譚磊著
ISBN 978-7-121-13897-3
2013年6月出版
定價：65.00元
464頁
16開
編輯推薦
電商競爭日益白熱化，任一家企業，無論大小，都難以逃離生存或發展的困境。既然是數據的時代，擺脫困境也別無選擇，需要從數據入手。從他處學習數據分析與數據挖掘，要么太難——起點高，力不從心；要么太遠，很難用於電商業務。這本書旨在幫助電商人擺脫眼下困境：運營乏力的困境，數據套用的困境，相關技術學習的困境……
√ 為電商業務量身定做，知識服務電商，案例來自電商，講解針對電商，難度適於電商。
√ 資深數據分析與挖掘專業，長期從事電商數據與運營服務，一線經驗，一手資料。
√ 為什麼要用數據→有哪些數據可用→如何用好數據→針對特定需求的特定方法與技術。
√ 絕非脫離實戰的紙上談兵，大量數據分析的真實案例：有思路，有過程，有細節。
內容提要
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。
目錄
第1章引言：電子商務運營和數據 1
1.12012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ROI187
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KPI302
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 Data393
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
精彩節摘
電子商務和數據挖掘，這兩個在最近一年很火的詞，都覆蓋在Raymond這本書里了。我認同Raymond書中的觀點，在未來的若干年，電子商務運營一定會轉向以數據為基礎的運營，而社會化電商和移動電商會是電子商務未來發展的兩個大方向。
社交網路與移動互聯時代給媒體帶來了極大的演變，2013年紙媒和中小電視媒體將面臨生死挑戰。定位在稀缺資訊、智慧與思想供應商角色的鳳凰網，以主流網民為首選用戶，做品質內容提供商。鳳凰網如何能夠更好地為電子商務服務，也是我們一直在思索的問題。
認識Raymond快20年了，腦中的印象還是他當年在杜克大學意氣風發文藝青年的樣子。作為理工科出身的Raymond，書中的文字能夠有這樣的水準應當說是相當難能可貴的。
鳳凰新媒體CEO劉爽
在網際網路、金融領域工作了將近二十年，數據挖掘、數據分析、數據倉庫、商務智慧型的概念一直很熱，但一直是一個美好的烏托邦，可望而不可及。兩個最大的問題是無法做到精準和快速。最賺錢的金融行業和最潮的網際網路行業，如何能夠有效結合，並利用好數據，一直是我思考的問題。
我一直堅信精準的行銷是服務，錯誤的行銷是垃圾簡訊。之前，給美國一家大銀行做諮詢的時候，我們曾經設計過一個精準行銷的規則，先從各家實體超市及網上商城蒐集數據，如果一個20～40歲之間的人，在一個月內買了兩次或兩次以上的嬰兒奶粉或尿布，這個人很有可能是家裡有小孩（如果一個月只買一次，可能是買了送給生小孩的朋友），就向這個人行銷可以免稅的兒童教育基金產品。結果，有個朋友後來過來聊天，很高興地告訴我，這家銀行真貼心，他太太剛生了小孩，以前並不知道這種免稅方法，得到推薦信息後，馬上去買了基金，一年省了不少稅。當時，我心裡非常開心，甚至有些小得意。不幸的是，這種正面的例子並不多，而錯誤的行銷，被當成垃圾簡訊的反面例子，在3.15消費者權益日的時候，我們聽得太多了，這裡就不再贅述了。
時效性方面，傳統的數據分析技術，往往分析起來，要進行批處理，要半天、一天，甚至好幾天的時間才能出結果。上面這個例子，時效性要求並不高。但是，在網際網路上，這樣的速度就是災難了。網際網路用戶打開一個網站，往往只瀏覽幾分鐘時間，如果網站不能精準地推薦用戶感興趣的產品，用戶就跑掉了。用戶下了訂單，在最終的訂單顯示頁，如果沒有推薦很好的相關產品，用戶幾秒鐘就關掉網頁了。
所幸，數據技術，終於可以比較好地解決精準和快速的問題了。具體怎么做，Raymond在書中做了非常好的解答。
