這幾年想做電商和進入電商行業的人越來越多了，不管是自己開的淘寶店還是微店，你會發現自己朋友圈裡面，總會有那麼幾個已經在做電商的。電商這麼火，那對於做電商而言什麼是最重要的呢？答案毫無疑問是資料·大資料。今天我們就來好好聊聊資料分析·大資料分析在電商行業中的應用。

電商行業相對於傳統零售業來說，最大的特點就是一切都可以通過資料化來監控和改進。通過資料可以看到使用者從哪裡來、如何組織產品可以實現很好的轉化率、你投放廣告的效率如何等等問題。當用戶在電商網站上有了購買行為之後，就從潛在客戶變成了價值客戶。我們一般都會將使用者的交易資訊，包括購買時間、購買商品、購買數量、支付金額等資訊儲存在自己的資料庫裡，所以對於這些客戶我們可以基於網站的運營資料對他們的交易行為進行分析，以估計每位客戶的價值，及針對每位客戶擴充套件營銷的可能性。

在這到處瀰漫著電商氣息的社會裡，人們依靠電商讓生活變得簡單而便捷。那麼作為電商資料分析師，我們需要在海量電商資料中揭示出隱含的、先前未知的並有潛在價值的資訊和規律，這也要求我們具備資料洞察和彙總能力，運用資料探勘模型和演算法，結合電商業務經驗，進行市場定位、賣點挖掘和營銷推廣。以下是CDA資料分析研究院總結的三個電商行業常用的資料探勘模型及演算法：

RFM模型：RFM模型是衡量客戶價值和客戶創利能力的重要方法。通過一個客戶的近期購買行為、購買的總體頻率以及花費金額三項指標來描述該客戶的價值狀況。R(Recency)表示客戶最近一次購買的時間，F(Frequency)表示客戶在最近一段時間內購買的次數，M (Monetary)表示客戶在最近一段時間內購買的金額。在電商資料分析中RFM模型被廣泛運用，一般的CRM分析著重對於客戶貢獻度的分析，RFM則強調以客戶的行為來進行客戶細分。 給三個變數不同的權重或按一定的規則進行分組，然後組合使用，即可分出很多不同級別的會員。利用 RFM分析，我們可以建立會員金字塔，區分各個級別的會員，如高階會員、中級會員、低階會員，然後針對不同級別的會員施行不同的營銷策略，制定不同的營銷活動；發現流失及休眠會員，通過對流失及休眠會員的及時發現，採取營銷活動，啟用這些會員；在簡訊、EDM促銷中，依據會員的精細化細分，更精準定位使用者和挖掘使用者需求；維繫老客戶，提高會員的忠誠度。

關聯分析：關聯分析最經典的案例來自於沃爾瑪的“啤酒與尿布”。它的基本思想就是買了A商品的很多使用者又買了B商品，那麼我們就可以認為A、B兩個商品的關聯性比較高，通過這種分析進行捆綁銷售或相關陳列。

聚類分析：電商行業的聚類分析主要是指將具有相似購物行為的使用者進行群體的細分，以支援精細化的營銷活動，帶來更大的營銷效果，從而節省成本。聚類分析是進行會員精細化管理，精細化營銷的基礎，可以構建使用者畫像實現精準化營銷。 在這個電商普遍燒錢的時代，花出去的錢到底能有多少能夠帶來實際的收益呢？在搶佔市場的同時，怎麼才能做到ROI最大化，提高轉化率呢？這就需要我們運用資料分析模型進行更精準的使用者定位，不但要滿足使用者的現有需求，更要挖掘出他們的潛在需求，才能在電商行業發展中不斷推陳出新、持續盈利。