基本信息
编辑推荐
（1）《电商大数据——用数据驱动电商和商业案例解析》是国内第1本将大数据与电商完美结合的权威之作！本书是软精装版，提供200组客户、67个维度指标的核心网店数据资源供学习，书中案例在电商实战中已创造过巨大价值，淘宝天猫京东和独立B2C均适用。
（2）作者李必文是国内难得对电商与大数据均有深度研究的人，他是电商“数据驱动学”的倡导者和领跑者，更是资深电商经理人。
（3）如果你赞成本书一半以上观点，请勿错过《电商大数据》：
电商运营者，要更擅长根据需求“养”数据，数据“养”到一定程度，就会有价值。
电商大数据不一定量级要有多巨大，但数据维度要尽可能丰满。
商品打折优惠的幅度应大于11.6%，因为11.6%是一个阈值，为人类的最小心理感觉差。
50%的客户点击网站的次数都在3次以内。
快销品类目购买7次以上的客户便是绝对忠诚的客户。
新客户在收到商品后的10天之内二次购买的概率最高。
真正的大数据，不是噱头，更不是空心的概念，是“梦想照进现实”般的落地和丰厚的经验价值。
作译者
雪鹰传奇真名李必文，国内电商“数据驱动学”的倡导者和领跑者，数据分析“AVSM法则”的创始人。知名电商经理人，具有丰富的电子商务一线从业经验；国内两家知名电商商学院量化管理和数据化运营方向讲师；北京某著名线下品牌熟女皮草电商项目战略顾问。
目前在上海陆家嘴一家国资背景的金融集团管理层任职，主要研究方向是大数据、BI（商业智能）和互联网金融。作者邮箱：math114@163.com，有关本书中的问题可以咨询作者。
目前在上海陆家嘴一家国资背景的金融集团管理层任职，主要研究方向是大数据、BI（商业智能）和互联网金融。作者邮箱：math114@163.com，有关本书中的问题可以咨询作者。
目录
前言
当今社会，经济形态和商业文明已经进入整合阶段，比如电商耦合了物流、零售、支付手段、互联网等载体，各种载体产生的数据汇整在一起便形成“大数据”。大数据的故事、传奇、思想和成功案例，我们已耳熟能详，在本书中亦有大量电商案例介绍。真正的大数据，不是噱头，更不是空心的概念，是“梦想照进现实”般的落地和创造丰厚的经济价值。
商业中的大数据
“大数据”若按照学术界的严格定义，其量级通常不低于1PB（也就是1024TB）。电商各种数据源量级巨大，但是相对粗糙、噪声高，甚至部分是流水，经过数据的筛选、洗涤、转换、聚合等动作之后，“大数据”往往会变成可供商业分析和挖掘“小数据”。所以，大数据是相对的。
目前，尽管大数据如火如荼，但是商业模式和盈利模式并不清晰。能算得上真正的“大数据”量级同时完全由大数据创造的巨额经济价值足以养活整个公司的企业，在笔者看来，仅网络搜索巨擘谷歌和百度两家。而大部分商业场景之下的基于数据的决策倘若按照“大数据”的学术定义，皆称不上大数据，但是数据化决策和管理屡见不鲜、无处不在。所以，商业中（包括电商行业）的大数据一般指的是数据维度比较丰满且数据观测数在1000万以上的规模。
数据驱动电商
电商企业的兴衰荣辱总能最先在运营数据方面窥见端倪，数据亦能在量化层面揭橥电商生态的进化与成长。电商群雄逐鹿中原，数据驱动主宰沉浮。
数据驱动跟数据分析、数据挖掘和数学建模有本质的区别，后面三种皆侧重数据技术层面，没有考虑到商业流程和使用者。数据驱动的核心是数据创造生产力。笔者不论在商学院传道授业解惑，还是在企业的管理实践中，总是不停地重申：数据只有产生价值才会有价值。
数据与商业结合，懂商业才能谈数据分析或挖掘，两者皆成为业界共识，但是如果说数据撑持商业则过于笼统，没有说到点子上，数据应当是作用于“商业决策点”，哪里遇到决策的拐点，哪里便需要数据，并不是商业和商务中方方面面都离不开数据。认清数据在商业中的角色也很重要。
本书由来
笔者曾一直想写一本电子商务数据化管理和数据化运营方面的书。数据驱动主题的电商教材并不多见，源于一线的真实、有效的商业案例则更少。笔者浸淫电商行业多年，非常希望能把自己团队的数据化管理和运营经验编撰起来，汇编成一本书，让后来者稍有借鉴。
