電子商務數據分析與應用教案項目一電子商務數據分析認知“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目一電子商務數據分析認知教學目標：1知識目標理解電子商務數據分析的相關概念及意義熟悉電子商務數據分析的流程及原則了解電子商務數據分析的主要任務2能力目標能夠結合實際問題完成電子商務數據分析的流程從行業、客戶、產品、運營等多個方面能夠開展相關的數據分析3素質目標正確認識電子商務發展的趨勢和對國民經濟的貢獻重視數據分析對推進電子商務行業和企業發展中的重要作用結合所學專業知識，端正學習目的并形成正確的就業觀教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.電子商務數據分析的內涵2.電子商務數據分析的意義3.電子商務數據分析的流程4.電子商務數據分析的原則（二）課中實訓實訓電子商務數據分析的主要任務（三）課后提升案例1京東大數據用戶畫像案例2數據分析推動農夫山泉公司發展思維導圖內容引入通過案例進行本章內容的導入。XOCommunications是一個總部位于美國弗吉尼亞州的國家通信服務提供商，其擁有超過4000名雇員。作為一個電信企業XO面臨的一大業務挑戰就是管理客戶流失。由于有著大量的客戶，即使XO的客戶服務經理定期接觸擁有流失風險的客戶也難以進行有效的管理繼而導致客戶的流失。為此XO使用了IBM公司的SPSS預測分析軟件，通過對客戶數據的分析預測定期評價客戶的流失傾向并聘請客服經理按照優先順序聯系客戶，在經過不斷努力后成功減少了將近一半的客戶流失率。XO現在可以預測客戶的行為,發現行為趨勢,并找出存在缺陷的環節,從而幫助公司及時采取措施,保留客戶。你了解客戶數據分析嗎？在生活中你還見過哪些客戶數據分析的例子？在完成本章學習后試著說說XO是如何運用客戶數據分析來挽留客戶的。授新環節（一）課前自學1.電子商務數據分析的內涵通常，電子商務數據分析指的是對電子商務經營過程中產生的數據進行分析，在研究大量的數據的過程中尋找模式、相關性和其他有用的信息，從而幫助商家做出決策。（1）數據分析數據分析指用適當的統計分析方法對收集來的大量數據進行分析，并將它們加以匯總、理解和消化，以求最大化地開發數據的功能及發揮數據的作用。（2）數據可視化數據可視化旨在將數據分析的結果借助圖形和手段直觀地展示出來，使人們可以更容易、更快速地得到并理解數據分析的結果。（3）大數據大數據是無法在一定時間范圍內用常規軟件工具進行捕捉、管理和處理的數據集合，是需要新的處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。（4）云計算云計算是一種分布式計算技術，其通過網絡將龐大的計算處理程序自動分拆成無數個較小的子程序，再交給由多部服務器組成的龐大系統，經搜尋、計算分析之后將處理結果回傳給用戶。（5）數據挖掘數據挖掘又稱數據庫中的知識發現（KnowledgeDiscoverinDatabase，KDD），是目前人工智能和數據庫領域研究的熱點問題。所謂數據挖掘，是指從數據庫的大量數據中揭示出隱含的、先前未知的，并有潛在價值的信息的非平凡過程。（6）數據質量在數據分析和數據挖掘之前，必須完成數據質量的處理工作，其主要包括兩方面：數據的集成和數據的清洗。2.電子商務數據分析的意義優化市場定位；優化市場營銷；助力電子商務企業的收益管理；協助創造客戶新的需求3.電子商務數據分析的流程確定分析目的與框架；收集數據；數據處理與集成；數據分析；數據可視化；撰寫分析報告電子商務數據分析的原則科學性，系統性，針對性，實用性，趨勢性（二）課中實訓實訓電子商務數據分析的主要任務（1）行業分析行業分析通常由營銷、運營崗位完成，該崗位可設置在營銷部、運營部，與數據開發部、公司戰略管理部等均有配合及合作。（2）客戶分析客戶分析流程包括客戶數據收集、客戶特征分析（客戶畫像）、客戶行為分析、客戶價值評估、目標客戶精準營銷（營銷策略制定和資源配置）、銷售效果跟蹤等。（3）產品分析產品分析流程包括競爭對手分析、客戶特征分析、產品需求分析、產品生命周期分析、客戶體驗分析，最后通過調研報告形成合理化建議，對產品開發及市場走向提出預測。（4）運營分析運營分析流程包括銷售數據分析、推廣數據分析、客服數據分析。（三）課后提升案例1京東大數據用戶畫像案例2數據分析推動農夫山泉公司發展內容小結本章主要介紹了電子商務數據分析的基本原理，包括電子商務數據分析的相關概念、意義、流程、原則、主要任務。電子商務數據分析能幫助企業實現由“產品驅動”向“數據驅動”轉型。電子商務數據分析包括確定分析目的與框架、收集數據、數據處理與集成、數據分析、數據可視化、撰寫分析報告六個環節電子商務數據分析兼具科學性、系統性、針對性、實用性和趨勢性的原則。電子商務數據分析與應用的主要任務可以歸納為行業分析、客戶分析、產品分析和運營分析四大類。課后作業1.判斷題（1）數據分析只有有了大數據才能做。（2）在進行EDA分析之前，一般都有預先設定的模型，側重于已有假設的證實或證偽。（3）數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。（4）數據越多代表信息也就越多。（5）CDA是指對已有的數據在盡量少的先驗假定下進行探索，側重于在數據之中發現新的特征。2.單選題（1）商務數據分析的流程依次是（）A.確定目的與框架、收集數據、數據處理與集成、數據分析、數據可視化、撰寫報告B.確定目的與框架、數據處理與集成、收集數據、數據分析、數據可視化、撰寫報告C.確定目的與框架、收集數據、數據處理與集成、數據可視化、數據分析、撰寫報告D.確定目的與框架、數據可視化、數據收集、數據處理與集成、數據分析、撰寫報告（2）數據收集階段，內部渠道不包括（）A.顧客的購買記錄B.客戶訪談C.客戶問卷調查D.產品展銷會（3）（）數據分析是指對已有的數據在盡量少的先驗假定下進行探索，側重于在數據之中發現新的特征。A.探索性B.驗證性C.定性D.客觀（4）電子商務數據分析的原則不包括（）A.針對性B.實用性C.高效性D.系統性（5）（）分析是把一組數據按照相似性和差異性分為幾個類別。A.回歸B.分類C.聚類D.關聯3.多選題（1）在電子商務數據分析流程中，數據處理與集成階段的處理對象包括（）。A．殘缺數據 B．錯誤數據 C．重復數據 D．外部數據（2）元數據可以分為（）。A．固有性元數據 B．操作性元數據 C．描述性元數據 D．管理性元數據（3）（）是大數據的特點。A．規模性 B．有效性 C．多樣性 D．高速性（4）云計算包括的層次有（）。A．IaaS B．PaaS C．MaaS D．SaaS4.簡答題（1）簡述數據分析的含義。（2）簡述大數據的作用。（3）簡述電子商務數據分析的基本流程。（4）簡述電子商務數據分析的原則。教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：電子商務數據分析是電子商務數據科學分析的基礎。本章是全書的緒論。是對后續章節的導入和引入。（3）從能力培養的角度：綜合運用數學、計算機、信息科學、經濟學、管理學的知識，培養全方位高素質人才。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。