数据掘金

　　还记得1998年我第一次在网上购买DELL电脑，从我在网上做电脑的配置选择开始，一直到组装成的电脑从德克萨斯州寄送到西雅图的家里，大概有两个星期的时间。那个时候我颇为惊叹DELL的效率，而DELL公司确实也因为高效配送而在第一次互联网泡沫（InternetBubble）中引领所有的硬件制造商。可到了今天，这个速度显然会被人给差评的。早上在电子商务网站下的订单，最快当天下午甚至中午可能就已经收到货了。
　　周围有不少做电商的朋友，有一些做得还是颇为成功的。不过其中成功运用数据提升运营效果的却是少之又少。他们对“数据挖掘”都很感兴趣，不过缺的是“know-how”，不知道怎么做。
　　我在给一些企业做咨询的时候也发现企业家朋友们对于是否需要进入电商领域这个疑问基本上已经没有了，但是对于怎么做和是否能够做好还是颇有不解的，特别对于电子商务数据运营的概念是很模糊的。
　　本书主要针对的人群是对数据运营感兴趣的电商朋友们，目的就是为了解读和电子商务有关的各类数据，让读者能够深入了解数据的意义，并能够使用一些工具来做数据分析和数据挖掘。对于还没有做过电商运营的读者，本书可能有一定的难度。亚马逊的总裁JeffBezos曾说过，“如果我在网上有300万个客户，我将要建立300万个商店”，这个想法在不久的将来会实现，靠的就是数据。
　　电子商务既充满挑战，也蕴涵机遇。在数据分析和数据挖掘的帮助下，我们希望能够帮助朋友们以最少的投入在最短的时间内引入最大的流量、提高新增客户数量、找出高价值用户、提高客单价、提高重复购买率等。
　　这个世界唯一不变的就是变化，互联网的变化本身就很大，而本书讲述的电子商务又是在互联网领域中变化较大的一块。在笔者写作的时候是够准确和新颖的运营方法，很有可能在图书出版之际就会发生变化。如果你对书中的说法和提出的数据运营方法有不同的观点，欢迎和我交流。
　　这本书不好写，侠少和我在写作初期讨论了很久，数据分析和数据挖掘的理论和算法如果讲述得太深，主要工作是电子商务运营的读者可能会知难而退；而另一方面，数据分析和数据挖掘概念如果说得太浅，有技术背景的读者可能又会觉得无聊。另外从内容角度来说，我们并不想把这本书做成泛泛的知识罗列和知识点的堆砌，而是以实际案例和运作方式为主。我们的整体提纲经过了十数次的修改，最后勉强达到我们想要的效果，既相对浅显，又能给各种背景的读者符合他们要求的知识。如果用户能够从本书中获得一些有用的信息，余愿足矣。
　　在本书的写作过程中，得到了很多人的帮助。首先要感谢韩冬、曹晓波、江峰、荷铁勇、汪华、王海、楼建强、李嘉骅、牛文军和王磊等同学帮我查找数据分析和数据挖掘相关资料，还要感谢微软搜索中心的李津同学和通策集团吕笋同学提出的宝贵意见，感谢戴霖和李悌等同学帮我校验一些章节，以及姚中伟和彭毅同学指出书中的一些修改环节。另外，特别要鸣谢鲍佳和王剑同学为本书配的部分插图。
　　聚流电商的周为同学、思美传媒的江山同学、淘宝开放平台的冯光同学、UTC的曹轶宁和于振伟同学、MyGift.com的StephenLai及首正信息的罗俊峰同学为本书提供了大量精彩的案例和数据，在此一并表示特别的谢意。

