電子商務(wù)數據分析需求商業(yè)敏感電子商務(wù)展開(kāi)的速度越來(lái)越快，這個(gè)行業(yè)的趨向變化也越來(lái)越快。關(guān)于電子商務(wù)公司的老板而言，想要自己_跟著(zhù)趨向走，學(xué)會(huì )數據驅動(dòng)是必然的。慶幸的是，今年搞電子商務(wù)的人對數據分析開(kāi)端注重起來(lái)，_連開(kāi)夫妻店起家的淘寶賣(mài)家也開(kāi)端招數據分析師，更別說(shuō)一些再大一點(diǎn)的電子商務(wù)公司了。 往常不是缺數據，而是數據太多。據統計，在_的互聯(lián)網(wǎng)上，每60秒會(huì )產(chǎn)生10萬(wàn)個(gè)微博信息、400萬(wàn)次搜索、Facebook上的50萬(wàn)次內容。稍大的電子商務(wù)公司，都會(huì )采集一些行為數據（比如點(diǎn)擊量），但是這些行為數據與商業(yè)數據（比如買(mǎi)賣(mài)量）有什么關(guān)系？_絕大多數公司，以致包括凡客誠品這樣_的電子商務(wù)公司，都不知道如何應用成千上萬(wàn)的零散數據。 需求商業(yè)敏感 先講一個(gè)有趣的故事。有一天，linkin（一個(gè)社區網(wǎng)站）忽然發(fā)現來(lái)自雷曼兄弟的來(lái)訪(fǎng)者多了起來(lái)，但是并沒(méi)有深究緣由。_天，雷曼兄弟_宣布倒閉了。緣由何在？雷曼兄弟的人到linkin找工作來(lái)了。谷歌宣布退出中國的前一個(gè)月，筆者在linkin上發(fā)現了一些平常很少見(jiàn)的谷歌產(chǎn)品經(jīng)理在線(xiàn)，這也是相同的道理。試想，假設linkin針對某家上市公司分析某些數據，是不是很有商業(yè)價(jià)值？往常51job_不知道如何采集這些數據，只盯著(zhù)注冊用戶(hù)數量這樣的簡(jiǎn)單數據。國內許多互聯(lián)網(wǎng)公司，拿著(zhù)“魚(yú)翅當蘿卜”。 說(shuō)這個(gè)故事，只是為了通知大家，互聯(lián)網(wǎng)中的數據，需求用商業(yè)的眼光分析，才有價(jià)值。 _電子商務(wù)公司的數據分析師，有些像老板的軍師，鑄鐵平板必需有從單調的數據中解開(kāi)市場(chǎng)密碼的身手。比如，具有商業(yè)認識的數據分析師發(fā)現，網(wǎng)站上的嬰兒車(chē)的銷(xiāo)售增加了，那么，他基本可以預測奶粉的銷(xiāo)量也會(huì )跟上去。再比如，網(wǎng)站上的產(chǎn)品發(fā)揮的作用并不一樣，有的產(chǎn)品是為了賺錢(qián)，有的產(chǎn)品是為了促銷(xiāo)，有的產(chǎn)品是為了吸收流量，不同的產(chǎn)品在網(wǎng)站上擺放的位置是不一樣的。 一個(gè)商業(yè)敏感的數據分析師，是懂得用什么樣的數據完成公司的目的。 比如，樂(lè )酷天與淘寶競爭，它們重點(diǎn)看的不是買(mǎi)賣(mài)量，而是流量：每天有幾新的賣(mài)家進(jìn)來(lái)，賣(mài)了幾東西。由于此階段競爭_中心的_是人氣，而非實(shí)質(zhì)買(mǎi)賣(mài)量。假設新來(lái)的賣(mài)家進(jìn)來(lái)賣(mài)不出東西，只需老賣(mài)家的買(mǎi)賣(mài)量在增長(cháng)，即使_后每天的買(mǎi)賣(mài)量都增長(cháng)，也還是有問(wèn)題。再比如，一家剛踏入市場(chǎng)的B2C公司和曾經(jīng)占領(lǐng)大部分市場(chǎng)的B2C公司，它們的目的不一樣。前者是看流量賺人氣，后者對流量不怎樣看重，而是看重買(mǎi)賣(mài)轉化率及回頭率。 當下的數據分析師多是學(xué)統計學(xué)出身的，一堆數據放在那里，大家都擅長(cháng)怎樣算回歸、怎樣畫(huà)函數。