項目二電子商務數據分析模型“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目二電子商務數據分析模型教學目標：1知識目標了解電子商務數據分析模型的概念和應用步驟掌握PEST模型、5W2H模型、邏輯樹模型重點掌握漏斗模型，并根據電子商務運營數據計算和展現漏斗模型2能力目標熟練掌握電子商務數據分析模型的基本流程能夠針對實際問題搭建合適的數據分析模型能夠根據模型中的內容，細分到不同的數據指標進行細化分析3素質目標正確認識企業所處的宏觀環境認識運用數據分析模型進行研究的作用及優勢教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.PEST模型的主要內容2.5W2H模型的主要內容3.邏輯樹模型的主要內容4.漏斗模型的主要內容（二）課中實訓實訓一、基于PEST理論的案例分析實訓二、5W2H模型的應用案例實訓三、基于邏輯樹模型的案例分析實訓四、漏斗模型的應用案例（三）課后提升案例1基于SWOT分析的企業電子商務發展策略案例2電子商務行業發展的PEST模型思維導圖內容引入通過案例進行本章內容的導入。亞馬遜從大數據中發掘出了巨大的商業價值。亞馬遜需要處理海量的數據，這些交易數據的直接價值非常大。亞馬遜作為一家“信息公司”，不僅會從每個用戶的購買行為中獲得信息，還會將每個用戶在其網站上的所有行為都記錄下來，如頁面停留時間、用戶是否查看評論、搜索的每個關鍵詞、瀏覽的商品等。這種對數據價值的高度敏感和重視，以及數據分析的能力，使得亞馬遜遠遠超越了傳統運營方式。對于亞馬遜來說，數據分析是商業決策的指揮棒。那么你知道亞馬遜公司運用了什么數據分析模型嗎？你還了解哪些電子商務數據分析中常用的方法和模型呢？授新環節（一）課前自學1.PEST模型PEST（P是政治Politics，E是經濟Economy，S是社會Society，T是技術Technology）是對企業所處宏觀環境進行分析的模型。5W2H模型（1）5W2H模型的核心要素5W2H模型針對5個W（Why、What、Who、When、Where）以及2個H（How、Howmuch）提出7個關鍵詞。（2）5W2H模型的應用步驟設計5W2H的相關問題；找出主要優缺點；決定設計新產品邏輯樹模型（1）邏輯樹模型的基本內容邏輯樹又稱問題樹、演繹樹或分解樹，是分析問題最常使用的工具之一，它是將問題的所有子問題分層羅列，從最高層開始，并逐步向下擴展。（2）三種邏輯樹常用的邏輯樹主要有議題樹、假設樹和是否樹三種類型。這三種邏輯樹的類型基本可以應對所有問題類型。漏斗模型（1）漏斗模型的計算①轉化率對于電子商務網站來說，轉化率就是從當前一個頁面進入到下一個頁面的人數比率。②關鍵路徑分析網站中的一些關鍵路徑（KeyPath），即用戶是為了某個目標而進入了一個相對標準的有序路徑。（2）漏斗模型的應用漏斗模型（FunnelModel）不僅顯示了用戶在進入流程到實現目標的最終轉化率，同時還可以展示整個關鍵路徑中每一步的轉化率。基于訪問路徑，漏斗模型衍生出“路徑分析方法”，包括：關鍵路徑、擴散路徑、收斂路徑、端點路徑。將漏斗模型與趨勢、比較和細分等方法相結合，對流程中各步驟的轉化率進行綜合分析。（二）課中實訓實訓一、基于PEST理論的案例分析以“中國輕紡城”為例，通過從紡織業跨境電商發展的宏觀環境出發，運用PEST分析模型探討發展紡織業跨境電商外部環境的變化。實訓二、5W2H模型的應用案例S是中國排名前五位的電子商務平臺，銷售各種電子產品。某品牌M想要入駐電子商務平臺S。平臺S是否要經銷M品牌的電熱水器呢？應用5W2H模型進行談判與決策。實訓三、基于邏輯樹模型的案例分析研究的主問題為“如何提高嬰兒用品銷量”，建立議題樹的邏輯樹模型。實訓四、漏斗模型的應用案例針對電子商務網站的一般購物流程，計算各階段的轉化率并繪制漏斗模型。1．構建用戶訪問的關鍵路徑2．計算關鍵路徑的轉換率3．繪制漏斗模型（三）課后提升案例1基于SWOT分析的企業電子商務發展策略案例2電子商務行業發展的PEST模型內容小結本章主要學習電子商務數據分析模型，主要包括PEST模型、5W2H模型、邏輯樹模型以及漏斗模型這四個重要的電子商務分析模型。通過系統化地學習，能夠在實際的電子商務數據分析中加以利用并得出有效的解決方案。課后作業1.判斷題（1）PEST模型是一種企業所處的宏觀環境分析模型。（2）5W2H是用戶行為分析和業務場景分析的常用模型。（3）5W2H模型可以準確界定問題、清晰表述問題，提高工作效率。（4）當對問題提出假設方案再進行驗證時，應使用是否樹。2.單選題（1）以下不屬于5W2H的核心要素的是（）。A．What B．Who C．Howmany D．Howmuch（2）以下不屬于邏輯樹模型的原則的是（）。A．要素化 B．系統化 C．框架化 D．關聯化（3）在漏斗模型中，如果訪問某博主博客首頁的用戶有30人，而從首頁點擊進入本文章的用戶有12人，那么從首頁到這篇文章的轉化率為（）。A．無法計算 B．30% C．40% D．50%（4）在邏輯樹模型中，適合解決問題初期階段的模型為（）。A．議題樹 B．是否樹 C．論證樹 D．假設樹3.多選題（1）在PEST模型中，四個要素包括（）。A．政治環境 B．經濟環境 C．社會環境 D．技術環境（2）屬于PEST模型技術環境的關鍵指標的是（）。A．專利個數 B．研發費用 C．技術傳播速度 D．重點支持項目（3）邏輯樹的基本類型分別為（）。A．議題樹 B．是否樹 C．論證樹 D．假設樹（4）以下（）指標屬于PEST分析中的社會環境。A．失業率 B．出生率 C．政府補貼水平 D．購買習慣4.簡答題（1）簡述5W2H模型的應用步驟。（2）什么是PEST模型？該模型包含哪些方面？（3）辨析邏輯樹三種模型的主要區別。（4）簡述邏輯樹模型的三個原則。教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：電子商務分析模型是更多的是從管理學的角度分析電子商務的戰略決策與舉措的方法。建立多種分析模型，對電子商務管理具有重要的作用。（3）從能力培養的角度：綜合運用數學、計算機、信息科學、經濟學、管理學的知識，培養全方位高素質人才。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。（4）通過BlackBoard平臺，分享課程教學資源。

項目三電子商務數據分析方法“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目三電子商務數據分析方法教學目標：1知識目標了解靜態指標和動態指標的含義掌握相關分析的計算過程重點掌握一元線性回歸的計算過程，了解多元線性規劃和非線性回歸的計算過程重點掌握移動平均指數平滑兩種時間序列預測模型了解聚類分析等數據挖掘算法的主要計算過程2能力目標正確區分電子商務主要數據指標的分類熟練掌握各數據分析方法的流程步驟能夠將數據分析方法應用到實際問題中3素質目標培養自發分析電子商務數據的意識培養針對不同電子商務數據采取不同分析方法的能力教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.統計分析2.相關與回歸分析3.時間序列分析4.聚類分析（二）課中實訓實訓一、統計分析計算實訓二、相關分析與回歸分析的應用實訓三、時間序列分析計算實訓四、聚類分析計算（三）課后提升案例1神奇的購物籃分析案例2Target百貨商店的懷孕預測指數思維導圖內容引入通過案例進行本章內容的導入。在研究人類遺傳問題時，為了研究父代與子代身高的關系，高爾頓搜集了1078對父親及其兒子的身高數據。他發現這些數據的散點圖大致呈直線狀態，也就是說，總的趨勢是父親的身高增加時，兒子的身高也傾向于增加。