　　Raymond

　　推荐序
　　谭磊写了一本叫《数据掘金》的书，叫我做序。我知道他是客气，给我个待遇，但我这个电子商务的门外汉，却老实不客气，把这活儿应承下来了。这一应承不要紧，双方就都犯了难：我这边不知怎么写，他那边是热锅上的蚂蚁，书等着开印呢。这可是写电商的书，互联网电子商务的发展，一夜千里，说不定被我一耽搁，书还在印刷厂里，书中的不少东西已经作古了。这也是我佩服谭磊的地方，这玩艺儿也敢写！今年春节期间几次见到他，都是在咖啡馆里，每次我都不能确定准确的时间，我很内疚地以为他等了我一两个小时，谁知他一杯咖啡已经喝了半天了，号称是在等我，其实是在写他这本美其名曰“掘金”的书。我是读中文出身，对方块字始终怀着一种敬畏，若打算将它们一个一个码起来时，就有流芳的想头，最起码也会意淫到20年以后去。这会儿我就像一个穿了长衫马褂的学究，走在横陈了无数比基尼美女的沙滩上，脑子是过时了，内心却“鸡冻”着。前几天在陆兆禧的婚宴上听马云谈网络，与10年前听他讲黄页，感觉隔了好几个世纪。互联网是一种新的世界观，它没有停留，更没有永久，大量的东西还未出生，便已过时。这天咱估摸着，瞬息要变。于是我就央着谭磊老弟，扶我起来，咱把长衫这就脱了，到水里去练练。是为序。
　　通策集团董事长 吕建明
　　电子商务和数据挖掘，这两个在最近一年很火的词，都覆盖在Raymond这本书里了。我认同Raymond书中的观点，在未来的若干年，电子商务运营一定会转向以数据为基础的运营，而社会化电商和移动电商会是电子商务未来发展的两个大方向。
　　社交网络与移动互联时代给媒体带来了极大的演变，2013年纸媒和中小电视媒体将面临生死挑战。定位在稀缺资讯、智慧与思想供应商角色的凤凰网，以主流网民为首选用户，做品质内容提供商。随着ifeng.com的移动收入占比迅速提升，我们正在努力打造中国移动互联网广告的新格局。凤凰网如何能够更好地为电子商务服务，也是我们一直在思索的问题。
　　认识Raymond快20年了，脑中的印象还是他当年在杜克大学意气风发文艺青年的样子。作为理工科出身的Raymond，书中的文字能够有这样的水准应当说是相当难能可贵的。
　　凤凰新媒体CEO 刘爽
　　“内容为王”，这条蛇曾经盘踞在我大脑中很久。2006以前，我一直小心翼翼地用虔诚和敬畏喂养它。2006年19楼网络公司正式创立以后，我开始每天都与这条蛇搏斗。去年，在坚持了18年之后，我辞去了《都市快报》的日常采编工作，全身心投入19楼。那条蛇终于彻底从我的脑海中消失。
　　谭磊说，数据是最底层的东西，它是0和1，是对事物最原始的记录，数据之上才有信息。我恍然：数据之上才有信息，信息之上才有内容。如果内容是王，那么数据就是王的王。如果内容是传统媒体的王，那么数据就是互联网的王。
　　相比传统媒体，互联网是一个更加纷繁而深邃的世界，蕴含着无限的可能。任何一位互联网用户，你可以不生产内容，但你不可能不生产数据。因此，你可以是互联网的奴隶，但同时又可以是这个世界的主人。
　　19楼CEO 林煜
　　在互联网、金融领域工作了将近二十年，数据挖掘、数据分析、数据仓库、商务智能的概念一直很热，但一直是一个美好的乌托邦，可望而不可及。两个最大的问题是无法做到精准和快速。最赚钱的金融行业和最潮的互联网行业，如何能够有效结合，并利用好数据，一直是我思考的问题。
　　我一直坚信精准的营销是服务，错误的营销是垃圾短信。之前，给美国一家大银行做咨询的时候，我们曾经设计过一个精准营销的规则，先从各家实体超市及网上商城搜集数据，如果一个20～40岁之间的人，在一个月内买了两次或两次以上的婴儿奶粉或尿布，这个人很有可能是家里有小孩（如果一个月只买一次，可能是买了送给生小孩的朋友），就向这个人营销可以免税的儿童教育基金产品。结果，有个朋友后来过来聊天，很高兴地告诉我，这家银行真贴心，他太太刚生了小孩，以前并不知道这种免税方法，得到推荐信息后，马上去买了基金，一年省了不少税。当时，我心里非常开心，甚至有些小得意。不幸的是，这种正面的例子并不多，而错误的营销，被当成垃圾短信的反面例子，在3.15消费者权益日的时候，我们听得太多了，这里就不再赘述了。
　　时效性方面，传统的数据分析技术，往往分析起来，要进行批处理，要半天、一天，甚至好几天的时间才能出结果。上面这个例子，时效性要求并不高。但是，在互联网上，这样的速度就是灾难了。现在的互联网用户打开一个网站，往往只浏览几分钟时间，如果网站不能精准地推荐用户感兴趣的产品，用户就跑掉了。用户下了订单，在最终的订单显示页，如果没有推荐很好的相关产品，用户几秒钟就关掉网页了。
　　所幸，现在的大数据技术，终于可以比较好地解决精准和快速的问题了。具体怎么做，Raymond在书中做了非常好的解答。
　　其实，IT、互联网方面的书也需要做到准确和快速。很不幸的是，出书的人，往往是学院派，没有实际的经验，信息和内容也比较滞后，所以，准确度和时效性比较差。而实战派的人，往往因为沉不下心来，或者没有时间，或者没有文字的功底，写不出书来。难得Raymond，写出了这样有实战经验、实际、实在的一本书。认识Raymond24年了，每一次，都以为已经很了解他了，可是每一次，他都让我对他新的潜能和能力惊讶不已。
　　高伟达集团副总经理兼首席技术官 程励箭