约莫大半年前的一天，电子工业出版社的张彦红老师通过阿里巴巴公司的朋友找到笔者，表明希望出版数据电商书籍的意向。我们不谋而合，笔者非常荣幸地接下了这本有关数据电商的书，并下定决心拼尽全力、尽笔者所能写一本像样的书。但是，动起手来并不容易，认认真真写一本书是一件很苦的事情，也是一件很痛苦的事情。笔者给自己制定的写作计划是半年时间，如此速度还是基于现已掌握丰富写作素材的基础上。于是，白天上班，夜晚和周末推掉了一切应酬，笔耕不辍，有时候为了确认案例中的数据是否靠谱，便要推敲好几天。终于，这本书如期跟大家见面了。
本书着眼于电商数据化的思想，尽量弱化各种深奥难懂的技术细节，但是如果全是思想就流于泛泛而论、空洞无物，内容略显肤浅，而且不容易深入掌握商业案例的本质。所以，笔者对内容结构的部署也做了一番精心编排。全书分成三个层次：第一个层次着眼于电商的思想，商业模式是电商从业者必须了解的；第二个层次是基础性的数据驱动方法和商业案例；第三个层次是大数据方面的高级应用，读者在这个层次中不仅会感受到大数据的思想，同时笔者会立体呈现完整的大数据案例。为了让本书内容深入浅出、形象生动，对关键性的技术以“知识小卡片”的形式展现给读者，期望能达到“知其然并知其所以然”的效果。
本书特点
这本书特色鲜明，纵观全书有以下一些特点：
（1）不论是独立B2C还是阿里系电商都通用。书中大量的商业案例既有来自独立B2C的，也有来自淘宝、天猫、京东等平台的。笔者试图把数据驱动体系纳入到整个电商生态中去阐述。
（2）丰富详实的真实商业案例。笔者一直以为，只有真实、有效的商业案例才能对读者具有正确的导向性。原创、丰富的案例是这本书最鲜明的特色。例如为了使供应链数据化管理的数据源更加合理，笔者仅清洗大量数据就花费了两周左右的时间。每个案例的遴选，站在笔者的角度上，都来之不易。
（3）侧重数据思路的设计。在写作过程中，一直有一个问题困扰笔者，就是不断地问自己：这本书的价值在哪里？现在，这本不算特别厚实但是笔者呕心沥血之作的价值在于，电脑虽然能替代人工计算过程，但是永远无法替代数据驱动的思想和思路，必须由我们人类赋予计算机以睿智的思路，计算机只是把我们解决问题的思路做成软件封装起来而已。另外，侧重数据分析、挖掘思路的设计与仅围绕数据求解工具阐述事实相比，书籍不容易过时。
（4）本书具有一些独特的内容。譬如用博弈论解释了淘宝平台商家集群的现象，用弗洛伊德梦的解析理论去解释互联网生态等，并非笔者牵强附会，而是知识之间确实可以融会贯通。有的时候，我们以为发现了或者发明了一种新方法或新理论，其实有可能在其他领域早已可以找到影子。
（5）对技术思路做了化繁为简的讲解。书中所讲解的商业案例很多都是根据数据驱动大项目改编而来，以期尽可能使案例精彩、详实；至于技术层面，部分来自当前先进的人工智能技术和一些统计学理论。为了规避读者阅读的时候，生僻的技术理论所带来的不适应的体验，我们对技术思路做了化繁为简的讲解，对结论做了近似白话的叙述。
（6）注重举一反三能力的培养。德国教育学家斯普朗格曾说：“不是传授已有的东西，而是要把人的创造力量诱导出来，将生命感、价值感唤醒。唤醒，是一种教育手段。父母和教师不要总是叮咛、检查、监督、审查他们。孩子一旦得到更多的信任和期待，内在动力就会被激发，会更聪明、能干、有悟性。” 斯普朗格的方法论不仅适合孩子的教育，亦对笔者有所启示。读完这本书，相信读者会有更多的灵感。灵感也许并不来自这本书，但是有可能是阅读过程中碰撞出来的。创造力是需要被哪怕一点点微弱的灵感唤醒的。
商业中的大数据
“大数据”若按照学术界的严格定义，其量级通常不低于1PB（也就是1024TB）。电商各种数据源量级巨大，但是相对粗糙、噪声高，甚至部分是流水，经过数据的筛选、洗涤、转换、聚合等动作之后，“大数据”往往会变成可供商业分析和挖掘“小数据”。所以，大数据是相对的。
