淘宝网数据分析报告.docxVIP

淘宝网数据分析报告 　　运营数据对比　　A.注册用户数对比或者增长曲线图　　B.活跃用户数或者活跃用户增长曲线图　　C.消费情况或者消费分布图　　D.用户在线时间分布图　　E．其他数据对比　　相关事件描述　　A.社会环境事件：如放假、双11活动等　　B.竞争对手事件：同类产品上线或者活动　　C.推广事件：如广告投放、活动举办　　D.店铺事件：店铺装修等　　E.其他事件　　阶段运营分析　　A.导致数据变化的原因或者潜在可能　　B.导致市场反馈信息的原因或潜在可能　　信息系统管理　　1.信息分类　　A.可靠数据：用户注册数据、用户活跃数据、用户消费数据、用户收藏数据、广告监控数据、产品活动数据等　　B.推测数据：竞争对手数据、用户群体分布/软宣传效果数据、市场活动效果数据等　　2.信息来源渠道　　A.网站后台　　C.媒体咨询　　D.网站论坛　　F.客服反馈　　G.行业交流　　主要工作　　?后台功能开发需求和新增需求　　?外部咨询或者调查报告的采购　　?组织执行相关调查统计　　?提出相关资料或者信息收集的方案　　?信息分类和分析　　本科学生综合性实验报告　　项目组长学号　　成员　　专业班级实验项目名称指导教师及职称开课学期XX至XX学年下学期上课时间XX年6月16日　　1.商业理解阶段　　网上销售与传统的店面销售不同，没有售货员提供现场咨询服务。但是，网上销售可以利用互联网的优势，为用户提供更优质的服务。由于服务器会记录用户在浏览电子商务网站时的所有行为，因此，企业很容易收集用户的浏览记录、交易信息及偏好数据。　　在个性化推荐技术的关联规则分析中，最典型的例子是购物篮分析，其目标是发现交易数据库中不同商品之间的联系强度，挖掘用户潜在购买模式，并将这些模式所对应的服务或产品展示给用户，为其提供参考，从而提高用户的满意度及购买率。　　2.数据理解阶段　　本案例采用淘宝网的用户交易数据进行分析，每条交易记录包括记录号和顾客购买的商品，表1给出了数据集中各属性名及意义，表2为部分交易实例数据示例。　　表1数据集属性信息　　表2部分数据实例　　3.数据准备阶段　　原始数据集可能包含了一些冗余的数据、空值和零值等，这种格式不能作为关联规则分析算法的　　输入，需要对数据进行预处理。本案例的预处理中包括过滤掉原始数据集中的商品数量和单价这两个属性。同时为了保护顾客的隐私，过滤了用户名属性，并且用交易号来唯一表示顾客的每一次交易。处理后的数据集如表3所示。　　表3部分预处理后的数据　　在Clementine软件进行关联规则挖掘时，必须把数据格式转换成Clementine软件能处理的格式。通常有两种格式：一种是布尔矩阵形式，即每行表示一条交易记录，列中的T/F值表示该商品是否有在相应的交易记录中出现，T表示有出现，F表示没有出现；一种是事务处理格式，即每行对应一个交易号和一个商品项。　　表4布尔矩阵格式数据集　　表5事务处理格式数据集　　4.数据建模　　利用Clementine中的Apriori算法进行关联规则分析，设定最小支持度1%，最小置信度50%，输入为布尔矩阵格式的交易数据，输出商品的关联规则及相应的支持度、置信度和提升度信息。表中显示“高跟鞋”和“洗发水”、“童装”和“玩具”、“文具”经常被一起购买。　　表6Apriori算法运行结果　　5.模型评估　　我们选取以下的关联规则向顾客进行推荐。规则1：=童装规则2：洗发水=高跟鞋规则3：玩具=童装规则4：地毯=家具规则5：=女装T恤规则6：=玩具　　再结合规则和实际经验知识，可以对规则进行进一步优化处理。在本案例中，可以对规则1{=童装}和规则3{玩具=童装}进行合并，以规则3的形式呈现。　　6.模型发布　　通过建模分析由得出的关联规则，企业就可以得到商品销售的一些合理搭配，进而设定相应的推荐策略。如在顾客购买了地毯后，可以向其推荐家具类商品；或者当顾客购买了童装后，可以向其推荐玩具和文具类商品；这些都可能是顾客感兴趣或需要的商品。　　淘宝数据分析，实际是电商数据分析，归结到底还是零售数据分析，给你一些分析的思路，权当做抛砖引玉。　　总体来说可以分为商品分析、客户分析、地区分析、时间分析四大维度。在这里我重点说商品分析。　　1、销售状况分析：主要分析本月销售情况、本月销售指标完成情况、与去年同期对比情况。通过这组数据的分析可以知道同比销售趋势、实际销售与计划的差距。　　2、销售毛利分析：主要分析本月毛利率、毛利额情况，与去年同期对比情况。通过这组数据的分析可以知道同比毛利状况，以及是否在商品毛利方面存在不足。　　3、营运可控费用分析：主要是本月各项费用明细分析、与去年同