你也可以進入千億電子商務市場：用Big Data淘金的致勝關鍵

　　為什麼登入購物網站之後，發現陳列的商品都是最近最想買的東西？
　　為什麼有些網站生意興隆，有些又是門可羅雀？

　　大數據(Big Data)早已將資料分析的結果變成預測的根據，更可怕的是預測已經越來越接近實際值了。

　　壞消息是，不管是大企業或小公司，抑或是上班族，你我已無法避免處理上百億顆硬碟的大數據了。

　　好消息是，讀完本書之後，你也許不會馬上成為處理大數據的高手，但你已經比別人更了解大數據處理的原則及工具，馬上立於不敗之地。

　　本書用淺顯的文字與獨特的視角，不僅成功解讀電子商務運營之惑，更呈現大量資料分析和挖掘的必要基礎知識，並使用一些工具來做資料分析和資料採擷。讀者透過本書可輕鬆掌握電子商務運營須關注的要點與方法，還可從書中學習如何利用資料來完成--流量獲取優化、廣告投放、客戶分析，以及客戶價值提升等系列電子商務運營要務。

專家推薦

　　未來的網際網路世界一定是屬於資料的。我們要將社交平台做到極致，資料分析和資料採擷的作用也是必不可少的。Raymond 的這本書是電子商務資料分析領域有獨特觀點的好書，而且給從業者提供了切實可行的營運方案。希望能多看到一些像這樣的好書。——微軟全球社交平台首席開發總監 李津

　　我們對資料分析和資料採擷的關注度很高，也很高興看到這樣一部專注於電子商務資料分析領域的好書問世。　　Raymond 的這本書深淺適中，既符合技術人員的需求，對於非技術的電子商務從業人員幫助也非常大。——阿里巴巴集團資深總監 陳宜

　　譚磊的這本書列出了很多關於電子商務資料營運方面的獨特觀點，令人耳目一新，是電子商務和營運領域從業者不得不讀的一本好書。——英特爾資料中心軟體部巨量資料軟體服務部總監 范磊

作者簡介

譚磊

　　復旦大學電腦學士，美國杜克大學電腦碩士，在美國微軟服務時間超過13年，曾經擔任多家公司多個層級技術管理崗位，在搜索、互聯網廣告、資料採擷、電子商務等方面有豐富的經驗，是互聯網技術領域資深專家。

推薦序
前言

CHAPTER 1　引言：電子商務營運和資料  
1.1 2012 年最大的賭
1.2 為300 萬人建300 萬個網  
1.2.1　電子商務的RUPI 概念
1.2.2　在網際網路上賣米
1.2.3　電子商務怎麼能離開資料  
1.2.4　淘寶店的四個核心資料
1.3 讓電子商務營運不再那麼辛苦
1.3.1 電子商務人的辛苦
1.3.2 電子商務營運入學考試
1.3.3　店鋪診斷——我的網店能賺更多錢嗎
1.3.4　讓你的網店脫穎而出  
1.3.5　為你的網店裝上「業務雷達」
1.4 電子商務資料營運的五大應用
1.4.1　讓網站更吸引人
1.4.2　把潛在客戶轉換成真正的客戶
1.4.3　採擷老客戶價值
1.4.4　推薦系統的設計和應用
1.4.5　針對不同客戶提供個人化的產品
1.5 關於電子商務資料的六個「W」和一個「H」
1.6 本書的內容  
1.7 本章相關資源
 
