2017年双十一过去已经一周之余，不知道大家是不是都已经收到了自己的战利品~今天就为大家分析揭秘双十一的巨额数据背后的秘密，顺便也可感受一下国人对于购物的热情。

首先说一个众所周知的数据：2017年双十一天猫成交额1682亿。

所以今天，从三个角度带你一起去探索1682亿背后的秘密：

1、全网热度分析：双十一活动在全网的热度变化趋势、关注来源、媒体来源以及关联词分析。

2、各平台对比分析：针对“天猫”“京东”“苏宁”等一些电商平台的销售额以及粉丝画像进行对比分析。

3、天猫销售额分析：通过天猫的一些具体销售额进行分析，了解各品类、各地区分布情况以及历年销售额的变化、并对2018年销售总额进行大胆预测。

一、全网热度分析

（1）“双十一”热度

在双十一前后的72小时之内关于“双十一”的讨论热度高达80.21，话题感满满啊，大家都要成为爱吐槽的段子手了。

（2）微博传播趋势

通过微指数对“双十一”的趋势分析，可以看出，前期热度呈波动趋势，但双十一当天迅速飙升至2520K左右，大家对于“剁手”这件事是真的很关注，购买力就更不用多说了吧~

（3）关注来源

从近一个月的PC&移动端趋势走向可以看出全网的关注度来源，移动端大概是PC端的4倍，更是占到总体趋势的80%以上，这说明大部分关注用户是用手机等其他移动设备进行搜索，最高热度值达到2038K。

（4）媒体来源

在双十一中，媒体来源的信息量TOP3依次为微博、网站和论坛。

（5）关联词

通过对双十一的相关信息进行分析，与核心词关联度最高的词语依次是“包装”、“纸箱”、“电商”。话说，你的快递都收到了么？

（6）头条关键词热度趋势

根据头条指数的热词分析，“马云爸爸”果然不出意料的获得了第一名，在双十一期间他也有借用自己的电影《功守道》来提高自己的曝光率，指数值高达240万以上~

（7）百度指数热度趋势

通过百度指数近7天的热词趋势，我们可以看出，在本次“双11”开始前，大家对于各电商平台的讨论热度居高不下，呈直线飙升趋势，在“双11”当天达到最高值。其中“淘宝”、“京东”、“唯品会”等电商平台一度成为大众关注的焦点。

（8）微信指数热度趋势

如图所示，微信指数近7日热度最高的是“双十一”，其次是“快递”，“淘宝”位居第三。看来，痛快的买买买之后，大家还是比较关心什么时候可以收到剁手的产物啊，有快递在路上的日子，一切都有了盼头~

二、各平台对比分析

（1）各平台总销售额对比

以上是某数据对20家B2C电商平台的监测结果，在双十一销售额方面，天猫销售额稳居全网第一，占比66.23%，京东占比21.41%，苏宁易购占比4.34%，亚马逊占比1.95%，唯品会占比3.43%，其他电商平台占比2.64%。

如此显赫的数据，直接体现了“双11”线上人群强大的购买力，同时也代表着中国新零售能量的爆发。嘿！咱们又为建设美好的社会主义国家贡献了自己的一份力！

（2）各平台海外购销售额占比

根据上图，能够很清晰地看出2017年双11各平台海外购销售额占比情况，亚马逊为7.3%稳居第一，天猫为5.4%，京东为4.9%，苏宁为0.6%，唯品会为3.7%。

原来11.11这个节日已经不单单只是亿万国人的狂欢，还有越来越多的海外多个国家的加入，一个个数据体现的是一种新经济和新消费模式。

（3）粉丝画像对比

针对淘宝和京东两家粉丝进行了对比，可以看出淘宝的女性粉丝是远多于男性的，京东的男女比例分布比较平均，这与京东最初主打数码家电行业有密不可分的关系。

而两家粉丝的年龄分布相差不多，都集中在年轻人这里，看来50岁以上的人群还是待开发的用户群啊~

根据微舆情的情绪地图可以看出在双十一之后用户通过微博展现出来的情绪，最显著的就是：喜悦。其中最“喜悦”的是广东地区用户，大概是因为他们的快递正在路上，抑制不住内心的兴奋吧，哈哈~

三、天猫销售额分析

（1）天猫历年“双11”销售额

2009年之前，天猫还叫淘宝商城，“双11”销售额是5200万，27个品牌参与了活动;

2010年，“双11”的成交额以惊人的速度增长，总成交额9.36亿；

2011年，“双11”总成交额达到了33.6亿。“双11”这个在大家的概念里原本只是光棍节的日子彻底火了；

2012年，淘宝商城正式更名为天猫，“双11”线上总成交额达到191亿，“双11”热潮从线上覆盖到线下，成为一个全民总动员的节日；

2013年，天猫“双11”交易总额达到362亿元，交易额大幅提升；

2014年，双11趋势呈现全球化，全天交易额达571亿元；

2015年，双11的最终交易额达到912.17亿元，覆盖了232个国家和地区；

2016年，天猫双11全球狂欢节全天总交易额达到1207亿元；

2017年，“双11”天猫交易额总计达1682亿，各项数据仍然不断刷新前几年的记录。

（2）2017年&2016年天猫“双11”成交额

盘点今年双11交易额重要数据，从11日0时开始销售额一直不断上升至11月12日0时，天猫“双11”指挥中心大屏幕上的数据最终停留在1682亿元。看了上图终于知道为什么购物车里的商品分分钟就不见了！！这是在跟几亿人作斗争啊！

（3）2017天猫“双11”各地区销售额

在这场全民剁手热潮中，广东人民消费力杠杠滴，位居全国第一，浙江、江苏人民也贡献了不俗的“战绩”！北、上的人民怎么甘愿落后呢，这销量也是紧随其后啊！据统计，2017年“双11”共产生包裹13.8亿个，快递小哥正在努力将你的包裹送到手中哟。