　　谭磊，复旦大学计算机学士，美国杜克大学计算机硕士，在美国微软服务时间超过13年，曾经担任多家公司多个层级技术管理岗位，在搜索、互联网广告、数据挖掘、电子商务等方面有丰富的经验，是互联网技术领域资深专家。

第1 章 引言：电子商务运营和数据
1.1 2012 年最大的赌局
1.2 为300 万人建300 万个网站
1.2.1 电子商务的RUPI 概念
1.2.2 在互联网上卖米
1.2.3 电子商务怎么能离开数据
1.2.4 淘宝店的四个核心数据
1.3 让电商运营不再那么辛苦
1.3.1 电商人的蓝精灵之歌
1.3.2 电子商务运营入学考试
1.3.3 店铺诊断--我的网店能挣更多钱吗
1.3.4 让你的网店脱颖而出
1.3.5 为你的网店装上“业务雷达”
1.4 电子商务数据运营的五大应用
1.4.1 让网站更吸引人
1.4.2 把潜在客户转化成真正的客户
1.4.3 挖掘老客户价值
1.4.4 推荐系统的设计和应用
1.4.5 针对不同客户提供个性化的产品
1.5 关于电商数据的六个“W”和一个“H”
1.6 本书的内容
1.7 本章相关资源

第2 章 我们需要知道的数据分析
2.1 从数据分析专家林彪说起
2.2 数据分析基本概念
2.2.1 就这么简单：三种基础数据
2.2.2 我们这样来理解数据
2.2.3 概率并不可怕
2.3 让我们开始加工数据
2.3.1 数据集成--把所有数据都拿过来
2.3.2 数据清洗--给数据玩“洗刷刷”
2.3.3 数据转换--给数据换个“马甲”
2.3.4 数据规约--有时候也要丢掉数据
2.4 用向量表示数据
2.5 网站日志的收集和处理
2.5.1 网站日志信息分类
2.5.2 网站日志实例
2.5.3 网站日志预处理.
2.6 最好的分析方法--看图说话
2.6.1 起起伏伏用折线图
2.6.2 简单比较用柱状图
2.6.3 转化率用漏斗图表示最直观
2.6.4 雷达图显示用户偏好
2.6.5 表示比例最好的饼图和环形图
2.7 本章相关资源