但是，高爾頓對試驗數據進行了深入的分析，發現了一個很有趣的現象：當父親高于平均身高時，他們的兒子身高比他更高的概率要小于比他更矮的概率；父親矮于平均身高時，他們的兒子身高比他更矮的概率要小于比他更高的概率。它反映了一個規律，即這兩種身高父親的兒子的身高，有向他們父輩的平均身高回歸的趨勢。對于這個一般結論的解釋是:大自然具有一種約束力，使人類身高的分布相對穩定而不產生兩極分化，這就是所謂的回歸效應。這是統計學上最初出現“回歸”時的涵義，雖然是一種特殊情況，與線形關系擬合的一般規則無關，但“線形回歸”的術語卻因此沿用下來。你了解回歸嗎？線性回歸是數據分析的一種方法，試著說說他在數據分析上所發揮的作用。授新環節（一）課前自學1.統計分析（1）靜態分析指標靜態分析指標是用來說明社會經濟現象數量特征的。由于社會經濟現象及其發展的復雜性，靜態分析指標呈現多樣性，可以將其歸納為四類：總量指標、相對指標、平均指標和變異指標。（2）動態分析指標動態分析方法又稱時間數列分析，主要用來描述和探索現象隨時間發展變化數量規律性，也就是對處于不斷發展變化的社會經濟現象從動態的角度進行分析。（3）統計指數統計指數分析法是經濟分析中廣泛應用的一種方法。最具代表性的就是關于物價指標的編制，即用現行價格與過去價格對比來反映價格的變化情況，后來過渡到綜合反映多種商品價格的變動情況。（4）抽樣推斷抽樣推斷（SampleInference）是在抽樣調查的基礎上，利用樣本的實際資料計算樣本指標，并據以推算總體相應數量特征的一種統計分析方法。相關與回歸分析（1）相關分析相關關系是指變量之間存在的一種不確定的數量依存關系，即一個變量的數值發生變化時，另一個變量的數值也相應地發生變化，但變化的數值不是確定的，而是在一定的范圍內。（2）回歸分析一元線性回歸分析是處理兩個變量x（自變量）和y（因變量）之間關系的最簡單模型，研究是這兩個變量之間的線性相關關系。對多元線性回歸模型（MultivariateLinearRegressionModel）的基本假設是在對一元線性回歸模型的基本假設基礎之上，還要求所有自變量彼此線性無關，這樣隨機抽取n組樣本觀察值就可以進行參數估計。不少經濟變量之間的關系為非線性的，可以通過變量代換把本來應該用非線性回歸處理的問題近似轉化為線性回歸問題，再進行分析預測。時間序列分析（1）時間序列數據時間序列類型數據就是按照時間先后順序排列各個觀測記錄的數據集。（2）移動平均方法一次移動平均法是在算術平均法的基礎上加以改進，其基本思想是每次取一定數量周期的數據平均，按時間順序逐次推進。當序列具有線性增長的發展趨勢時，用一次移動平均預測會出現滯后偏差，表現為對于線性增長的時間序列預測值偏低。這時，可進行二次移動平均計算，二次移動平均就是將一次移動平均再進行一次移動平均來建立線性趨勢模型。（3）指數平滑方法當時間序列的變動出現直線趨勢時，用一次指數平滑法來預測存在著明顯的滯后偏差。修正的方法是在一次指數平滑的基礎上再作二次指數平滑，利用滯后偏差的規律找出曲線的發展方向和發展趨勢，然后建立直線趨勢預測模型，即二次指數平滑法。（4）季節指數方法季節指數預測法是指變量在一年內以季（月）的循環為周期特征，通過計算變量的季節指數達到預測目的的一種方法。聚類分析聚類分析的定義聚類（Clustering）是將數據劃分成群組的過程，研究如何在沒有訓練的條件下把對象化分為若干類。k-means聚類方法k-means算法接受輸入量k，然后將n個數據對象劃分為k個聚類以便使得所獲得的聚類滿足：同一聚類中的對象相似度較高，而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值所獲得一個“中心對象”（引力中心）來進行計算的。（二）課中實訓實訓一、統計分析計算可安排上機實驗的任務，利用Excel操作完成此部分內容的學習。實訓二、相關分析與回歸分析的應用可安排上機實驗的任務，利用Excel操作完成此部分內容的學習。實訓三、時間序列分析計算可安排上機實驗的任務，利用Excel操作完成此部分內容的學習。實訓四、聚類分析計算設有數據樣本集合為X={1,5,10,9,26,32,16,21,14}，將X聚為3類，即k=3。隨機選擇前三個數值為初始的聚類中心，即z1=1，z2=5，z3=10。（采用歐氏距離進行計算）（三）課后提升案例1神奇的購物籃分析案例2Target百貨商店的懷孕預測指數內容小結本章主要學習與電子商務數據分析相關的模型方法，主要包括兩大類，一類是統計分析，包括：靜態分析指標、動態分析方法、統計指數、抽樣推斷、相關與回歸分析等內容。另一大類是數據挖掘模型，主要是從大量的數據中發現隱含的、事先未知的、潛在的、有用的信息、知識、規則、規律或者模式，主要包括：時間序列分析模型、聚類分析算法等。課后作業1.判斷題（1）總量指標屬于靜態分析指標。（2）平均數動態數列是把一系列同類的相對指標數值按時間先后順序排列而形成的。（3）一般情況下，樣本容量超過20個樣本即可視為大樣本。（4）某次計算得到相關系數R為0.58，可認為兩類變量之間存在顯著相關。2.單選題（1）以下不屬于相對指標的為（）A.倍數B.成數C.百分數D.中位數（2）按照相關程度劃分，以下不屬于相關關系的為（）A.完全相關B.正相關C.不相關D.不完全相關（3）求解線性回歸模型參數的方法稱為（）A.相關系數B.聚類分析C.最小二乘D.關聯規則（4）聚類算法停止的標志是（）收斂A.聚類數B.聚類中心C.測度函數D.相似度（5）能夠在沒有訓練的條件下把對象化分為若干類的算法是（）A.回歸分析B.關聯規則C.聚類分析D.分類分析3.多選題（1）平均指標包括（）A.算術平均數B.調和平均數C.眾數D.中位數（2）按表示的特征不同，統計指數可分為（）A.數量指標指數B.定基指數C.質量指標指數D.動態指數（3）以下屬于按照形式分類的相關關系的有（）A.線性相關B.非線性相關C.偏相關D.曲線相關（4）以下可以被認為是時間序列數據的有（）A.股票價格B.每日氣溫C.心跳變化D.地震強度（5）在聚類分析中，可作為測量類間距離方法的有（）A.明氏距離B.歐氏距離C.馬氏距離D.蘭氏距離4.簡答題（1）簡述統計指數的作用。（2）簡述回歸分析模型的主要形式。（3）簡述k-means算法的工作過程。（4）簡述季節指數水平法的主要步驟。教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：本章所學習的統計分析與數據挖掘方法是所有數據模型的基礎。本章重點講授統計類指標、相關分析、回歸分析、時間序列分析、聚類分析等方法。還有許多相關的數據分析算法與模型。（3）從能力培養的角度：綜合運用數學、計算機、信息科學的知識，培養全方位高素質人才。尤其要注重大數據時代對數據科學與數據分析人才的需求。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。（4）本章可安排上機實驗學習，對相關模型的具體操作展開實踐教學。項目四數據的采集“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目四數據的采集教學目標：1知識目標了解數據獲取的概念和方法熟悉網絡數據的爬取方式和工具了解店鋪數據獲取的主要渠道和方法掌握調查問卷的設計方法與注意事項2能力目標能夠根據業務場景選擇合理的采集渠道能夠采用合適的網絡數據爬取方式采集數據能夠結合實際選題完成調查問卷的設計與數據統計3素質目標培養學生以電商決策為導向的數據采集意識培養學生對數據采集的敏感性重視數據采集在電子商務行業和企業發展中的重要作用教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.