（4）天猫全网成交额产品类别排名

2017年“双11”所有成交产品中，产品品类排名前几分别是：大家电销售额占比15.2%，手机销售额占比8.7%，个人护理品占比5.6%，母婴用品占比3.6%，生活电器占比2.8%，彩妆占比2.5%。

其中销售量Top1的大家电排名如下：在大家电品牌中，海尔销量稳居第一，美的、夏普其次，之后依次是：西门子、格力、海信、小米、TCL、小天鹅、奥克斯。

2018年预测

最后让我们根据以往的数据大胆预测一下，2018年天猫“双11”全球购物狂欢节的成交总额：2146亿元！让我们记住这个数字，看看国人的购买力会不会超过机器预估能力~

数据来源：网络整理

涉及工具：BDP个人版、微舆情、微指数、wordart

至顶网服务器频道 10月15日 新闻消息（文/李祥敬）：现在业界都在谈论人工智能，人工智能技术加速了数据价值的实现。同样，大数据技术在企业应对数据挑战方面发挥了重要的作用。近日，在“携手共创未来数据科技；京东与英特尔，大数据合作备忘录签约仪式”上，英特尔与京东共同分享了在大数据分析领域的合作成果，以及将要展开的全新合作。

具体而言，京东正在为建立高级数据分析能力而着力打造下一代可扩展的大数据平台，京东和英特尔除了在软件领域展开深入合作外，京东大数据也在计算、存储、网络等领域充分利用英特尔下一代硬件产品；京东大数据团队在大数据领域创新的同时，将持续推动开源社区和整个行业在数据分析领域的进步。

硕果累累 京东与英特尔的合作由来已久

谈及与英特尔的合作，京东集团副总裁、大数据与智能供应链事业部总裁裴健表示，英特尔对于整个京东来说是一个非常重要的合作伙伴，这个重要性表现在几个方面：第一，英特尔提供了最新的硬件以及在硬件之上的软件和各种解决方案的技术，这对于京东及时获得最新的技术并在最新技术基础上研发行业解决方案和内部产品具有非常重大的价值。

“我们希望京东的行业实践和解决方案也能够对英特尔有价值，双方能够一起来去探索巨大的中国市场，推动零售门店科技、IoT、区块链等一系列的前沿技术和业务，并把它们往前推进。”裴健说，“这次签约也是对我们之前合作的一个总结，为今后合作打下了一个很好的基础。”

京东集团副总裁、大数据平台负责人翁志（Dennis Weng）表示，京东和英特尔在过去几年里进行了密切合作，从定制服务器到大数据，诸如Apache Spark on Kubernetes及其相关的框架和工具套件、Adaptive Execution、存储和计算分解、Spark工作负载优化等。“结合京东的海量大数据应用，京东和英特尔已经联手对这些项目进行了深度定制，在统一的数据分析和AI流水线上加速并简化了方案开发，并在某些特定场景下发挥了巨大的效能。”

例如，翁志介绍说，京东利用Adaptive Execution优化Spark的工作负载，提升数据存取效率，能够在要求的时间内完成计算。后来京东在Spark的基础上引用了深度学习框架BigDL，在这个框架上通过英特尔数学函数库提升整个硬件的能力，并在京东内部的应用取得了很好的效果，使得京东整个Spark技术平台能够满足各种应用的需求。“我们应用了英特尔的很多技术和产品，使得京东大数据平台的优势得到提升。”

英特尔公司软件和服务部门副总裁、数据分析部门负责人马子雅也表示，对于世界领先的硬件和软件的追求和兴趣让京东和英特尔走到了一起，这是非常完美的结合。双方在Hadoop集群、Spark、机器学习等方面开展了广泛的合作。“在英特尔硬件平台上，我们进行了软硬件调优、算法优化、增强扩展性等工作，实现了京东大数据平台性能提升和功能完善。”

在硬件层面，英特尔推出了傲腾固态硬盘以及英特尔傲腾数据中心级持久内存等新一代的存储技术。如何在最新的英特尔硬件技术上面优化京东的大数据平台，这是双方合作的重点。"英特尔并不只是把硬件卖给客户，而是帮助客户在具体的英特尔的产品线上进行最好的调试，让他们得到最好性价的一个结果，利用我们最新的硬件技术。"马子雅说。

比如针对英特尔的最新技术产品，京东与英特尔在可扩展计算、持久内存、网络和开源软件优化方面的平台创新进行高级分析，并合作开发下一代大数据平台，以完成架构升级，降低运行成本，增加集群整体效能。

另外，京东致力于打造异构的IT基础架构，为了把更多的不同硬件资源整合到同一个平台下面，英特尔与京东会在Kubernetes方面进行更多合作，探索如何有效管理异构资源。“英特尔过去在很长一段时间在开源方面主导了很多的项目，通过京东的合作让我们对开源也有更多的贡献，所以我们在未来的时间里面也会继续跟京东在这方面的合作，加大开源的创新，也帮助京东更好地利用开源的项目。”马子雅说。

翁志说，京东正在着力打造提供最佳性价比的下一代大数据平台，通过英特尔先进的技术为支撑，在虚拟化技术、存储计算分离、存储压缩技术等计算资源横向智能扩展上发力，对大数据基础架构进行升级，在AIOps等领域进行深耕。

英特尔与京东积极探索人工智能时代的大数据创新

当前我们处于一个大数据爆炸的时代，使用复杂的算法和模型以及应用不断增长的数据量和更复杂的数据集正在成为主流。 我们看到传统人工智能与大数据分析的集成越来越多，以解决更复杂的问题。

