1.3.4 让你的网店脱颖而出

美国Northwestern大学的Mark Jeffery在其写作的2011年畅销书The 15 Metrics Everyone in Marketing Should Know中提到，在他做了大量对企业市场行为的调查之后发现80%的公司做市场运营是不基于数据的，而其他的20%基于数据做市场运营的公司中大多数都成为各自领域的领跑者。

数据在电子商务运营中的作用是无处不在的，存在于电子商务流程的每一个步骤。从产品制造到物流，从产品展示到产品细节页面，从产品推荐到下单购买，每一个环节都有数据的存在，而我们也可以使用数据把每个环节的用户体验和效率提升到最好。电子商务运营的各个环节本书都有涉及，而我们花主要篇幅讨论的是从产品展示到销售的环节。

电子商务行业的快速发展和激烈竞争，使得这个行业的趋势变化越来越快，对于电子商务企业的老板们而言，要想在瞬息万变的行业趋势中做出最快的反应，就必须能够做出准确的预判，那么学习运用数据分析就是必然的了。所以从另外一个角度来说，相对于传统企业，电子商务对于数据分析更加重视，需求量也是更大的。特别是一个传统企业，如果想要在网络上胜出，需要接入互联网的基因，而数据分析和数据挖掘的应用就是富含互联网基因的。

我们来看下面这张电子商务流程图（参见图1-15）。

在图1-15中，列出了商品在电子商务运营各个阶段中流通的过程。而数据的作用在这个过程中的每个环节都很大。从客户研究（Customer Research）、产品设计（Product Design）、市场（Market）到最终的客户购买（Buyer），然后再把客户反馈到客户研究，这形成了一个闭环。图1-15闭环中间的每一个步骤都需要数据的支持，同时这里每一个步骤的执行本身又产生大量的数据，这些数据的叠加包括历史数据和系统原始数据的修正。

在客户研究这个环节，我们需要了解什么顾客在什么时间、什么地点购买什么样的产品，在不同的选择环境下会挑选怎样的产品等。这里的每一个问题都涉及大量的数据。在图1-15中客户购买这一个环节也可以分解成加入购物车（Put In Basket）、付款环节（Payment Zone）和最终购买（Purchase）三个重要步骤，而在这三个步骤中数据也起到关键作用，比如我们需要了解多少人会放弃他们购物车中的商品，如何提高从购物车环节到最终成功购买的比例。

中国电子商务新贵凡客诚品（VANCL）的CEO陈年就曾经说过：“凡客越来越像是一家数学公司，需要对大量的订单和客户信息进行分析，进而更好地指导生产工作，减少高库存。”这已显现出数据分析对电子商务企业的重要性，而订单管理只不过是企业管理中可以用到数据分析的过程中的一个。

数据并不能够快速解决所有的问题，但是它可以很快帮助我们更准确和及时地了解：

· 卖什么产品利润高。

· 卖什么产品销量大。

· 什么时候卖产品最合适。

· 怎么样搭配地卖。

· 卖给谁最合适。

· 什么样的客户会买。

· 什么样的客户买得最多。

· 到哪里去找这样的客户。

· 如何廉价地找到这样的客户。

· 如何留住这样的客户。

总的来说，数据分析和数据挖掘在电子商务运营领域有两大类不同类型的应用：

· 统计分析类，使用各种统计分析方法、采用各种图表展现手段，让企业管理者和业务运营人员看见关键指标现状，发现改进环节。

· 预测类，如预测什么客户可能喜欢什么商品，有多少客户会购买那些商品。它能直接应用到业务运营中，如个性化商品推荐引擎、库存预测引擎等。

在本书各个章节中的分析基本都是这两类分析中的一种。

不过，电子商务企业能够做数据运营，需要强有力的领导从公司的各个层面给予支持。不然，出现的状况会是，数据分析部门会抱怨其他部门不配合，提出的需求不切实际；而各个部门抱怨数据分析部门不理解商务的实际需求或者得不到数据分析部门的足够支持。不过改变员工行为和商务过程是很困难的事情。

电子商务企业的运营一般分为以下四个步骤。

· 第一步：引进并提高流量，通过各种推广手段，带来尽量多的潜在客户。常用的网站推广方法有搜索引擎优化、活动推广、新闻推广、关键词广告、联盟推广、友情链接等。

· 第二步：提高转化率，让潜在客户转化成实际客户。提高转化率的常用措施有提高网页打开的速度、美化页面视觉效果、简化页面的排版、优化购物流程等。

· 第三步：提高网站黏度。提供高质量的产品是产生客户“黏性”的最重要因素。如果一个网站能够长期提供给消费者价格合理且高质量的商品，或者有一些让访客不得不再次访问的理由，则必然会吸引大量的消费者来购买和分享。

· 第四步：效果检测。通过分析网络营销的效果，B2C网站就可以对营销状况一目了然。然后再适当调整相应的营销策略，如此循序渐进，改进营销手段。

通过图1-16中的四个步骤，我们可以有效提升电子商务网站的收入和效果。在本书后面的章节中，你可以找到和这四个步骤对应的操作以及专门的篇幅来讲述如何提升电子商务网站各个方面的指标。

在电子商务市场的残酷竞争中，要想胜出只有看是否能够比别人更深地了解客户的内在需求，在我们看来就是能否比别人更好地做好数据分析和数据挖掘工作。

做好数据工作，需要企业从基础数据就开始规划，在后期才可能有更大扩展性。而在数据模型建立的过程中，根据业务场景统计汇总基础数据，分别结合客户访问信息、客户消费信息、订单数据、物流供应链数据等，汇总为客户生命周期数据模型、客户流失数据模型、商品销售预测数据模型、网络广告投放效果模型、生产计划数据模型、物流规划数据模型等面向不同主题的数据模型，而这些都需要非常专业的综合知识才能得出。

所以在电子商务上除了需要数据分析和数据挖掘的知识之外，还需要对电子商务行业有深入的了解，两者缺一不可。如果只有前者，很可能做出的数据模型在理论上是正确的，但是不符合电子商务的实际情况；反之，如果只是对电子商务的运作有深入了解，而对数据挖掘不理解，那么可能会对数据模型提出不切实际的非分要求，或者做出一个在功能上有缺失的模型。