淺析數據分析在移動電子商務中的應用

王依然

摘 要：得益于互聯網及智能手機市場的快速發展，移動電子商務正迎來爆發式的增長。同時，也成為市場經濟的重要組成部分。移動電子商務徹底改變了傳統的生活方式和交易方式。而在移動端電子商務運營中，數據分析是提高效率與決策有效性的重要環節，通過數據分析，可以實時了解產品與用戶信息，有利于企業更好的做出判斷。本文基于數據分析的理論和技術手段，分析了移動電子商務中數據分析的具體性能標準和價值所在，歸納了目前移動電子商務獲取有效數據的方式，對數據時代下移動電子商務產品的發展提供一定的參考價值。

關鍵詞：數據分析；移動電子商務；數據獲??；發展

一、移動電子商務的定義

移動電子商務（M-Commerce）是由電子商務（E-Commerce）衍生出的新生概念。隨著互聯網的不斷發展，移動電子商務正在全世界范圍內的普及和發展。移動電子商務本質上是電子商務技術的一種創新，基于移動無線網絡，依托手機等個人移動通信設備，使用戶能夠減少時間和空間的限制并進行活動，是電子商務的一種新形式，并改變了電子商務的傳統格局。

據艾瑞咨詢最新統計數據顯示，2016年移動購物市場交易規模約3.3萬億元，占網絡購物總交易規模的70.2%，繼2015年超過PC端之后，成為電子商務的主流渠道。同時，根據最新的一季度報告預測，2017年第三季度左右，全球移動電子用戶將達50億左右。

二、移動電子商務中的數據分析與應用

數據分析是移動電子商務重要的組成部分，同時也為產品決策提供重要參考。針對移動產品，數據分析就是利用挖掘數據的分析方法與技術手段，在手機用戶大量的交易數據中總結產品流量和顧客轉化率之間的規律和特點，分析消費者的消費特點。具體則是通過網絡和交易信息提取客戶、市場、產品環節的數據，然后建立相關模型，在更加動態化的商業環境下，能夠更有效的優化產品及商業模式。

1.數據挖掘

通過自動化或半自動化的工具，數據挖掘可以挖掘出數據內部隱含的模式，并從中發掘信息或知識，同時從已有的數據中提取模式，提高已有數據的內在價值，并且把數據提煉，轉化成為知識。在移動電子商務的運營之中，針對大量繁雜的客戶消費及使用數據，需要應用多種數據挖掘技術來分析客戶特征，獲取用戶關注點，培養用戶忠誠度，并在此基礎上制定有效的營銷計劃來吸引優質用戶。

在數據挖掘中最常使用的四種分析法：分類分析，關聯分析，序列模式分析和聚類分析：

（1）分類分析可以定義區分數據類或概念的模型和函數，以便能夠使用模型預測未知類標記的對象類。

（2）關聯分析通常利用數據關聯規則進行數據挖掘，其目的是挖掘隱藏在數據間的相互關系。

（3）序列模式分析同樣也是為了挖掘數據之間的聯系，但側重于分析數據間的前后序列關系。

（4）聚類分析，是指根據“物以類聚”的原理，將本身未有類別的樣本聚合成不同的簇，并對每一個簇進行描述的過程。

2.數據處理

（1）數據收集

一款移動電子商務產品的分析團隊在處理數據前，首先要解決的問題是數據源的收集。數據收集可以分為二大類。第一類是直接能獲取的數據，通常為內部數據。第二類則稱為外部數據，是需經過加工整理后才能得到的數據，如手機應用平臺的下載數據。

（2）數據清洗

數據清洗是數據處理中的重要部分，通過工具或編程，如Excel，Python，對數據進行篩選、清除、補充、糾正，其目的是從大量雜亂無章、難以理解的數據中抽取并推導出對解決問題有價值、有意義的數據。清洗后保留真正有價值的數據，為數據分析減少障礙。

（3）數據對比

對比，是數據分析的切入點。如果參照缺失，數據則無法確定定量的評估標準。分析過程通常采用二點切入法進行數據對比分析：橫向對比與縱向對比

①橫向對比，是與行業平均數據，以及競爭對手的數據進行比對，以市場為軸心。

②縱向對比，則是和產品自身的歷史數據進行對比，以時間為軸心。

（4）數據細分

數據對比發現了問題后，需要用到數據細分來確定問題數據的范圍，根據移動產品的差異對數據異常的范圍和精度進行分析，隨后進行測試與修正。數據細分通常情況下先分緯度，再分粒度。

三、數據分析

數據分析是指用適當的比較或統計方法對收集來的第一手和第二手資料進行分析，以求最大化地開發出數據資料的功能并發揮數據的作用。為了提取有效信息和形成結論，通過分析手段，可以對數據加以詳細研究和概括總結。在進行正式的數據清洗，確保了數據可靠性與完整性后，可對所獲取的數據進行多層面的具體分析。根據不同的數據分析層面和結果導向分類，在移動電子商務的數據分析中常應用兩種分析類型。

第一種，傳統電子商務營銷管理中的常用分析：SWOT、4P、PEST、5W2H、Userbehavior等；第二種是統計分析：描述統計、假設檢驗、相關分析、方差分析、回歸分析、主成分與因子分析、決策樹等。

