
第9章客户关系管理/229
9.1客户关系管理没那么简单/230
9.1.1客户关系管理的生死穴/230
9.1.2客户关系管理的流程/235
9.2客户关系的五部曲/237
9.2.1数据库的组建/237
9.2.2数据库的加厚/243
9.2.3数据库的标签/245
9.2.4数据库的挖掘/248
9.2.5客户关系管理的落地/250
9.3与时俱进的客户关系管理/252
9.3.1客户服务的类型/252
9.3.2客户关系管理用好现代互联网新媒体/255
9.3.3客户关系管理商业流小结/259
9.4客户关系管理商业案例/262
9.4.1用决策树为有价值的客户画像/262
9.4.2基于神经网络建立客户流失预警机制/264
参考文献/272
第10章数据驱动高级商业案例/273
10.1基于网络爬虫技术架上库存调整项目/274
10.1.1背景/274
10.1.2架上库存调整的意义/275
10.1.3调整方案的流程图/276
10.1.4三言两语：网络爬虫是什么/278
10.1.5架上库存调整临界点的设置/279
10.1.6架上库存调整结果展示/280
10.2淘品牌资本化运作所面对的局势/286
10.3数据驱动小结/287
10.3.1电商数据驱动团队组建/287
10.3.2学好数据驱动的方法/287
10.3.3实施数据驱动的四大障碍/290
教材习题/291
重要附录神经网络训练和测试优质商业样本/295
精彩节摘
3.2数据挖掘在电子商务中的多面性
3.2.1数据挖掘在电商行业中的常见案例
A．浏览回头率↓B．访问深度↓C．浏览回头率↓D．访问深度↓
2．因为某些商品（比如快消品中的真皮女鞋、羽绒服、皮草等）成本高、出货周期长或者其他原因，这些商品经常预售。某一销售旺季波段，凡是与预售商品一起下单的很多数额巨大的订单都因为缺货而导致大批订单未能及时发出，用户体验及其糟糕（拆单听起来是个不错的主意，但是成本变高并且实践证明客户并不喜欢接二连三的包裹陆续到来）。现在能做的无非是亡羊补牢的挽救措施，请你通过数据分析解决以下三个问题：
（1）请分析缺货产品的成分结构。经常会戏剧性地出现因为一个类似小吊带的小物件缺货而导致大批货物不能发送，如何避免？请给出建议。
（2）为了能给客户更好的体验，现在或许是唯一能做到并一定会起到显著效果的措施是什么？并计算成本有多大。
（3）预售商品导致不能发货的问题并没有完，还会衍生出其他问题。例如，某预售A商品与现货B商品被C客户同一天拍下并付款，但是当A商品到货后，C客户订单仍然不能发出，原因是原来的现货B被其他订单挪用，B商品也因为缺货而变成预售，无辜的C客户无奈只能一等再等。当然，接下来可能损失了一名C客户或者其身边的朋友。为了避免此种情况发生，请给出你详尽的数据支持方案。
备注：原始库存数据和订单数据此处略去。
3．一件女装刚刚上架，很多新客户一般不会轻易出手购买，请问大部分新客户的心理是在等待观望新品评价出来之后再购买，还是因为从众心理，等部分人群购买了才会出手。所以：
（1）请通过数据分析还原新客户在购买新品时的心态。对于新品或者新开张的店铺或网站，女人的哪种心态更多一点？
（2）运用此结论，如果你是一个女装主线品牌的操盘手，现如今欲创建副线品牌，如何操作才最可能成功？
备注：原始订单数据此处略去。
