电子商务中的数据挖掘：如何优化您的在线商店

数据挖掘是一种分析策略，其执行可能相当耗时。 特别是对于店铺经营者来说，这具有很多优势，这就是为什么数据挖掘是电子商务中最好的优化策略之一。

什么是数据挖掘？ 即使您只是经营一家小公司，如何才能充分利用自己的网上商店？ DATA挖矿需要注意什么？ 我们将在这篇博客文章中探讨所有这些问题。

什么是数据挖掘？

数据挖掘是一种有用的策略，可以在没有特定焦点或特定目标的情况下搜索数据和信息。

目的是发现可以提供新知识并帮助改进您自己的业务战略的事物。

例如，使用数据挖掘，您可以搜索购买客户的不同产品之间存在的联系。 例如，有了这些知识，您就可以使用有效的交叉销售。

数据挖掘如何帮助您的在线商店？

在进行数据挖掘时，您在没有定义特定问题或目标的情况下开始分析。 你不知道你会发现什么，或者你是否会发现一些有用的东西。

如果您对您的数据进行了评估，您通常会查找某些信息或某个数据记录（例如，找出您的客户最常在您的网上商店购买的时间）。

另一方面，如果你应用数据挖掘，基本上就是要找到你根本不知道的问题的答案。

数据挖掘不是寻找特定问题的答案，而是发现数据中有用的相关性和模式，从中可以得出客户的购买行为。

根据您在数据挖掘中遇到的信息，有多种方法可以将其用于您的公司。

一个重要的优势是，获得的知识将帮助您计划改进和更有针对性的产品应用。

让我们以连锁超市为例，以及尿布和啤酒之间的关联：如果您要在您的在线商店中同时销售这两种商品，您可以以一种微妙而巧妙的方式使用这些信息以及啤酒的报价或弹出窗口尿布的产品页面（反之亦然）。

另一个例子：事实上，许多顾客喜欢在周末在线购物。 因此，您的大部分订单目前都在这段时间内进行，这意味着必须同时发送许多包裹。

如果您想弥补这场物流风暴，您可以为一周中周末最受欢迎的产品提供特别活动。

但是，如果您这样做，您应该确保提前宣布和应用销售活动（例如在各种社交媒体平台和您的时事通讯中）。

如果感兴趣的客户了解了折扣活动，您最好等几天再购买，而不是在周末订购您感兴趣的产品。

您如何有效地利用分析中的知识在很大程度上取决于您可以找到的信息。

在大多数情况下，您对改进广告策略的了解是有用的。 让我们以尿布和啤酒为例：假设您在网上商店销售这两种商品，那么明智的做法是将这些发现用于有针对性的广告措施。

数据挖掘示例

在我们的示例中，我们与“通过大数据分析创造价值” （Verhoef、Koogle 和 Walk 着）一书中讨论的经验有关。

一个例子是英国大型连锁超市乐购。 Tesco 处理自己的数据并搜索使用 Tesco Club Card 进行的购买。

然而，在分析过程中，Tucos 分析师发现，购买尿布的顾客除了购买尿布外，还倾向于购买啤酒。

分析的另一个知识：啤酒和薯条主要在周五晚上销售。

这家连锁超市获得的调查结果有助于开展更有针对性的营销活动。

注意：这个例子应该让你大致了解通过数据挖掘可以找到什么。 目前尚不清楚我们示例中的公司是否实际上是 Tesco，因为该示例可以在其他来源中找到，而这些来源指的是美国连锁超市沃尔玛。

数据挖掘基础

您现在已经了解了数据挖掘和商店经营者的优势。 现在是您学习如何从最好的数据评估开始的时候了。

不幸的是，数据挖掘非常耗时，尤其是如果您想手动进行。

但是，我们建议您逐步检查您的数据。 例如，如果您想专注于产品，您应该查看在您的在线商店中购买了不止一种产品的所有订单。

哪种产品最受欢迎？ 哪些产品将购买超过五种产品的客户放入购物车？

您还可以专注于某些产品类别：如果客户购买了玩具类别的商品，还订购了其他产品类别的哪些产品？

此外，查看一天中不同时间的偏好和相关性。 哪些产品在午餐时间特别受欢迎，哪些在晚上？

除了专注于您的产品，您还可以考虑您网站的各个子页面：哪些页面在一天中的什么时间最受欢迎？

将您的结果与您的销售额进行比较。 有联系吗？ 此信息可以帮助您制定营销活动或 Google Ads 或 Microsoft Ads 的出价策略。

有用的数据挖掘工具

很高兴知道：有一些有用的工具可以支持您进行数据挖掘。 这样，您不必手动执行分析。

然而，许多工具非常昂贵。 当然，您可以简单地将所有可以找到的数据自己转移到 Excel 文件中，但使用特殊的数据挖掘工具更容易（而且耗时更少）。

权衡您是否要为节省时间的数据挖掘工具投资预算。

无论如何，大多数工具都提供免费测试阶段，因此您有机会尝试不同的工具

例如，Oracle 为其数据挖掘工具提供 30 天的免费测试。 另一方面，Orange 是一个 100% 免费的开源工具（仅提供英文版）。

在数据挖掘中你必须注意这一点

数据挖掘过程和结果是不可预测的。 有时你发现的东西不能这么容易分类。 此外，您可能需要很长时间才能完全识别模式。

您还必须考虑以下几点：

即使您在数据中发现相似之处，这也不一定意味着一件事会影响另一件事。 这听起来很复杂，所以我们举个例子。

在 Tylervigen.com 网站上，有一整套数据与类似的模式相对应，但最终没有任何联系。 看看下面的图表。

在图表中，您可以看到美国缅因州的离婚数量与人造黄油的人均消费量有关。

因此，你能推断出只有缅因州离婚的人才吃人造黄油吗？ 甚至可能：缅因州的人吃人造黄油？

还是您认为这是巧合？

当然，这两个数据记录之间并没有真正的关联。 因此，您必须小心如何解释您的结果！

您应该始终在评估中包含几个因素 - 而不仅仅是参考分析结果。

假设他们能够发现在某个时间点订购了特别大量的家居用品领域的产品。

然后，当您查看数据时，您应该考虑此时您可能提供了哪些折扣活动，或者您是否在某个时间点提供了比竞争对手更好的价格。

此外，还应考虑冠状病毒大流行等外部因素。 如果您突然发现棋盘游戏增加，是由于您的折扣活动或某些广告措施，还是由于新冠大流行的后果？ 或者甚至两者兼而有之？

您的评论也是有用的数据。 您可以很好地了解客户购买的原因。

结论

数据挖掘可以为您提供令人惊讶的信息，您的公司肯定会从中受益。 不仅大公司可以帮助优化措施，而且对于中小企业来说，数据挖掘非常有用！

最重要的是找到最有效的方法来分析数据。 数据挖掘可能不会让你走上正轨，或者你发现的只是证实了你的怀疑。

另外，请确保您正确处理答案，不要草率得出任何结论。 您可能必须尝试不同的方法或工具来找到分析数据的最有效方法。

数据挖掘最好的一点是你没有想要解决的具体问题。 换句话说，你没有什么可失去的，只能赢！