在马子雅看来，人工智能背景出身的专家一直在讲人工智能未来的发展是通过对算法不断地提升才得以发展，而从大数据出身的专家会说人工智能的发展未来就是要通过数据。“其实我个人认为，如果你的算法已经很成熟稳定，这个时候数据对于人工智能的推动是更重要的。比如ImageNet，自从ImageNet出现以后，在过去几年时间里图像识别得到了飞速的发展。可以说大数据推动了人工智能的进展。在未来，大数据跟人工智能必须相互结合才能够真正做到原来两个分开的领域做不到的东西，这是我个人的看法。”

翁志也表示，数据挖掘中使用了人工智能的方式进行数据处理，比如深度学习或者机器学习，它们之间非常紧密地联系在一起。未来，大数据和人工智能彼此连接、彼此发展和互相促进。“数据的发展一定是前途无量的，这个也是京东的强项，因为我们能够获得很多丰富场景下的大数据。”

翁志表示，京东内部有非常丰富的应用场景，从商品的售卖到商品的物流，也就是一个商品从它的生产到被用户消费到售后服务，整个的一个流程为京东积累了很丰富的数据。“京东通过数据分析实现精准营销和优化用户体验，提升大数据能力。这种大数据能力包括算法、计算能力、海量数据获取等方面，在计算方面与英特尔的合作能够使我们的大数据能力有一个极速的提升。”

“展望未来，我们有非常广阔的合作前景，京东与英特尔的合作具有互补性。京东的海量数据应用场景与英特尔在软硬件上的实力的结合是一个互补，这种完美结合使双方公都能够获益，而且我们能够进行更多的建设性工作，实现人工智能时代的大数据创新。”翁志说。

废话少说，我们直接上大数据：（声明数据截取时间相同，都是目前最新的）

一加5T：截止现在京东上的评价基数为24万+，好评度为100%。

荣耀V10：截止目前京东之上好评价基数为24万+，好评度为011%。

看完这组数据你是不是感受很好玩，一加5T与荣耀V10的渊源还很深啊！这两款机型不但都是发布于2017年11朋28日，目前在京东之上无论是评价基数还是好评度都完全全相同。这说明这两款机型是当下全面屏旗舰之中，消费者最喜欢的两款。看到这儿可能有很多消费者就开始犯难了，同样的数据如何选择呢？这还有从这两款机型的参数、配置及日常表现来讲。

其实一加5T与荣耀V10除了同年同月同日生，京东大数据同样之外，这两款手机的价格也是重叠的。一加5T与荣耀V10的6G+64G版本同样售价2999元，一加5T的8G+128G版本售价为3499元，荣耀V10的6G+128G版本售价也是3499元。这么多相似之处很难让普通消费者分辨出他们之间的区别，其实你只要掌握一点就可以了。一加5T是定位于安卓顶级旗舰，而荣耀V10仅是华为系列手机的次旗舰，它的定位要低于华为mate10系列的。

掌握了这点区别之后这两款机型就很好选择了。既然都是主打全面屏、面部识别，那么我们就从屏讲起。一加5T采用的是三星OLED 18：9屏，而荣耀V10采用的是天马LCD 18：9屏虽然他们的分辨率完全相同，大小也相差无几。但是OLED相对于LCD的优势就太明显了，特别是在日常使用过程中，一加5T的显示效果更出众的同时更省电，而LCD的屏弱势就不讲了。

屏之外一加5T相对于荣耀V10最大的优势在于性能之上。这是由于一加5T搭载的是高通骁龙835处理器，而荣耀V10搭载的是麒麟970处理器，这两款处理的CPU并不是一个级别的。最为关键的是GPU差别巨大，因而导致在日常体验、游戏等环节之上一加5T的表现要远胜于荣耀V10，还有一点一加5T最大的却存达到8GB，而荣耀V10仅6GB，RAM的差距对安卓机型的重要性，不用讲大家都明白。

因此看似京东大数据相同，但背后反映的实际问题是不同的。

近几年电商行业的各大网站纷纷通过降价、促销等方式来吸引用户，KPCB 的调查报告显示，2009 年到 2015 年全球移动端新用户的增长率持续下滑，可以预计在 2016 年这一增速将继续放缓。这意味人口增长带来的流量红利正在逐渐消退，用户增长将更加乏力，那么，通过单纯的价格战来吸引新用户的方式还可行吗？

严峻的市场市场形势让我们思考：

1）通过降价促销来带订单数的增长，但是这样的活动吸引来的真是你的目标用户吗？

2）现在很多电商运营团队缺少精细化运营和数据驱动的经验和意识，依靠价格战这种野蛮生长的方式，一旦团队面临增长困境，又该如何应对？

Part 1 电商行业需要关注的五大关键指标

在众多的互联网细分行业中，电商行业起步早，发展时间长，行业特征显著：

1）商品品类及 SKU 多，用户覆盖面广，运营难度大；

2）总体上客单价低（除旅游、奢侈品等外），强调留存与复购；

3）电商产品设计相对成熟，优化运营是重中之重；

4）电商行业竞争白热化，精细化运营是冲出重围的必备技能。 要想实现精细化运营，数据是必不可少的一个环节。

要想实现精细化运营，数据是必不可少的一个环节，电商网站要提高运营效率，至少需要五大关键指标：活跃用户量、转化率、留存、复购和 GMV 。

1）活跃用户量是一个基本的指标，有 DAU（日活跃用户）、WAU（周活跃用户）和 MAU（月活跃用户）三个层次；

2）转化是一个非常重要的指标，电商运营需要关注主路径、次路径甚至精细到每一个品类 SKU 的转化率；

3）留存要从不同的时间周期上研究，包括次日留存率、3 日、7 日、30 日留存；

4）复购则要从 3 个角度去看，复购用户量、复购率和复购金额比；

5）GMV 是最重要的指标，我们的运营最终是围绕这个来进行的。GMV = UV 转化率客单价

Part2商品运营：流量优化和品类优化

前面提到电商行业的一大特点是商品品类或者 SKU 非常多，那么如此多的商品该如何运营呢？

这是三个电商 APP 的首页界面（各家 Web 端布局也比较相似）：前两个是京东和国美，属于平台型的电商；第三个是生鲜水果平台，属于垂直型电商。不难发现电商的产品在设计上非常类似，首页上面呈现的是轮播的 Banner ，下面是活动专区。