其實，IT、網際網路方面的書也需要做到準確和快速。很不幸的是，出書的人，往往是學院派，沒有實際的經驗，信息和內容也比較滯後，所以，準確度和時效性比較差。而實戰派的人，往往因為沉不下心來，或者沒有時間，或者沒有文字的功底，寫不出書來。難得Raymond，寫出了這樣有實戰經驗、實際、實在的一本書。認識Raymond 24年了，每一次，都以為已經很了解他了，可是每一次，他都讓我對他新的潛能和能力驚訝不已。
高偉達集團副總經理兼首席技術官程勵箭
作者簡介
譚 磊 復旦大學計算機學士，美國杜克大學計算機碩士，在美國微軟服務時間超過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。
媒體評論
《數據掘金》是一本很有趣的書。作者譚磊在中國和美國的頂尖大學接受了計算機科班教育，之後在微軟總部工作多年，回國後無論在技術和管理崗位上都是業績斐然。在繁忙的工作之餘，譚磊樂於向讀者分享他在業界的豐富經驗與洞察力，本書已經是他的第二部著作了。《數據掘金》針對電商從業人員，對數據分析和數據挖掘的理論和算法做了通俗易懂的介紹，讓電商運營和分析人員了解數據的意義，並能夠使用主流工具來對數據進行分析和挖掘。本書還提供了大量電商數據分析的實例，對於有志於進入電商行業的技術人員和學生也有很好的參考價值。
——復旦大學計算機學院教授、博導黃萱菁
未來的網際網路世界一定是屬於數據的。我們要將社交平台做到極致，數據分析和數據挖掘的作用也是必不可少的。Raymond的這本書是電子商務數據分析領域有獨特觀點的好書，而且給從業者提供了切實可行的運營方案。希望能多看到一些像這樣的好書。
——微軟全球社交平台首席開發總監李津
我們對數據分析和數據挖掘的關注度很高，也很高興能夠看到有這樣一部專注於電子商務數據分析領域的好書能夠上市。Raymond的這本書深淺適中，既符合技術人員的需求，對於非技術的電商從業人員幫助也非常大。
——阿里巴巴集團資深總監陳宜
通讀了一遍Raymond的最新書稿，兩個評語：有貨，靠譜。數據分析是個大題目，但非常容易變成分享管理理論和統計公式的剪報夾。如何在建立高度的同時緊扣實踐，是個難題。Raymond的這本書做得不錯：有貨同時靠譜；靠譜不忘有貨。
目前數據是最熱的題目，Raymond的這本書出來的正是時候。
——ITIL專家ITpreneurs大中華區首席代表蔣勝
這本書全面講解了在電子商務中運用數據分析和數據挖掘。我反覆看了若干遍，每次都能學到新的概念。如果您從事的行業是電子商務，又對數據的作用感興趣，那么這本書是您一定要讀的。
——中國工業設計協會秘書長、
前海爾數字產品集團全球行銷總監劉寧
譚磊的這本書給出了很多關於電子商務數據運營方面的獨特觀點，令人耳目一新。在他上一本書《New Internet：大數據挖掘》之上給出了更多實際的運營方案，是電子商務和運營領域從業者不得不讀的一本好書。
——英特爾數據中心軟體部大數據軟體服務部總監范磊
數據分析在國外電商的經營中受到無以倫比的重視，但在國內的電商企業中能理解數據重要性的依然很少。很榮幸能夠比大多數的讀者提前看到這本書。本書不但全面講解了數據分析、數據挖掘的的各種概念、方法，而且還詳細講解了吸引客戶和提升客戶訪問時間的各種有效辦法，推薦給眾多的電商從業者及負責人員，非常值得一看。
——贏時代總裁曾榮群
我們一直在研究數據在電子商務運營中的套用，而我們所有的大客戶也都進入了電子商務領域。讀了Raymond這本關於電子商務數據挖掘的書，受益匪淺，因為只有在電子商務運營中充分利用數據，我們才能無往不利。
——麥尚廣告公司總裁邵騰
在全球巨觀經濟不景氣的大環境下，電子商務無疑是中國經濟的“興奮劑”，幾乎所有的行業都在探索和實踐電子商務的運營。數據分析和數據挖掘將貫穿電子商務運營的價值鏈，尤其是在社會化電商和移動化電商的趨勢下，如何更智慧地運營將是未來虛擬經濟與實體經濟實現無縫整合以及全面競爭力提升的必備武功。令我們驚喜的是，從Raymond這本書里，我們找到了答案！書中有大量鮮活的案例，以及前瞻性的剖析和策略性的思考。認真研讀，你一定會茅塞頓開！Raymond在本書中的一些重要觀點對於我們網際網路金融的業務發展有非常大的啟發!
