广西省企业信息化及电子商务情况数据分析报告2018版
序言 广西省企业信息化及电子商务情况数据分析报告从企业总数量,企业期末使用计算机数,企业每百人使用计算机数,企业拥有网站数,每百家企业拥有网站数等重要因素进行分析,剖析了广西省企业信息化及电子商务情况现状、趋势变化。 广西省企业信息化及电子商务情况数据分析报告相关知识产权为发布方即 我公司天津旷维所有,其他方引用我方报告均请注明出处。 借助对数据的发掘及分析,提供一个全面、严谨、客观的视角来了解广西省企业信息化及电子商务情况现状及发展趋势。广西省企业信息化及电子商务情况分析报告数据来源于中国国家统计局等权威部门。 广西省企业信息化及电子商务情况数据分析报告以数据呈现方式客观、多维度、深入介绍广西省企业信息化及电子商务情况真实状况及发展脉络,为机构和个人提供必要借鉴及重要参考。
目录 第一节广西省企业信息化及电子商务情况现状概况 (1) 第二节广西省企业总数量指标分析 (3) 一、广西省企业总数量现状统计 (3) 二、全国企业总数量现状统计 (3) 三、广西省企业总数量占全国企业总数量比重统计 (3) 四、广西省企业总数量(2015-2017)统计分析 (4) 五、广西省企业总数量(2016-2017)变动分析 (4) 六、全国企业总数量(2015-2017)统计分析 (5) 七、全国企业总数量(2016-2017)变动分析 (5) 八、广西省企业总数量同全国企业总数量(2016-2017)变动对比分析 (6) 第三节广西省企业期末使用计算机数指标分析 (7) 一、广西省企业期末使用计算机数现状统计 (7) 二、全国企业期末使用计算机数现状统计分析 (7) 三、广西省企业期末使用计算机数占全国企业期末使用计算机数比重统计分析 (7) 四、广西省企业期末使用计算机数(2015-2017)统计分析 (8) 五、广西省企业期末使用计算机数(2016-2017)变动分析 (8) 六、全国企业期末使用计算机数(2015-2017)统计分析 (9)
2017年电商市场分析报告
目录 第一节 2017年,电商行业为何能维持“有质量的高增长”? (5) 一、2017年迄今,电商GMV增速没有明显下滑的迹象 (5) 二、2017年上半年,主要电商企业做到了“有质量的高增长” (8) 三、电商行业高增长,是周期性还是结构性原因导致的? (10) 第二节品牌升级:电商平台收入和利润率持续提升之本 (13) 一、电商行业进化论:从“多快好省”到“品质生活” (13) 二、电商消费升级的焦点:服装、美妆、母婴、保健 (16) 三、电商品牌升级的驱动力:整体消费升级+购物场景迁移 (21) 四、电商消费升级的下一步会是大数据+内容电商吗? (26) 第三节新零售:传统零售需要改造,问题是如何改造? (30) 一、以消费者体验为中心的、数据驱动的泛零售形态 (30) 二、“新零售”为何从快速消费品和便利店开始? (32) 三、“新零售”并不意味着传统零售企业的衰落消亡 (34) 第四节阿里系VS京东系:两条路线、两种战略的交锋 (35) 一、电商行业的阿里、京东双雄争霸格局不可动摇 (35) 二、阿里与京东的第一大路线分歧:轻资产还是重资产? (38) 三、阿里与京东的第二大路线分歧:要不要做娱乐内容? (42) 四、阿里与京东的第三大路线分歧:新零售应该如何发展? (43) 第四节京东能否赶超阿里?胜负取决于三个主战场 (47) 一、第一个主战场:京东能否在服装、美妆等非标品类迎头赶上? (47) 二、第二个主战场:京东能否从“购物的地方”升级为“用来逛的地方”?.. 49 三、第三个主战场:京东能否在三线及以下城市逼近天猫? (52) 第五节电商行业重点公司简析 (55) 一、阿里巴巴 (55) 二、京东 (57) 三、宝尊电商 (59)
一个电商数据分析师的经验总结 king发表于2013-07-27 20:54 来源:贾鹏 08年毕业,不知不觉的混进了电子商务行业,又不知不觉的做了三年数据分析,恰好又赶上了互联网电子商务行业发展最快的几年,也算是不错吧,毕竟感觉前途还是很光明的。三年来,可以说跟很多同事学到了不少东西,需要感谢的人很多,他们无私的教给了我很多东西。 就数据分析职业来说,个人感觉这对互联网公司来说是非常重要的,也是确实能够带来实际效果的东西。比如说利用数据分析做会员的细分以进行精准化营销;利用数据分析来发现现有的不足,以作改进,让顾客有更好的购物体验;利用CRM系统来管理会员的生命周期,提高会员的忠诚度,避免会员流失;利用会员的购买数据,挖掘会员的潜在需求,提供销售,扩大影响力等等。 最开始进公司的时候是在运营部,主要是负责运营报表的数据,当时的系统还很差,提取数据很困难,做报表也很难,都是东拼西凑一些数据,然后做成PPT,记得当时主要的数据就是销售额、订单量、毛利额、客单价、每单价、库存等一些特别基础的数据,然后用这些数据作出一些图表来。在这个阶段基本上就是做一些数据的提取工作,Excel的技巧倒是学到了不少,算是数据分析入门了吧。 后来公司上了数据仓库,里面就有了大量的原始数据,提取数据非常方便了,而且维度也多,可以按照自己的想法随意的组合分析,那个阶段主要就是针对会员购物行为的分析,开始接触数据建模,算法等一些比较难的东西,也是学到东西最多的时候。记得当时做了很多分析报告,每周还要给总裁办汇报这些报告,下面详细说一下当时使用的一些主要的模型及算法:1、RFM模型