在商品运营中，尤其是首页商品更新速度快，我们要格外重视转化，甚至要精确到不同时间区间、不同位置、不同商品的转化率。然后根据转化率，结合业务经验，不断调整运营策略。然而目前，即使是大型的电商网站，也没有很好地做到这一点，对于每个商品品类 SKU 的转化率的分析仍存在一定的空缺。

商品运营有一个非常大的优势：投入低，见效快，效果明显，商品运营的本质是通过不同坑位、不同活动、不同商品的分析来提高我们的转化率和 GMV 。

下图展示了一个电商购买流程的主路径：首页——活动页——商品详情页——支付完成。从精细化分析的角度出发，我们关注转化路径每一步的转化率；通过分析不难发现最后一步“支付完成”的转化率偏低。

我们更需要基于三个关键转化“UV-点击”、“点击-加入购物车”、“购物车-支付成功”，对不同的商品进行比较分析，从而及时调整运营策略，下图就是各个步骤的转化率：

电商网站的运营节奏非常快，尤其是活动专区的“秒杀”、“抢购”等活动，需要实时监测 SKU 的更新变化。上图中，某电商平台进行了一次微信上的促销活动，通过实时监测到对应的平台访问情况，便于运营人员及时调整运营策略。

GrowingIO实时分析功能电商网站上的商品品类非常多，每一个品类都应该有明确的定位，不同定位的品类应该有不同的运营策略。根据商品品类的利润率、转化率等表现，我们将商品品类分成 4 种：导流型品类、高利润品类、高转化品类、未来明星型品类。

1）导流型品类：利润非常低，但是购买量大、市场需求大，目的在于导流。

2）高利润型品类：利润率高，希望用户更多购买此类商品。

3）高转化品类：带量。

4）未来明星型品类：这是电商平台的潜力股，虽然曝光量很低，但是转化率极高。

明确了商品的品类后，我们就可以针对性地展开运营。

这是新型的波士顿矩阵，横坐标代表商品的曝光量，纵坐标是商品的转化率，图中的每一个圆圈代表一个品类的商品。右上角的商品品类曝光量大、转化率高，是现金流的重要业务；而左上角的商品虽然曝光率非常低，但是转化率极高，属于我们上面提到的未来明星型品类，对于这一类商品，我们在后期的运营中可以增加其曝光量。

Part 3 怎样进行用户运营？

正如开头提到的，随着互联网用户增长速度的放缓，用户体验愈发重要，之前无目的的短信推送、APP 通知有可能使用户厌烦，破坏用户的体验；甚至可能导致用户退订、卸载。

精细化运营的情况下，做好用户运营主要从两个角度出发：一是找到用户留存的关键点；二是采取差异化的运营策略，区分不同的用户群体，对不同群体采取差异化的运营方式。

1. 找到用户增长的“魔法数字”留住一个客户的成本远远小于重新获取一个客户的成本，所以留存至关重要，它关系着一个平台能否持续健康发展。

留存曲线分成三个周期，开始是震荡期和选择期，经过这两个周期，如果用户能够留下来，就会进入一个相对平稳期。

在硅谷流向的 growth hacking 中，经常提到 magic number（魔法数字）。

那么作为一个电商平台，你的平台的魔法数字是什么？

以某电商平台为例，在该网站上 7 天内完成 3 次购买的用户的留存度（红色）是一般用户（绿色）的 4 倍左右，因此在一周内让用户完成 3 次购买就是他的魔法数字。

2. 差异化的运营策略

不同用户的活跃度、商品偏好、购买决策阶段都各异，我们需要采取差异化的运营策略。差异化的运营策略主要从3个角度出发：基于用户的活跃度、基于用户对不同商品的偏好、基于用户所处的决策阶段。

基于用户的活跃程度，我们可以将用户大致分成“流失用户”、“低频活跃用户”和“高频活跃用户”。一般情况下，一个用户 30 天甚至更久没有登录你的平台，我们基本可以认为该用户流失了。对于流失客户，是否要考虑采取召回策略。30 天内活跃 10 天以上的高度活跃用户，我们是否可以向其推荐更多精准的商品。

其次基于用户对不同商品的偏好，我们采用用户分群，将用户区分成“美妆类”、“鞋帽类”、“数码类”、“书籍类”等不同群体，然后精准推送新品。

最后，基于用户购买决策的不同阶段。一个标准的购买流程，先后经历“首页浏览搜索——浏览商品详情页——商品对比——加入购物车——支付成功”等几个环节，用户在每一个节点都处于不同的决策阶段。我们从维度（属性数据）和指标（行为数据）出发，对用户分群，如“领取了优惠券，但是未使用”的用户，采取精准的推送。我们从 GrowingIO 提供的 API 导出这些用户的 ID 和属性，然后对接企业内容的 CRM 或者 EDM 进行精准的推送和提醒，刺激用户的转化。

Part 4 优化产品的转化效率

目前电商产品的设计总体成熟、界面布局类似，我们主要结合用户的使用情况去优化产品。我们的思路主要是：优化产品不同路径的转化率，注重用户点评的管理。

1.优化产品

从转化做起一个购买行为可能有多种转化路径：

1）首页——商品——订单转化

2）首页——商品列表——详情页——订单转化

3）首页——搜索——商品列表——详情页——订单转化

4）首页——单坑位Banner——活动页——详情页——订单转化

除了不同路径的转化率，我们还关注转化的每一步：

上图利用 GrowingIO漏斗功能展示了一个用户的购买流程及每一步的转化率，我们发现“加入购物车”到“支付成功”的转化率不到 13，偏低，需要排查具体的问题出在哪里。

