电子商务的三级分析方法：描述性、预测性和规范性

描述性、预测性和规范性分析数据是电子商务业务稳定发展的三大支柱。 您可能不会使用这些特定的定义，但您肯定已经使用了至少两种此类数据来提高您的网站效率。

简而言之，描述性分析旨在分析历史数据，预测性分析——预测未来表现，规范性——为预测场景制定策略。

让我们仔细看看每种类型的分析，并定义它们的具体用途。

分析数据作为改善客户体验的一种方式

分析的全球目标是：

• 识别和改进业务弱点
• 识别并增强其优势
• 确定新的有效解决方案并找到有关如何实施它们的想法。

在电子商务中，分析工具现在可以衡量业务的各个方面：从运营流程到网站上的客户行为。 但特别是在客户体验方面，数据分析是当今最令人兴奋的科学。 根据《哈佛商业评论》 ，首先，原因在于以客户为中心的文化，零售公司将其列为成功的最关键因素（高于管理层） 。

大多数大公司创建了一个单独的部门，只专注于数字体验。 例如，ASOS 的这样一个部门有五个团队：产品管理、用户体验、洞察与分析、客户战略与洞察和数据科学。 他们用于推荐或识别客户终身价值数据的深度学习算法确实令人印象深刻。

尽管有GDPR法律，但几乎每个电子商务网站都会收集客户数据。 40% 的公司使用它来定制或个性化体验，37% 的公司使用它来预测或预测消费者需求，20% 的企业使用它来创建全渠道体验。 所有这些都与说明性分析有关，说明性分析总是包括描述性和预测性分析。

什么是描述性分析？

这很容易定义术语“描述性分析”，因为它来自“描述”一词。 基本上，这是您在过去特定时期内的表现统计数据。 在电子商务中，这可能是您的 Google Analytics（分析）帐户中的所有指标，例如转化率、客户流失率、特定广告活动中的 CPC、平均订单价值或重复销售次数等。 或者它可能是您的 CRM 数据——2018 年 5 月的收入或总销售额，等等。

描述性分析使您可以监控哪些实施效果更好并产生更多收入，哪些实施效果不佳并推动您的业务下滑。 因此，这种类型的分析包括两个主要阶段：

• 数据聚合；
• 数据挖掘。

您可以使用描述性分析的一些目的：

• 检查您的实际受众；
• 深入了解消费者行为模式；
• 了解您的产品的整体需求并分析特定类别/细分/时间等内的需求。
• 评估营销活动的有效性；
• 通过搜索查询受欢迎程度检查对产品的需求；
• 评估实际交付成本和时间。
• 比较不同时期之间的指标等等。

现代分析软件主要是为描述性分析而设计的。 在测量工具的帮助下，您不仅可以在您的网站上，甚至在实体店中，都能收到几乎所有客户行为的报告。 例如，您可以跟踪产品页面和实体店货架上查看次数最多的区域的热图。 然而，时尚正在发生变化，许多工具现在都试图通过预测分析功能来增强他们的服务。

描述性分析的成功很大程度上取决于您的 KPI 治理。 精心设定和安排的目标是进一步有效的预测和规范分析的坚实基础。

什么是预测分析？

所有旗舰电子商务公司都强调预测策略是决策过程、定价、运输、营销和个性化的必要条件。 就定义而言，预测分析是对当前和历史网站以及营销绩效、消费者行为和购买模式的分析，以预测销售趋势并排除风险。

如果描述性分析需要“阅读”数字和图表的技能，那么预测分析需要深入的知识，将这些数字解释为“将会发生什么？”问题的答案。

您设法收集和处理的历史数据允许：

• 确定市场上最优惠的价格；
• 改善网站用户体验；
• 个性化促销；
• 预测每个季节的需求量；
• 预测黑色星期五应该有多少经理支持客户；
• 确定畅销产品的相关产品；
• 寻找 A/B 测试的想法；
• 优化库存；
• 加强您在销售漏斗等各个阶段的行动。