目前，尽管大数据如火如荼，但是商业模式和盈利模式并不清晰。能算得上真正的“大数据”量级同时完全由大数据创造的巨额经济价值足以养活整个公司的企业，在笔者看来，仅网络搜索巨擘谷歌和百度两家。而大部分商业场景之下的基于数据的决策倘若按照“大数据”的学术定义，皆称不上大数据，但是数据化决策和管理屡见不鲜、无处不在。所以，商业中（包括电商行业）的大数据一般指的是数据维度比较丰满且数据观测数在1000万以上的规模。
数据驱动电商
电商企业的兴衰荣辱总能最先在运营数据方面窥见端倪，数据亦能在量化层面揭橥电商生态的进化与成长。电商群雄逐鹿中原，数据驱动主宰沉浮。
数据驱动跟数据分析、数据挖掘和数学建模有本质的区别，后面三种皆侧重数据技术层面，没有考虑到商业流程和使用者。数据驱动的核心是数据创造生产力。笔者不论在商学院传道授业解惑，还是在企业的管理实践中，总是不停地重申：数据只有产生价值才会有价值。
数据与商业结合，懂商业才能谈数据分析或挖掘，两者皆成为业界共识，但是如果说数据撑持商业则过于笼统，没有说到点子上，数据应当是作用于“商业决策点”，哪里遇到决策的拐点，哪里便需要数据，并不是商业和商务中方方面面都离不开数据。认清数据在商业中的角色也很重要。
本书由来
笔者曾一直想写一本电子商务数据化管理和数据化运营方面的书。数据驱动主题的电商教材并不多见，源于一线的真实、有效的商业案例则更少。笔者浸淫电商行业多年，非常希望能把自己团队的数据化管理和运营经验编撰起来，汇编成一本书，让后来者稍有借鉴。
约莫大半年前的一天，电子工业出版社的张彦红老师通过阿里巴巴公司的朋友找到笔者，表明希望出版数据电商书籍的意向。我们不谋而合，笔者非常荣幸地接下了这本有关数据电商的书，并下定决心拼尽全力、尽笔者所能写一本像样的书。但是，动起手来并不容易，认认真真写一本书是一件很苦的事情，也是一件很痛苦的事情。笔者给自己制定的写作计划是半年时间，如此速度还是基于现已掌握丰富写作素材的基础上。于是，白天上班，夜晚和周末推掉了一切应酬，笔耕不辍，有时候为了确认案例中的数据是否靠谱，便要推敲好几天。终于，这本书如期跟大家见面了。
本书着眼于电商数据化的思想，尽量弱化各种深奥难懂的技术细节，但是如果全是思想就流于泛泛而论、空洞无物，内容略显肤浅，而且不容易深入掌握商业案例的本质。所以，笔者对内容结构的部署也做了一番精心编排。全书分成三个层次：第一个层次着眼于电商的思想，商业模式是电商从业者必须了解的；第二个层次是基础性的数据驱动方法和商业案例；第三个层次是大数据方面的高级应用，读者在这个层次中不仅会感受到大数据的思想，同时笔者会立体呈现完整的大数据案例。为了让本书内容深入浅出、形象生动，对关键性的技术以“知识小卡片”的形式展现给读者，期望能达到“知其然并知其所以然”的效果。
本书特点
这本书特色鲜明，纵观全书有以下一些特点：
（1）不论是独立B2C还是阿里系电商都通用。书中大量的商业案例既有来自独立B2C的，也有来自淘宝、天猫、京东等平台的。笔者试图把数据驱动体系纳入到整个电商生态中去阐述。
（2）丰富详实的真实商业案例。笔者一直以为，只有真实、有效的商业案例才能对读者具有正确的导向性。原创、丰富的案例是这本书最鲜明的特色。例如为了使供应链数据化管理的数据源更加合理，笔者仅清洗大量数据就花费了两周左右的时间。每个案例的遴选，站在笔者的角度上，都来之不易。
（3）侧重数据思路的设计。在写作过程中，一直有一个问题困扰笔者，就是不断地问自己：这本书的价值在哪里？现在，这本不算特别厚实但是笔者呕心沥血之作的价值在于，电脑虽然能替代人工计算过程，但是永远无法替代数据驱动的思想和思路，必须由我们人类赋予计算机以睿智的思路，计算机只是把我们解决问题的思路做成软件封装起来而已。另外，侧重数据分析、挖掘思路的设计与仅围绕数据求解工具阐述事实相比，书籍不容易过时。
（4）本书具有一些独特的内容。譬如用博弈论解释了淘宝平台商家集群的现象，用弗洛伊德梦的解析理论去解释互联网生态等，并非笔者牵强附会，而是知识之间确实可以融会贯通。有的时候，我们以为发现了或者发明了一种新方法或新理论，其实有可能在其他领域早已可以找到影子。