電子商務相關數據的獲取2.店鋪數據獲取的主要渠道（二）課中實訓實訓一、網絡數據的爬取實訓二、調查問卷的設計與回收處理（三）課后提升案例1數據采集在電商成本控制中的應用案例2數據采集實訓思維導圖內容引入通過案例進行本章內容的導入。蜘蛛是生物界中很普通的小蟲子，但是它卻做了一件令人非常佩服的事情—織網捕物。蜘蛛經常會在自己所織的網上捕獲食物，而這一行為就如同我們人類想在關系復雜的互聯網上獲取我們想要的數據。為了能夠更高效的獲取數據，人類通常會創造一只小精靈—“小爬蟲”去幫助自己做事情。世界上第一個網絡爬蟲“萬維網漫游者”（“WorldWideWebwanderer”）是由麻省理工學院的學生馬休·格雷（MatthewGray）在1993年寫成。它的初衷是用來統計互聯網上的服務器數量，后來逐漸服務于搜索引擎的數據采集。網絡爬蟲技術作為數據采集的一種重要方法，它是如何進行數據采集呢？你還了解哪些數據采集方法？授新環節（一）課前自學1.電子商務相關數據的獲取公開數據源；網絡爬蟲；問卷調查。店鋪數據獲取的主要渠道（1）流量數據流量是非常重要的電商指標。一個店鋪的流量來源有很多，有免費的、付費的、站內的、站外的。（2）商品數據電商平臺需要定期分析商品銷售情況，比如不同商品的成交轉化情況、訪客瀏覽情況及售后服務情況等，從時間、商品的類別、價格等多個維度進行商品數據分析。（3）交易數據商家經營店鋪最需要監控的數據之一就是交易數據。交易數據最能體現店鋪經營情況。（4）客戶服務和物流服務數據作為電商賣家，當客戶咨詢產品時，第一時間回復可以為客戶提供良好的服務體驗。店鋪的客戶服務質量及物流服務效率是提升店鋪轉化率的關鍵因素。（5）市場和競爭數據市場和競爭數據是商家在前期開展市場調研時需要收集的重要數據。隨著市場競爭的加劇，加之消費者行為的多變，使得市場調研顯得更加重要，商家需要精準收集市場和同行的信息，以便制定相應的營銷策略。（二）課中實訓實訓一、網絡數據的爬取（1）網絡數據的爬取工具之一——八爪魚八爪魚采集器是深圳視界信息技術有限公司研發的一款業界領先的網頁采集軟件，具有使用簡單、功能強大等諸多優點。（2）八爪魚在簡易模式下“京東商品列表采集”的使用過程及注意要點。實訓二、調查問卷的設計與回收處理（1）調查問卷設計調查問卷是一種非常好的數據收集方式。在正式設計問卷之前，首先一定要明確問卷中將會出現哪些內容，或者將要采集哪些數據來服務于研究主題。這可以通過搭建一個問卷框架來實現，這個框架通常包含三大部分：中心概念、核心內容、具體問項。（2）調查問卷的回收處理問卷發放一段時間后，收集到一定數量的答卷，在進行問卷分析之前，首先要做的是對數據進行錄入和校訂。（三）課后提升案例1數據采集在電商成本控制中的應用案例2數據采集實訓內容小結數據收集是一項艱苦細致、費時耗力的工作。數據收集是電商數據分析的第一步，也是非常重要的一步。本章主要介紹了數據采集階段的工作任務。指出了電子商務相關數據獲取的渠道。詳細說明了基于網絡爬蟲對網絡數據進行爬取的過程。并對電商的流量、商品、交易、客服、物流、市場和競品數據的獲取指標和數據來源做了介紹。最后給出調查問卷的設計和回收處理的基本原則。課后作業1.判斷題（1）只要在網站上顯示出的信息，都可以爬取。（2）網絡爬蟲被廣泛用于搜索引擎中。（3）淘寶客是一種按成交計費的推廣模式。（4）在數據分析中，數據收集是第一步，也是一項相對簡單省力的工作。2.單選題（1）以下哪個是淘系平臺流量數據查詢工具（）。A．店偵探 B．千牛平臺 C．輕淘客 D．看店寶（2）以下哪個問題放在調查問卷中是合適的（）。A．在線購物比門店購物更好。B．你在過去一段時間沒有進行網購活動。C．您的年齡段在以下哪個范圍？D．在線購物比線下購買更方便、更便宜。（3）在眾多店鋪數據中，什么數據最能體現店鋪的經營情況（）。A．商品數據 B．流量數據 C．物流數據 D．交易數據3.多選題（1）以下哪些屬于站內付費流量數據來源（）。A．直通車 B．鉆石展位 C．收藏夾 D．淘寶客（2）客戶服務數據指標有哪些（）。A．客群洞察 B．服務體驗 C．接待響應 D．客服銷售（3）以下哪些是店鋪商品效果數據指標（）。A．核心數據 B．流量來源 C．關聯搭配 D．全量商品排行4.簡答題（1）有哪些獲取數據的途徑？（2）網絡數據的爬取方式有哪些？（3）電商平臺店鋪有哪些重要的數據值得收集？（4）闡述問卷調查的主要工作流程。教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：數據是建立模型與開展分析的基礎資源。電子商務數據來源渠道多樣廣泛，同時尤其特殊之處。因此，應針對電子商務數據收集、采集、處理等進行深入學習。（3）從能力培養的角度：綜合運用數學、計算機、信息科學、經濟學、管理學的知識，培養全方位高素質人才。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。（4）本章可安排上機實驗學習，對相關模型的具體操作展開實踐教學。項目五數據導入與預處理“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目五數據導入與預處理教學目標：1知識目標了解并掌握數據在Excel中的導入、導出操作掌握用Excel進行基本的數據處理操作重點掌握數據預處理操作中的數據清理及數據規范化2能力目標運用Excel進行數據的導入、導出操作熟練掌握數據清理的方法能夠進行數據規范化的計算3素質目標了解數據導入與預處理的重要性與作用培養使用數據導入與預處理的熟練度教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.數據的導入導出2.數據預處理方法（二）課中實訓實訓一、數據的導入與導出實訓二、數據預處理實訓三、數據的基本處理操作（三）課后提升案例1數據預處理在網絡社區數據分析中的應用案例2數據預處理專項應用思維導圖內容引入通過案例進行本章內容的導入。隨著大數據和人工智能的快速發展，當今的消費者與世界高度相連，一個公司想要獲得更好的商業成績需要通過大數據為他的每個客戶做出個性化的精準服務。為此2013年，擁有145年歷史的大都會人壽保險公司建立了名為MetLiftWall的新系統，該系統從大都會人壽70多個不同的管理系統中收集大量的信息數據，這些數據之前有許多都是不聯網的獨立存在，存在著大量的數據冗余，建立系統后又經過多年的努力大都會人壽成功解決了該項問題。上文所匯總的數據剛開始很難進行使用，在大數據分析之前我們需要確保這些分析數據滿足分析模型的需求，因此數據預處理環節十分重要，它可以將缺失的數據補充，冗余的數據變得簡潔，復雜混亂的數據格式統一。你聽說過數據預處理嗎？繼續閱讀本章你可以對數據預處理擁有更深刻的了解。授新環節（一）課前自學1.數據的導入導出數據的導入導出作用：起到備份、存檔的作用；轉換為需要的數據格式和文件類型。數據導入導出分類：數據庫文件導出成文本文件；文本文件導入成數據庫文件；數據庫文件與數據庫文件之間的導入導出。2.數據預處理方法數據預處理就是根據數據分析的目的，將收集到的原始數據用適當的處理工具（如Excel）進行整理加工，轉換成正確的格式，以便滿足數據分析模型對數據的要求。（1）數據清理數據清理是數據準備過程中最花費時間、最乏味的，但也是最重要的一步。該步驟可以有效的減少學習過程中可能出現的相互矛盾的情況。