4．请你一口气列举出影响客户可能流失的40个数据指标用来组建客户预流失数学模型，且这些指标目前基于淘宝数据工具或者独立B2C网上商城运用GA（一种网站数据采集工具）并结合ERP系统都可以抓取到。如果该预流失数学模型用在精准会员营销方面，你将策划哪些营销方案？为了使客人最终成为忠诚度极高的客户，请给出你的连环精准营销方案。
5．在女装商品标题进行SEO的时候，常常会使用热词比如韩版和欧美等一些搜索量很多的词汇，显然热词会带来更多的自然流量。问题是：
（1）热词在提高流量的同时是不是对转化率也会有一定程度的提升，姑且不论提升程度的多寡，但是会有一定量的提升吗？请不要一拍脑袋就流利地说出答案，因为每个决策都会影响到隐性和显性的销售额。
（2）对于一个成熟的电商网站和店铺，热词有时候可能与品牌调性不合，如何权衡此问题？
备注：原始流量和销售数据此处略去。
6．现有一定量库存商品（女装类目），为了尽快释放出现金流，公司想把这批库存消化。如果你主持这件事情：
（1）你打算从什么角度来分析库存结构？
（2）按照优先级，哪些子类目的库存应该最先清理，依据是什么？
（3）通过对不同地域的客户群购买特征的数据分析，你能得到什么样的结论并基于此结论制定何种有效的清仓计划？
7．在女装类目中（也包括其他服装类目），视觉效果表现往往需要借助模特去表现，因为服装只有穿在模特身上才能完美诠释神韵，但是模特是有生命周期的，而且品牌风格的转变也是需要更换模特。在更换模特的时候，原来的女性客户往往表现出不买账抑或不支持的声音，而且通常反对声音都是相当的激烈。这是很正常的，风格转型必然会遭遇阵痛，不可避免。但是，女人心理的天然属性意味着即使有再多反对声音，也会有噪音，也永远不能完全还原整个事件的真实状态。问题是，转型意味着改变而不一定意味着朝好的方向改变。老板很纠结，在大批老客户反对声音中，无法拿捏准是不是应该坚持转型。
（1）你应该从数据的哪些角度分析模特转型是否成功呢？经过客观的数据分析结果表明，倘若模特转型是成功的，也给老板尽早吃一颗“定心丸”；倘若转型不成功，也给老板提供决策支持，及早防止老客户开始流失。
（2）衍生另一个问题。大家都在谈论“意见领袖”的作用，女模特几乎每个女装电商企业都在用，从需求角度上说，一些成熟有财力的女装电商企业都希望得到在平民中有较高影响力和号召力“意见领袖”模特。问题是，“意见领袖”发挥的作用究竟有多大有没有比较靠谱的方法分离出来以便进行合理的量化呢？比如请网络红人代言天猫商城，取得成功的可能性有多大？
8．以下问题稍微技术性强一点。快消品客人的生命周期通常服从以下何种分布？
A．幂函数分布B．负指数分布C．正态分布右半部分D．不确定
9．新客户再次回头购买的概率比较低，假如目前只有20%左右回头。为了提升新客户的二次购买率，现进行新客户数据库营销。最简单也是最容易操作的是发放10元优惠券鼓励新客户感受二次购物体验。为了使客户对我们的优惠券保有量并不总是充足的（客户优惠券保有量过多对后续营销活动会有所钳制），优惠券有效期设置为一周。但是，实际测试的营销效果并不理想，优惠券使用率不到8%，尽管跟优惠券营销的老套过时有不小的关系，不过，这不是该问题需要讨论的内容。请用数据分析说明：
（1）影响优惠券使用率最重要的因子是什么？
备注：原始优惠券、客户等级数据及订单数据此处略去。
10．客户沉睡周期如何划分才有利？如果周期过短，也许会打扰到客户甚至引起客户逆反心理从而造成了客户永久性流失；如果周期过长，对于沉睡客户的唤醒是极为不利的，其可以唤醒的概率会伴随周期的变长而急剧衰减。
3.2.2数据挖掘是有巨大价值的，但结论常常是错误的