1.數據分析方法

對于第一種類型的數據分析，?？梢圆捎帽容^分析法來確定基本的分析方向以及產品導向。比較分析法分為兩種類型，同比與環比。

為消除數據周期性波動的影響，同比將移動產品本周期內的數據與之前周期中相同時間點的數據進行比較，計算同比增長率。而環比則反應數據連續變化的趨勢，將本期的數據與上一周期的數據進行對比。同環比能為產品整體運營的發展狀況提供有力的參考，但必須建立在一定的基礎上和環境上。

對于統計分析，最常用的是相關分析以及回歸分析。相關分析研究的是現象之間是否相關、相關的方向和密切程度，一般不區別自變量或因變量。而回歸分析則通過分析現象之間相關的具體形式，確定因果關系，并用數學模型來表現其具體關系。舉例來說，對一個移動電子團購平臺的產品來說，從相關分析中可知“質量”和“用戶滿意度”變量密切相關，但只有通過回歸分析方法才能確定這一對變量之間到底是哪個變量受哪個變量的影響，以及影響程度如何。

2.數據分析應用

在移動端電子商務中，APP數據分析對于開發者或運營者都是十分重要的環節，主要數據分為4個方面：用戶來源、用戶屬性、轉化率及用戶忠誠度。

（1）用戶來源

對于移動產品平臺來說，獲取用戶的渠道很多，如CPA廣告、交叉推廣、限時免費等等。開發者從多個維度的數據來對比不同渠道的效果，比如從活躍用戶、次日留存率、使用頻率、使用時長等角度對比不同來源的用戶。通過渠道對比，可以高效地找到最適合產品發展的渠道，以便不斷完善推廣策略。為了追蹤App渠道來源，可以用到兩種不同的方法：

①Android渠道追蹤方法

國內Android市場被數十家應用商店所割據，Android渠道追蹤主要圍繞其中幾種渠道展開。具體來說就是開發者為每一個渠道生成一個渠道安裝包，不同渠道包用不同的渠道ID來標識。當用戶下載了App之后，運營人員就可以通過渠道標識查看各渠道的數據。

②iOS渠道追蹤方法

不同于Android的開放生態，iOS是一個完全封閉的系統。在蘋果的唯一性原則以及嚴格的審核制度下，Android打包的做法在此則無法生效，可以通過Cookie追蹤渠道更為高效的追蹤數據。

（2）用戶屬性分析

在吸引用戶下載使用之后，產品運營及開放方要盡可能地詳細了解用戶的設備型號、網絡及運營商、地域、用戶性別等宏觀層面的用戶特征。這些特征數據可在產品改進、應用推廣和運營策略的制定上提供有力的方向性依據。

①同期群分析是一種基于同期群的核心數據及行為的對比分群方式，按用戶的新增時間將用戶分群，得到的每個群就叫同期群。

②獲取成本分析，是指獲取到一個真實的新用戶所付出的平均成本。同時也要注意用戶回報彌補獲取成本的速度，嘗試不同的渠道并跟蹤用戶的行為，使用如K因子傳播作為降低獲取用戶成本的手段。

③用戶終生價值分析，是指用戶平均會在平臺、產品上貢獻多少價值。最大化用戶營收的方法就是根據用戶頻度制定不同的定價方案，針對高頻用戶通過廣告、精品內容收費，對于低頻用戶則采用單次收費模式。

（3）轉化率

對移動電子商務來說，產品轉化率至關重要，直接關系到開發者的產品收入。如一款移動電子游戲應用，開發者可從道具購買量、關卡和付費人群等多個維度進行交叉分析，從而查看用戶付費行為動機和特征，也可以通過漏斗模型進一步分析關鍵節點的轉化率，提高付費轉化，增加收入。

（4）用戶忠誠度

了解用戶在一個產品應用內做了什么，并確保用戶喜歡該產品，是移動產品優化產品生命周期的根本。開發者可以從留存用戶、使用時長、使用頻率、訪問深度等維度評價用戶粘度，以及RFM（Requency，Frequency，Monetary）來評估用戶系數。例如，通過檢測每月新增用戶在初次使用后某段特定時間內的留存率來對用戶進行評估。

統計留存用戶的時間粒度很細，主要有次日留存、7日留存、30日留存。

四、數據分析對移動電子商務的意義

無論是公司或個人，在這個新時代，具有數據分析思維是一種更高層次的元認知能力。由于移動互聯網的出現，用戶數據大量積累，營銷方案的制定都是基于數據分析結果來決策。作為移動電子商務公司的數據分析師，必須有對繁雜枯燥的數據進行數據分析的本領，更要有商業敏感性。

隨著大數據時代的到來，以數據分析為思維的經營和管理思路將成為移動電子商務市場中消費行為及市場分析的依據，而在這種以數據為主體的決策制定中，企業獲取的分析數據是直觀、動態、及時的，相比咨詢公司或調研公司的滯后分析具有大數據和全樣本的優勢。利用數據來分析用戶的行為習慣，進而揣測用戶的心理，深入挖掘用戶需求，可以精確得出產品定位及活動，進行決策。

參考文獻：

[1]王丹.數據挖掘在電子商務中的應用研究[D].山東科技大學，2012.

[2]艾瑞咨詢.《2017年中國移動電商行業研究報告》[R].艾瑞咨詢，2017.