（2）數據融合通過數據融合（信息融合）產生比單一信息源更準確、更完全、更可靠的數據進行估計和判斷，然后存入數據倉庫或數據挖掘模塊中。（3）數據變換數據變換是采用線性或非線性的數學變換方法將多維數據壓縮成較少維數的數據，消除它們在時間、空間、屬性及精度等特征表現方面的差異。（4）數據規約數據經過去噪處理后，需根據相關要求對數據的屬性進行相應處理。數據規約就是在減少數據存儲空間的同時盡可能保證數據的完整性，以獲得比原始數據小得多的數據，并將數據以合乎要求的方式表示。（二）課中實訓實訓一、數據的導入與導出數據導入可以將收集到的數據直接填寫在Excel的單元格中，也可以將多種格式的數據文件導入到Excel工作表中。5.1.2數據導出將Excel數據導出到其他操作軟件中。實訓二、數據預處理某price屬性值排序后為2，4，6，6，9，12，12，14，19，則采用各種分箱方法進行處理的結果如表5.4所示。表5.4分箱處理的結果示例首先，劃分為等深箱箱1：2，4，6箱2：6，9，12箱3：12，14，19按箱平均值平滑箱1：4，4，4箱2：9，9，9箱3：15，15，15按箱中值平滑箱1：4，4，4箱2：9，9，9箱3：14，14，14按箱邊界值平滑箱1：2，2，6箱2：6，6，12箱3：12，12，19實訓三、數據的基本處理操作重復數據處理采集得到的原始數據通常存在重復情形，對于重復數據如何識別和去重，通過Excel介紹兩種常用的方法：（1）高級篩選法；（2）條件格式法。缺失數據處理Excel表中如果出現缺失數據，一般表示為空值或者錯誤表示符，運用“定位條件”功能可以進行缺失數據的處理。錯誤數據處理使用Excel能夠控制和檢查數據統計中存在的錯誤。（三）課后提升案例1數據預處理在網絡社區數據分析中的應用案例2數據預處理專項應用內容小結本章主要學習運用Excel進行數據的導入導出操作，對重復、缺失、錯誤數據的基本處理操作。從數據的清理、數據的融合、數據的變換以及數據的規約四個方面，學習了數據的預處理操作。通過本章的學習，旨在掌握利用Excel處理數據的基本方法以及了解數據預處理的基本操作。課后作業1.判斷題（1）數據預處理的目的是提高數據質量。（2）數據規約是采用線性或非線性的數學變換方法將多維數據壓縮成較少維數的數據。（3）在數據規約方法中，分箱技術是數值壓縮的具體方法。2.單選題（1）（）就是在減少數據存儲空間的同時盡可能保證數據的完整性，以獲得比原始數據小得多的數據，并將數據以合乎要求的方式表示。A．數據清理 B．數據融合 C．數據變換 D．數據規約（2）在數據變換方法中，以下哪個是數據平滑的作用（）。A．數據匯總 B．去噪C．減少數據復雜化 D．構造新的屬性（3）對于2，3，4，5這組數據，運用最小-最大標準化處理后，數據4轉換為（）。A．0 B．0.33 C．0.67 D．13.多選題（1）分箱技術作為一種局部數據平滑方法，主要包括（）平滑方法。A．箱平均值 B．箱中值 C．箱邊界值 D．箱中心值（2）補充缺失數據的主要辦法包括（）。A．線性差值法 B．平均值填充 C．回歸方法 D．忽略該數據元組（3）數據變換方法包括（）。A．數據平滑 B．數據聚集 C．數據概化 D．數據規范化（4）數據規范化方法包括（）。A．最小-最大 B．對數轉換 C．反正切函數轉化 D．z-score標準化4.簡答題（1）簡述常見的數據變換方法。（2）數據融合的方法有哪些？（3）簡述常見的數據規約方法。（4）數據概化對數據分析的作用有哪些？教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：Excel是開展數據分析的一種重要工具。掌握多種來源的數據文件與Excel之間的導入導出功能。更重要的是，如果數據本身存在噪聲、錯誤、缺失等均會對后續的模型精度和準確性造成影響。因此，數據預處理是開展數據分析的必要步驟。（3）從能力培養的角度：綜合運用數學、計算機、信息科學知識，培養全方位高素質人才。為培養數據分析方面的專業人才，提供專業知識。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。（4）本章可安排上機實驗學習，對Excel的導入導出、數據預處理的具體操作展開實踐教學。項目六數據可視化“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目六數據可視化教學目標：1知識目標掌握數據可視化的基本概念掌握Excel圖表繪制，熟練繪制餅圖、柱形圖、直方圖、雷達圖、折線圖、散點圖掌握數據透視表的使用步驟了解文本分析與標簽云的相關概念和使用方法2能力目標能夠利用餅圖、柱形圖、直方圖、雷達圖、折線圖、散點圖進行數據可視化能夠利用數據透視表制作統計表3素質目標培養學生以電商決策為導向的數據分析意識培養學生數據可視化的美學素養培養學生系統分析與解決問題的能力教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.數據可視化概述2.Excel數據表格和透視表3.標簽云可視化（二）課中實訓實訓一、圖表的制作實訓二、利用數據透視表制作統計表實訓三、WordArt標簽云工具的使用（三）課后提升案例1京東手機“6·18”數據實時戰報案例2圖表制作專項練習思維導圖內容引入通過案例進行本章內容的導入。在克里米亞戰爭期間，南丁格爾作為戰地護士赴前線為士兵服務。她發現，很多病人并沒直接死于戰爭，而是因為負傷后沒得到妥善照顧，死于斑疹傷寒、痢疾、霍亂等疾病。面對這種情況，南丁格爾希望用獨特的統計表格，簡明扼要地將這危機的情況畫出來。于是，著名的“南丁格爾玫瑰圖”應運而生。南丁格爾玫瑰圖是將柱圖轉化為更美觀的餅圖形式，是極坐標化的柱圖，看似怪異卻又簡單易懂。她將三種死亡情況也分別用不同顏色標記出來：藍色表示死于可預防的疾病、紅色表示死于戰爭傷害、黑色表示死于其它原因。這一可視化方式，直觀地展示了衛生條件對死亡人數的影響，因而說服決策者并爭取到了更好的醫療條件。從該案例中，你能體會到數據可視化的魅力嗎？數據可視化又如何應用于電商領域？并試著說說它在數據分析上所發揮的重要作用。授新環節（一）課前自學1.數據可視化概述（1）數據可視化的概念數據可視化是關于數據視覺表現形式的科學技術，它是一種利用圖形、表格、動畫等手段將數據內在的規律直觀地進行展現的方式。（2）數據可視化的關鍵數據可視化的關鍵在于借助圖形手段，清晰有效地傳達數據背后的規律和數據分析的結論。為了有效地傳達思想、理念，需要美學形式與功能并重，并直觀地傳達關鍵的內容與特征，從而實現對稀疏而復雜數據集的深入洞察。（3）統計表格編制的規則在數據描述過程中，不僅需要整理以數據形式表現的資料，有時也需要整理以文字形式表現的資料，如性別、職業、文化程度等。這些資料可以通過統計表格來呈現。2.Excel數據表格和透視表（1）常用的可視化圖表簡單的圖表往往能夠有效、形象、快速地傳達信息。常用的可視化圖表包括餅圖、柱形圖、直方圖、雷達圖、折線圖、散點圖，這6類圖表可以滿足大部分數據展現與分析的需求。Excel對各類圖表進行了詳細的分類歸納，可以打開Excel，在插入圖表功能中看到Excel提供的主要圖表模板。在新版本的Excel中不斷增加圖表功能，例如：樹狀圖、旭日圖、直方圖、箱型圖、瀑布圖、漏斗圖、地圖、組合圖等。（2）數據透視表注意事項數據透視表緩存；位置要求；更改會同時影響兩個報表；數據透視圖報表（3）標簽云可視化標簽云，又稱文字云、詞云，是對文本數據中出現頻率較高的“關鍵詞”在視覺上的突出呈現，通過關鍵詞的渲染形成類似云一樣的彩色圖片。