一旦觉察到问题可能存在，我们就需要层层下钻，直接抵达问题的核心。我们通过用户分群，将“提交订单，但是未支付完成”的用户全部筛选出来。然后抽出 3-5 个符合条件的用户，借助“用户细查”仔细观看每个用户的操作流程，一般就能发现问题了。

2. 用户评价的重要性

越注重用户体验的商品，用户评价的管理就越重要，例如旅游类商品、生鲜类商品、鞋服类商品等。

借助转化漏斗，我们发现观看过“商品评价图片”的用户的购买转化率是一般用户的 4 倍，但是其数量只占总体的 110。如果我们能引导用户参与点评，将优质点评展示给更多的新用户，那么我们的总体购买转化率将会有更大的提升。

更多电商数据分析内容进入：otpub

盘点2017，短视频无疑是今年最热门的话题之一。在资本与平台的催生下，短视频机构与C端用户每日正以惊人的速度增长。电商平台也纷纷发力短视频，在此次双11电商大战中，首次参与双11大促的京东商品短视频便给商家及用户带来了别样的体验。 据味库海鲜负责人透露，10月底，味库海鲜在其京东旗舰店中，将店铺销售top10的产品主图全部短视频化。双11期间，页面停留时间增加超过30%，支付转化率增加了18%，收藏和加购物车的数据也有明显的增长。

“从双11预热开始，商家后台每日新增的商品短视频呈几何倍数增长，”京东短视频负责人胡长健说，“同时，我们看到许多短视频拍得越来越有意思，商家对于输出什么样的内容越来越清楚了。”京东商品短视频数据表现一直可圈可点，用户停留时长与转化率的显著提升，为电商平台如何输出短视频带了一个好头。京东在不久前率先推出【商品短视频行业运营标准】jdvideo.jd，以大数据分析结果为依据，提升视频质量及转化为目的，根据不同商品类型，从拍摄设备、方式、场地环境到脚本都给出了非常详细的说明与指引。

在京东此次推出的主图视频行业运营标准中，都有哪些值得关注的亮点呢？

业内首创行业标准，拍摄脚本全面开放。京东大数据针对平台上各品类商品短视频进行了全面分析，运营人员根据转化率的分析结果为各品类商品均制作了详细的拍摄说明及视频案例,并首次将短视频拍摄脚本全面开放，这将对商家、视频服务商、以及想要进入电商的短视频机构起到重要的指引作用；

联合知名短视频服务商共同输出行业标准。京东联合知名短视频服务商二更、味库、玩视频、颜印象等共同打造商品短视频拍摄标准，并推出102个标准视频案例供商家参考，通过标准化拍摄流程，服务商可在3-5天给商家提交成片，极大降低中间环节，提高拍摄效率；

推出视频质量分评级政策，高质量主图视频将为商家带来更多流量。京东以主图视频行业运营标准为基础，依靠人工智能运算，从视频播放率、完成度、画面质量等多个维度对视频进行分析评级，给予评级较高的视频更多的流量倾斜与展示入口，在流量红利逐渐消失的今天，为优质商家带来更多曝光机会。

目前京东平台上的视频内容主要分为两类，一类是内容视频，主要在手机京东【发现】频道，以内容输出为主；另一类则是商品短视频，以商品展示为目的，除了商品主图位置，京东APP各频道页都将引入。目前在首页、购物车等位置，有视频的商品将根据千人千面优先进行展示。

记者了解到，目前手机京东各频道页均已逐步接入商品短视频，未来或将用短视频逐渐取代图片及图文的展现方式，优化、升级用户浏览体验。京东目前已有近千万商品短视频，且每天以惊人速度不断增加，未来京东将对平台海量视频进行内容整合，打造首个电商短视频聚合平台，并借助开放平台进行全渠道分发，精准触达用户，打造电商短视频营销新模式。

当今时代信息化产业飞速发展，各类底层大数据平台百花齐放，亿级数据、秒级响应已经不再是当年的遥不可及的神话。然而对于企业来说，数据计算快仅仅是满足企业进行业务数据分析的硬件基础，如何发掘这些海量的数据产生应用价值，走好数据分析这最后一公里，引导企业进行战略决策却是至关重要的一步。

本文以互联网行业为数据业务分析背景，希望能跟大家交流一些数据分析方面的心得和体验。

——本文使用数据分析工具为FineBI 商业智能工具

数据分析的本质其实是做数据对比分析，没有数据对比，单一的指标统计往往难以发挥数据价值。像我们常见的数据对比分析方法有同比、环比、占比等一系列分析指标，那是不是所有的数据业务场景都可以直接进行套用分析呢？比如我们统计企业2018年1月29日的同比流量，是不是可以直接对比2017年1月29日？表面上看好像2017年1月29日确实就是2018年1月29日时间层面上的同比日期，但是我们仔细对比查看这两个日期会发现2018年1月29日是周一，2017年1月29日确是周日。对于很多行业的企业来说，非工作日和工作日的数据往往是有很大差异的，这个时候单纯从日期层面来进行对比其实是没有什么意义的，选择对比同是周一的2017年1月30日的流量数据进行同比计算可能会更加有价值。

目前互联网行业做搜索引擎的有Google、百度，做综合门户的雅虎、新浪，做即时通讯的主要是腾讯，电子商务方面的主要是阿里、京东、亚马逊等。不论是以上的哪家互联网企业，往往都需要有一套引流、转化、消费、留存方面的运营策略，平台的流量数据分析往往都是非常重要的。

