电子商务数据运营的五大应用
从表?1-4?中我们可以发现，页面Z?在80%的时候成为轨迹的终点，而在访问了页面Z?之后，就不再访问其他页面的概率是100%，或者说退出率是100%。这时我们需要对页面Z?做评估分析，看为什么客户在访问了页面Z?之后就不再访问其他页面了。即使在最理想的情况下，页面Z?是购物车页面，那么我们仍然需要考虑为什么客户不会继续停留在网站上看其他的内容。总之，我们需要对页面Z?做优化，使得页面Z?不再是客户访问轨迹的终点。
在第?7?章和第8?章我们主要讲述的就是如何给网站引入有效的流量。
把潜在客户转化成真正的客户
对 一个电子商务网站来说，了解、关注记录在册客户群体是非常重要的，但从众多的随意访客中发现潜在客户群体也同样非常关键。如果发现某些访客属于潜在客户群 体，就可以针对这类访客实施一定的营销策略，使他们尽快成为我们的新客户。对客户访问记录进行数据挖掘，可以利用分类技术在网络上找到潜在客户。对已经存 在的访客进行分类，一般可以分为三种：新来访者、偶然来访者和常客。对于每个来访者，可以通过分类模型识别出这个客户与已经分类的老客户的一些公共属性， 从而对这个新客户进行正确的归类。然后根据归类判断，决定是否要把这个来访者作为潜在的客户来对待。对新来访者，我们可以收集的信息比较有限，在没有其他 关联网站信息的情况下，只有一些日志信息；而对于偶然来访者，通过两次访问的停留时间和访问深度，我们可以有比较多的信息。
我 们也可以通过总结有价值的客户来源，通过对来源进行数据分析，发现他们的共性，从而加大对于引流最多的来源或者性价比最高的来源的投入。比如，我们通过数 据分析可能会发现，在网盟（网站联盟）广告中，在某个时间段针对某些类型的网站投放广告性价比是最高的，因此改变我们的广告投放策略，使得我们能在有限的 预算下找到更多的潜在客户；也可能会发现自然流量占的引流比例比较高，那么我们会需要增加对SEO?的重视。
作为电子商务网站，最终的目的就是为了收入。当我们在考虑潜在客户到真正客户的转化的同时，还要考虑这些客户将来能够为我们提供的最终消费。我们来看一张国外一家电子商务网站的客户价值示意表（见表1-5）。
从表1-5?中我们可以看到不同来源的流量，其转化率、复购率和平均总购买值差异是比较大的。这里“直接访问”各方面的数据都是最好的。除此之外，看转化率，来自Google?AdWords关键词推广的是最好的；看复购率，来自Google?AdSense?和Google?自然搜索的流量是最好的；如果看平均总购买值，那么Facebook?和Google?自然搜索的流量数据是最好的。在第?9?章我们讲述的就是关于流量转化的应用。
挖掘老客户价值
找到一个客户是第一步，而把这个客户培养成有价值的老客户才是更加重要的。数据分析很重要的一个应用就是在最大程度上挖掘老客户的价值。
二八定律说的是企业?80%的业务收入通常来自于20%的客户，而向新客户进行推销的花费要数倍甚至数十倍于向现有的客户进行推销的花费。通过Web?数据挖掘，我们可以发现什么样的顾客群在什么样的时间段内在网站上购买了什么样的商品，平均支出是多少，他们最喜欢的商品是什么类型，对于新推出的产品哪些客户可能会购买，哪些是网站最需要留住的客户等，以便对其进行个性化营销和人性化关怀。
我们在这里看一个简单的例子。
表?1-6?中的五个客户中每一位的消费次数、平均消费金额和总消费金额都远超平均客户的数字。那么哪一位客户才是我们最重要的客户呢？如果单从消费次数和总金额来看，Alan?是我们最好的客户，但是从平均消费金额来看，Celine?才是最有价值的客户，而其次是Bill。
在后面的第10?章，我们会详细给大家介绍如何通过数据来挖掘老客户价值。
推荐系统的设计和应用
建立电子商务推荐系统是一个成熟的电子商务网站和普通电子商务网站的区别，也是电子商务运营的一个重要组成部分。在推荐系统中做得最好的当属亚马逊公司。
简 单来说，推荐系统就是向客户推荐商品或提供信息来引导客户购买什么商品的系统。推荐系统可以根据其他客户的或该客户的信息，模拟销售人员帮助客户导购的过 程，为客户提供个性化服务。推荐的形式包括预测客户对某种商品感兴趣的程度，向客户推荐商品，或是根据客户的兴趣特点和购买行为，提供个性化的商品信息 等。
推 荐系统可以将浏览者转变为购买者。有时人们只是看看网站的内容而并没有购买的意思，那么推荐系统可以帮客户找到他们感兴趣的，并且愿意买的某样商品的兴奋 点，以推进消费者形成购买行为。推荐系统可以基于客户已经购买的商品，推荐客户购买一些相关的商品，或者购买一些相关的但是对于商家来说利润更高的商品， 来增加交叉销售（Cross-Selling）和向上销售（Up-Selling）。推荐系统的作用还在于建立忠诚度，因为客户往往更愿意到那些最能满足自己需求的网站去购物。在本书的?3.4?节中我们介绍电子商务网站推荐系统的原理，在第10?章深度挖掘客户价值的章节中我们会进一步介绍推荐系统的应用。
针对不同客户提供个性化的产品
电 子商务企业（平台）可以获知访客的个人爱好，能够更加充分地了解客户的需要，根据各种信息来细化市场，甚至是为每一个顾客的独特需求提供个性化的产品，这 都有利于获取新的客户和提高老客户的满意度。为了使网络信息挖掘技术更好地应用，商家必须记录访客的所有特征及条款特征。当访客持续访问某网站或者其关联 网站时，有关访客的数据便会逐渐积累起来。
从 严格意义上来说，针对不同客户提供个性化的产品也应该算是电子商务推荐系统的一个延伸，但是推荐系统做到极致，从而能够对每一个客户提供一个完全为其量身 定做的网站是我们的终极梦想。而与推荐系统所不同的地方在于，在这里我们所提到的客户个性化更多是对于网页所做的个性化修改，而这些修改则基于客户的购买 行为、浏览行为、搜索行为等方面的客户数据信息。在最理想的情况下，每个客户所看到的网页都是针对这个客户的个人情况定制的。
据推荐系统公司?BrainSins?统计，77%的消费者觉得个性化的服务是非常有价值的，而为每一个客户提供个性化的产品是电子商务网站的终极目标。
本文节选自《数据掘金：电子商务运营突围》一书
谭磊?著
电子工业出版社出版