模型定义:在众多的客户关系管理的分析模式中,RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。在RFM模式中, R(Recency)表示客户最近一次购买的时间有多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)表示客户在最近一段时间内购买的金额。一般的分析型CRM 着重在对于客户贡献度的分析,RFM则强调以客户的行为来区分客户。利用RFM分析,我们可以做以下几件事情: ⑴建立会员金字塔,区分各个级别的会员,如高级会员、中级会员、低级会员,然后针对不同级别的会员施行不同的营销策略,制定不同的营销活动。 ⑵发现流失及休眠会员,通过对流失及休眠会员的及时发现,采取营销活动,激活这些会员。 ⑶在短信、EDM促销中,可以利用模型,选取最优会员。 ⑷维系老客户,提高会员的忠诚度。 使用方法:可以给三个变量不同的权重或按一定的规则进行分组,然后组合使用,即可分出很多不同级别的会员。 2、关联分析 关联分析最原始的案例来自于沃尔玛的“啤酒与尿布”。通俗意义上讲,就是只买了A商品的人,又有很多人买了B商品,那么我们就可以认为A、B两个商品的关联性比较高。很多数据挖掘工具都有关联挖掘,主要使用的算法是Apriori算法,在计算的过程中会主要考察项集、置信度、相关性这三个结果数据,以最终确定商品之间的相关性。除了Apriori算法外,还有许多其他的关联分析的算法,基本上也都是从Apriori发展而来,比如FPgrowth。本人从几年的数据分析经验感觉,关联分析在零售业中并不太实用,挖掘出来的关联度比较高的
数据挖掘在电子商务中的应用 学号: 姓名: 班级: 摘要:随着数据挖掘技术的发展和电子商务的普及,将数据挖掘技术应用到电子商务中可 以解决电子商务中数据量庞大的问题,从而获得真正有价值的信息。通过分析电子商务应用数据挖掘的必要性和可行性, 概述数据挖掘的一些挖掘技术, 重点介绍了数据挖掘在电子商务中的实际应用, 包括营销、电子商务系统规划和系统安全、客户关系管理以及网络广告方面的应用。 关键词:数据挖掘技术;电子商务;客户关系管理 引言:电子商务是网络时代的一种全新的商务模式,其由于Internet的迅速普及和发展而 引起了越来越多的学者关注,研究人员希望充分发挥电子商务优势,从而获取更大的经济效益。在电子商务中采用数据挖掘的方法和思想,帮助电子商务网站把真正有价值的知识从海量的信息提取出来,从而更好地为电子商务网站的客户提供更方便的服务以及指导企业决策已经成为了当前研究的热点。数据挖掘是一种全新的信息技术,其是伴随着数据库技术的发展而出现的,其融合了统计学、人工智能以及数据库等众多学科内容,借助从大量的数据中挖掘出未知、有用和有效的信息,从而更好地为电子商务网站服务。随着计算机技术、因特网技术、通讯技术的发展推动着电子商务的迅速发展,电子商务过程产生大量的电子数据,通过运用数据挖掘技术可以发现和提取这些信息中隐含的未知的有价值的信息,形成知识。如何对这些数据进行分析和挖掘,以充分了解客户的喜好、购买模式,甚至是客户一时的冲动,进而设计出满足于不同客户群体需要的个性化网站,增加自己的竞争力,似乎已变得势在必行。若想在竞争中生存和获胜,你就得比你的竞争对手更了解客户。数据挖掘是从大量的数据中自动地抽取潜在的、有价值的知识、模型或规则的过程。在网络时代,数据挖掘技术当然也自然而然地被应用到对电子商务网站的海量数据进行分析和处理中来。在对电子商务网站进行数据挖掘时,所需要的数据主要来自两个方面: 一是客户的背景信息。这部分信息主要来自客户的登记表; 二是浏览者的点击流。这部分数据主要用于考察客户的行为表现。但是,有时客户对自己的背景信息十分珍重,不肯把这部分信息填写在登记表上,这就会给数据分析和挖掘带来不便。在这种情况之下,就不得不从浏览者的表现数据中来推测客户的背景信息,进而再加以利用。 一、数据挖掘在电子商务中应用的必要性和可行性 电子商务就是采用数字化电子方式进行商务数据交换和开展商务业务活动。电子商务由于应用了计算机网络技术,特别是因特网之后,以其本身的优势对传统的商务活动产生巨大的冲击。具体的优势主要有: ( 1) 服务不受时间的限制,一般可以实现的商务活动。( 2) 能实现全球的资源共享,特别B2B 的电子商务模式的发展,使得在全球采购原材料和全球销售变得更加简单和方便。( 3) 大大降低了成本。首先可以免去高昂的房租,可减去旅行费用,
2016年中国电商行业大数据分析报告
研究背景:放眼当下,恰逢互联网购物的大好时代,在国家信息网络战略实施、几大移动运营商快速发展、各大电商网络平台百花齐放的大背景下,年轻消费群体购买力突飞猛进,网上零售市场份额不断提升,网购渗透率正逐年增加。中商产业研究院预计,到2016年,我国网上零售额将突破5万亿,占社会消费品零售总额的14.9%,网购用户渗透率达到64.0%。 2014-2020年中国网上零售额规模情况 数据来源:国家统计局、中商产业研究院 2014-2020年中国网购渗透率情况
数据来源:国家统计局、中商产业研究院 休闲食品电商 1、产业综述 2、发展现状 随着经济的发展和消费水平的提高,休闲食品正在逐渐升级成为百姓日常的必需消费品。现阶段,我国休闲食品电商三足鼎立格局初现,龙头优势明显。三只松鼠、百草味、良品铺子已牢牢占据了休闲食品电商前三,其他品牌竞争难度加大。 3、市场规模