图3-10就是根据多次试验条件下，得出某项活动的人群响应率。我们针对活动可能吻合的消费人群进行评级，越评级高的对活动响应率越高。
3.2.3客观认识数据挖掘
数据挖掘工程师在某种意义上讲，他们是电商操盘手的“军师”。数据挖掘最重要的支撑点在一个“挖”字。何谓“挖”？就是凭经验和肉眼看不出来的现象和行为规律，通过数据分析展示出来。所以，数据挖掘一定是预先没有的结论而通过各种方法的分析从数据中提取出来的，而不是一眼看出来的，比如在电子商务数据挖掘关联推荐的案例中，作者曾经碰见通过挖掘3C商品（Computer、Communication、ConsumerElectronics）订单数据来找出关联商品，不过不幸的是，得出的结论常常是尴尬的，比如得出这样的结论：经过对海量数据进行挖掘，发现手机和手机壳的关联性特别大。实际上，得出的关联销售结论是正确的，只是用处不大，因为该结论再现了商业常识。换句话讲，从数据里挖出来的结论引导公司运营，而不是用肉眼看出显而易见的结论，然后罗列数据去佐证它，这中间的逻辑关系不能本末倒置了。数据挖掘最肤浅的表现是所从事的行业背景与统计学技术之间找不到挈合点，更甭提大而化之地、夸夸其谈所谓的“数据驱动运营”了。
·RFM模型虽然经典，但是并非放之四海而皆准，需要结合实际使用情景。
·数据分析样本的选择特别重要。
·并非技术越高级、越华丽，得出结论就越有价值，实用性总是第一位的。
·再现了“小数定理”，虽然样本较多，技术很高，但是预测结果很差。
作者简介
雪鹰传奇真名李必文，国内电商“数据驱动学”的倡导者和领跑者，数据分析“AVSM法则”的创始人。知名电商经理人，具有丰富的电子商务一线从业经验；国内两家知名电商商学院量化管理和数据化运营方向讲师；北京某著名线下品牌熟女皮草电商项目战略顾问。
前言
当今社会，经济形态和商业文明已经进入整合阶段，比如电商耦合了物流、零售、支付手段、互联网等载体，各种载体产生的数据汇整在一起便形成“大数据”。大数据的故事、传奇、思想和成功案例，我们已耳熟能详，在本书中亦有大量电商案例介绍。真正的大数据，不是噱头，更不是空心的概念，是“梦想照进现实”般的落地和创造丰厚的经济价值。
商业中的大数据
“大数据”若按照学术界的严格定义，其量级通常不低于1PB（也就是1024TB）。电商各种数据源量级巨大，但是相对粗糙、噪声高，甚至部分是流水，经过数据的筛选、洗涤、转换、聚合等动作之后，“大数据”往往会变成可供商业分析和挖掘“小数据”。所以，大数据是相对的。
目前，尽管大数据如火如荼，但是商业模式和盈利模式并不清晰。能算得上真正的“大数据”量级同时完全由大数据创造的巨额经济价值足以养活整个公司的企业，在笔者看来，仅网络搜索巨擘谷歌和百度两家。而大部分商业场景之下的基于数据的决策倘若按照“大数据”的学术定义，皆称不上大数据，但是数据化决策和管理屡见不鲜、无处不在。所以，商业中（包括电商行业）的大数据一般指的是数据维度比较丰满且数据观测数在1000万以上的规模。
数据驱动电商
电商企业的兴衰荣辱总能最先在运营数据方面窥见端倪，数据亦能在量化层面揭橥电商生态的进化与成长。电商群雄逐鹿中原，数据驱动主宰沉浮。
数据驱动跟数据分析、数据挖掘和数学建模有本质的区别，后面三种皆侧重数据技术层面，没有考虑到商业流程和使用者。数据驱动的核心是数据创造生产力。笔者不论在商学院传道授业解惑，还是在企业的管理实践中，总是不停地重申：数据只有产生价值才会有价值。