Dresner Advisory Services最近的研究表明，只有 23% 的企业使用预测分析，而 26% 的公司甚至不打算使用它。

您可能还对这篇文章感兴趣：9 个推动电子商务营销决策和销售的 Google Analytics（分析）报告

什么是规范性分析？

规范性分析已成为营销界的流行语，是统计发现的自动化，以简化您的运营决策并改善未来的无缝购物体验。

算法来了。 他们使以下电子商务技巧成为可能：

• 向访问者推荐您网站上最合适的产品，这些产品对具有相似行为模式的其他访问者感兴趣；
• 以高低平均支票向访客显示不同的价格；
• 控制库存并在缺货时通知您；
• 确定用户接下来会购买什么。

换句话说，业务分析的第三阶段允许针对现有问题提出具体的解决方案，并在实时和历史数据分析期间进行预测。

您可能还对这篇文章感兴趣：如何分析您网站上的购物行为：5 个简单步骤

您需要分析来自动化耗时的流程

电子商务分析的未来与人工智能技术相关。 根据透明度市场研究，预测分析软件在 2019 年在全球范围内达到了 6.5 B 美元。

Google Cloud ML（机器学习）引擎是在预测性分析和规范性分析的交界处执行的顶级多功能软件之一。 它为零售商提供以下五种解决方案：

• 视觉产品搜索使在线商店可以将 Google 长度类型功能集成到他们的移动应用程序中。 宜家。 例如，它允许用户拍摄家居物品的照片，以便在在线目录中找到它或类似的物品。

• 推荐 AI允许零售商通过产品推荐系统改善用户体验，该系统根据特定客户的偏好和品味提供个性化产品。

• Contact Center AI旨在通过 Google 的语音识别和搜索技术构建现代护理体验

• AutoML Table有助于预测客户需求。

• 实时库存管理和分析允许跨货架、过道和仓库跟踪产品的可用性。

另一个用于预测分析的工具是排名第一的国际软件Microsoft R Open 。 可以使用其他技术，例如高级更改检测、核心和芯片技术等。分析服务用于客户情绪分析、垃圾邮件检测和路由客户请求。

Profitect规范性分析平台使用处理 7 种数据的算法：

• 库存变动；
• 每个销售点的活动；
• 交付和接收；
• 物流和仓库；
• 计划和购买；
• 营销业绩；
• 循环商业。

该工具创建自己的场景，在不同的情况下采取什么行动。 例如，系统会通知负责人某个 SKU 缺货。 可以根据您的需要修改这些场景。 该公司承诺，他们的规范分析软件可以帮助零售商提高 300% 的投资回报率。

您可能也对这篇文章感兴趣：2019 年在线商店的 6 大电子商务分析工具

零售商如何使用预测性和规范性分析

使用分析算法最流行的案例研究之一是亚马逊的专利“预期运输”模型。 它处理有关先前客户购买、他们的订单频率、购物车内容和搜索历史的数据，以确保将相关产品运送到最近的消费者中心。 该软件缩短了交货时间并优化了运输成本，帮助市场增加了销售和客户体验。

ASOS 展示了另一个使用基于数据的定价软​​件的例子。 该程序跟踪竞争对手网站上的价格和其他市场数据，以告知公司经理库存的产品、选择的价格以及折扣的时间和数量。 这家时装零售商表示，使用这个工具，他们成功地将一年的销售额提高了33% 。

结论

分析中的三级定性方法在电子商务业务发展中始终显示出出色的结果。

描述性分析占用了大部分时间——整个过程的60%-75% 。 这个阶段需要深思熟虑地决定您将收集哪些数据、如何以及在何处使用这些信息，以及它可以为改善您网站上的客户体验带来哪些好处。 由于对客户购物模式和运营效率的洞察，历史数据主要用于报告，是预测性和规范性分析的坚实基础。

预测分析占整个过程的20%-30% 。 根据调查结果，它可以预测和模拟未来事件。 这些数据用于机器学习，以预测关键受众的平均支出、CPC 成本、价格波动、产品需求等。

最后，占整个流程5-20%的规范分析旨在为预测的问题寻找自动化解决方案。 正在积极开发和改进的 BI 算法现在允许电子商务所有者避免人为错误，委托大量活动。 机器人现在可以控制大型企业并确保为每个客户提供个性化的方法。 如果没有规范性分析，我们就不会有亚马逊或阿里巴巴集团，他们宣扬以消费者为中心的文化理念，成为这个市场的潮流引领者。