互联网流量数据分析方面，总结主要有如下四种数据常用分析方法：

1.对比分析流量规律，针对时段进行企业服务以及推广活动调整；

2.对比分析结构占比，指导进行定向群体营销推广

3.对比分析异常情况，及时追责并且进行调整；

4.对比追踪活动流量变化，总结活动效果经验以便后续有针对性调整。

如上图所示，我们通过FineBI工具制作出以上的流量数据分析模板，接下来尝试着对数据做一些对比分析。

一、用户浏览量周分布

对于互联网企业来说，流量数据往往都会呈工作周相关。对此，我们可以先宏观地统计出周一到周日中的总的平台流量柱状图数据对比情况。首先我们可以仔细观察工作日和非工作日的数据，发现周末的平台流量较工作日流量要高，这在互联网行业来说都是一个比较普遍的现象。

用户流量的周分布规律之后，我们就大致有一个推广方向，周末休息时间用户群体较大，相较于工作日可以投入更多的和丰富有吸引力推广活动来进行新用户引流和老用户活跃。

接着我们可以进行下一步思考，那工作日和周末我们的活动推广时间如何制定？有的同学们可能会觉得全天活动都可以，不需要关注具体的活动时间。但是对于互联网行业来说，每个时间段的推广费用都是较为昂贵的，我们完全可以分析出工作日和周末的用户流量趋势，进行有针对性的时间段投入推广，通过更小的成本获取到更多的用户流入。

首先是工作日的时间段流量统计分布，我们通过BI工具分时间段作图得到如下所示的流量分布图。可以看出，工作日的流量主要集成在每日的9点（上班时间）、13点（午餐时间）、20点（晚间娱乐休息时间），那么在得到这样的一些用户流量规律之后，便可以在这些用户活跃高峰期时间段有针对性对白领群体多做一些相关商品推广活动，以实现最小时间成本和推广费用最大化用户引流效果。

再来看周末的各时间段流量分布走势，和工作日所不同的是，周末的流量早高峰期延后到了10点，这可能和各位小伙伴们周日作息较晚有关（同学们周末都是几点起床呢），除此之外，晚上的流量高峰退潮期也有延后。针对与周末用户流量分布的特性，互联网企业在周末时可以将活动开始时间和活动结束时间都适当进行延后，这个时候不能再套用工作日制定好的活动时间计划了，因为符合用户群体作息规律的推广促销活动才能达到更好的效果。

二、推广渠道流量分布

对于互联网行业的推广渠道分布主要分为三级渠道：线上渠道、线下渠道、新媒体营销等等。对比分析每个渠道对企业所带来的价值占比差异，以指导制定有针对性营销策略。

如上图所示，由于推广渠道是分多层级的，我们通过BI工具的多层饼图进行数据的分析统计再合适不过了。分析下图的数据我们可以看出，首先是一级渠道的主要战斗力来自于新媒体营销，当今的微信、今日头条等社交媒介社区时代受众广泛，用户群体非常庞大，是公司需要投入主要成本进行推广的。其次线上渠道的效果也不容忽视，对于互联网企业来说，做好百度、Google等SEO搜索引擎关键词推广也是很重要的一部分工作。相较于线上渠道和新媒体营销，线下渠道说所需要的经费和时间、人力成本较大，受众又相对较小，所以此类活动往往针对核心粉丝进行运营即可。

三、各月份指标对比走势

在分析各月份指标对比走势数据之前，先简单介绍下互联网营销常用的几个指标概念：

1.浏览量（pv）

2.访问次数（visits）

3.访客数（uv）

以上三个基础指标常用来衡量流量数据的多少。另外平均访问深度（总浏览量/访问次数）、平均停留时间（总停留时间/总浏览量）、跳失率（跳出次数/访问次数），这三个指标通常可用于衡量流量指标的优劣性。

我们仔细分析上图中的平台流量指标，可以发现10月份是2017全年的流量高峰期，应该跟企业在国庆黄金假期所做的促销引流活动有关。浏览量、跳失次数、访问次数分别为4941、1290、2182，对比计算可得到跳失率为59.12%，明显低于其他时间段的跳失率，说明10月份的活动效果还不错，其经验对以后的营销推广可以起到参考作用。

最后是访问深度用户群体分布分析（跳失率=跳出次数/访问次数），我们通过BI工具将企业的VIP用户、老用户、新用户分别进行分时间段的用户群体访问深度分析统计。总体来说可以发现平台的VIP用户访问深度较老用户以及新用户稍微高些，但是不是太明显，说明平台运营的VIP这部分群体的活跃度还有待提升。同时，平台老用户访问深度和新用户更是相差无几，公司对于用户这方面的活跃运营明显需要加油了，建议将平台的部分忠诚度较高的老用户以VIP用户组建起来，共建平台生态圈，增加整体的用户活跃度。同时可以向老用户以及VIP用户实施一些优惠政策，如定向商品折扣、根据用户画像进行喜好商品特惠推送等。

本次的数据分析经验心得分享暂时先写到这里，后续将继续给大家分享关于互联网数据运营方法的转化、消费、留存等方面的一些经验，欢迎大家一起共同交流探讨互联网运营之道。

中商情报网讯：10月18日，2018全球智能物流峰会上，京东物流CEO王振辉宣布，京东物流正式上线面向个人客户的快递业务。据悉，该业务前期在北上广开展，随后将向全国扩展。资料显示，2018年10月17日，京东物流官方微信公众号关联小程序“京东快递”，认证主体为“北京京东尚科信息技术有限公司”，服务类目以快递、物流为主，主页含有“寄快递”、“查快递”两个栏目，具体涵盖“寄快递”、“批量寄”、“扫码寄”以及暂未开通的“语音寄”四个功能，目前揽收范围为北京、上海、广州，派送范围为中国大陆地区。

