用户行为为中心的电子商务运营研究.docVIP

　　用户行为为中心的电子商务运营研究 用户行为为中心的电子商务运营研究 一、电子商务运营中的用户行为分析 　　电子商务中的用户行为分析包括两大部分：1）对用户社会属性和购买记录等信息的分析，如用户的性别、年龄、地域、收入、消费能力等特征分析；2）对用户在网站和APP上的交互行为进行分析，如分析用户网页浏览轨迹，分析用户跳转、查看评论和最终购买结果的关联关系等。通过分析用户特征和评估用户价值，从而为用户制订相应的营销策略、交互设计与资源配置计划，提升订单转化率和营销效能。 　　（一）用户行为分析的目标 　　在电子商务运营中，可以通过对不同类型的用户行为分析，来达到特定的商业目的。 　　1、用户特征分析 　　对用户社会属性的各种参数进行分析和总结，例如性别、年龄、地域、职业、婚姻、收入等，目标是找准商业定位，更好地服务于主要客户群。 　　2、用户消费倾向分析 　　在用户特征分析的基础上，对不同特征用户的消费倾向和偏好进行分析，力争满足不同用户的需求，为不同群体的用户提供个性化的服务。 　　3、用户忠诚度分析 　　用户消费后，如何留住用户就成了十分重要的问题。忠诚度分析主要是为研究不同特征、不同购买行为的用户的忠诚度，以及预测提高这些用户忠诚度的途径。 　　4、用户交互分析 　　网站和APP作为用户交互触点，分析网站和APP上用户交互行为是电子商务交互设计优化最客观、最权威的依据，发掘用户跳出率高、转化率低的流程和页面，进行提升，通过前后访问行为和转化比较，来对优化进行客观评估。 　　5、用户来源渠道分析 　　分析用户的主要来源渠道，不仅有效评估电子商务的SEO和SEM优化效果，还可以跟踪分析站内推送广告和推广信息的点击效果，用户的后续路径和转化率，从而做到推广工作的可衡量可考核。 　　6、用户关注内容分析 　　通过识别用户和关注内容，不仅可以对网站和APP内容进行优化，同时可借助精准投放工具，在相关触点上投放用户关注的内容，用户可能感兴趣的业务等个性化内容，增强互动性，提升用户粘度。 　　（二）用户行为分析方法研究 　　1、建立用户特性体系 　　对于用户特征体系的建立，不仅依靠记录用户注册信息和购买记录信息，同时需要对用户在网站和APP上的访问和活动贴上标签，例如购买某商品时查看评论的情况、参与过某种秒杀活动等等。在日常营销活动中需要对用户群进行筛选时，可以通过对标签的组合来寻找对应的用户群。 　　2、建立用户兴趣体系 　　例如：记录一周内访问过同一本文由.L.收集整理款商品2次以上的用户信息以及商品信息；记录用户经常点击的图片、模块或用户聚焦的内容。 　　3、建立用户访问轨迹数据库 　　支持无限级别的路径跟踪，同时可以与用户细分结合使用，分析特定细分群体的访问行为，如广州男性手机用户购买过产品的路径是怎么样的。用户访问轨迹也可以用来分析未生成订单的用户流失情况，例如通过分析访问过某款手机的用户访问轨迹，生成用户行为轨迹漏斗图，分析在哪个环节流失。 　　4、建立用户表单和购物车分析数据库 　　订单转化是电子商务的最终目标，表单提交和购物车流程是影响用户订单转化的重要环节。建立用户表单和购物车分析数据库有助于找出表单填写和购物车环节中哪些因素影响订单转化。 　　二、系统设计方案 　　（一） 系统总体架构设计 　　借鉴软件分层设计思想，电子商务用户行为分析系统的技术架构设计如下： 　　整个系统架构分为接口层、采集层、数据计算存层、存储层、业务应用层和展现层，通过各层间服务的承载关系，实现系统功能。利用公共组件实现系统的认证、安全、审计、备份和日志等运行管理机制。 　　接口层主要包含数据库及外系统接口，例如探针（javascript脚本）、ETL接口等。 　　采集层主要实现互联网用户行为数据的采集处理。 　　数据计算层可以利用云计算服务器对海量互联网用户行为数据进行运算，计算出指标数据并提交给专题存储。 　　存储层按照专题存储计算后的指标数据。 　　业务应用层主要包含业务组件、业务服务、业务流程。其中业务组件实现对数据的封装，并对外提供业务逻辑无关的服务；业务服务实现人机界面无关的业务逻辑处理；业务流程是展现层调用的对象，通过流程引擎来控制工作流程的运转，完成特定的业务功能。 　　展现层是系统与用户进行信息交互的平台，通过界面集成将界面展现组件组合成用户界面。用户通过用户界面调用业务流程来实现业务功能。 　　（二）关键技术分析 　　1、海量数据分析处理 　　传统的数据分析都是在一台数据库主机上进行计算处理，当规模发展到一定程度时，对于数据库主机性能的要求越来越高。考虑互联网业务的高并发性，电子商务用户行为分析需要采用分布式存储和内存缓存技术、并结合云计算技术进行部署，在数据采集完成时计算出对应的指标数据，再将指标数据保存在数据库主机上，