內容介紹
電商坐擁網際網路行業最豐富的用戶數據金礦，卻很少有人從中挖掘出真金白銀。《數據掘金——電子商務運營突圍》一書旨在打破這一困境，一步一步引導從業者以數據為核心來運營網站或網店。本書用淺顯的文字與獨特的視角，不僅成功解讀電商數據運營之惑，更呈現大量數據分析和挖掘的必要基礎知識及實用相關工具。在通過閱讀輕鬆掌握電商數據運營須關注的要點與方法之後，讀者還可有針對性地從書中選擇學習如何利用數據來完成——流量獲取最佳化、廣告投放、客戶分析，以及客戶價值提升等一系列電商運營要務。《數據掘金——電子商務運營突圍》一書主要寫給電商從業人員，無論是中小電子商務的運營人員、數據分析人員，還是大公司負責電子商務的策略官、市場官和運營官，都能從本書中找到自己所需且急需的有價值內容。
作者介紹
譚 磊 復旦大學計算機學士，美國杜克大學計算機碩士，現任浙江通策集團營運長（COO）。在美國微軟總部服務時間超過13年，曾經擔任多家公司多個層級技術管理崗位，在搜尋、網際網路廣告、數據挖掘、電子商務等方面有豐富的經驗，是網際網路技術領域資深專家。作品目錄
第1章引言：電子商務運營和數據 11.12012年最大的賭局 2
1.2為300萬人建300萬個網站 6
1.2.1電子商務的RUPI概念 7
1.2.2在網際網路上賣米 8
1.2.3電子商務怎么能離開數據 10
1.2.4淘寶店的四個核心數據 13
1.3讓電商運營不再那么辛苦 16
1.3.1電商人的藍精靈之歌 17
1.3.2電子商務運營入學考試 17
1.3.3店鋪診斷——我的網店能掙更多錢嗎 19
1.3.4讓你的網店脫穎而出 23
1.3.5為你的網店裝上“業務雷達” 27
1.4電子商務數據運營的五大套用 30
1.4.1讓網站更吸引人 32
1.4.2把潛在客戶轉化成真正的客戶 33
1.4.3挖掘老客戶價值 35
1.4.4推薦系統的設計和套用 36
1.4.5針對不同客戶提供個性化的產品 36
1.5關於電商數據的六個“W”和一個“H” 37
1.6本書的內容 39
1.7本章相關資源 42
第2章我們需要知道的數據分析 43
2.1從數據分析專家林彪說起 44
2.2數據分析基本概念 45
2.2.1就這么簡單：三種基礎數據 46
2.2.2我們這樣來理解數據 47
2.2.3機率並不可怕 50
2.3讓我們開始加工數據 52
2.3.1數據集成——把所有數據都拿過來 52
2.3.2數據清洗——給數據玩“洗刷刷” 54
2.3.3數據轉換——給數據換個“馬甲” 59
2.3.4數據規約——有時候也要丟掉數據 62
2.4用向量表示數據 63
2.5網站日誌的收集和處理 66
2.5.1網站日誌信息分類 66
2.5.2網站日誌實例 70
2.5.3網站日誌預處理 76
2.6最好的分析方法——看圖說話 82
2.6.1起起伏伏用折線圖 83
2.6.2簡單比較用柱狀圖 83
2.6.3轉化率用漏斗圖表示最直觀 83
2.6.4雷達圖顯示用戶偏好 85
2.6.5表示比例最好的餅圖和環形圖 86
2.7本章相關資源 89
第3章我們需要知道的數據挖掘 90
3.1什麼是數據挖掘 90
3.1.1尿不濕和啤酒 92
3.1.2Target和懷孕預測指數 94
3.1.3從數據分析到數據挖掘 95
3.1.4數據挖掘的一般過程 97
3.2人人都能做數據挖掘 100
3.3我們需要知道的四類數據挖掘算法 101
3.3.1分類——人以群分 101
3.3.2聚類——物以類聚 108
3.3.3關聯——馬原告訴我們事物是普遍聯繫的 111
3.3.4序列——排隊的規律，中國人最明白 119
3.4Web挖掘和信息檢索 121
3.4.1Web挖掘和信息檢索 122
3.4.2協同過濾——推測同類客戶的行為 124
3.4.3個性化推薦和推薦系統——我們要更懂客戶 126
3.5本章相關資源 130
第4章數據分析和數據挖掘工具的選擇 132
4.1數據分析工具 132
4.1.1用Excel做數據分析 132
4.1.2MATLAB 136
4.2網站分析工具 139
4.2.1用GA做分析 139
4.2.2GA的限制 142
4.2.3各種站長工具 143
4.3用R語言製作的工具 144
4.3.1用R做數據分析的優勢 145
4.3.2用R繪製熱力圖 148
4.3.3用Rattle分析廣告投放數據 150
4.4其他的開源數據挖掘工具 154
4.4.1Weka數據挖掘工具 154
4.4.2Google提供的數據挖掘工具 158
4.5電商平台上的各種工具 159
4.5.1用量子恆道分析淘寶網店 159
4.5.2淘寶上的數據魔方 161
4.5.3開放平台上的工具 165
4.6數據展示工具 165
4.7本章相關資源 168
第5章電子商務數據運營入門 170
5.1在討論數據運營之前 170
5.1.1數據運營的四大障礙 170
5.1.2數據不是萬能的 171
5.2電子商務運營中重要的數據點 173
5.2.1訪客數 175
5.2.2轉化率 176
5.2.3客單價 180
5.3一切讓數據說話 181
5.3.1要有總體的概念 182
5.3.2每天的運營數據不可忽視 184