（5）对技术思路做了化繁为简的讲解。书中所讲解的商业案例很多都是根据数据驱动大项目改编而来，以期尽可能使案例精彩、详实；至于技术层面，部分来自当前先进的人工智能技术和一些统计学理论。为了规避读者阅读的时候，生僻的技术理论所带来的不适应的体验，我们对技术思路做了化繁为简的讲解，对结论做了近似白话的叙述。
（6）注重举一反三能力的培养。德国教育学家斯普朗格曾说：“不是传授已有的东西，而是要把人的创造力量诱导出来，将生命感、价值感唤醒。唤醒，是一种教育手段。父母和教师不要总是叮咛、检查、监督、审查他们。孩子一旦得到更多的信任和期待，内在动力就会被激发，会更聪明、能干、有悟性。” 斯普朗格的方法论不仅适合孩子的教育，亦对笔者有所启示。读完这本书，相信读者会有更多的灵感。灵感也许并不来自这本书，但是有可能是阅读过程中碰撞出来的。创造力是需要被哪怕一点点微弱的灵感唤醒的。
书摘
3.2 数据挖掘在电子商务中的多面性
3.2.1 数据挖掘在电商行业中的常见案例
数据挖掘已经在商品数据化管理、各种网络广告组合优化投放、CRM（客户关系维护）和市场营销等领域取得了相当丰硕的成果，正在以不同程度地驱动让电商企业向前发展。下面罗列的是常见的一些案例，作为抛砖引玉，读者朋友可以先行独立思考。
1．通过数据指标判断一个电商网站是否健康就好比去医院体检，比如抽血化验，血小板总数、白细胞总数、红细胞压积容量、淋巴细胞百分比、粒细胞百分比等项目数据就类比于电商网站数据指标，通过指标就能判断网站是否运营良好，所以需要知道两类值：实际值和参考值。但是难点在于，如果没有足够的经验，往往很难将数据指标与背后的问题一一对应起来，这就是所谓的“先验知识”。如果一个店铺或者电商网站（快消品类目）有较长时间没有上新，那么以下指标一定会下滑的是？
A．浏览回头率↓ B．访问深度↓ C．浏览回头率↓ D．访问深度↓
2．因为某些商品（比如快消品中的真皮女鞋、羽绒服、皮草等）成本高、出货周期长或者其他原因，这些商品经常预售。某一销售旺季波段，凡是与预售商品一起下单的很多数额巨大的订单都因为缺货而导致大批订单未能及时发出，用户体验及其糟糕（拆单听起来是个不错的主意，但是成本变高并且实践证明客户并不喜欢接二连三的包裹陆续到来）。现在能做的无非是亡羊补牢的挽救措施，请你通过数据分析解决以下三个问题：
（1）请分析缺货产品的成分结构。经常会戏剧性地出现因为一个类似小吊带的小物件缺货而导致大批货物不能发送，如何避免？请给出建议。
（2）为了能给客户更好的体验，现在或许是唯一能做到并一定会起到显著效果的措施是什么？并计算成本有多大。
（3）预售商品导致不能发货的问题并没有完，还会衍生出其他问题。例如，某预售A商品与现货B商品被C客户同一天拍下并付款，但是当A商品到货后，C客户订单仍然不能发出，原因是原来的现货B被其他订单挪用，B商品也因为缺货而变成预售，无辜的C客户无奈只能一等再等。当然，接下来可能损失了一名C客户或者其身边的朋友。为了避免此种情况发生，请给出你详尽的数据支持方案。
备注：原始库存数据和订单数据此处略去。
3．一件女装刚刚上架，很多新客户一般不会轻易出手购买，请问大部分新客户的心理是在等待观望新品评价出来之后再购买，还是因为从众心理，等部分人群购买了才会出手。所以：
（1）请通过数据分析还原新客户在购买新品时的心态。对于新品或者新开张的店铺或网站，女人的哪种心态更多一点？
（2）运用此结论，如果你是一个女装主线品牌的操盘手，现如今欲创建副线品牌，如何操作才最可能成功？
备注：原始订单数据此处略去。
4．请你一口气列举出影响客户可能流失的40个数据指标用来组建客户预流失数学模型，且这些指标目前基于淘宝数据工具或者独立B2C网上商城运用GA（一种网站数据采集工具）并结合ERP系统都可以抓取到。如果该预流失数学模型用在精准会员营销方面，你将策划哪些营销方案？为了使客人最终成为忠诚度极高的客户，请给出你的连环精准营销方案。
5．在女装商品标题进行SEO的时候，常常会使用热词比如韩版和欧美等一些搜索量很多的词汇，显然热词会带来更多的自然流量。问题是：
