浅析数据分析在移动电子商务中应用.docVIP

浅析数据分析在移动电子商务中应用 　　摘 要：得益于互联网及智能手机市场的快速发展，移动电子商务正迎来爆发式的增长。同时，也成为市场经济的重要组成部分。移动电子商务彻底改变了传统的生活方式和交易方式。而在移动端电子商务运营中，数据分析是提高效率与决策有效性的重要环节，通过数据分析，可以实时了解产品与用户信息，有利于企业更好的做出判断。本文基于数据分析的理论和技术手段，分析了移动电子商务中数据分析的具体性能标准和价值所在，归纳了目前移动电子商务获取有效数据的方式，对数据时代下移动电子商务产品的发展提供一定的参考价值 关键词：数据分析；移动电子商务；数据获取；发展 一、移动电子商务的定义 移动电子商务（M-Commerce）是由电子商务（E-Commerce）衍生出的新生概念。随着互联网的不断发展，移动电子商务正在全世界范围内的普及和发展。移动电子商务本质上是电子商务技术的一种创新，基于移动无线网络，依托手机等个人移动通信设备，使用户能够减少时间和空间的限制并进行活动，是电子商务的一种新形式，并改变了电子商务的传统格局 据艾瑞咨询最新统计数据显示，2016年移动购物市场交易规模约3.3万亿元，占网络购物总交易规模的70.2%，继2015年超过PC端之后，成为电子商务的主流渠道。同时，根据最新的一季度报告预测，2017年第三季度左右，全球移动电子用户将达50亿左右 二、移动电子商务中的数据分析与应用 数据分析是移动电子商务重要的组成部分，同时也为产品决策提供重要参考。针对移动产品，数据分析就是利用挖掘数据的分析方法与技术手段，在手机用户大量的交易数据中总结产品流量和顾客转化率之间的规律和特点，分析消费者的消费特点。具体则是通过网络和交易信息提取客户、市场、产品环节的数据，然后建立相关模型，在更加动态化的商业环境下，能够更有效的优化产品及商业模式 1.数据挖掘 通过自动化或半自动化的工具，数据挖掘可以挖掘出数据内部隐含的模式，并从中发掘信息或知识，同时从已有的数据中提取模式，提高已有数据的内在价值，并且把数据提炼，转化成为知识。在移动电子商务的运营之中，针对大量繁杂的客户消费及使用?稻荩?需要应用多种数据挖掘技术来分析客户特征，获取用户关注点，培养用户忠诚度，并在此基础上制定有效的营销计划来吸引优质用户 在数据挖掘中最常使用的四种分析法：分类分析，关联分析，序列模式分析和聚类分析： （1）分类分析可以定义区分数据类或概念的模型和函数，以便能够使用模型预测未知类标记的对象类 （2）关联分析通常利用数据关联规则进行数据挖掘，其目的是挖掘隐藏在数据间的相互关系 （3）序列模式分析同样也是为了挖掘数据之间的联系，但侧重于分析数据间的前后序列关系 （4）聚类分析，是指根据“物以类聚”的原理，将本身未有类别的样本聚合成不同的簇，并对每一个簇进行描述的过程 2.数据处理 （1）数据收集 一款移动电子商务产品的分析团队在处理数据前，首先要解决的问题是数据源的收集。数据收集可以分为二大类。第一类是直接能获取的数据，通常为内部数据。第二类则称为外部数据，是需经过加工整理后才能得到的数据，如手机应用平台的下载数据 （2）数据清洗 数据清洗是数据处理中的重要部分，通过工具或编程，如Excel，Python，对数据进行筛选、清除、补充、纠正，其目的是从大量杂乱无章、难以理解的数据中抽取并推导出对解决问题有价值、有意义的数据。清洗后保留真正有价值的数据，为数据分析减少障碍 （3）数据对比 对比，是数据分析的切入点。如果参照缺失，数据则无法确定定量的评估标准。分析过程通常采用二点切入法进行数据对比分析：横向对比与纵向对比 ①横向对比，是与行业平均数据，以及竞争对手的数据进行比对，以市场为轴心 ②纵向对比，则是和产品自身的历史数据进行对比，以时间为轴心 （4）数据细分 数据对比发现了问题后，需要用到数据细分来确定问题数据的范围，根据移动产品的差异对数据异常的范围和精度进行分析，随后进行测试与修正。数据细分通常情况下先分纬度，再分粒度 三、数据分析 数据分析是指用适当的比较或统计方法对收集来的第一手和第二手资料进行分析，以求最大化地开发出数据资料的功能并发挥数据的作用。为了提取有效信息和形成结论，通过分析手段，可以对数据加以详细研究和概括总结。在进行正式的数据清洗，确保了数据可靠性与完整性后，可对所获取的数据进行多层面的具体分析。根据不同的数据分析层面和结果导向分类，在移动电子商务的数据分析中常应用两种分析类型 第一种，传统电子商务营销管理中的常用分析：SWOT、4P、PEST、5W2H、Userbehavior等；第二种是统计分析：描述