电子商务以数据驱动管理决策，开展商务洽谈的电子商务新时期早已来临。数据统计分析，大概分成三个环节。

　　之一个环节是数据信息展现，便是简易地呈现出現有的一些数据信息，并做描述统计剖析（更高值、极小值、均值等）。

　　

　　第二个环节是数据统计分析，是将不一样的数据信息开展交叉分析，应用多元回归分析等数据分析方式。

　　第三个环节是大数据挖掘，是将数据信息做更多方面的剖析，应用大数据挖掘的实体模型或有关优化算法。

　　数据驱动如今还很少有商家为此，大部分是由于找不到方向。实际上从数据统计分析的视角来讲，非常简单。只需对于后台管理的数据信息开展分析就可以，无需花销过多時间去创建新实体模型，运用目前的实体模型就可以搞好剖析。

　　简易的统计分析 *** 还可以效仿 *** 营销中的波士顿矩阵、GE矩阵等分析 *** 。其次，阿里巴巴集团出示了许多数据产品，如数据魔方、 *** 生意参谋、 *** 指数、 *** 指数等商品给商家做数据统计分析的用处。

　　文中给大伙儿详细介绍一个实例。该实例的数据信息由某 *** 卖家出示，数据库来源于 *** 后台订单信息数据信息，比较敏感信息内容（顾客ID，商品ID等均干了专业性解决）。应用SPSS手机软件来做分析析。

　　每一次做活动营销， *** 卖家想要知道什么商品更适合做捆缚营销推广，及其什么客户更具备营销推广的使用价值。

　　更先，大家看一下什么商品更合适强卖，全店最近现有200个商品的市场销售纪录。

　　

　　更先挑选形象化的 *** 图来发觉潜在性关系。 *** 图的基本要素是体现标示字段名的值中间关联的密不可分水平，根据不一样种类线框来体现连接抗压强度，线框越粗，表明连接越强。例如，顾客一起带去某三件商品，那麼这俩件商品中间的频数就加2

　　

　　由于商品过多，因而看上去一颗颗，每一个点意味着一个商品（早已密名解决），尽管一颗颗，但从图上能够发觉一个显著的三角形。这一便是强有关的商品。

　　人力点一下收藏加购总流量，优秀教师干货知识实操视频，登录申请注册就可以完全免费享受！

　　

　　根据调整阀值后，能够见到下面的图的产品组合图。S287和S159务必强卖，S2009还可以考虑到跟二者组成在一起，但不当作优选。S2009和S3929还可以考虑到组成捆缚。

　　

　　可是，该店铺有200好几个商品，应当要有大量的强烈推荐组成才行，因而大家进一步找到产品的强烈推荐标准。

　　关联规则发掘常见的实体模型有Apriori和Carma。

　　Apriori优化算法是一种关联规则发觉方式，偏重于找到一些特殊時间一起产生的状况，以找到这些可靠的而且具备象征性的标准。

　　Carma优化算法中文名是持续关联规则发掘优化算法，是Apriori的取代计划方案，出示比Apriori适用水准低得多的結果。

　　因为该店铺的商品数十分多，并且适用度不可以太高，才可以找到相对的强烈推荐标准。因而这儿挑选Carma实体模型，下列是适用数为10%的結果，发觉跟前边的 *** 图发觉的关系是一样的。

　　

　　就这几个标准，相匹配200好几个商品是显著不足的。位了更强强烈推荐商品，大家设定最少标准适用数为5%，便会出現许多标准。

　　

　　不会太难发觉该店铺的销售业绩是由店中2个爆品支撑点的，因而别的商品的组成得票率会较低，但不可以忽略这种关联规则。关联规则找出去后，还必须联络到实际实业公司中，来了解为何顾客会挑选这类组成。最后，将关联规则运用到营销推广中。

　　随后，该店铺要做一份营销策划方案，必须对于关键顾客进行关键营销推广，并预测分析营销推广实际效果，制订营销目标。

　　一般，大家挑选简易实用的RFM模型来精准定位营销名册。

　　RFM模型是考量顾客价值和顾客得盈工作能力的关键专用工具和方式，在客户关系管理管理 *** (CRM)的剖析中常常应用到的实体模型之一。

　　该实体模型关键有下列三要素：

　　?近期一次消費(Recency)

　　?消費頻率(Frequency)

　　?消費额度(Monetary)

　　RFM模型是依据这三要素，把消费者分为5＊5＊5=125个样版段，对其开展数据统计分析，随后制订大家的营销战略。

　　该实体模型较大 的使用价值取决于能够从全部的历史时间顾客群中快速精准定位最有使用价值的顾客，并根据接着立即的创建沟通交流，将其潜在性选购转换为具体选购个人行为，进而进一步加强客户满意度，封禁竞争者的销售市场室内空间。下列是该实体模型的细分化构架。

　　

　　下列是RFM模型輸出的結果。

　　

　　125个样版段的样本数是基本一致的。

　　

　　頻率为五分的这一组，均值选购额度要比别的组的高一些。而頻率得一分的这一组均值选购额度是最少的。

　　该实体模型会测算出RFM评分，依据RFM能够对顾客开展系统分区。例如，挑选出RFM评分超过400的为关键的营销目标顾客（RFM评分接近[111,555]中间）。

　　

　　然后，大家也要剖析一下，到底哪一种顾客最有可能回应本次的活动营销呢？我们可以依据这一来预测分析活动营销的实际效果。

　　大家把仅选购一次的顾客界定为“1”，选购2次含2次之上的顾客界定为“2”，并测算出均次消費额度。随后剖析其回应率（以“2”为正响应值）。結果如下图所显示。

　　

　　能够见到之一组233