电子商务数据运营入门——在讨论数据运营之前

电子商务数据运营入门

    我们做电子商务，需要以市场为导向，以用户为核心，根据销售和用户兴趣为调整依据，而数据就是这一切的基础。

    在本文中我们会介绍电子商务企业中的各种不同类型的数据丶可以应用的数据分析方法，以及简单提升核心数据的一些方法。我们在最后会介绍如何可以通过产品选择丶平台选择丶经营策略和定位的选择，以及广告投放选择入手，从零开始打造一家电子商务企业。

     在讨论数据运营之前

    我们来看一下在电子商务网站上做数据运营会遇到的障碍。如果要实施基于数据的运营，我们需要首先确定自己能够克服这些障碍，而同时我们也需要知道数据在电子商务运营中的局限性。

1. 数据运营的四大障碍

    当一个电子商务公司从传统运营转向基于数据的运营时，我们看到的四大障碍如下。

人的障碍：和所有企业在做变革的时候一样，最主要的问题就是人的问题。只有相关的所有人都下定决心来做基于数据的运营，才可能成功，包括 CEO丶运营部门丶技术部门丶市场部门和销售部门。

起步的障碍：关键在于无从下手。你需要知道怎么做，查看哪些数据，怎么查看这些数据，从哪里开始看这些数据。

数据量的障碍：你手里可能没有任何数据，也可能有数据，但是没有有价值的数据。

工具的障碍：你可能没有合适的工具，或者不知道应该使用什么工具来做数据运营。

    只有当我们克服了这些障碍之后，才能真正成功地做好基于数据的运营。

    这里人的障碍可能是最难解决的，因为人的意识是很难改变的。即使大家都知道做数据运营是正确的，下定决心改变原来做事的模式仍然是一件不容易的事情。只有当我们能够快速脱离陈旧的丶低效的方式，才能尽快从机会中得益。每个人都需要跳出自己的“舒适圈”（Comfort Zone），尽快学会用新的方式来运营电子商务企业。

    希望通过阅读本书，可以帮助你跨过这四个障碍。

2. 数据不是万能的

    2012年的美国大选，网上的传言说奥巴马选举胜出最重要的因素就是数据。据传奥巴马有一个技术强大的硅谷技术团队，能挖掘每位网友的背景丶观点丶年龄丶性别丶居住地丶兴趣丶财富等信息，然后针对性地发出贴切的邮件，以赢取选票。而对手罗姆尼的团队技术较落后，甚至在竞选日还发生竞选网站宕机的情况。两厢比较，奥巴马的胜出就是技术，特别是数据挖掘技术的胜利。

    同样，数据在电子商务运营各个步骤的应用产生的作用也是巨大的，不过数据也不是万能的。这里我们列举一些电子商务企业在做数据运营中现实存在的问题。

领导的决断性：在中国的企业目前数据运营整体来说还不成熟。首先从意识上来说，一些商业领袖们对数据的作用将信将疑，不愿意做投入；另一方面，应用了一些数据分析和数据挖掘产品的公司只追求最后的结果，而对数据挖掘的过程本身丶数据的存储丶数据挖掘结果的知识积累和呈现是不重视的。数据对于运营的重视程度和领导是密切相关的，如果只有执行层的数据分析师在分析和审视数据，是没有意义的。

实际性：数据运营一定要有实际操作的可能。“拿数据说话”这句话很多企业和管理者都会说，但是真正做起来，能够让数据起到一定作用的很有限，而即使开始做了，大多数也只停留在看 Excel报表的阶段。

通用性：对于数据分析和数据挖掘需要解决的问题，很少有现成的解决方案，而且对于某个具体问题，可能有多种数据挖掘算法可以使用，但通常只有一个最好的算法。当我们选择了一个数据挖掘算法时，要弄清楚它是否适合我们想要解决的问题。如果本身方法选择不合适，那么再好的执行也没有用。

真实性：从市场角度来看，数据运营面临很多其他因素的挑战。数据挖掘非常有前景，但是市场中数据噪声太多，会导致数据价值大大降低。以无线营销为例，大量的虚假应用下载和使用及虚假好评丶差评等数据严重干扰了数据的准确性，实际上大大降低了数据的价值。

数据相关性：数据挖掘每次导出的结果和采用的数据集直接相关。如果数据集发生变化，就需要重新进行挖掘。如果没有考虑数据变化而盲目采用数据变化之前的策略，那么结果是不可预料的。

算法，隔一段时间都需要重新执行，因为随着时间丶商品和访客的变化，数据挖掘算法的产出是不同的。

数据稀疏性：通过电子商务平台销售的很多产品是非标准化的，因为定制化和个性化是电子商务平台相对于传统商务的一大优势。不过如果我们有大量定制化非标准化的产品，那么数据量就不那么集中了。当电子商务网站刚开始运营的时候，不管是商品消费数据丶客户购买记录还是客户浏览记录，数据量都是相对比较单薄的。当数据量没有积累到一定数据的时候，很多数据分析的意义不大。比如一件商品销售了 15件，而另外一件销售了 8件，我们并没有足够数据证明一件商品比另外一件更有吸引力。如果同时购买了商品 A和 B的人有 8个，同时购买了商品 A和 C的人有 4个，也不能一定说明商品 A和 B之间的关联度高过 A和 C之间的关联度。

数据时效性：当数据产生之后如果不能及时处理或者分析，就可能没有价值或者价值极度下降。举例而言，基于浏览记录的个性化推荐，就是需要在一周丶三天甚至实时处理完成的。当一个客户访问了某件或者几件商品的详细信息时，这表明他在那一时刻对于这个商品是很有兴趣的。而对于大部分客户来说，过了这个村就没有这个店了。如果数据分析不能够及时完成，个性化推荐的价值就很小了。

    这些问题都是确实存在的，我们在做数据运营时必须要考虑到这些因素。

 

——本段文字节选自《数据掘金：电子商务运营突围》