在京东物流运营仓库数情况中，数据显示，随着仓库数的逐渐增加，仓库数量逐渐趋于稳定，增速逐渐放缓，2018年第二季度京东物流仓库数达到521个，与2018年第一季度相比增长1.2%。

数据来源：中商产业研究院整理

从2017年开始，京东物流加大了土地储备、在建工程等物流中心方面的投入，数据显示，京东物流从2017年第一季度的580万平方米增长至2018年第二季度的1160万平方米，增长率高达100%，平均物流中心面积在2.06-2.23万平方米。

数据来源：中商产业研究院整理

初入职场面试数据分析岗该如何准备面试官的提问呢？下面陕西优就业小优给大家整理了网友分享的2018年京东和拼多多数据分析岗的一些面试题，希望能给大家带来一些参考！

京东数据分析岗面试题：

一面：

一面技术面，主要考察了挺多机器学习的知识(随机森林跟LR比较多)。

1. 自我介绍+实习and项目介绍

2.随机森林相关的问题：基本原理，为啥随机森林是随机，随机森林跟普通bagging的区别是什么，随机森林得到的变量重要性排序的原理是什么

3.LR相关的问题：怎么评价一个logistic回归，ROC曲线的原理，为什么AUC可以评价一个模型的好坏，LR中阈值的设置对模型的影响，LR怎么实现的多分类

4.交叉验证的作用与原理，交叉验证的一种特殊形式是啥

5.一个智力题，相遇问题，求路程啥的

6.业务题：京东商城销量增长了20%,怎么进行分析

7.可能是开放式问题：设计一个未来汽车，你会设计一些什么功能

8.然后就瞎聊，啥兴趣爱好特长，学习成绩布拉布拉布拉布拉的

二面：

据二面面试官说，由于一面可以考察了专业知识了，她就不考察这一个方面了。所以主要是聊简历and问题问得有点像HR面

1. 自我介绍

2.实习项目介绍

3.每一份实习里面学到的东西，最喜欢哪一份实习

4.优点是啥，说一个事例来证

5.缺点是啥

6.在大学印象最深刻的事情

7.最近一次难过是因为什么

8.有没有写过数据分析报告，你平时写数据分析报告的格式流程是怎么样的

9.然后在提问环节我问了她们那边的业务场景是啥，感觉给自己挖了一个坑。然后面试官问了，你觉得针对这一些业务场景，可以从哪一些角度做数据分析

HR面就是继续自我介绍。实习项目介绍，然后闲聊。

拼多多数据分析岗面试题：

拼多多现在还只面了一面，估计凉了。提前批加秋招以来气氛最紧张的一场面试emmmm。

1.自我介绍，实习项目介绍

2.然后两个人围绕kmeans争论了可能有20分钟

3.怎么评断kmeans的效果

4.kmeans的k怎么选择，emmm我说可以根据可视化and调参，设定k的一些取值看哪一个效果最好。面试官似乎不满意，说你这样得出来的是你参数范围里的最优。好吧，我也不知道怎么回答这个问题。

5.kmeans聚类初始点的选择会不会影响聚类效果。然后就围绕这个问题讨论了很久，面试官认为是不会影响的，我觉得会影响，emmm，然后大家诉说自己的理由...emmm

6.kmeans的基本过程是怎样的

7.kmeans为什么最后聚类中心点可以收敛(这个我真不会证明Orz)

8.kmeans的距离可以选择哪几种，适用场景分别是哪样的

9.问了两个SQL题，一个是分数排名，一个是分数依次累加

看完上面的分享，不知道你有什么问题吗？可以留言给小优

　　央广网北京1月17日消息 今天，京东集团宣布推出以用户为中心的无界营销解决方案，将消费习惯洞察、经营决策、整合营销、流量运营、智能大数据、内容营销、网络联盟、营销生态等营销能力产品化、模块化、平台化、生态化，同时推出近百款营销产品。

　　未来，品牌方将在京东智能大数据的协助下，通过各种营销能力的积木组合，实现高效精准营销。

　　京东集团CMO徐雷介绍，无界营销是京东基于大数据时代的到来、人工智能的发展、零售业态的革命，提出的一个面向未来的，以用户为中心、以智能大数据为基础的营销理论。它通过开放式的无界营销，实现用户、媒体、品牌多方的共赢。

　　JD BrandEco（京东品牌营销生态）上线

　　京东集团副总裁、京东集团市场营销部负责人门继鹏宣布推出JD BrandEco（京东品牌营销生态）。JD BrandEco是以消费者为中心，重构人，内容和购物场景，为品牌方提供平台化的，模块化的，生态化的无界营销解决方案。

　　具体来说，JD BrandEco是一个生态，由媒体、品牌方和京东相互开放共同建立。借助京X计划和京粉计划完成对购物场景的连接并覆盖全部中国互联网用户，然后又通过东联计划和京盟计划实现购物场景的融合，最后通过京东大数据和京洞察实现对全新购物场景的创建。

　　目前东联计划合作品牌已经超过500家，实现合作媒介量市场价值超过150亿。同时，京东基于消费者在购物、娱乐、生活、学习等不同的行为路径，创建相关营销场景，推出大促联合营销、IP聚合营销、三四线城市营销、国家品牌聚力营销和校园新势力营销等创新营销产品。

　　JD BrandEco京东品牌营销生态概览

　　智能数据驱动无界营销 大数据让营销更精准

　　京东集团副总裁、京东商业提升事业部总裁颜伟鹏介绍，归功于京东在智能大数据方面的重点布局，品牌方可以实现精准营销。“通过京准通的大数据洞察，舒肤佳发现喜爱运动、有活力、爱健康、关爱家人是其受众的核心兴趣标签，于是舒肤佳联合运动、牛奶、家电、食品四个品类进行了跨品类的联合营销，打造多样化的应用场景。通过京准通DMP进行人群定向，精准触达了超过2000万的目标用户，品牌意向人群提升了48%，活动爆发当日的销售比平时高出6.5倍。”