数据与商业结合，懂商业才能谈数据分析或挖掘，两者皆成为业界共识，但是如果说数据撑持商业则过于笼统，没有说到点子上，数据应当是作用于“商业决策点”，哪里遇到决策的拐点，哪里便需要数据，并不是商业和商务中方方面面都离不开数据。认清数据在商业中的角色也很重要。
本书由来
笔者曾一直想写一本电子商务数据化管理和数据化运营方面的书。数据驱动主题的电商教材并不多见，源于一线的真实、有效的商业案例则更少。笔者浸淫电商行业多年，非常希望能把自己团队的数据化管理和运营经验编撰起来，汇编成一本书，让后来者稍有借鉴。
本书着眼于电商数据化的思想，尽量弱化各种深奥难懂的技术细节，但是如果全是思想就流于泛泛而论、空洞无物，内容略显肤浅，而且不容易深入掌握商业案例的本质。所以，笔者对内容结构的部署也做了一番精心编排。全书分成三个层次：第一个层次着眼于电商的思想，商业模式是电商从业者必须了解的；第二个层次是基础性的数据驱动方法和商业案例；第三个层次是大数据方面的高级应用，读者在这个层次中不仅会感受到大数据的思想，同时笔者会立体呈现完整的大数据案例。为了让本书内容深入浅出、形象生动，对关键性的技术以“知识小卡片”的形式展现给读者，期望能达到“知其然并知其所以然”的效果。
本书特点
这本书特色鲜明，纵观全书有以下一些特点：
（1）不论是独立B2C还是阿里系电商都通用。书中大量的商业案例既有来自独立B2C的，也有来自淘宝、天猫、京东等平台的。笔者试图把数据驱动体系纳入到整个电商生态中去阐述。
（3）侧重数据思路的设计。在写作过程中，一直有一个问题困扰笔者，就是不断地问自己：这本书的价值在哪里？现在，这本不算特别厚实但是笔者呕心沥血之作的价值在于，电脑虽然能替代人工计算过程，但是永远无法替代数据驱动的思想和思路，必须由我们人类赋予计算机以睿智的思路，计算机只是把我们解决问题的思路做成软件封装起来而已。另外，侧重数据分析、挖掘思路的设计与仅围绕数据求解工具阐述事实相比，书籍不容易过时。
（4）本书具有一些独特的内容。譬如用博弈论解释了淘宝平台商家集群的现象，用弗洛伊德梦的解析理论去解释互联网生态等，并非笔者牵强附会，而是知识之间确实可以融会贯通。有的时候，我们以为发现了或者发明了一种新方法或新理论，其实有可能在其他领域早已可以找到影子。
（5）对技术思路做了化繁为简的讲解。书中所讲解的商业案例很多都是根据数据驱动大项目改编而来，以期尽可能使案例精彩、详实；至于技术层面，部分来自当前先进的人工智能技术和一些统计学理论。为了规避读者阅读的时候，生僻的技术理论所带来的不适应的体验，我们对技术思路做了化繁为简的讲解，对结论做了近似白话的叙述。
（6）注重举一反三能力的培养。德国教育学家斯普朗格曾说：“不是传授已有的东西，而是要把人的创造力量诱导出来，将生命感、价值感唤醒。唤醒，是一种教育手段。父母和教师不要总是叮咛、检查、监督、审查他们。孩子一旦得到更多的信任和期待，内在动力就会被激发，会更聪明、能干、有悟性。”斯普朗格的方法论不仅适合孩子的教育，亦对笔者有所启示。读完这本书，相信读者会有更多的灵感。灵感也许并不来自这本书，但是有可能是阅读过程中碰撞出来的。创造力是需要被哪怕一点点微弱的灵感唤醒的。
（7）内容详实，文字活泼，字里行间透射灵动鲜活的魅力。在本书编写过程中，在保证描述精准的前提下，我们摒弃那些刻板、索然无味的文字，让文字也有活力和张力。
由于笔者经验和知识水平有限，书中若有疏漏或者纰漏的地方，还请读者朋友们不吝批评指正。