中国经济快速发展,居民生活水平和消费能力不断提高,消费习惯也随之改变。从吃饱到吃好,消费者对食品的需求和兴趣从必须消费品逐渐向可选消费品转移,零食不再是儿童、青少年的专属,不再和不健康划上等号,和正餐之间的界限也日渐模糊。因此,休闲食品线上销售规模也在逐年增长,2015年,我国休闲食品电商销售规模约为450亿元。 2014-2020年中国休闲食品电商市场交易规模 数据来源:中商产业研究院 4、消费特点 女性消费者是绝对购买主力:休闲零食消费在性别的差异性放点明显,女性消费者是绝对购买主力。根据尼尔森,在全球范围内,女性比男性消费更多零食且女性对葛洪零食的消费意愿高于男性。根据易观智库,女性消费者不仅在购买人数上超过男性消费者(购买力62.29%vs37.71%)。 80后、90后为零食网购主力:从休闲零食网购消费者年龄分布来看,28-38岁消费者占比48.6%,18-28岁消费者占比24.7%,年轻人成为绝对多数。80后基本步入职场,消费能力也已承受。即将进入社会的90后,消费更具冲动型、超前性,见识未来的生力军。 白领为零食电商消费的主要人群:休闲零食电商的手中人群职业分布较广,不仅有白领人士、事业机关人员,还有自由职业者,家庭主妇及退休人员等。因此,市场对食品电商的产品需求多元化,长尾效应明显。其中,白领人士是零食电商的最主要消费者(47%),性价比高、有个性有腔调、方便快捷是他们的诉求特征。 生鲜电商 1、产业综述
1电子商务介绍 随着网络技术和数据库技术的成熟,全球传统商务正经历一次重大变革,向电子商务全速挺进。这种商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择,同时也为商家提供了更加深入地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一,将为正确的商业决策提供强有力的支持和可靠的保证,是电子商务不可缺少的重要工具。 电子商务的发展促使公司内部收集了大量的数据,并且迫切需要将这些数据转换成有用的信息和知识,为公司创造更多潜在的利润,数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘涉及的学科领域和方法很多,其核心技术历经了数十年的发展,其中包括统计、近邻、聚类、决策树、神经网络和规则等。今天,这些成熟的技术在电子商务中已进入了实用阶段,并取得了良好的效果。但数据挖掘作为一个新兴领域,在实际应用当中仍存在许多尚未解决的问题。其中最困难的往往在于决定什么时候采用哪种数据挖掘技术。为了对数据挖掘技术进行明智的选择,本文结合数据挖掘技术在电子商务中的应用,从挖掘任务和数据信息两个角度进行分析,指出各种数据挖掘技术适用的场合,以便开发出切实可用的数据挖掘系统。 2数据挖掘的概念及其在电子商务中的应用 2.1数据挖掘的概念 数据挖掘是通过挖掘数据仓库中存储的大量数据,从中发现有意义的新的关联模式和趋势的过程。从商业的角度定义,数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理,从中提取辅助商业决策的关键性数据。数据挖掘最吸引人的地方是它能建立预测模型而不是回顾型的模型。利用功能强大的数据挖掘技术,可以使企业把数据转化为有用的信息帮助决策,从而在市场竞争中获得优势地位。 2.2数据挖掘在电子商务中的应用 由于数据挖掘能带来显著的经济效益,它在电子商务中(特别是金融业、零售业和电信业)应用也越来越广泛。 在金融领域,管理者可以通过对客户偿还能力以及信用的分析,进行分类,评出等级。从而可减少放贷的麻木性,提高资金的使用效率。同时还可发现在偿还中起决定作用的主导因素,从而制定相应的金融政策。更值得一提的是通过对数据的分析还可发现洗黑钱以及其它的犯罪活动。 在零售业,数据挖掘可有助于识别顾客购买行为,发现顾客购买模式和趋势,改进服务质量,取得更好的顾客保持力和满意程度,提高货品销量比率,设计更好的货品运输与分销策略,减少商业成本。 电信业已经迅速地从单纯的提供市话和长话服务演变为综合电信服务,如语音、传真、寻呼、移动电话、图像、电子邮件、计算机和WEB数据传输以及其它的数据通信服务。电信、计算机网络、因特网和各种其它方式的通信和计算的融合是目前的大势所趋。而且随着许多国家对电信业的开放和新型计算与通信技术的发展,电信市场正在迅速扩张并越发竞争激烈。因此,利用数据挖掘技术来帮助理解商业行为、确定电信模式、捕捉盗用行为、更好的利用资源和提高服务质量是非常有必要的。分析人员可以对呼叫源、呼叫目标、呼叫量和每天使用模式等信息进行分析,还可以通过挖掘进行盗用模式分析和异常模式识别,从而可尽早发现盗用,为公司减少损失。 3选择数据挖掘技术的两个重要依据 数据挖掘使用的技术很多,其中主要包括统计方法、机器学习方法、和神经网络方法和数据库方法。统计方法可细分为回归分析、判别分析、聚类分析、探索性分析等。机器学习方法可细分为归纳学习方法(决策树、规则归纳)、基于范例学习、遗传算法等。神经网络方法可细分为钱箱神经网络(BP算法)、自组织神经网络等。数据库方法主要是多维数据分析或OLAP方法,另外还有面向属性的归纳方法。由于每一种数据挖掘技术都有其自身的特点和实现的步骤,对数据的形式有具体的要求,并且与具体的应用问题密切相关,因此成功的应用数据挖掘技术以达到目标过程本身就是一件很复杂的事情,本文主要从挖掘任务和可获得的数据两个角度来讨论对数据挖掘技术的选择。 3.1不同的挖掘任务使用不同的挖掘技术 数据挖掘的任务是从数据中发现模式。根据挖掘任务,数据挖掘可分为概念描述、聚集发现、关联规则发现、分类发现、回归发现和序列模式发现等。