京公网安备 11010802034615号
经营许可证编号:京B2-20210330
电商新趋势下的数据分析实践与思考
潮流趋势总是不断在改变,电商市场也是如此。新趋势带来新机遇,同时也带来了新的挑战。移动购物的崛起、多渠道购物、自动化营销、闪购模式、优质的配送等等形式的出现,使得电商市场越来越多元化。
电商新趋势
从2015年开始移动电商大幅度崛起,电商整体上升趋势减缓,移动电商崛起,原有PC端流量减少,指标下降。新形势下用户与商品之间的关系包括:数据关系、技术问题、算法策略、产品形态、平台策略。
用一张小图说明思路:移动端是一艘大船,量在变大、变快,PC相当于一条小船,在不断萎缩。领航员基本上是算法分析师或者数据分析师,想在数据变现的过程中少走弯路,船上拉的货物:数据,就是变现的重要一部分。整个船在萎缩,通过数据分析已经不大可能从大的程度上提升,这时候怎么办?整个船是产品,所以应该从产品的角度考虑。
首先是数据层面,商品数据的特点是种类变得多了,呈现出多媒体化和电子化。用户数据则有年龄增长的特点,并且更偏向移动化。对于用户,首先要找出重点用户,逐个分析原因,进行回访。对于商品,纸质图书、电子图书、3D图书、多媒体图书等等都有很多,当当采用过赠送电子书,书籍预售等方式进行个性化判定,进而总结当前的应对策略、基本路线、发展目标。
技术层面。由于做AB测试过于复杂,作业流程过长,还会有数据延迟、数据误差、AB的误差、数据埋点的误差等等。作为一个数据分析师,本身就应该了解,当数据出现问题的时候,经过分析就应该知道问题是出在前端,还是出在中间环节,或者计算环节,这时候要对这个算法工程师做出指导。此外,不能把服务端的请求数据当做曝光数据。
算法层面。举个例子,加入算法峰值,第一年是10%,第二年3%,那么第三年是否还要投入,投入多少,最终的解决方法是算法突破,找一位高级算法工程师突破这个算法,但是代价太高。此时,不能纠结在算法层面,应该从大局着手,看产品形态,如果原来的产品比较单一,这时就要改变产品形式,用改变产品形态和表现形式来吸引用户,可能一个好的产品形态上的改变相当于一个算法工程师工作三年所提升的概率。用户在购买书的过程中,要把用户购买的历程、学习的里程,包括如果用户喜欢看视频,是否能给他推荐出一些教材,还有一些名人书单,是不是要给他赠送电子书,这些小的细节也在产品形态中表现出来。
平台策略。程序员或者工作人员最爱吐槽的:公司在走下坡路,团队也在走下坡路,或者行业正在变成传统行业,所以利润不高了等等,其实在平台这方面的吐槽是最多的。对于当当来说,用户不爱读书了,因为大多数用户去看视频了,这时候对喜欢看视频的人继续做一些个人性分析,因为看视频的人还是需要一本教材的,可能关系比较好的情侣共用一个账号,单独地去打性别或者属性就不太合适了。
在分析了以上几点策略后,对整个团队提出了总体的方向。
首先是守住已有的成果,比如做推荐,不要一味地去突破、创新,因为太难了,整个PC在下降,做创新可能得不偿失。PC上有很多已经成熟的技术要进行拓展,想在技术水平上继续成长,基本上已经长不高了,但是可以长胖,原来可能只在这个页面或这个业务方向上有推荐,现在可以拓展到其他方向,比如百货、图书。原来只有图书现在扩展到百货,扩展到母婴。
第二,在用户数据上做精准化分析,比如现在收集用户已经很多年了,对用户的行为已经比较精确了,这时候就不要再推一些特别粗糙的数据。在产品形态上还是要多样化,主要依赖产品,多想一些好的创新思路,毕竟PC的展示页面比较大,开发PC技术成本比较小,比较成熟,所以可以多做一些尝试和主题。在技术层面尽量减少延迟和误差,算法层面如果遇到困境,就不要再做大难度的突破。在平台层面,尽量用技术团队的分析去影响公司和平台层面的一些决策,能够给公司提供一些好的思路和好的发展方向,这样,基本上就做到了一个合格开发人员的本职。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20