CHAPTER 2　我們需要知道的資料分析
2.1 從資料分析說起
2.2 資料分析基本概念  
2.2.1　就這麼簡單：三種基礎資料  
2.2.2　我們這樣來瞭解資料
2.2.3　機率並不可怕
2.3 讓我們開始加工資料  
2.3.1　資料整合——把所有資料都拿過來
2.3.2　資料清洗——給資料玩「洗刷刷」
2.3.3　資料轉換——給資料換個「新衣」
2.3.4　資料歸約——有時候也要丟掉資料
2.4 用向量表示資料
2.5 網站記錄檔的收集和處理  
2.5.1　網站記錄檔資訊分類
2.5.2　網站記錄檔實例  
2.5.3　網站記錄檔前置處理
2.6 最好的分析方法——看圖說話
2.6.1　起起伏伏用聚合線圖
2.6.2　簡單比較用柱狀圖
2.6.3　轉換率用漏斗圖表示最直觀
2.6.4　雷達圖顯示使用者偏好
2.6.5　表示比例最好的圓形圖和環狀圖
2.7 本章相關資源

CHAPTER 3　我們需要知道的資料採擷
3.1 什麼是資料採擷  
3.1.1　紙尿布和啤酒
3.1.2　Target 和懷孕預測指數
3.1.3　從資料分析到資料採擷  
3.1.4　資料採擷的一般過程  
3.2 人人都能做資料採擷  
3.3 我們需要知道的四種資料採擷演算法
3.3.1　分類——人以群分
3.3.2　叢集——物以類聚
3.3.3　連結——事物是普遍關聯的
3.3.4　序列——排隊的規律，中國人最明白
3.4 Web 採擷和資訊檢索  
3.4.1　Web 採擷和資訊檢索概覽
3.4.2　協作過濾——推測同類客戶的行為
3.4.3　個人化推薦和推薦系統——我們要更懂客戶
3.5 本章相關資源  

CHAPTER 4　資料分析和資料採擷工具的選擇
4.1 資料分析工具  
4.1.1　用Excel 做資料分析  
4.1.2　MATLAB
4.2 網站分析工具  
4.2.1　用GA 做分析
4.2.2　GA 的限制
4.2.3　各種站長工具  
4.3 用R 語言製作的工具  
4.3.1　用R 做資料分析的優勢
4.3.2　用R 繪製熱力圖  
4.3.3　用Rattle 分析廣告投放資料
4.4 其他的開來源資料採擷工具
4.4.1　Weka 資料採擷工具
4.4.2　Google 提供的資料採擷工具  
4.5 電子商務平台上的各種工具
4.5.1　用量子恒道分析淘寶網店
4.5.2　淘寶上的資料魔方
4.5.3　開放平台上的工具
4.6 資料展示工具  
4.7 本章相關資源

CHAPTER 5　電子商務資料營運入門
5.1 在討論資料營運之前
5.1.1　資料營運的四大障礙
5.1.2　資料不是萬能的
5.2 電子商務營運中重要的資料點  
5.2.1　訪客數  
5.2.2　轉換率
5.2.3　單筆交易金額
5.3 一切讓資料說話
5.3.1　要有整體的概念
5.3.2　每天的營運資料不可忽視  
5.3.3　最重要的是ROI  
5.4 有哪些資料分析需要做
5.4.1　網站流量分析
5.4.2　商品銷售分析  
5.4.3　定期資料分析
5.4.4　內容分析
5.5 從零開始打造電子商務企業  
5.5.1　Bootstrapping，一步一步來
5.5.2　商品選擇
5.5.3　平台選擇
5.5.4　經營策略和定位的選擇
5.5.5　推廣選擇  
5.5.6　開店嘍
5.6 本章相關資源

CHAPTER 6　電子商務資料營運的方法
6.1 用資料解決營運中的問題
6.1.1　商品評估  
6.1.2　流量評估
6.1.3　頁面評估
6.1.4　網站評估
6.1.5　服務評估
6.2 客戶分析資料模型  
6.2.1　資料模型的建立和應用
6.2.2　客戶生命週期模型
6.2.3　RFM 客戶資料模型
6.2.4　以客戶造訪資訊為基礎的分析模型
6.2.5　以訪客系統屬性為基礎的分析模型  
6.3 WAMM 模型  
6.4 如何針對獨立B2C 做資料營運
6.5 資料營運的關注——KPI
6.5.1　KPI 的SMART 原則
6.5.2　電子商務營運的KPI 設定  
6.6 本章相關資源  