在选择使用某种数据挖掘技术之前,首先要将待解决的商业问题转化成正确的数据挖掘的任务,然后根据挖掘的任务来选择具体使用某一种或几种挖掘技术。下面具体的分析每一种挖掘任务应使用哪些挖掘技术。 概念描述 概念描述是描述式数据挖掘的最基本形式。它以简洁汇总的形式描述给定的任务相关数据集,提供数据的有趣的一般特性。概念描述由特征化和比较组成。数据特征化是目标类数据的一般特征或特性的汇总。通常,用户指定类的数据通过数据库查询收集。例如,为研究上一年销售增加10%的软件产品的特征,可以通过执行一个SQL查询收集关于这些产品的数据。概念的特征化有两种一般方法:基于数据立方体OLAP的方法和面向属性归纳的方法。二者都是基于属性或维的概化方法.数据特征的输出可以用多种形式提供。包括饼图、条图、曲线、多维数据立方体和包括交叉表在内的多维表。数据区分是将目标类对象的一般特征与一个或多个对比类对象的一般特征比较。例如,将上一年销售增加10%的软
电商2015年运营大数据分析 一、代运营商基本情况汇总 从事淘宝运营服务的服务商大约1500多家,其中,天猫平台聚集了大约400家运营服务商,主要来源于上海、浙江和广东,而福建、北京次之,为大约2000家天猫店铺提供运营服务。运营服务商达成的交易额,按照店铺数量平均,约为天猫店铺整体平均值的2倍;按照服务商数量平均的交易额均值,约为9.6倍。目前,从业人员大约3万人,20%为专业店铺运营人员。42%的服务商选择聚焦优势类目发展。 按照品牌商对于供应链整合的不同需求,运营服务商可以分为流程型、运营型和技术型。 未来,专业服务市场的专业化发展将推动运营服务市场的规范化。 二、天猫代运营商分布情况汇总 上海86家 广东70家 浙江81家 江苏16家 北京26家 福建28家,厦门12家 其他57家 三、代运营商创始人背景和团队现状
服务商深度调研中,服务商创始人的背景分类按照以下三个分类标准: ①大卖家背景:包括经营过卖家店铺(或独立B2C网站),或者有全面负责卖家店铺运营的经验。 ②传统服务背景包括:包括线下贸易背景,以及传统企业的运营、管理以及投资等背景。 ③IT以互联网从业背景(简称IT互):包括IT技术背景,广告公司从业(含网络推广),以及电子商务公司的渠道转型 四、天猫核心类目分布情况汇总 五、人员结构比例不同,服务效率也不同。 运营能力和技术能力说明服务效率差异: 具备整体托管能力的运营服务商,以运营团队为核心打造“端到端”流程。然而,自建系统(技术和仓储人员占30%以上)推动了运营服务商的服务规模扩大,立足于平台的精细化运营,从数据的视角,运营服务商的核心能力源于平台层、中间件层和商务层。目前从业人员约3万人,运营人员占20%。
如何做好电子商务数据分析 来源: 电子商务加油站 电子商务为何需要做数据分析?电子商务又该如何做数据分析?电子商务发展的速度越来越快,这个行业的趋势变化也越来越快。对于电子商务公司的老板而言,想要自己永远跟着趋势走,学习运用数据分析是必然的。 世界工厂分析认为,现在不是缺数据,而是数据太多。据统计,在今天的互联网上,每秒会产生上万个微博信息、几百万次的搜索、Facebook上的几十万次内容。稍大的电子商务公司,都会采集一些行为数据(比如IP流量、浏览量),但是这些行为数据与商业数据(比如交易量)有什么关系?今天绝大多数公司,甚至包括凡客诚品这样著名的电子商务公司,曾经都不知道如何利用成千上万的零散数据。 一、数据分析的重要性 首先,我们要来了解一下数据分析对于一个网站的重要性。笔者并不从理论方面来论证数据分析的重要性,而是从各方对这一方面的动向来了解。 1、阿里巴巴 2011年5月25日,阿里巴巴宣布推出数据门户,并正式启用新域名 https://www.wendangku.net/doc/f312008619.html,,新推出的数据门户根据4500万中小企业用户的搜
索、询单、交易等电子商务行为进行数据分析和挖掘,为中小企业以及电子商务从业人士等第三方提供综合数据服务。马云曾表示“数据”将是阿里巴巴未来十年发展的战略核心。 目前正式开放的部分为面向全体用户的宏观行业研究模块,由行业搜索动态趋势图、专业化行业分析报告、细分行业和地区的内贸分析和针对行业各级产品的热点分析,以及实时行业热点资讯等部分构成,并且为免费提供。到2011 年底阿里巴巴还将适时陆续推出数据门户其他部分应用。 2、各行业巨头 事实上,近年来全球各大行业巨头都表示进驻“开放数据”蓝海。以沃尔玛为例,该公司已经拥有两千多万亿字节数据,相当于200多个美国国会图书馆的藏书总量。这其中,很大一部分事客户信息和消费记录。通过数据分析,企业可以掌握客户的消费习惯、优化现金和库存,并扩大销量,数据已经成为了各行各业商业决策的重要基础。 电商平台也很注重这方面的数据分析,例如世界工厂网,就设有排名榜的数据分析,通过分析用户在世界工厂网的搜索习惯及搜索记录,免费提供了产品排行榜、求购排行榜和企业排行榜。无独有偶,作为行业门户网站的装备制造网也即将在未来的发展中提供数据分析的功能,从网站的介绍中可以看到:每月企业网站专业SEO检测报告、季度专业行业研究报告等等。所有这些行业的动向,都昭示这一个特点:企业数据、行业分析。也只有行业网站、电商平台等拥有企业数据优势,而且集合整行业信息,并有分析整合数据的能力,才能真正为企业提供真实、有效的数据分析。 从各方对待一个事物的态度与投资动向,我们能很轻易的了解到这一事物的重要程度,从以上的事例可以看出,数据分析对于各行各业都非常的重要,尤其是对于电子商务平台。 二、电子商务数据分析的七个重要因素 1、电子商务数据分析需要商业敏感 今天电子商务公司的数据分析师,有些像老板的军师,必须有从枯燥的数据中解开市场密码的本事。比如,具有商业意识的数据分析师发现,网站上的婴儿车的销售增加了,那么,他基本可以预测奶粉的销量也会跟上去。再比如,网站上的产品发挥的作用并不一样,有的产品是为了赚钱,有的产品是为了促销,有的产品是为了吸引流量,不同的产品在网站上摆放的位置是不一样的。 一个商业敏感的数据分析师,是懂得用什么样的数据实现公司的目标。比如,乐酷天与淘宝竞争,它们重点看的不是交易量,而是流量:每天有多少新的卖家进来,卖了多少东西。因为此阶段竞争最核心的就是人气,而非实质交易量。如果新来的卖家进来卖不出东西,只有老卖家的交易量在增长,即使最后每天的
