营销 - 数据

相对于传统商业，电商的初期，在各个环节的问题上面很难通过开会的方式找到问题点

但是，如果电商在各个环节加入了日志记录，然后批量作业得出数据，然后通过各个图，只管的表现出来数据，那么弱项成为强项。

对于整体，我们做的第一步就是记录数据，然后分析数据，预测数据。

记录数据和分析数据是整个环节的基础部分，有了这个方面的数据，增强数据的敏锐性，当然分析的过程中包括很多中间的数据库，有各个维度的数据，还有总的数据，

我们需要按照不同的维度对数据进行批量作业，然后得到的数据进行存储，然后，直观的显现。

1.记录数据：

系统信息：uuid ， 追踪对应的系统账号，外部aid信息。cookie等其他的一些标示信息。内部广告位aid信息。

客户信息：ip,国家，当前时区时间，当前北京时间，电脑设备，浏览器信息（版本，语言，型号等），操作系统，屏幕宽度，pc或者手机设备，以及手机操作系统环境等，

页面信息：当前访问域名，url，页面标题，refer，

客户属性信息：是否是return客户

动态信息：页面的一些信息，譬如产品页面传递sku，购物车页面传递购物车信息，下单页面传递下单信息等。

2.初步有了这些信息后，需要进行汇总。也就是分析数据

2.1：按照uuid进行汇总：对每一个人的所有页面进行记录，所有的sku页面，加入购物车的产品，购买的产品，是否是老客户，浏览器信息，国家地域，是否是手机，等等

        然后，在这个基础上过滤出来各个aid尾巴的客户，通过aid的标示，获取各个渠道进来的客户的信息，譬如邮件来源，fb，twitter等。然后通过aid进行汇总，得出各个广告对应的ip个数，访问量pv，加入购物车的产品总数，访问的产品总数，访问超过N个页面的比例，下单的金额，下单的个数等等。进而通过一些ROI的比率进行评判广告的优劣。

       反转分析，拿出某一个广告，进行数据的详细调取。譬如一个aid有1000个客户访问，然后分析这个1000个客户进入这个页面有多少个走掉了，多少个点击了页面的那些部分，通过加载网站页面，然后画上点击数字以及点击率的方式展现，让营销人员更加直观的查看到具体数据的流向。

      营销人员根据这个分析广告可能出现的问题

     

      邮件部分：这个邮件针对的是客户，首先需要分析客户的行为，客户做了哪些事情，然后分析出来他可能喜欢的东西，然后做推荐，以及对应客户历史的邮件发送，来决定是否给这个客户发送邮件。也可以通过维度进行分析。找出来某一类的客户进行邮件的发送。    将客户是否发送邮件，发送的邮件的类型等弄好后，就可以发送邮件了。下一步进行邮件的分析：分析邮件的打开率，邮件内容的点击率，邮件进入网站页面的各个比率，最总的加入购物车的比率，订单的比例等等。

     网站内部的广告位的分析，通过参数的加入进行追踪，各个广告位点击后产生的效益如何

     某个页面的分析，譬如首页，各个部分点击的比率，最总的购买等等。

     分析出来访问量量最高的页面，。下单最多的sku，最受欢迎的产品页面，。跳出率最高的页面。访问量和跳出率等等其他因素糅合到一起的一些比率等等。

建立用户档案：有点类似crm，我称之为：

URM：User Relationship Management

但是CRM对应的是客户关系管理，这个是用户关系管理，将用户的所有信息进行存储，譬如：

什么时候，通过哪里进入网站，访问的页面，下的订单，什么时候进行了发货，产生什么售后问题，客服进行的回复等等信息。进行详细的记录，为将来的大数据预测做数据准备。也为问题的出现寻找根源。

譬如有一个客户退单，那么可以查找这个客户历史退单情况，历史购买情况，根据客户的下单等情况进行客户的级别处理，不同的级别对应不同的客户服务标准，对高级客户提供一流的售后服务基准。

对客户的行为进行评分，维持好和客户的关系，然后让客户享受一些优惠，来圈住忠实客户。

然后查看高级客户喜欢的事情，反感的事情，譬如发送了一封邮件。大部分客户都是查看后没有点击，这说明这个类型的客户是反感的等等、。

上面都是一些基础性的分析，有了这个分析，建立数据的基石

3数据预测

这个应该是最优魅力的地方，目的不是流通，而是畅通，最优。

譬如发广告，预测对，某个类型的产品加入那样的广告会带来多少的ip，产生多少订单，造成多少退货率，返修率等等，

然后计算出来最优的方式，优化各个环节等等。

大数据+电商，真是如鱼得水，不过，对于做这个方面，得深入的挖掘事物的本质，通过哲学的角度底层分析，也就是找到一种所谓的道，道即：世间万物运转的规律。