　　据悉，京东会通过智能大数据的基础架构，帮助商家实现商业洞察，发现市场契机，并挖掘精准营销的机会，然后借助AI驱动的智能营销工具进行高精准度用户触达。而京东正在打造无界流量生态，在帮助品牌方打通数据流的同时，利用京准通和黑珑两大平台，全面开放数据和技术，帮助商家打造全域无界营销的生态。

　　颜伟鹏特别强调了京东在智能广告投放方面的战略布局：京东利用AI技术，为商家提供了很多智能化的投放工具。比如海投计划，海投计划是基于AI算法帮助品牌广告主实现一键批量投放的全网智能营销工具。可以实现营销场景的智能选择、预算的智能分配，商品的智能投放以及竞价流量的智能出价，提升了广告主的投放效率。

　　而在数据开放和智能数据分析方面，京东此次也展示了最新发布的九数商业分析平台。据颜伟鹏介绍，利用九数，广告主可以实现受众的定制化挖掘与生意的定制化分析，无论是潜在客户的洞察、获取还是老客户的交叉分析，流失预测都可以实现。与此同时，九数也计划引入ISV合作伙伴，用更加多元化的分析能力，赋能品牌与商家。

　　智能数据在商业分析和精准投放等领域赋能品牌商家的全链条示意

　　打造全新变现路径 京东启动内容生态战略

　　京东站内外电商运营体系也在实现向模块化、平台化和生态化转型。京东集团副总裁、京东平台运营部负责人韩瑞告诉记者，海量的站内站外流量和精准的电商营销，都会依托于京东全渠道会员管理体系实现高效转化。

　　京东站内外营销运营产品示意

　　“2017年双11京东PLUS会员下单金额同比增长超过230%，双11当天京东秒杀业务单日GMV近118亿，”韩瑞透露。他认为，会员是京东和品牌发展的重要基石。京东将为品牌打造小程序线上商城、积分商城以及会员中心，为品牌提供更多触达用户及活跃用户的场景。京东还可以通过小程序的LBS功能发现门店为品牌线下门店引流，用户在线下展示卡包里的身份认证码，即可确认会员身份，实现线上线下会员权益贯通与核销。由此，京东线上购物数据和会员体系通过小程序，链接了品牌线下购物场景和会员体系，从而打造了一条全新的营销变现路径。

　　在高附加值的会员体系基础上，京东还在全面发力内容生态。在峰会上，京东宣布2018年启动“百千千百”计划，即培育100个在京东平台上年收入过千万元的内容合作伙伴，扶持1000个年收入过百万元的内容合作伙伴。

　　徐雷认为，“无界零售”是京东对行业的未来趋势判断。无界营销通过场景联通、数据贯通和价值互通串联起不同的消费行为和场景。未来，京东将持续推动模式和技术创新，通过广泛的结盟打通各种场景；一方面深入挖掘数据，一方面开放数据资源；通过营销赋能，让零售链条上的每个环节都可以分享和创造价值。

BAT所统治的网络时代，你想要在网上寻求一足之地，现在也真没那么容易。电商最火的那几年，很多人没意识到，可以说是没想到，一个网络平台现在竟然把实体店打压到如此境地。那些抱怨电商的人现在不知道有没有向这些平台所妥协。

目前国内的平台最火的也就是淘宝和京东了。这也是竞争最大的两家，也是最激烈的。我们都知道，京东最好的就是物流快，我们早上下单，下午就可以收到商品，晚上下单，明天早上就可以收到商品。因此这也是很多人喜欢京东的原因！当然，淘宝现在也是包括小编本人在内，很多人利用的平台。那下面我们就一起看看京东和淘宝的区别都是有哪些？

我们先看一下开淘宝店铺都是有哪些特点！

淘宝上面的物品大部分较便宜，仅仅只是淘宝店铺的话我们几乎每个人都可以开一个。但是也意味着我们在淘宝上面的竞争非常的激烈。淘宝的客源流量还是很大的。今天利用生意参谋分析了一些关键词。熟悉了一些操作技巧。比如我们搜索玩具这个词，把最近30天的100条数据复制下来，放到Excel表格里面，先计算出来成交量。然后做一个降序排列，把一些成交量较低的删除。在看一下在线商品数，降序，把最高的几个数据删除，因为数据多的话，意味着我们的竞争也会变大。在这个时候我们就可以选取一些适合我们做的一些项目了。其他类型也是同理。

现在我们来看一下京东的数据分析

比较与淘宝的话，京东上面还是有些差异的，对于一个Excel表个小白的我来说，第一次做就是照淘宝的步骤套的，结果第一步就卡住了，一个升降序也做不了。当我们选好数据包，下载，解压，打开。如果升降序的话，需要把所选的转变为数字，因为我们下载下来的使他们的计算函数。因此不同。这样话，我们还是先计算成交量，我们知道京东的产品普遍比淘宝要贵，因此利润也大。我们分析数据的话，是寻找卖点。所谓卖点就是有需求，商品少，利润大。这是我们所需要的卖点。计算有所不同。以小个子为例，搜索关键词小个子。寻找关键词的卖点，我们先看一下关键词有没有成交量为0的，有的话就需要删掉，因为那时对我们无价值的词，然后找到关于小个子的一些关键词。看他在这组数据里面出现的次数，然后利用在线商品数的和与搜索人气相比较，前者大于后者的话，证明竞争大，利润空间小。反之就是我们所要利用的！

这是今天我的一些见解，欢迎不同意见点评！