第3 章 我们需要知道的数据挖掘
3.1 什么是数据挖掘
3.1.1 尿不湿和啤酒
3.1.2 Target 和怀孕预测指数
3.1.3 从数据分析到数据挖掘
3.1.4 数据挖掘的一般过程
3.2 人人都能做数据挖掘
3.3 我们需要知道的四类数据挖掘算法
3.3.1 分类--人以群分
3.3.2 聚类--物以类聚
3.3.3 关联--马原告诉我们事物是普遍联系的
3.3.4 序列--排队的规律，中国人最明白
3.4 Web 挖掘和信息检索
3.4.1 Web 挖掘和信息检索概览
3.4.2 协同过滤--推测同类客户的行为
3.4.3 个性化推荐和推荐系统--我们要更懂客户
3.5 本章相关资源

第4 章 数据分析和数据挖掘工具的选择
4.1 数据分析工具
4.1.1 用Excel 做数据分析
4.1.2 MATLAB
4.2 网站分析工具
4.2.1 用GA 做分析
4.2.2 GA 的限制
4.2.3 各种站长工具
4.3 用R 语言制作的工具
4.3.1 用R 做数据分析的优势
4.3.2 用R 绘制热力图
4.3.3 用Rattle 分析广告投放数据
4.4 其他的开源数据挖掘工具
4.4.1 Weka 数据挖掘工具
4.4.2 Google 提供的数据挖掘工具
4.5 电商平台上的各种工具
4.5.1 用量子恒道分析淘宝网店
4.5.2 淘宝上的数据魔方
4.5.3 开放平台上的工具
4.6 数据展示工具
4.7 本章相关资源

第5 章 电子商务数据运营入门
5.1 在讨论数据运营之前
5.1.1 数据运营的四大障碍
5.1.2 数据不是万能的
5.2 电子商务运营中重要的数据点
5.2.1 访客数
5.2.2 转化率
5.2.3 客单价
5.3 一切让数据说话
5.3.1 要有总体的概念
5.3.2 每天的运营数据不可忽视
5.3.3 最重要的是ROI
5.4 有哪些数据分析需要做
5.4.1 网站流量分析
5.4.2 商品销售分析
5.4.3 定期数据分析
5.4.4 内容分析
5.5 从零开始打造电子商务企业
5.5.1 Bootstrapping，一步一步来
5.5.2 商品选择
5.5.3 平台选择
5.5.4 经营策略和定位的选择
5.5.5 推广选择
5.5.6 开店喽.
5.6 本章相关资源

第6 章 电子商务数据运营的方法
6.1 用数据解决运营中的问题
6.1.1 商品评估
6.1.2 流量评估
6.1.3 页面评估
6.1.4 网站评估
6.1.5 服务评估
6.2 客户分析数据模型
6.2.1 数据模型的建立和应用
6.2.2 客户生命周期模型
6.2.3 RFM 客户数据模型
6.2.4 基于客户访问信息的分析模型
6.2.5 基于访客系统属性的分析模型
6.3 WAMM 模型.
6.4 如何针对独立B2C 做数据运营
6.5 数据运营的考核--KPI
6.5.1 KPI 的SMART 原则
6.5.2 电子商务运营的KPI 设定
6.6 本章相关资源

第7 章 电商运营之免费流量获取
7.1 免费的自然流量--SEO
7.1.1 为什么需要做SEO
7.1.2 SEO 站内优化
7.1.3 SEO 站外优化
7.1.4 SEO 小实操
7.2 淘宝SEO
7.3 企业官网和官博
7.4 口碑和互动营销
7.5 本章相关资源

第8 章 电商运营流量获取--做有效的广告
8.1 做有效的广告
8.1.1 互联网广告的优势
8.1.2 网站联盟广告
8.1.3 互联网广告分析
8.1.4 广告优化和定向投放
8.2 淘宝上的广告
8.2.1 淘宝直通车
8.2.2 钻石展位
8.3 搜索引擎竞价排名和SEM
8.3.1 搜索广告的类型
8.3.2 搜索广告的效果
8.3.3 通过数据分析做SEM
8.4 EDM
8.4.1 EDM 和客户生命周期
8.4.2 EDM 的KPI.
8.4.3 EDM 中的延时效应性
8.4.4 EDM 中的数据筛选
8.4.5 EDM 上的RFM 模型应用
8.5 多管齐下
8.5.1 整合营销
8.5.2 多渠道运营
8.6 本章相关资源