（二）課中實訓實訓一、圖表的制作（1）制作餅圖餅圖是一種用圓內扇形的面積大小來反映統計分組數據的圖形，主要用于反映總體內部的結構及其變化，對研究結構性問題比較適用。（2）制作柱形圖柱形圖可以非常清晰地表達不同項目之間的差距和數值，通常用于不同時期或不同類別數據之間的比較，也可以用來反映不同時期和不同數據的差異。（3）制作直方圖直方圖是各條形之間沒有間距的柱形圖。直方圖用條形的寬度和高度來表示統計分組數據，是以組距（寬度）為底邊，以落入各組的數據頻數（高度）為依據，由按比例構成的若干矩形排列而成的圖。（4）制作雷達圖將評價某一系統的各指標要素構成坐標軸，再由各要素之間的數值構成環繞的網，就形成了雷達圖。（5）制作折線圖折線圖是用來表達數據隨時間推移而發生變化的一種圖表，可以預測未來的發展趨勢。常通過若干條折線來繪制若干組數據，判斷每組數據的峰值與谷值，以及折線變化的方向、速率和周期等特征。（6）制作散點圖散點圖用來說明若干組變量之間的相互關系，可表示因變量隨自變量變化的大致趨勢。一般呈現簇狀不規則的分布，可用數據點來說明數據的變化趨勢、離散程度以及不同系列數據間的相關性。實訓二、利用數據透視表制作統計表計數項值匯總；多維數據分析；值篩選；標簽篩選；旋轉；查看特定數據；切片操作；建立數據透視圖。實訓三、WordArt標簽云工具的使用以WordArt（一款制作文字云效果圖的在線免費軟件）為例，介紹利用標簽云對文本數據進行可視化描述的具體操作。本節內容可以通過實際操作進行快速掌握。（三）課后提升案例1京東手機“6·18”數據實時戰報案例2圖表制作專項練習內容小結本章主要學習與電子商務數據分析相關的數據可視化方法，詳細說明了利用Excel制作餅圖、柱狀圖、直方圖、雷達圖、折線圖、散點圖等圖表的操作過程。熟練掌握數據透視表的各種操作可為圖表的繪制提供數據基礎。標簽云的相關知識擴展可為文本可視化提供技術支持。課后作業1.判斷題（1）數據可視化是將數據在內的規律間接地進行展現的一種方式。（2）數字資料要注明計量單位。當全表只有一種計量單位時，可把它寫在表頭的左上方。（3）統計表格的文字、數字要書寫工整、清晰，數位要對齊。（4）有效、形象、快速地傳達信息需要復雜的圖表。2.單選題（1）以下不屬于可視化的作用的是（）。A．傳播交流 B．信息記錄 C．數據采集 D．數據分析（2）Excel工作表的行號顯示在工作簿窗口的（）。A．左邊 B．右邊 C．上邊 D．下邊（3）Excel工作表的列號顯示在工作簿窗口的（）。A．左邊 B．右邊 C．上邊 D．下邊3.多選題（1）Excel中具有的圖表功能包括（）。A．餅圖 B．柱形圖 C．直方圖 D．雷達圖（2）從宏觀角度看，數據可視化的功能包括（）。A．信息傳達 B．信息展現 C．信息清洗 D．信息溝通（3）以下關于數據透視表的說法正確的是（）。A．Excel將報表數據的副本存儲在內存中B．數據透視表會隨原始數據發生更改C．改變版面的布局不會影響數據透視表D．不可以將數據透視表用作其他報表的源數據4.簡答題（1）什么是數據可視化？（2）簡述制作統計表格的基本規則。（3）簡述數據可視化的基本思想。（4）列舉常用的可視化圖形。教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：數據可視化是對數學模型和分析結果進行展現的重要手段。Excel的圖表功能越來越強大，而且呈現的圖形也十分豐富。應通過深入學習Excel工具，進行重點掌握。（3）從能力培養的角度：綜合運用數學、計算機、信息科學、經濟學、管理學的知識，培養全方位高素質人才。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。（4）利用Excel進行數據可視化，是本書的一個重要內容，要安排上機實踐學時，進行重點掌握。項目七電子商務行業數據分析“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目七電子商務行業數據分析教學目標：1知識目標了解電子商務行業數據分析的相關概念掌握行業數據的采集步驟和渠道掌握市場行情調研的基本概念掌握市場供給與需求的相關概念和需求調研的基本方法重點掌握波特五力競爭分析模型重點掌握百度指數的使用方法2能力目標能夠對電子商務物流市場的供給與需求情況進行分析能夠利用波特五力競爭分析模型對電子商務行業的競爭進行全面分析能夠利用百度指數分析市場行情，并撰寫分析報告3素質目標正確認識大數據時代對電子商務行業發展的優勢重視數據科學和數據分析對推進電子商務行業持續快速發展的重要作用教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.行業數據分析2.市場行情認知與調研3.市場供給與需求分析4.電子商務行業競爭數據分析（二）課中實訓實訓一、行業數據采集的算例實訓二、利用百度指數分析市場行情實訓三、市場供給與需求分析實例實訓四、電子商務行業競爭分析實例（三）課后提升案例1妮維雅旗艦店的運營方案案例2利用百度指數分析市場行情思維導圖內容引入通過案例進行本章內容的導入。對于企業來說，以前消費者是誰企業是不清楚的，面目模糊，而現在電商的發展帶來大數據的發展，電商大數據勾畫出消費者的形象，男女，年齡、喜好、消費頻次等。大數據讓企業認識用戶，可以更為精準的服務用戶。借助大數據及相關技術，可針對不同行為特征的客戶進行針對性營銷，甚至能從“將一個產品推薦給一些合適的客戶”到“將一些合適的產品推薦給一個客戶”，得以更聚焦客戶，進行個性化精準營銷。例如，王老吉推出的“一罐一碼”的活動，通過與消費者一對一的鏈接，實現對消費者的真實畫像。通過大數據和平臺的運用，消除了品牌和消費者之間的障礙，讓品牌和消費者面對面地對話，讓王老吉的產品更加生動化，和消費者發生多樣合作關系。電商企業借助現代信息技術可以獲取多種類型的數據，通過整合、分析這些數據信息，能夠精準定位目標用戶，由此改變了傳統電子商務行業的市場營銷模式。那么你知道數據分析對電子商務行業發展的巨大優勢還體現在哪些方面呢？授新環節（一）課前自學1.行業數據分析（1）行業數據分析的作用數據分析有助于精確電商行業的市場定位；數據分析成為電商行業市場營銷的利器；數據分析支撐電商行業的收益管理；數據分析可創新電商行業的需求開發。（2）行業數據采集的步驟第一步，對整個行業概況進行信息收集，記錄關鍵詞；第二步，對收集的信息進行歸類，按照不同的指標存放；第三步，分析已收集信息，按照重要性或相關性劃分等級，并加以標記；第四步，根據指標的要求及已有數據確定下一步的信息收集工作；第五步，對原始數據進行加工和推理并有針對性地進行統計分析與數據挖掘；第六步，將已有的數據按提示制作成圖表進行可視化展現。（3）行業數據采集的渠道金融機構，政府部門，行業協會，社會組織，行業年鑒，公司公告，報紙雜志，專業數據庫。2.市場行情認知與調研市場行情是指市場上商品流通和商業往來中有關商品供給、商品需求、流通渠道、商品購銷和價格的實際狀況、特征以及變動情況、趨勢和相關條件的信息。為了在競爭中占據有利地位，必須對市場行情進行認真的調查研究，對供求和價格的變化及其原因進行認真分析，并對變化的趨勢做出預測，從而為企業經營積累經驗。3.市場供給與需求分析（1）市場供給認知市場供給是指在一定時間內、一定市場上，某種類商品的所有生產者能夠提供給市場的商品總量。（2）市場需求認知市場需求是指在一定的時期內、一定的市場上，購買者對某種類的商品有貨幣支付能力的需求總量。（3）市場需求調研的內容與方法市場需求調研的內容主要包括市場需求量、需求結構和需求時間。