CHAPTER 7　電子商務營運之免費流量取得
7.1 免費的自然流量——SEO
7.1.1 為什麼需要做SEO
7.1.2 SEO 站內最佳化
7.1.3 SEO 站外最佳化
7.1.4 SEO 小演練
7.2 淘寶SEO
7.3 企業官網和官方部落格
7.4 口碑和互動行銷  
7.5 本章相關資源

CHAPTER 8　電子商務營運流量取得——做有效的廣告
8.1 做有效的廣告  
8.1.1 網際網路廣告的優勢
8.1.2　網站聯盟廣告  
8.1.3　網際網路廣告分析
8.1.4　廣告最佳化和定向投放
8.2 淘寶上的廣告
8.2.1　淘寶直通車  
8.2.2　鑽石展位
8.3 搜尋引擎競價排名和SEM
8.3.1　搜索廣告的型態
8.3.2　搜索廣告的效果
8.3.3　透過資料分析做SEM  
8.4 EDM
8.4.1　EDM 和客戶生命週期  
8.4.2　EDM 的KPI
8.4.3　EDM 中的延遲時間效應性
8.4.4　EDM 中的資料篩選
8.4.5　EDM 上的RFM 模型應用
8.5 多管齊下
8.5.1　整合行銷  
8.5.2　多管道營運
8.6 本章相關資源

CHAPTER 9　把流量變成真實客戶
9.1 流量分析  
9.1.1　訪客量的分析
9.1.2　分析流量來源特點
9.1.3　分析訪客時空屬性
9.1.4　分析訪客的人群屬性  
9.1.5　分析客戶興趣屬性
9.2 頁面分析  
9.2.1　網站上的內容
9.2.2　頁面跳離率和二次轉換率
9.2.3　頁面熱度分析
9.3 網站分析  
9.3.1　網站記錄檔分析
9.3.2　提升網站品質  
9.4 提升網站轉換率  
9.4.1　抓住每一個環節的資料
9.4.2　如何吸引客戶下訂單
9.4.3　找回被放棄的購物車
9.4.4　不盲目追求轉換率
9.5 本章相關資源

CHAPTER 10　深度採擷客戶價值
10.1 最有價值客戶的特徵  
10.1.1　建立CRM（客戶關係管理）
10.1.2　建構客戶綜合價值模型
10.1.3　用客戶生命週期模型提升收入
10.1.4　用RFM 演算法找出MVC
10.2 如何把客戶黏在我們的網站   
10.2.1　提升客戶平均停留時間
10.2.2　客戶活躍度分析
10.2.3　做客戶流失分析
10.3 客戶需要什麼商品
10.3.1　找出熱門商品
10.3.2　用推薦系統加強單筆交易金額
10.4 商品相關的資料採擷
10.4.1　用決策樹分析商品
10.4.2　用叢集演算法對商品分類
10.4.3　用連結演算法做商品比對  
10.4.4　用序列演算法分析商品上下架時間
10.5 本章相關資源

CHAPTER 11　電子商務營運還有哪些事兒
11.1 相關管理系統  
11.2 行動電子商務和資料
11.2.1　行動電子商務的特殊性
11.2.2　資料採擷和LBS
11.2.3　行動廣告
11.2.4　行動網際網路資料面臨的問題  
11.3 電子商務和Big Data
11.3.1　Big Data 是什麼
11.3.2　電子商務的巨量資料可以怎麼「玩」
11.3.3　Big Data 上的技術
11.3.4　連線分析處理（OLAP）
11.4 電子商務網路安全
11.5 企業競爭與反競爭
11.6 本章相關資源

APPENDIX A　電子商務資料營運的未來
APPENDIX B　專業詞彙
APPENDIX C　本書中用到的公式和演算法
APPENDIX D　參考文獻
APPENDIX E　值得關注的微博
APPENDIX F　參考網站一覽