——資深廣告人、中金線上副總裁陳剛
數據在電子商務中的作用是毋庸置疑的，而它也是我們在做電子商務運營中最關注的。市場中關於電子商務和數據挖掘的書很多，有的只是講述了概念，而有的只是操作手冊，而Raymond的這本書不但把相關的理論知識用通俗易懂的語言講解得很清晰，而且有大量的實際案例供我們參考，是我們從業人員很有價值的參考書。
——聚流電商總裁周為
數據分析究竟是一種藝術還是一門科學？我不知道，但我知道數據是死的，而分析數據的人是活的。隨著千人千面的理解和不斷對於數據的追溯和剖析，它在某個時間的小結也是因人而異的；我很欣喜地能夠在這個日新月異的數字時代讀到這部由譚磊編寫的《數據掘金》它針對我的工作很有啟發、指導意義；我向電商賣家、廣告人及尊重數據行銷的朋友們誠懇地推薦它！也許你正為疲軟的市場、萎靡的金融環境和未知的銷售勢態而煩惱，那么《數據掘金》一定是你駛向藍海的風向標！
——UTC行家市場總監、淘寶知名大賣家于振偉
之前和Raymond在閒聊的時候就聽過他關於數據運營的概念，而《數據掘金》這本書更是系統介紹了數據在電子商務運營各個環節的作用。這本書內容豐富，而最關鍵的一點是所有的信息和數據都是來自於實際操作。
——知名廣告人、網際網路行銷專家錢島
電商在今天非常火，越來越多的人在進入這個行業，無論你已經經驗豐富、身居要職，還是仍在苦苦摸索，仔細研讀這本書，會讓你思路更加清晰。電商運營就是從數據分析和挖掘出發，這是一本理論和方法並重的書，推薦給想在這個行業持續發展的同仁。
——杭州風牛馬電子商務公司總經理姚中偉
在未來，電子商務已是必然，而數據更是決定企業勝負最重要的因素。一家企業如果要成功，必須在數據運營上有突破。Raymond的這本書牢牢把握住了“電子商務”和“數據運營”兩個要點，是行業人士必讀的好書。
——資深網際網路行銷專家熊煒
前言
還記得1998年我第一次在網上購買DELL電腦，從我在網上做電腦的配置選擇開始，一直到組裝成的電腦從德克薩斯州寄送到西雅圖的家裡，大概有兩個星期的時間。那個時候我頗為驚嘆DELL的效率，而DELL公司確實也因為高效配送而在第一次網際網路泡沫（Internet Bubble）中引領所有的硬體製造商。可到了今天，這個速度顯然會被人給差評的。早上在電子商務網站下的訂單，最快當天下午甚至中午可能就已經收到貨了。
周圍有不少做電商的朋友，有一些做得還是頗為成功的。不過其中成功運用數據提升運營效果的卻是少之又少。他們對“數據挖掘”都很感興趣，不過缺的是“know-how”，不知道怎么做。
我在給一些企業做諮詢的時候也發現企業家朋友們對於是否需要進入電商領域這個疑問基本上已經沒有了，但是對於怎么做和是否能夠做好還是頗有不解的，特別對於電子商務數據運營的概念是很模糊的。
本書主要針對的人群是對數據運營感興趣的電商朋友們，目的就是為了解讀和電子商務有關的各類數據，讓讀者能夠深入了解數據的意義，並能夠使用一些工具來做數據分析和數據挖掘。對於還沒有做過電商運營的讀者，本書可能有一定的難度。亞馬遜的總裁Jeff Bezos曾說過，“如果我在網上有300萬個客戶，我將要建立300萬個商店”，這個想法在不久的將來會實現，靠的就是數據。
電子商務既充滿挑戰，也蘊涵機遇。在數據分析和數據挖掘的幫助下，我們希望能夠幫助朋友們以最少的投入在最短的時間內引入最大的流量、提高新增客戶數量、找出高價值用戶、提高客單價、提高重複購買率等。
這個世界唯一不變的就是變化，網際網路的變化本身就很大，而本書講述的電子商務又是在網際網路領域中變化較大的一塊。在筆者寫作的時候是夠準確和新穎的運營方法，很有可能在圖書出版之際就會發生變化。如果你對書中的說法和提出的數據運營方法有不同的觀點，歡迎和我交流。
這本書不好寫，俠少和我在寫作初期討論了很久，數據分析和數據挖掘的理論和算法如果講述得太深，主要工作是電子商務運營的讀者可能會知難而退；而另一方面，數據分析和數據挖掘概念如果說得太淺，有技術背景的讀者可能又會覺得無聊。另外從內容角度來說，我們並不想把這本書做成泛泛的知識羅列和知識點的堆砌，而是以實際案例和運作方式為主。我們的整體提綱經過了十數次的修改，最後勉強達到我們想要的效果，既相對淺顯，又能給各種背景的讀者符合他們要求的知識。如果用戶能夠從本書中獲得一些有用的信息，余願足矣。
在本書的寫作過程中，得到了很多人的幫助。首先要感謝韓冬、曹曉波、江峰、荷鐵勇、汪華、王海、樓建強、李嘉驊、牛文軍和王磊等同學幫我查找數據分析和數據挖掘相關資料，還要感謝微軟搜尋中心的李津同學和通策集團呂筍同學提出的寶貴意見，感謝戴霖和李悌等同學幫我校驗一些章節，以及姚中偉和彭毅同學指出書中的一些修改環節。另外，特別要鳴謝鮑佳和王劍同學為本書配的部分插圖。