但是這批學(xué)數學(xué)的人才缺乏商業(yè)認識，不知道這些數據對業(yè)務(wù)意味著(zhù)什么，看不見(jiàn)一堆數據中彼此的關(guān)系，也_不知道該用什么樣的邏輯分析，也_無(wú)法充任老板的眼睛了。前幾天遇到一個(gè)老板，他說(shuō)數據分析師每天給他看幾十個(gè)零散數據。筆者問(wèn)，是不是數據越多越省事。他說(shuō)筆者一下子_點(diǎn)出他的痛處了，由于請來(lái)的數據分析_只把數據交到他面前，卻沒(méi)有把行為數據和商業(yè)數據的關(guān)系通知他。 一個(gè)公司CEO，每天看到幾十個(gè)數據，什么點(diǎn)擊率、用戶(hù)價(jià)值等等，他們有肉體來(lái)解讀嗎？關(guān)于他們來(lái)說(shuō)，需求知道網(wǎng)站的問(wèn)題是什么，需求做什么。 融合前后端數據 開(kāi)車(chē)時(shí)，水溫過(guò)高的話(huà)，汽車(chē)的儀表盤(pán)會(huì )亮燈提示。同樣，在電子商務(wù)的買(mǎi)賣(mài)中，也可以用一些數據組成“儀表盤(pán)”。所以說(shuō)，數據分析師不是單純做數學(xué)題。一個(gè)好的儀表盤(pán)，呈現好的和壞的情況時(shí)，都會(huì )有提示。而數據裝配平臺構成的“儀表盤(pán)”，正是行為數據和商業(yè)數據之間的邏輯關(guān)系。電子商務(wù)的數據可分為兩類(lèi)：前端行為數據和后端商業(yè)數據。前端行為數據指訪(fǎng)問(wèn)量、閱讀量、點(diǎn)擊流及站內搜索等反響用戶(hù)行為的數據；然后端數據更側重商業(yè)數據，比如買(mǎi)賣(mài)量、投資報答率，以及全生命周期管理等。 目前有些人關(guān)心前端行為數據，也有些人關(guān)心后端商業(yè)數據，但是沒(méi)有幾家網(wǎng)站把前端行為數據和后端商業(yè)數據連起來(lái)看。大家只單純看某一端數據。但是看數據看得“走火入魔”的人會(huì )明白，每個(gè)數據，_像散布在黑夜里的星星，它們之間布滿(mǎn)了關(guān)系網(wǎng)，只需悄然按一下其中一個(gè)數據，_會(huì )驅動(dòng)另外一個(gè)數據的變化。 大家都比較關(guān)心網(wǎng)站用戶(hù)群，_以此舉例： 某網(wǎng)站發(fā)現前端的注冊量增加了不少，訪(fǎng)問(wèn)量也上去了，買(mǎi)賣(mài)量卻沒(méi)有上去。緣由是什么？這是許多網(wǎng)站的通病，每天花費不少肉體想這個(gè)問(wèn)題。往常這個(gè)階段，處在互聯(lián)網(wǎng)前端的人只知道點(diǎn)擊量等數據，很少問(wèn)后端的商業(yè)數據，如誰(shuí)不時(shí)在重復置辦？誰(shuí)影響了5%~15%中心用戶(hù)群進(jìn)來(lái)買(mǎi)東西？誰(shuí)在給網(wǎng)站做正/負面傳播？而操作網(wǎng)站后端買(mǎi)賣(mài)環(huán)節的人只知道賣(mài)東西，又很少問(wèn)到前端數據。如一個(gè)客戶(hù)進(jìn)入網(wǎng)站平均停留時(shí)間是15分鐘還是30分鐘，這對重復置辦用戶(hù)有關(guān)系？一個(gè)客戶(hù)進(jìn)入網(wǎng)站社區和沒(méi)進(jìn)入社區，和買(mǎi)賣(mài)量有關(guān)系嗎？ 網(wǎng)站找不到中心用戶(hù)群的緣由，很大程度上是沒(méi)有把行為數據與商業(yè)數據中止對接分析。 這種結果_是，作為網(wǎng)站的決策者，不知道網(wǎng)站中心用戶(hù)群的行為特征，也不知道如何增加中心用戶(hù)，更不知道從一個(gè)用戶(hù)進(jìn)入到網(wǎng)站之后到分開(kāi)；哪些環(huán)節是需求疏浚的。