用数字来看某知名B2C网站的发展内幕和隐私(作者:perplexing) 数字是个很有趣的东西,很有说服力,而且也可以更加深入地掌握不同变量之间的逻辑关系。举个例子,我们喜欢说留住老用户,发展新用户, 那么老用户和新用户的定义应该是什么呢?直观上说,老用户就是曾经在我这里买过东西的呗,其实这样的定义太简单了,假如今天是2008年4月24号,我们看看如下哪个顾客属于老用户? 1,2002年注册,2002年~2003年曾经购买过27次,但是2004年之后就再也没有来过了; 2,2002年注册,直到2005年才买过一次东西,但是从此人间蒸发了; 3, 2008年4月22号注册,4月23号(昨天)买过东西,不知道他以后还来不来; 4,2007年1月注册,2007年1月?2008年4月间,平均每3个月就来买一次。 其实上面的都可以俗称为老用户,但是他的注册时间,购买次数,购买金额,购买频率,最后一次购买时间等数值,对我们都有重要的参考和分析意义,只有细致分析,才能精准营销。 我们来用数字分析一家比较知名的B2C网站的发展历程,名字就不直接说了,我们就用A公司来代替。只是从这些分析中,我觉得可以看出很多 隐形的(hidden )有趣现象来。这不属于泄露公司业务,名字和产品都没有写。事实上,我还掌握了好几家的内部数据。我只是想,能够拿岀来和大家一起商酌,无伤大雅,可以一起探讨学习。现在,我们从2002年1月1号开始分析,action !? 1,A公司的注册会员发展轨迹 某电子商务公司2002-2007注册用户发展变化 截止2007年12月31号,A公司累计注册用户35万。淘宝网截止2008年Q1有6200万注册用户,也就意味着A公司的注册用户只是淘宝的0.5 6俪已。每天的注册人数从2002年的21个(天)到目前大概300个(天),可以说,A公司的注册用户一直在稳步增长。 中国互联网网民的规模,足以支撑所有的统计规律的圆满实现。我在baidu的index里输入某个关键字的查询次数,比如我输入“电子商务”, 发现每天在baidu查询“电子商务”的人数一直稳定在300~500的范围内飘飘荡荡的。昨天查询的人和今天查询的人是不一样的,而且也互相不 认识,但是庞大的baidu用户群体造就了美丽平滑的统计大数定律。所以,如果有人问我,今天大概多少网民过生日?我告诉他,大概27万左右,因为网民总1亿,365天每天都有人可能过生日,所以这个27万的正确率绝对80%以上。 2,A公司的年度交易量发展变化图
关于数据挖掘与电子商务[摘要] 电子商务正处在蓬勃发展的大好时期,它所产生的丰富的信息资源,为数据挖掘的应用开辟了广阔的应用舞台。本文通过优化企业资源、管理客户数据、评估商业信用、确定异常事件四个方面来阐述数据挖掘在电子商务中的应用,揭示了数据挖掘在电子商务中的广阔的应用前景。 [关键词] 数据挖掘电子商务 目录 1.数据挖掘的简介 2.电子商务的简介 3.数据挖掘在电子商务的应用 4.在电子商务中数据挖掘的过程 5.电子商务中数据挖掘的技术与方法 6.数据挖掘在电子商务的应用方面遇到的问题 7.电子商务中挖掘信息的目标 8.结语 1. 数据挖掘的简介 数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的原始数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。或者说是从数据库中发现有用的知识(KDD),并进行数据分析、数据融合(Data Fusion)以及决策支持的过程。数据挖掘是一门广义的交叉学科,它汇聚了不同领域的研究者,尤其是数据库、人工智能、数理统计、可视化、并行等方面的学者和工程技术人员。数据挖掘是通过挖掘数据仓库中存储的大量数据,从中发现有意义的新的关联模式和趋势的过程。从商业的角度定义,数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其他模型化处理,从中提取辅助商业决策的关键性数据。数据挖掘最吸引人的地方是它能建立预测模型而不是回顾型的模型。利用功能强大的数据挖掘技术,可以使企业把数据转化为有用的信息帮助决策,从而在市场竞争中获得优势地位。数据挖掘与传统的数据分析的不同是在没有明确假设的前提下去挖掘信息、发现知识。数据挖掘所得到的信息应具有先前未知、有效和可实用3个特征 2. 电子商务的简介 电子商务是指个人或企业通过Internet网络,采用数字化电子方式进行商务数据交换和
2017年电商行业市场分析报告