（1）热词在提高流量的同时是不是对转化率也会有一定程度的提升，姑且不论提升程度的多寡，但是会有一定量的提升吗？请不要一拍脑袋就流利地说出答案，因为每个决策都会影响到隐性和显性的销售额。
（2）对于一个成熟的电商网站和店铺，热词有时候可能与品牌调性不合，如何权衡此问题？
备注：原始流量和销售数据此处略去。
6．现有一定量库存商品（女装类目），为了尽快释放出现金流，公司想把这批库存消化。如果你主持这件事情：
3.2.1 数据挖掘在电商行业中的常见案例
数据挖掘已经在商品数据化管理、各种网络广告组合优化投放、CRM（客户关系维护）和市场营销等领域取得了相当丰硕的成果，正在以不同程度地驱动让电商企业向前发展。下面罗列的是常见的一些案例，作为抛砖引玉，读者朋友可以先行独立思考。
1．通过数据指标判断一个电商网站是否健康就好比去医院体检，比如抽血化验，血小板总数、白细胞总数、红细胞压积容量、淋巴细胞百分比、粒细胞百分比等项目数据就类比于电商网站数据指标，通过指标就能判断网站是否运营良好，所以需要知道两类值：实际值和参考值。但是难点在于，如果没有足够的经验，往往很难将数据指标与背后的问题一一对应起来，这就是所谓的“先验知识”。如果一个店铺或者电商网站（快消品类目）有较长时间没有上新，那么以下指标一定会下滑的是？
A．浏览回头率↓ B．访问深度↓ C．浏览回头率↓ D．访问深度↓
2．因为某些商品（比如快消品中的真皮女鞋、羽绒服、皮草等）成本高、出货周期长或者其他原因，这些商品经常预售。某一销售旺季波段，凡是与预售商品一起下单的很多数额巨大的订单都因为缺货而导致大批订单未能及时发出，用户体验及其糟糕（拆单听起来是个不错的主意，但是成本变高并且实践证明客户并不喜欢接二连三的包裹陆续到来）。现在能做的无非是亡羊补牢的挽救措施，请你通过数据分析解决以下三个问题：
（1）请分析缺货产品的成分结构。经常会戏剧性地出现因为一个类似小吊带的小物件缺货而导致大批货物不能发送，如何避免？请给出建议。
（2）为了能给客户更好的体验，现在或许是唯一能做到并一定会起到显著效果的措施是什么？并计算成本有多大。
（3）预售商品导致不能发货的问题并没有完，还会衍生出其他问题。例如，某预售A商品与现货B商品被C客户同一天拍下并付款，但是当A商品到货后，C客户订单仍然不能发出，原因是原来的现货B被其他订单挪用，B商品也因为缺货而变成预售，无辜的C客户无奈只能一等再等。当然，接下来可能损失了一名C客户或者其身边的朋友。为了避免此种情况发生，请给出你详尽的数据支持方案。
备注：原始库存数据和订单数据此处略去。
3．一件女装刚刚上架，很多新客户一般不会轻易出手购买，请问大部分新客户的心理是在等待观望新品评价出来之后再购买，还是因为从众心理，等部分人群购买了才会出手。所以：
（1）请通过数据分析还原新客户在购买新品时的心态。对于新品或者新开张的店铺或网站，女人的哪种心态更多一点？
（2）运用此结论，如果你是一个女装主线品牌的操盘手，现如今欲创建副线品牌，如何操作才最可能成功？
备注：原始订单数据此处略去。
4．请你一口气列举出影响客户可能流失的40个数据指标用来组建客户预流失数学模型，且这些指标目前基于淘宝数据工具或者独立B2C网上商城运用GA（一种网站数据采集工具）并结合ERP系统都可以抓取到。如果该预流失数学模型用在精准会员营销方面，你将策划哪些营销方案？为了使客人最终成为忠诚度极高的客户，请给出你的连环精准营销方案。
5．在女装商品标题进行SEO的时候，常常会使用热词比如韩版和欧美等一些搜索量很多的词汇，显然热词会带来更多的自然流量。问题是：
（1）热词在提高流量的同时是不是对转化率也会有一定程度的提升，姑且不论提升程度的多寡，但是会有一定量的提升吗？请不要一拍脑袋就流利地说出答案，因为每个决策都会影响到隐性和显性的销售额。
（2）对于一个成熟的电商网站和店铺，热词有时候可能与品牌调性不合，如何权衡此问题？
备注：原始流量和销售数据此处略去。
6．现有一定量库存商品（女装类目），为了尽快释放出现金流，公司想把这批库存消化。如果你主持这件事情：