市場需求調研的方法：觀察法，實驗法，訪問法，問卷法。電子商務行業競爭數據分析（1）行業市場競爭認知市場競爭是市場經濟的基本特征。在市場經濟條件下，企業從各自的利益出發，為取得較好的產銷條件、獲得更多的市場資源而競爭。（2）行業競爭分析的方法邁克爾?波特（MichaelPorter）在行業競爭五力分析的基礎上設計了行業競爭結構分析模型，從而使企業管理者可以從定性和定量兩個方面分析行業競爭結構和競爭狀況。五種力量分別為供方的議價能力、買方的議價能力、新進者的威脅力、替代品的威脅力及同業競爭者的競爭能力。（二）課中實訓實訓一、行業數據采集的算例以速賣通（/zh/__pc/newsellerlanding.htm）后臺“選品專家”數據為例，可下載不同國家近30天的熱銷產品數據，并進行國家差異化分析。實訓二、利用百度指數分析市場行情百度指數是以百度海量網民行為數據為基礎的數據分享平臺，它研究關鍵詞搜索趨勢，洞察網民需求變化，監測媒體輿情趨勢，定位數字消費者特征，還可以從行業的角度分析市場特點。選擇家電類目下的空調子類目作為分析對象，利用百度指數分析該商品類目的市場行情。所需數據取自百度指數的趨勢研究模塊，涉及趨勢研究、需求圖譜、人群畫像三方面的數據分析，撰寫《基于百度指數的空調市場行情分析報告》。實訓三、市場供給與需求分析實例以我國電子商務物流市場為例，分析電子商務物流市場的供給與需求情況。實訓四、電子商務行業競爭分析實例基于淘寶網C2C店鋪的運營情況，以波特五力競爭模型為視角，對淘寶網C2C店鋪的競爭策略進行研究。（三）課后提升案例1妮維雅旗艦店的運營方案案例2利用百度指數分析市場行情內容小結本章介紹了電子商務行業數據分析的主要內容和方法、市場行情調研、市場供給與需求分析、電子商務行業競爭分析等知識。重點闡述了在市場行情調研中基于百度指數的行業分析方法以及基于五力競爭分析模型的電子商務行業競爭分析方法。課后作業1.判斷題（1）數據分析有助于電子商務行業的收益管理。（2）市場供給的基本規律：對一般商品而言，價格（P）與供給量（Q）呈正相關。（3）商品供給指在一定時間內、一定市場上，某種商品的所有生產者提供給或者能夠供給市場的商品總量。2.單選題（1）在進行市場需求調研時，可采用的方法有（）。A．觀察法 B．訪問法 C．問卷法 D．以上都是（2）訪問法的形式是（）。A．結構式訪問 B．無結構式訪問 C．集體訪問 D．以上都是（3）行業數據采集的渠道不包括（）。A．金融機構 B．行業協會 C．政府部門 D．科研院所（4）下列不屬于波特五力分析法中的內容的是（）。A．潛在進入者的威脅力 B．替代品的威脅力C．購買者的討價還價能力 D．中間商的討價還價能力3.多選題（（1）在收益管理中，重要的環節包括（）。A．需求預測 B．細分市場 C．敏感度分析 D．運營分析（2）以下屬于行業數據采集渠道的是（）。A．金融機構 B．政府部門 C．行業協會 D．專業數據庫（3）需求的變動引起（）。A．均衡價格同方向變動 B．均衡價格反方向變動C．均衡數量同方向變動 D．均衡數量反方向變動（4）影響供方議價能力的因素包括（）。A．供方有比較穩固的市場地位 B．產品的買主很多C．供方的產品具有特色 D．買主難以轉換或轉換成本太高4.簡答題（1）行業數據采集的步驟是什么？（2）什么是市場供給的基本規律？（3）什么是市場需求的基本規律？（4）簡述行業競爭波特五力分析模型的組成元素。教學總結（1）從課程思政的角度：電子商務數據分析與思政教育緊密結合。（2）從知識體系的角度：電子商務行業數據分析是電子商務數據分析應用的一個重要領域。對電商行業的整體行情、供給需求、競爭環境等進行全面分析。（3）從能力培養的角度：綜合運用數學、計算機、信息科學、經濟學、管理學的知識，培養全方位高素質人才。效果評估（1）通過理論課堂教學，進行師生互動，在課程講授過程中，實時發布測試題目和課堂提問，掌握學習效果；（2）通過課程微信群，了解學生的學習動態并及時發布課程測試題目；（3）通過雨課堂發布測試題，評估學生學習效果，并記錄到平時成績之中。（4）通過對公開數據、百度指數等資料的參考及數據匯總，鍛煉學生撰寫一份課程報告——關于某個行業的市場行情分析。項目八電子商務客戶數據分析“電子商務數據分析與應用”課程混合式教學方案（課前）BlackBoard系統+（課中）理論授課+（課后）雨課堂測試課程名稱：電子商務數據分析與應用任課教師：屈莉莉開課單位：航運經濟與管理學院教學對象：電子商務專業2022級章節名稱：項目八電子商務客戶數據分析教學目標：1知識目標了解電子商務客戶數據分析的含義和主要數據指標掌握客戶細分的模型掌握使用層次分析法對忠誠客戶測量標準的重要性排序模型了解客戶特征、行為分析的內容和客戶忠誠度的分類掌握客戶生命周期的5個階段和4種模式2能力目標利用ID3算法計算客戶特征，區別并理解兩種客戶細分模型熟練使用層次分析法計算多指標的權重值能夠對生命周期進行數據分析并提出優化方案理解在客戶生命周期的不同階段各相關變量的變化情況3素質目標培養結合實際需求進行客戶數據分析的能力培養利用數據分析結果解決問題的能力教學安排：教學環節教學內容教學工具（1）課堂教學OFFICE工具；（2）雨課堂：實施反饋與課后測試教學任務（一）課前自學1.電子商務客戶數據分析概述2.電子商務客戶數據分析的概念與主要內容3.電子商務客戶數據分析的主要數據指標4.客戶行為分析5.客戶細分方法與細分模型6.客戶忠誠度分析7.客戶生命周期分析（二）課中實訓實訓一、客戶特征統計分析實訓二、基于分類算法的客戶特征模型實訓三、基于5W1H分析法的應用案例實訓四、基于交易次數的新老客戶購買情況分析實例實訓五、客戶忠誠度指標權重的計算方法實訓六、客戶生命周期數據分析與優化案例（三）課后提升 案例1數據挖掘模型在電子商務客戶價值分類中的應用案例2分析店鋪客戶生命周期 思維導圖內容引入通過案例進行本章內容的導入。樂購(Tesco)超市公司是英國最大的食品超市公司之一，該公司實施的忠誠計劃―“俱樂部卡”，幫助公司將市場份額提升，成為英國最大的連鎖超市集團之一。樂購的“俱樂部卡”被很多海外商業媒體評價為“最善于使用客戶數據庫的忠誠計劃”和“最健康、最有價值的忠誠計劃”。樂購的俱樂部卡可以作為消費代金卷來使用，當用戶在樂購消費時會得到獎勵，累計后樂購會將其換成代金卷郵寄給客戶。由于規則簡單方便實惠因此收到客戶的自發使用。此外，樂購還通過讓用戶付款時出示俱樂部卡掌握了大量客戶的購買習慣數據，并通過軟件分析，將不同購買需求的客戶劃分為了十多個不同的俱樂部，為這些俱樂部制作了不同版本的專屬俱樂部卡雜志。樂購公司通過使用俱樂部卡取得了客戶的大數據并建立起客戶社區，大大提升了客戶的忠誠度和消費熱情，為客戶帶來福利的同時也為自己帶來了豐厚的利潤。你了解客戶數據分析嗎，以及它在商業競爭中的作用嗎？試著說說樂購超市公司是如何通過客戶數據分析為自己帶來收益的。授新環節（一）課前自學1.電子商務客戶數據分析概述（1）電子商務客戶數據的定義圍繞著客戶產生的一系列信息，如姓名、性別、年齡、學歷、所在地等基本信息均屬于客戶數據，但電子商務客戶數據的范圍更加廣泛，其還包括其他與電子商務消費和交易相關的客戶數據。（2）電子商務客戶數據的重要性對客戶進行有效的分析，不僅能提高客戶的滿意度和忠誠度，而且最終能提高企業的利潤，增強企業的核心競爭力。2.電子商務客戶數據分析的概念與主要內容客戶分析就是根據數據來分析客戶的各種特征，評估客戶價值，從而為客戶制訂相應的營銷策略與資源配置計劃。