目录 1 阿里“ 1+3”业务板块:核心电商业务加三大潜力业务 (5) 2 横向扩张:电商平台业务是阿里增长的主引擎 (9) 2.1 电商平台收入以国内零售市场为主 (9) 2.2 电商收入解析:佣金和广告 (13) 2.2.1 受益于天猫卖家红利,佣金收入维持高增长 (15) 2.2.2 跨平台用户信息搜集系统是提升广告收入的关键 (18) 2.3 电商平台趋势:向移动端和线下转移 (22) 2.3.1 流量从 PC 端转移到移动端 (22) 2.3.2 线上和线下的融合,拥抱新零售 (25) 2.3.3 国际化正在进行时 (27) 3 纵向扩张:云计算将成为阿里新的增长点 (31) 3.1 中国云计算市场进入快速成长期,龙头初现 (31) 3.2 阿里云是未来利润的新兴增长点 (35) 4 纵向扩张:物流、金融、媒体全方位的进击 (40) 4.1 以平台的思路建物流,为商户提供效率更高的服务 (40) 4.2 金融服务 (46) 4.3 数字媒体平台是重要的流量入口及信息搜集渠道 (51) 5 营业成本有所上升,费用率基本维持稳定 (52)
图表目录 图表 1:阿里巴巴四大业务版块 (5) 图表 2:阿里巴巴收入及增速 (6) 图表 3:阿里巴巴收入构成 (7) 图表 4:阿里巴巴向横/纵两个维度成长 (7) 图表 5:阿里巴巴生态圈 (8) 图表 6:阿里巴巴投资并购版图 (9) 图表 7:阿里巴巴电商平台的收费模式 (10) 图表 8:2017财年收入构成(按业务分类) (10) 图表 9:阿里巴巴电商平台收入及增速 (10) 图表 10:2017财年电商平台收入构成 (11) 图表 11:中国网购规模和阿里GMV增速放缓 (12) 图表 12:阿里国内零售货币化率逐步提升 (12) 图表 13:商户在阿里国内零售平台上使用的服务 (13) 图表 14:阿里国内零售收入构成 (14) 图表 15:国内零售的广告/佣金收入及增速 (14) 图表 16:京东与天猫的佣金率对比 (15) 图表 17:天猫的交易额及增速 (16) 图表 18:天猫GMV占比逐年提升 (17) 图表 19:阿里巴巴的四种广告营销服务 (18) 图表 20:阿里年度活跃用户数增速放缓 (19) 图表 21:天猫商户数量近年来快速增长 (19) 图表 22:阿里巴巴的数据网络覆盖购物、餐饮、社交、娱乐、出行等多领域 (20) 图表 23:单位广告费用的提升将是阿里电商业务的增长主力 (21) 图表 24:阿里的货币化率仍然有提升空间 (22) 图表 25:PC端和移动端的GMV及增速 (23) 图表 26:PC端和移动端收入及增速 (23) 图表 27:阿里移动端的月活跃用户数及增速 (24) 图表 28:阿里移动端和PC端的货币化率 (24) 图表 29:中国网络广告和移动广告市场规模 (25) 图表 30:阿里巴巴的线下业务布局 (27) 图表 31:阿里国际电商平台收入及增速 (28) 图表 32:速卖通的GMV及增速 (28) 图表 33:阿里巴巴国际收入来源 (29) 图表 34:Lazada电商平台的基本情况 (29) 图表 35:国内公共云服务市场规模及增速 (31) 图表 36:2016年4季度中国公有云竞争格局 (33) 图表 37:国内公有云服务市场份额 (34) 图表 38:亚马逊AWS的收入和运营利润(美元) (34) 图表 39:阿里云的发展过程 (35) 图表 40:阿里云全球数据中心布局 (36) 图表 41:阿里云的产品体系 (37)
电子商务中的数据挖掘技术 1引言 随着网络技术和数据库技术的成熟,全球传统商务正经历一次重大变革,向电子商务全速挺进。这种商业电子化的趋势不仅为客户提供了便利的交易方式和广泛的选择,同时也为商家提供了更加深入地了解客户需求信息和购物行为特征的可能性。数据挖掘技术作为电子商务的重要应用技术之一,将为正确的商业决策提供强有力的支持和可靠的保证,是电子商务不可缺少的重要工具。 电子商务的发展促使公司内部收集了大量的数据,并且迫切需要将这些数据转换成有用的信息和知识,为公司创造更多潜在的利润,数据挖掘概念就是从这样的商业角度开发出来的。数据挖掘涉及的学科领域和方法很多,其核心技术历经了数十年的发展,其中包括统计、近邻、聚类、决策树、神经网络和规则等。今天,这些成熟的技术在电子商务中已进入了实用阶段,并取得了良好的效果。但数据挖掘作为一个新兴领域,在实际应用当中仍存在许多尚未解决的问题。其中最困难的往往在于决定什么时候采用哪种数据挖掘技术。为了对数据挖掘技术进行明智的选择,本文结合数据挖掘技术在电子商务中的应用,从挖掘任务和数据信息两个角度进行分析,指出各种数据挖掘技术适用的场合,以便开发出切实可用的数据挖掘系统。 2数据挖掘的概念及其在电子商务中的应用 2.1数据挖掘的概念 数据挖掘是通过挖掘数据仓库中存储的大量数据,从中发现有意义的新的关联模式和趋势的过程。从商业的角度定义,数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理,从中提取辅助商业决策的关键性数据。数据挖掘最吸引人的地方是它能建立预测模型而不是回顾型的模型。利用功能强大的数据挖掘技术,可以使企业把数据转化为有用的信息帮助决策,从而在市场竞争中获得优势地位。 2.2数据挖掘在电子商务中的应用 由于数据挖掘能带来显著的经济效益,它在电子商务中(特别是金融业、零售业和电信业)应用也越来越广泛。
中国电商行业大数据分析报告研究背景:放眼当下,恰逢互联网购物的大好时代,在国家信息网络战略实施、几大移动运营商快速发展、各大电商网络平台百花齐放的大背景下,年轻消费群体购买力突飞猛进,网上零售市场份额不断提升,网购渗透率正逐年增加。中商产业研究院预计,到2016年,我国网上零售额将突破5万亿,占社会消费品零售总额的14.9%,网购用户渗透率达到64.0%。 2014-2020年中国网上零售额规模情况 数据来源:国家统计局、中商产业研究院 2014-2020年中国网购渗透率情况
