首先我們知道，做網(wǎng)上商城系統(tǒng)運(yùn)營(yíng)，每天都要跟數(shù)據(jù)打交道。數(shù)據(jù)可能說謊，但做任何的決策必須要有數(shù)字基礎(chǔ)支撐，否則決策就成了空中樓閣，對(duì)運(yùn)營(yíng)不利。

數(shù)據(jù)分析對(duì)公司而言，是重中之重，而且很快能帶來經(jīng)濟(jì)上的效益。比如說利用數(shù)據(jù)分析做市場(chǎng)以及會(huì)員的精準(zhǔn)化營(yíng)銷；利用數(shù)據(jù)分析去發(fā)現(xiàn)并解決當(dāng)前問題，讓顧客有更好的購物體驗(yàn)；其他挖掘用戶需求，深耕數(shù)據(jù)的方方面面就更不必贅言。

下面介紹數(shù)據(jù)分析的幾種方法。

1、RFM模型

RFM模型用用來分析客戶關(guān)系的，用以衡量客戶價(jià)值和客戶創(chuàng)利能力。

R即近期購買行為；F及近期購買次數(shù)，M即近期購買金額。著三項(xiàng)指標(biāo)能夠分析出該客戶的整體價(jià)值意義。通過分析我們可以給會(huì)員建立等級(jí)關(guān)系，發(fā)現(xiàn)流失客戶和休眠客戶，可以針對(duì)最優(yōu)客戶做一些回饋活動(dòng)，從而提高用戶的忠誠(chéng)度。

2、關(guān)聯(lián)分析

大家都聽過啤酒與尿布的故事。沃爾瑪對(duì)其顧客的購物行為進(jìn)行關(guān)聯(lián)規(guī)則分析后發(fā)現(xiàn)：啤酒與尿布經(jīng)常被一起購買，從而出乎意料地創(chuàng)造了新的零售奇跡。但是實(shí)際上，這種方法再目前的運(yùn)營(yíng)過程不是很實(shí)用，紛繁復(fù)雜，決策者也很難挖出相關(guān)性和商業(yè)價(jià)值。

3、聚類分析

聚類分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類。在商城運(yùn)營(yíng)中，聚類分析就是挖掘出具有相似消費(fèi)習(xí)慣的人群，從而做精細(xì)化的決策。這個(gè)分析方法不需要得到算法額外的支持，只需要根據(jù)系統(tǒng)的已經(jīng)有的商品分類，把購買過相同商品類別的顧客劃分到一起。如把購買了魚竿的客戶歸到一類，那么營(yíng)銷活動(dòng)就可以設(shè)置推送野營(yíng)/魚餌/野外探照燈等品類，這對(duì)企業(yè)的營(yíng)收起到積極的作用。

綜上所述，網(wǎng)上商城系統(tǒng)的運(yùn)營(yíng)還是需要運(yùn)營(yíng)人員不斷地積累數(shù)據(jù)，用多種方法去分析數(shù)據(jù)。數(shù)據(jù)可能會(huì)說謊，但看不懂?dāng)?shù)據(jù)，不可能看得到運(yùn)營(yíng)的真相。