京公网安备 11010802034615号
经营许可证编号:京B2-20210330
关于卖家数据分析的10个问题_数据分析师
支付宝数据首席分析师,你怎么看待“数据挖掘”这个词? 所谓的“数据挖掘”是基于用户的行为挖掘出有价值的东西,以及这个东西被用到商业环境上。比如非常著名的“啤酒与尿布”的案例,它的背景是在1 ...
1,作为支付宝数据首席分析师,你怎么看待“数据挖掘”这个词?
所谓的“数据挖掘”是基于用户的行为挖掘出有价值的东西,以及这个东西被用到商业环境上。比如非常著名的“啤酒与尿布”的案例,它的背景是在1992年的美国,每周四或者每周五下午5点-7点的时间形成的连锁销售。但是这个联合销售的方法并不适合任何时间和任何场合,单纯地剥离其背景本身,谈数据挖掘就是一个很泛的事情。
2,你认为,支付宝的数据和淘宝的数据有什么不一样?
我不在淘宝工作,所以很难全面地去了解淘宝内的数据。简单来说,支付宝的数据很广,它是以结果为导向的,显示的是买家交易最后一步动作,而淘宝探讨的是影响其购买的多项数据,是过程数据,它的数据更深,更细分。
3,作为产品出身的数据分析师,按道理你应该对影响消费者购买以及过程数据更感兴趣,为什么会选择支付宝这种以结果为导向的交易数据分析呢?
支付宝也有其特殊的优势。从我个人而言,选择一个公司做数据分析有几个理由,第一,公司高层对数据的理解和重视程度;第二,公司的数据量足够大,足够丰富,能和你本身的研究方向相契合;第三,公司文化与就是个人性格的匹配,这三点支付宝都符合。
4,你个人认为数据能帮助卖家解决什么问题?
其实数据的核心就是将复杂问题简单化。今天的数据是否成功主要看两方面:第一是从时间(Righttime)上,数据出现的时间能否在你最需要它的时候出现;第二,从技术层面讲,有关数据的技术门槛能不能再降低。如果你能让你的用户用2秒时间,只要按一个箭头就可看到他想看的数据,那么这些数据就更有价值的。
5,作为产品出身的人,你看数据的角度会和单纯的数据分析师有什么不一样么?
从我本身而言,我认为不懂商业的人别谈数据。因为做任何数据都应该从问题出发。比如,你在用数据解决问题之前,首先要问自己几个问题:what is the problem(是什么问题?);who(用户是谁);why me(为什么是我做?);why now(为什么是现在做?);What scale(用户层大么?)。这几个问题,如果都是YES,那么这个产品就一定值得做。
6,如果你是支付宝的CEO,你最关心支付宝的哪些数据?
这就要看你所指的时间性了,比如周度,月度,甚至年度是不一样的。如果你的问题是指周度(week)敏感的话而我的时间只有十分钟的话我的答案会是:第一,新/老用户支付成功率;第二,新增用户数的周环比及最近峰比较;第三,十大业务量最高的支付场景中那一个超出了我的预期。第四,商户及用户上周投诉的分类排行榜。
7,现在很多卖家开口闭口就会必谈pv.uv和转化率,你认为这是卖家最应该关心的数据吗?
我不是卖家,但是这个问题的答案是:显然不是。数据是需要背景的,并不是任何类目,任何级别的卖家他关心的都应该是所谓的流量和转化率等。比如京东前一段时间最关注的是物流是否给力,因此京东的CEO最想要看的就是送达率的情况,而如果老板关注的是新品成功率,又或者是追单率等数据,这些数据都不是空想,而是经过沉淀和契合卖家自身发展背景的。因此,肯定不是所有的卖家在任何阶段关心的数据都是一样。
8,你觉得作为淘宝卖家,应该如何使用数据?
卖家更应该学会关注搜索数据(Buyer demanddata),而不是交易数据,比如作为一个女装卖家,你输入“新款”,会发现,其实早在3月11日,就应该是春装打折的时候,如果你对搜索数据敏感,就更容易发现商机,而不是只盯着所谓的交易数据不放。要注意的是其实百分之九十影响你的数据不一定在站内。
9,如果你是淘宝卖家,你会关注哪些数据?
如果我是卖家,我关心的数据有两个纬度:第一,新用户从那个渠道找到我,看了什么? 买了什么。;第二,存量用户中的留存情况。
10,你觉得,一个公司或者一个卖家,如何合理利用数据来制定KPI呢?
很多公司的KPI大多是以业务目标为导向,很少以用户为导向。其实更好的KPI导向应该是以用户为核心。我们常说用户很重要,但是用户到底有多重要,那些用户对你更重要,可以量化吗?。其实要知道用户对你的感知只要问一个问题就可以,用户失去你,他会不会不爽?比如失去了QQ密码,用户会慌,没有了支付宝,对用户影响大么?从这个角度去分析,自然能找到答案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20