5.3.3最重要的是ROI 187
5.4有哪些數據分析需要做 189
5.4.1網站流量分析 189
5.4.2商品銷售分析 193
5.4.3定期數據分析 194
5.4.4內容分析 195
5.5從零開始打造電子商務企業 195
5.5.1Bootstrapping，一步一步來 195
5.5.2商品選擇 196
5.5.3平台選擇 198
5.5.4經營策略和定位的選擇 199
5.5.5推廣選擇 200
5.5.6開店嘍 201
5.6本章相關資源 202
第6章電子商務數據運營的方法 203
6.1用數據解決運營中的問題 203
6.1.1商品評估 204
6.1.2流量評估 207
6.1.3頁面評估 213
6.1.4網站評估 214
6.1.5服務評估 215
6.2客戶分析數據模型 219
6.2.1數據模型的建立和套用 220
6.2.2客戶生命周期模型 222
6.2.3RFM客戶數據模型 223
6.2.4基於客戶訪問信息的分析模型 226
6.2.5基於訪客系統屬性的分析模型 228
6.3WAMM模型 229
6.4如何針對獨立B2C做數據運營 231
6.5數據運營的考核——KPI 233
6.5.1KPI的SMART原則 235
6.5.2電子商務運營的KPI設定 237
6.6本章相關資源 241
第7章電商運營之免費流量獲取 242
7.1免費的自然流量——SEO 242
7.1.1為什麼需要做SEO 242
7.1.2SEO站內最佳化 246
7.1.3SEO站外最佳化 247
7.1.4SEO小實操 248
7.2淘寶SEO 252
7.3企業官網和官博 256
7.4口碑和互動行銷 258
7.5本章相關資源 262
第8章電商運營流量獲取——做有效的廣告 263
8.1做有效的廣告 263
8.1.1網際網路廣告的優勢 264
8.1.2網站聯盟廣告 267
8.1.3網際網路廣告分析 271
8.1.4廣告最佳化和定向投放 272
8.2淘寶上的廣告 278
8.2.1淘寶直通車 279
8.2.2鑽石展位 281
8.3搜尋引擎競價排名和SEM 282
8.3.1搜尋廣告的類型 283
8.3.2搜尋廣告的效果 284
8.3.3通過數據分析做SEM 287
8.4EDM 294
8.4.1EDM和客戶生命周期 299
8.4.2EDM的KPI 302
8.4.3EDM中的延時效應性 303
8.4.4EDM中的數據篩選 304
8.4.5EDM上的RFM模型套用 308
8.5多管齊下 311
8.5.1整合行銷 311
8.5.2多渠道運營 314
8.6本章相關資源 316
第9章把流量變成真實客戶 317
9.1流量分析 317
9.1.1訪客量的分析 318
9.1.2分析流量來源特點 320
9.1.3分析訪客時空屬性 322
9.1.4分析訪客的人群屬性 324
9.1.5分析客戶興趣屬性 326
9.2頁面分析 327
9.2.1網站上的內容 327
9.2.2頁面跳出率和二跳率 329
9.2.3頁面熱度分析 329
9.3網站分析 331
9.3.1網站日誌分析 332
9.3.2提升網站質量 335
9.4提升網站轉化率 336
9.4.1抓住每一個環節的數據 337
9.4.2怎樣吸引客戶下訂單 338
9.4.3找回被放棄的購物車 340
9.4.4不盲目追求轉化率 342
9.5本章相關資源 344
第10章深度挖掘客戶價值 345
10.1最有價值客戶的特徵 345
10.1.1建立CRM（客戶關係管理） 346
10.1.2構建客戶綜合價值模型 349
10.1.3用客戶生命周期模型提升收入 352
10.1.4用RFM算法找出MVC 353
10.2如何把客戶黏在我們的網站 354
10.2.1提升客戶平均停留時間 355
10.2.2客戶活躍度分析 356
10.2.3做客戶流失分析 357
10.3客戶需要什麼商品 358
10.3.1找出熱門商品 359
10.3.2用推薦系統提高客單價 360
10.4商品相關的數據挖掘 364
10.4.1用決策樹分析商品 365
10.4.2用聚類算法對商品分類 366
10.4.3用關聯算法做商品匹配 368
10.4.4用序列算法分析商品上下架時間 372
10.5相關資源 374
第11章電子商務運營還有哪些事兒 377
11.1相關管理系統 377
11.2移動電商和數據 381
11.2.1移動電商的特殊性 381
11.2.2數據挖掘和LBS 388
11.2.3移動廣告 391
11.2.4移動網際網路數據面臨的問題 391
11.3電商和Big Data 393
11.3.1Big Data是什麼 393
11.3.2電商的大數據可以怎么“玩” 396
11.3.3Big Data上的技術 397
11.3.4在線上分析處理（OLAP） 408
11.4電子商務網路安全 409
11.5企業競爭與反競爭 411
11.6本章相關資源 412
第12章電子商務數據運營的未來 414
附錄A專業辭彙 419
附錄B本書中用到的公式和算法 431
附錄C參考文獻 437
附錄D值得關注的微博 442
附錄E參考網站一覽 443