数据来源:国家统计局、中商产业研究院休闲食品电商 1、产业综述 2、发展现状
随着经济的发展和消费水平的提高,休闲食品正在逐渐升级成为百姓日常的必需消费品。现阶段,我国休闲食品电商三足鼎立格局初现,龙头优势明显。三只松鼠、百草味、良品铺子已牢牢占据了休闲食品电商前三,其他品牌竞争难度加大。 3、市场规模 中国经济快速发展,居民生活水平和消费能力不断提高,消费习惯也随之改变。从吃饱到吃好,消费者对食品的需求和兴趣从必须消费品逐渐向可选消费品转移,零食不再是儿童、青少年的专属,不再和不健康划上等号,和正餐之间的界限也日渐模糊。因此,休闲食品线上销售规模也在逐年增长,2015年,我国休闲食品电商销售规模约为450亿元。 2014-2020年中国休闲食品电商市场交易规模 数据来源:中商产业研究院 4、消费特点 女性消费者是绝对购买主力:休闲零食消费在性别的差异性放点明显,女性消费者是绝对购买主力。根据尼尔森,在全球范围内,女性比男性消费更多零食且女性对葛洪零食的消费意愿高于男性。根据易观智库,女性消费者不仅在购买人数上超过男性消费者(购买力62.29%vs37.71%)。
中国跨境进出口电商市场现状分析报告
目录 一、进口电商 (3) 1中国跨境进口电商市场现状 (3) 1.1中国跨境进口电商核心数据 (3) 1.2中国跨境进口电商核心观点 (6) 1.3跨境进口电商成立时间 (7) 1.4跨境进口电商产业链图谱 (8) 2中国跨境进口电商物流现状 (10) 2.1海外仓直邮成为主要储物流选择 (10) 2.2各物流模式报关纳税 (13) 2.3中国跨境进口电商主要经营模式 (16) 二、出口电商 (20) 1.中国出口跨境电商产业链图谱 (20) 1.1中国出口跨境电商行业主要模式 (20) 1.2 2011-2016年中国出口电商跨境市场交易规模 (22) 1.3出口B2B与网络零售占比情况 (24) 2.中国出口跨境电商物流模式 (25) 3.中国出口跨境电商结算 (26) 4. 中国出口跨境电商客服与售后 (27) 三、跨境电商发展趋势 (28) 1. 进口跨境电商发展趋势 (28) 2. 出口跨境电商发展趋势 (29) 中国跨境进出口电商市场现状分析报告 《2017-2021年中国跨境电商行业细分市场研究报告》表明,随着国人消费升级的步伐加速、海淘平台的普及,中国跨境电商的市场规模正持续扩大。2016年,中国跨境电商交易规模6.7万亿元,同比增长24%。出口跨境电商交易规模5.5万亿元,进口跨境电商交易规模1.2万亿元。基于政策、资本进入以及增速角度判断,当前,跨境电商正处于行业增长的黄金期。在国内市场红利逐渐见底的情况下,电商的全球化连接和加速向海外布局,将成为2017年的重点。
一、进口电商 1中国跨境进口电商市场现状 1.1中国跨境进口电商核心数据 ●跨境进口电商交易规模:据中国电子商务研究中心(https://www.wendangku.net/doc/f312008619.html,)监测数据显 示,2016年中国跨境进口电商交易规模为12000亿元,同比增长33.3%,预计2017年将达到18543亿元。 ●跨境进口电商平台市场占有率:据中国电子商务研究中心(https://www.wendangku.net/doc/f312008619.html,)监测显 示,2016-2017年,在主流的跨境进口电商平台中,按整体交易额计算,网易考拉海购排名第一,占21.4%份额;天猫国际购名列第二,占据17.7%份额; 唯品国际位于第三,占16.1%份额;排名第四的是京东全球购,市场占比 15.2%;排名第五的是聚美极速免税店,占13.6%的份额;排名第六、第七的 平台是小红书和洋码头,分别占6.4%以及5.3%;其他的跨境进口电商平台,包括宝贝格子、蜜芽、宝宝树等平台占总市场份额的4.3%。
2017年电商行业分析 报告 2017年1月
目录 一、从高成长到新常态 (4) 1、高成长:2011-2016 年网购CAGR 约43% (4) 2、新常态:人口、互联网红利退热,预计2016-2020年网购CAGR约14% 5 二、从百花齐放到巨头通吃 (6) 1、电商爆发,雨后春笋 (6) 2、融资泡沫、整合开启 (7) 3、大局落定,电商折叠 (8) 三、品类面面观,寻找下一片蓝海 (9) 1、服装:天猫占七成以上、京东唯品会稳健增长 (10) 2、家电:京东天猫寡头、集中度进一步提升 (10) 3、快消品:线上渗透率低,电商必争蓝海 (11) 四、相关企业简况 (13) 1、新零售背景下的受益企业:商超、物流 (13) 2、阿里巴巴:业务多元化 (14) (1)广告:阿里电商业务主要收入来源及增长引擎 (14) (2)阿里云:连续6 季度保持三位数增速,增长前景广阔 (15) 3、京东:优先增长,发力商超 (17) 4、唯品会:强调模式的差异化,深耕服装稳扎稳打 (18) 5、国美电器:2016转型阵痛,2017望有回暖 (19) 6、电商五巨头数据比较 (20) 7、阿里巴巴、京东业务布局 (21) 8、垂直电商产业链一览 (22)