第9 章 把流量变成真实客户
9.1 流量分析
9.1.1 访客量的分析
9.1.2 分析流量来源特点
9.1.3 分析访客时空属性
9.1.4 分析访客的人群属性
9.1.5 分析客户兴趣属性
9.2 页面分析
9.2.1 网站上的内容
9.2.2 页面跳出率和二跳率
9.2.3 页面热度分析
9.3 网站分析
9.3.1 网站日志分析
9.3.2 提升网站质量
9.4 提升网站转化率
9.4.1 抓住每一个环节的数据
9.4.2 怎样吸引客户下订单
9.4.3 找回被放弃的购物车
9.4.4 不盲目追求转化率
9.5 本章相关资源

第10 章 深度挖掘客户价值
10.1 最有价值客户的特征
10.1.1 建立CRM（客户关系管理）
10.1.2 构建客户综合价值模型
10.1.3 用客户生命周期模型提升收入
10.1.4 用RFM 算法找出MVC
10.2 如何把客户黏在我们的网站
10.2.1 提升客户平均停留时间
10.2.2 客户活跃度分析
10.2.3 做客户流失分析
10.3 客户需要什么商品
10.3.1 找出热门商品
10.3.2 用推荐系统提高客单价
10.4 商品相关的数据挖掘
10.4.1 用决策树分析商品.
10.4.2 用聚类算法对商品分类
10.4.3 用关联算法做商品匹配
10.4.4 用序列算法分析商品上下架时间
10.5 本章相关资源

第11 章 电子商务运营还有哪些事儿
11.1 相关管理系统
11.2 移动电商和数据
11.2.1 移动电商的特殊性
11.2.2 数据挖掘和LBS
11.2.3 移动广告
11.2.4 移动互联网数据面临的问题
11.3 电商和Big Data
11.3.1 Big Data 是什么
11.3.2 电商的大数据可以怎么“玩”
11.3.3 Big Data 上的技术
11.3.4 联机分析处理（OLAP）
11.4 电子商务网络安全
11.5 企业竞争与反竞争
11.6 本章相关资源

第12 章 电子商务数据运营的未来
附录

　　电商坐拥互联网行业丰富的用户数据金矿，却很少有人从中挖掘出真金白银。《数据掘金：电子商务运营突围》旨在打破这一困境，一步一步引导从业者以数据为核心来运营网站或网店。《数据掘金：电子商务运营突围》用浅显的文字与独特的视角，不仅成功解读电商数据运营之惑，更呈现大量数据分析和挖掘的必要基础知识及实用相关工具。在通过阅读轻松掌握电商数据运营须关注的要点与方法之后，读者还可有针对性地从书中选择学习如何利用数据来完成——流量获取优化、广告投放、客户分析，以及客户价值提升等一系列电商运营要务。

　　电商竞争日益白热化，任一家企业，无论大小，都难以逃离生存或发展的困境。既然是数据的时代，摆脱困境也别无选择，需要从数据入手。从他处学习数据分析与数据挖掘，要么太难——起点高，力不从心；要么太远，很难用于电商业务。这本书旨在帮助电商人摆脱眼下困境：运营乏力的困境，数据应用的困境，相关技术学习的困境……
　　为电商业务量身定做，知识服务电商，案例来自电商，讲解针对电商，难度适于电商。
　　资深数据分析与挖掘专业，长期从事电商数据与运营服务，一线经验，一手资料。
　　为什么要用数据→有哪些数据可用→如何用好数据→针对特定需求的特定方法与技术。
　　绝非脱离实战的纸上谈兵，大量数据分析的真实案例：有思路，有过程，有细节。