数据分析之电子商务营销关联模式

《数据分析之电子商务营销关联模式》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、学生会的老师就像这个大家庭里的家长，他(她)们慈爱而又严厉，老师们教会我们做人，教会我们学习，教会我们工作。老师对我们的关心与疼爱我们始终看在眼里，记在心里数据分析之电子商务营销关联模式　　我们会发现很多网站都具备了内容推荐的功能，不仅是像B2C电子商务类的卓越的图书推荐，也包括兴趣类网站像豆瓣的豆瓣猜等。这类功能无疑在帮助用户发现需求，促进商品购买和服务应用方面起到了显著性的效果。那么这类的推荐是怎么得到的呢?其实跟网站数据分析不无相关，我们可以来简单看一下它的原理和实现。　　关联推荐在营销上被分为两

2、类：　　向上营销(UpMarketing)：根据既有客户过去的消费喜好，提供更高价值或者其他用以加强其原有功能或者用途的产品或服务。　　交叉营销(CrossMarketing)：从客户的购买行为中发现客户的多种需求，向其推销相关的产品或服务。　　向上营销是基于同类产品线的升级或优化产品的推荐，而交叉营销是基于相似但不同类的产品的推荐。举个简单的例子，可以看一下苹果的产品线：　　　当你购买一个ipodnano3的时候，向你推荐升级产品nano4、nano5或者功能类似的itouch就叫做“向上营销”;而推

3、荐Iphone、Mac或ipad的时候就是“交叉营销”了。　　而关联推荐在实现方式上也可以分为两种：以产品分析为基础的关联推荐和以用户分析为基础的关联推荐。时间如白驹过隙，弹指间，我已在学生会工作了一年。这其中有酸有甜有苦也有辣，然而这就是生活，过于平淡倒显得无味，酸甜苦辣俱全方能体现出人生的多彩，方能值得回味，方能使人进步!学生会的老师就像这个大家庭里的家长，他(她)们慈爱而又严厉，老师们教会我们做人，教会我们学习，教会我们工作。老师对我们的关心与疼爱我们始终看在眼里，记在心里产品分析的关联推荐指的是

4、通过分析产品的特征发现它们之间的共同点，比如《WebAnalytics》和《WebAnalytics》的作者都是AvinashKaushik，而且书名都包含WebAnalytics，都是网站分析类的书籍，同时也可能是同一个出版社……那么基于产品的关联就可以向购买了《WebAnalytics》的用户推荐《WebAnalytics》。而基于用户分析的推荐是通过分析用户的历史行为数据，可能会发现购买了《WebAnalytics》的很多用户也买了《TheElementsofUserExperience》这本书，

5、那么就可以基于这个发现进行推荐，这种方法就是数据挖掘中的关联规则(AssociationRules)挖掘，其中最经典的案例就是沃尔玛的啤酒和尿布的故事。　　目前很多的关联推荐还是基于产品层面的，因为实现上更为简单(对于网站而言，产品数据明显少于用户行为数据，而且可能相差好几个数量级，所以分析工作就会轻很多)，基于产品的推荐更多地以上面所述的两种营销手段来实现，更偏向于传统的“推式”营销(个人对这种营销方式比较没有好感，尤其“捆绑销售”之类)。　　基于用户行为分析的关联推荐时间如白驹过隙，弹指间，我已在学

6、生会工作了一年。这其中有酸有甜有苦也有辣，然而这就是生活，过于平淡倒显得无味，酸甜苦辣俱全方能体现出人生的多彩，方能值得回味，方能使人进步!学生会的老师就像这个大家庭里的家长，他(她)们慈爱而又严厉，老师们教会我们做人，教会我们学习，教会我们工作。老师对我们的关心与疼爱我们始终看在眼里，记在心里　　所以个人更偏向于基于用户分析的实现方式，这样更有利于发现用户的潜在需求，帮助用户更好的选择它们需要的产品，并由用户决定是否购买，也就是所谓的“拉式”营销。通过向用户推荐产品或服务，激发用户的潜在需求，促使用户

7、消费，更加符合“以用户为中心”的理念。所以下面主要简单描述下以用户行为分析为基础的关联推荐，无论你是电子商务网站或是其他任何类型的网站，其实都可以实现这个功能，只要你具备以下前提：　　这里以电子商务网站为例来说明一下关联规则的具体实现。目前大部分电子商务网站都提供用户注册的功能，而购物的用户一般都是基于登录的条件下完成的，所以这里为用户识别提供了最为有效的标示符用户ID(关于用户识别的方法，请参考这篇文章网站用户的识别);同时网站会把所有用户的购物数据储存在自己的运营数据库里面，这个为用户行为分析提供了

8、数据基础用户历史购物数据。所以满足了上述的前两个条件，我们就可以着手进行分析了。　　关联规则的实现原理是从所有的用户购物数据中(如果数据量过大，可以选取一定的时间区间，如一年、一个季度等)，寻找当用户购买了A商品的基础上，又购买了B商品的人数所占的比例，当这个比例达到了预设的一个目标水平的时候，我们就认为这两个商品是存在一定关联的，所以当用户购买了A商品但还未购买B商品时，我们就可以向该类用户推荐B商品。如下图：　时间如白驹过隙，弹指间，我