根據客戶關系管理的內容，將客戶分析的主要內容概括為以下六個方面：（1）商業行為分析，（2）客戶特征分析，（3）客戶忠誠分析，（4）客戶注意力分析，（5）客戶營銷分析，（6）客戶收益率分析。3.電子商務客戶數據分析的主要數據指標客戶分析指標有利于電子商務賣家進一步了解客戶的得失率和客戶的動態信息，它包含以下7個方面的內容：有價值的客戶數；活躍客戶數；客戶活躍率；客戶回購率和復購率；客戶留存率；平均購買次數；客戶流失率。客戶行為分析（1）客戶行為分析的含義在電子商務消費領域，消費者購買行為分析包括對客戶來源渠道的分析、對客戶訪問終端類型的分析、對客戶訪問時間分布情況的分析、對客戶購買時間分布情況的分析等。（2）客戶行為分析的基本框架市場營銷學把消費者的購買動機和購買行為概括為“5W”、“1H”和“6O”，從而形成消費者購買行為研究的基本框架。（3）客戶購買行為分析的主要過程購買行為環節模式描繪；確定各環節的關鍵影響因素；確定各環節的關鍵營銷推動行為；評估目標品牌的消費者行為表現，得到完整的消費者分布結構，即處于不同階段的消費者比例，從而明確品牌表現的原因；確定營銷活動的實施策略客戶細分方法與細分模型（1）客戶細分概述客戶細分(CustomerSegmentation)作為客戶關系管理的核心概念之一，是指企業在明確的戰略、業務模式和特定的市場中，根據客戶的屬性、行為、需求、偏好以及價值等因素對客戶進行分類，并提供針對性的產品、服務和營銷模式的過程。（2）客戶細分方法對客戶進行區分和分類的方法多種多樣，主要的細分方法：①AB客戶分類，②客戶多維分類，③客戶價值發現分類，④客戶價值分類，⑤潛在客戶的分類。（3）客戶細分模型RFM細分模型是通過客戶購買行為中的“最近一次購買（Recency）”“購買頻率（Frequency）”和“購買金額（Monetary）”三個數據，來了解客戶的層次和結構、客戶的質量和價值以及客戶流失的原因，從而為商家制定營銷策略提供支持。圖8.3RFM模型分析過程客戶價值矩陣模型是對RFM模型的改進，它消除了消費次數與總消費額之間的多重共線性，用平均消費代替總消費。圖8.4客戶價值矩陣模型客戶忠誠度分析（1）客戶忠誠度的定義客戶忠誠度是指由于質量、價格、服務等諸多因素的影響，使顧客對某一商家的產品或服務產生感情，形成偏愛并長期重復購買該商家產品或服務的程度。（2）客戶忠誠度的分類客戶忠誠可以分為情感忠誠和行為忠誠。圖8.5影響客戶忠誠度的主要因素（3）忠誠客戶的測量標準通過客戶重復購買次數、購買挑選時間、對價格的敏感程度、對競爭產品的態度以及對產品質量的承受能力五個方面可以衡量客戶是否具有品牌忠誠度。7.客戶生命周期分析1）客戶生命周期的5個階段（1）客戶生命周期的定義店鋪與客戶由準備建立關系到成功建立關系，再到最后終止關系的過程，稱為客戶生命周期（也稱為客戶關系生命周期）。（2）客戶關系發展的5個階段一般來說，客戶關系發展可分為5階段，這是研究客戶生命周期的基礎。①獲客期。②成長期。③穩定期。④休眠期。⑤衰退期。（3）客戶生命周期發展各階段相關變量的變化情況隨著客戶關系的發展，客戶生命周期的不同階段對店鋪的影響不同，其影響主要有成交量、價格、成本、間接效益、成交額與利潤等。表8.1客戶生命周期發展各階段相關變量的變化情況生命周期影響因素獲客期成長期穩定期休眠期衰退期成交量總體很小快速增長最大且穩定回落下降價格較低有上升趨勢持續上升開始下降穩定略微下降成本最高明顯降低持續降低回升穩定略微提升間接效益沒有后期有并擴大持續擴大縮小近乎沒有成交額很少快速上升穩定開始下降很少利潤很少甚至負利潤快速上升持續上升開始下降很小甚至負利潤2）客戶生命周期發展的4種主要模式早期流產型，中途夭折型，提前退出型，長久保持型。（二）課中實訓實訓一、客戶特征統計分析客戶特征分析是了解用戶訴求點的關鍵，對企業制定營銷方案和資源配置計劃具有重要意義。從年齡分析、職業分析、地域分布3個方面對客戶特征進行分析。實訓二、基于分類算法的客戶特征模型1．分類算法概述分類（Classification）是一個有監督的學習過程，目標數據庫中有哪些類別是已知的，分類過程需要做的就是把每一條記錄歸到對應的類別之中。2．ID3算法描述早期著名的決策樹算法是1986年由Quinlan提出的ID3算法。ID3算法用信息增益（InformationGain）作為屬性選擇度量，信息增益值越大，不確定性越小。3．分類算法實例從客戶的年齡范圍、收入水平、是否為學生、信用等級等4個方面，對潛在客戶是否會購買本店鋪的電腦進行分類。實訓三、基于5W1H分析法的應用案例以普洱茶為例，基于5W1H分析法制定茶葉電商市場的營銷策略。實訓四、基于交易次數的新老客戶購買情況分析實例（1）新老客戶人數走勢分析（2）新老客戶銷量與銷量額所占比例分析此部分內容可安排上機操作進行深入掌握。實訓五、客戶忠誠度指標權重的計算方法層次分析法（AnalyticHierarchyProcess,AHP）是美國匹茲堡大學教授T.L.Saaty于20世紀70年代提出的解決非數學模型決策問題的方法。利用層次分析法計算忠誠客戶的測量指標的權重。假設在某個電商平臺上有3個商家銷售同一類目的商品，現邀請一批消費者對這3個品牌的5個指標分別進行打分，打分范圍在05分，得分越高則表示該消費者在該店鋪購買次數越多、挑選時間越短、價格敏感程度越低、對競爭產品態度越無興趣、對產品質量承受能力越強。實訓六、客戶生命周期數據分析與優化案例根據某店鋪最近2年的交易額，繪制該店鋪的客戶生命周期圖，并分析發展的模式，及改進的具體措施。（三）課后提升案例1數據挖掘模型在電子商務客戶價值分類中的應用案例2分析店鋪客戶生命周期內容小結本章全面闡述了電子商務客戶數據分析的知識內容。介紹電商客戶數據指標與客戶分析的相關概念，從客戶特征分析和客戶行為分析了解客戶，通過RFM模型和客戶價值矩陣模型兩種模型細分客戶。利用ID3決策樹模型對客戶的特征進行分析，為獲取潛在客戶提供推理依據。忠誠的客戶會給店鋪帶來很大的價值，客戶忠誠度受情感、行為、轉移成本三個因素影響，通過層次分析法對忠誠客戶的五個測量標準進行重要性排序。客戶生命周期分為獲客期、成長期、穩定期、休眠期和衰退期五個階段，具有早期流產型、中途夭折型、提前退出型、長久保持型四種不同模式，并針對具體案例對客戶生命周期進行分析和優化。課后作業1.判斷題（1）當新客戶比例=客戶流失率時，說明店鋪有下滑趨勢。（2）客戶細分方法中的AB客戶分類討論的是30%的A類客戶和70%的B類客戶這一問題。（3）情感忠誠主要由3方面構成，即競爭對手誘惑、客戶滿意度及客戶購買量。（4）穩定期是間接效益最為明顯地展示的階段，客戶對店鋪提供的價值感到滿意，促使效益持續擴大。（5）在中途夭折型模式中，客戶關系經過了獲客期、成長期和穩定期。2.單項選擇題（1）（）是客戶細分的重要前提。A.客戶群的穩定性B.客戶群的多樣性C.數據的穩定性D.數據的多樣性（2）RFM模型的三個指標是指購買頻率、購買金額和（）。A.延遲購買B.重復購買C.最近一次購買D.客戶響應（3）以下哪個選項不能反映客戶的忠誠度高（）。A.挑選時間短B.對質量要求苛刻C.對競爭產品的態度漠視D.重復購買次數多（4）（）是客戶關系開始衰退的階段。A.穩定期B.衰退期C.休眠期D.成長期（5）關于生命周期各階段相關變量變化情況，以下說法錯誤的是（）。A.間接效益在獲客期以及衰退期是基本沒有影響的B.獲客期最大的特點是不確定性C.穩定期前期的利潤持續上升，但在后期減緩，最后穩定在高水平上D.成長期是整個關系發展水平的最高點3.多項選擇題（1）電商客戶數據包括（）。A.主觀數據