电商格局:从高成长到新常态,从百花齐放到赢者通吃。过去十几年,全国网民规模和网购用户数飞速提升。截至2016年上半年,全国网民人数达到约7.1亿、网购用户数达到约4.5亿。2016年全国网购规模约4.7万亿;过去五年全国网购规模复合增长率达43%。随着人口红利、互联网红利的逐渐释放,网购增速将进入新常态。我们粗略预计,2020年全国网购规模可达8万亿;2016-2020年CAGR约14%。 1998-2010年是中国电商百花齐放的阶段。除了京东、腾讯、阿里巴巴等相继成立,以红孩子、凡客诚品、唯品会为代表的各类垂直电商亦纷纷兴起。2010年电商的流量与融资大战到达了阶段性顶峰,随后行业出现了两极分化的拐点。经过几年的行业整合,目前的电商板块已经形成了稳定的格局:阿里巴巴及京东等巨头爆发、形成赢者通吃的格局。 细分品类:快消品商超板块是下一片蓝海。就细分品类而言,服装的线上渗透率已超20%、3C家电等品类渗透率亦在10%以上,是网购中的相对红海品类。相比之下,快消品由于(i)客单价和利润率较低(ii)线下覆盖较全面,因而仍处于网购的蓝海品类:日化百货类的线上渗透率为3.5%、母婴类约为2.8%,而OTC药品、生鲜和酒水等细分品类的线上渗透率则在1%左右。 然而,随着80、90后成为主要消费群体,便利性逐渐代替低价成为其选择购买渠道的决定因素。就目前的线上渗透率而言,快消品的网购规模提升空间巨大,将成为下一片蓝海。作为高频次消费的品类,快消品对于电商平台提升复购率和用户粘性,具有重要的意义。
山东省电子商务应用情况3年数据分析报告2019版
序言 山东省电子商务应用情况数据分析报告旨在运用严谨的数据分析,以更为客观、真实的角度,对山东省电子商务应用情况进行剖析和阐述。 山东省电子商务应用情况数据分析报告同时围绕关键指标即企业总数量,有电子商务交易的企业数量,有电子商务交易的企业比重,有电子商务销售的企业数量,有电子商务销售的企业比重,有电子商务采购的企业数量,有电子商务采购的企业比重等,对山东省电子商务应用情况进行了全面深入的分析和总结。 山东省电子商务应用情况数据分析报告知识产权为发布方即我公司天津旷维所有,其他方引用我方报告均需注明出处。 山东省电子商务应用情况数据分析报告可以帮助投资决策者效益最大化,是了解山东省电子商务应用情况的重要参考渠道。本报告数据来源于中国国家统计局、相关科研机构及行业协会等权威部门,数据客观、精准。
目录 第一节山东省电子商务应用情况现状 (1) 第二节山东省企业总数量指标分析 (3) 一、山东省企业总数量现状统计 (3) 二、全国企业总数量现状统计 (3) 三、山东省企业总数量占全国企业总数量比重统计 (3) 四、山东省企业总数量(2016-2018)统计分析 (4) 五、山东省企业总数量(2017-2018)变动分析 (4) 六、全国企业总数量(2016-2018)统计分析 (5) 七、全国企业总数量(2017-2018)变动分析 (5) 八、山东省企业总数量同全国企业总数量(2017-2018)变动对比分析 (6) 第三节山东省有电子商务交易的企业数量指标分析 (7) 一、山东省有电子商务交易的企业数量现状统计 (7) 二、全国有电子商务交易的企业数量现状统计分析 (7) 三、山东省有电子商务交易的企业数量占全国有电子商务交易的企业数量比重统计分析.7 四、山东省有电子商务交易的企业数量(2016-2018)统计分析 (8) 五、山东省有电子商务交易的企业数量(2017-2018)变动分析 (8) 六、全国有电子商务交易的企业数量(2016-2018)统计分析 (9)
农 业 电 商 行 业 分 析 报 告 2014-5-14
引言 时代日新月异,生活越来越便利。人们的生活节奏便得越来越快,优胜劣汰的竞争方式使得许多陈旧的东西越来越满足不了人们的需求。对于购物而言,人们向往更加便宜、快捷的交易方式,于是网上购物就变得深入人心。相对去实体店来说,网上交易的优势在于,一是不需要走路,动动鼠标就能“逛街”;二是商品价格普遍比实体店里的商品价格低;三是通过三方支付平台担保,付款后很快就能到达买家手里;四是为了最大保证买家权益,网站会对卖家的商品进行认证,确保质量。其中,淘宝作为中国最著名的购物网站,吸引越来越多的商家,通过网站展示并销售自己的产品。卖家通过注册、提交有效证件照、缴纳保证金、说明商品情况才能进行交易。由于网站上不需要店面的租金、日常费用、店面工作人员,宣传手段大多也使用网页链接、图片、关键字搜索,所以节省了许多的开支,使得商品的基础价格低很多。随着我国网络技术普及率的日益提高,通过网络进行购物、交易、支付等的电子商务新模式发展迅速。于是电子商务凭借其低成本、高效率的优势,不但受到普通消费者的青睐,还有效促进中小企业寻找商机、赢得市场,已成为我国转变发展方式、优化产业结构的重要动力。
一、电子商务的现状 1、电子商务的优势 (1)互联网的快速发展 随着电脑的普及、网联网的快速发展,给电子商务的发展提供了有利的基础设施条件。中国网络购物的快速发展,得益于快速普及的网络。信用卡等的使用等都为电子商务更快更强地发展提供了很好的条件。 (2)信息化效率高 网上购物的便捷性:网上的商品品种很多,并在快速的发展中,几乎能满足大部分消费者的需求。网上买家面对的是无数的卖家,同时卖家面对的也是无数的买家,市场潜能很大。信息化的时代,高新技术的发展使得进入的门槛越来越低,管理维护的费用也相对要低。 (3)低成本 电子商务的发展使网上购物跨越了空间维度,而且节省时间。网络资源的共享以及中间环节的减少还有就是不用去花大量的投资在店铺上等都使得企业的成本相对实体经济要低得多,所以价格上也就要便宜。同时网上浏览购物,可以只在几个网页之间来回对照就可以买到自己满意且相对价格更优惠的,节约更多的时间成本。 (4)个性化服务