目　　錄 第　1篇 商務(wù)數(shù)據(jù)分析原理 第　1章 商務(wù)數(shù)據(jù)分析概述　1 1.1　商務(wù)數(shù)據(jù)分析的概念　1 1.1.1　商務(wù)數(shù)據(jù)的定義　1 1.1.2　商務(wù)數(shù)據(jù)的分類　2 1.1.3　商務(wù)數(shù)據(jù)分析的作用　3 1.1.4　商務(wù)數(shù)據(jù)分析的主要應(yīng)用領(lǐng)域　3 1.2　商務(wù)數(shù)據(jù)的來源、采集與處理　4 1.2.1　商務(wù)數(shù)據(jù)的來源　4 1.2.2　商務(wù)數(shù)據(jù)的采集流程　6 1.2.3　商務(wù)數(shù)據(jù)的采集方法　6 1.2.4　商務(wù)數(shù)據(jù)的清洗方法　9 習(xí)題　12 第　2章 商務(wù)數(shù)據(jù)分析的思路　13 2.1　商務(wù)數(shù)據(jù)分析的目標　13 2.2　商務(wù)數(shù)據(jù)分析的流程　14 2.2.1　商業(yè)理解　14 2.2.2　數(shù)據(jù)理解　14 2.2.3　數(shù)據(jù)準備　14 2.2.4　建�！�14 2.2.5　評估　14 2.2.6　部署　15 2.3　常用的數(shù)據(jù)挖掘建模工具　15 2.4　探索性數(shù)據(jù)分析　16 習(xí)題　23 第3章　商務(wù)數(shù)據(jù)分析方法　24 3.1　相關(guān)分析　24 3.1.1　相關(guān)分析概念　24 3.1.2　相關(guān)關(guān)系的種類　25 3.1.3　相關(guān)系數(shù)　26 3.2　一元線性回歸　27 3.2.1　一元線性回歸模型　27 3.2.2　參數(shù)的最小二乘估計　28 3.2.3　回歸直線的擬合優(yōu)度　30 3.2.4　顯著性檢驗　31 3.2.5　回歸方程預(yù)測問題　32 3.3　多元線性回歸　33 3.3.1　多元線性回歸模型和回歸方程　33 3.3.2　估計的多元回歸方程　34 3.3.3　參數(shù)的最小二乘估計　34 3.3.4　回歸方程的擬合優(yōu)度　34 3.3.5　顯著性檢驗　35 3.3.6　變量選擇與逐步回歸　36 3.4　時間序列分析　37 3.4.1　時間序列及其分解　37 3.4.2　時間序列的描述性分析　38 3.4.3　時間序列預(yù)測的程序　39 3.4.4　利用SPSS進行時間序列預(yù)測　46 習(xí)題　47 第4章　商務(wù)數(shù)據(jù)挖掘技術(shù)　49 4.1　分類分析　49 4.1.1　樸素貝葉斯算法　50 4.1.2　決策樹算法　52 4.1.3　k近鄰算法　58 4.2　聚類分析　60 4.2.1　聚類分析概述　60 4.2.2　距離量度　61 4.2.3　k均值聚類算法　63 4.3　關(guān)聯(lián)分析　65 4.3.1　關(guān)聯(lián)規(guī)則挖掘概述　65 4.3.2　Apriori算法　67 4.4　文本挖掘分析　71 4.4.1　基本概念　71 4.4.2　文本挖掘的一般過程　71 習(xí)題　71 第　2篇 商務(wù)數(shù)據(jù)可視化原理 第5章　商務(wù)數(shù)據(jù)可視化　74 5.1　商務(wù)數(shù)據(jù)可視化概述　74 5.1.1　商務(wù)數(shù)據(jù)可視化的定義、目標和作用　74 5.1.2　商務(wù)數(shù)據(jù)可視化的步驟　75 5.2　商務(wù)數(shù)據(jù)可視化的分類　77 5.2.1　時間數(shù)據(jù)可視化　77 5.2.2　比例數(shù)據(jù)可視化　78 5.2.3　關(guān)系數(shù)據(jù)可視化　80 5.2.4　文本數(shù)據(jù)可視化　82 5.3　基于Excel的電商數(shù)據(jù)分析綜合案例　85 5.3.1　電商數(shù)據(jù)背景分析　85 5.3.2　數(shù)據(jù)處理　85 5.3.3　數(shù)據(jù)分析　87 5.3.4　數(shù)據(jù)展示　90 習(xí)題　92 第3篇　商務(wù)數(shù)據(jù)分析應(yīng)用 第6章　商務(wù)數(shù)據(jù)分析應(yīng)用場景　94 6.1　用戶畫像　94 6.1.1　用戶畫像概述　95 6.1.2　用戶畫像的構(gòu)建步驟　96 6.1.3　用戶畫像的應(yīng)用場景　97 6.1.4　用戶畫像的實踐案例　98 6.2　推薦系統(tǒng)　102 6.2.1　推薦系統(tǒng)概述　102 6.2.2　推薦系統(tǒng)算法　104 6.2.3　推薦系統(tǒng)應(yīng)用　111 6.2.4　推薦系統(tǒng)案例　113 6.3　社交商務(wù)分析　116 6.3.1　社交商務(wù)分析概述　116 6.3.2　社交商務(wù)分析應(yīng)用　128 6.3.3　社交商務(wù)分析案例　130 習(xí)題　134 第7章　電商平臺數(shù)據(jù)分析　135 7.1　電商平臺數(shù)據(jù)分析概述　135 7.2　電商數(shù)據(jù)分析指標體系　136 7.3　流量來源分析　141 7.3.1　數(shù)據(jù)流量來源　142 7.3.2　站內(nèi)流量　144 7.3.3　站外流量　148 7.4　成交轉(zhuǎn)化率分析　149 7.4.1　單品轉(zhuǎn)化率　149 7.4.2　單品轉(zhuǎn)化率優(yōu)化　151 7.4.3　店鋪成交轉(zhuǎn)化率　152 7.4.4　店鋪轉(zhuǎn)化率優(yōu)化　153 7.5　網(wǎng)店商品分析　153 7.5.1　新品上市模型　153 7.5.2　新品數(shù)據(jù)分析　154 7.5.3　商品分類　157 7.5.4　商品銷售分析　158 7.6　網(wǎng)店客戶服務(wù)分析　158 7.6.1　店鋪維權(quán)數(shù)據(jù)分析　159 7.6.2　店鋪客服數(shù)據(jù)分析　160 7.6.3　店鋪物流評價　161 7.7　行業(yè)數(shù)據(jù)分析　162 7.7.1　市場定位分析　162 7.7.2　競爭對手分析　164 7.7.3　店鋪分析　165 7.8　客戶行為分析　166 7.8.1　客戶行為研究模型　167 7.8.2　客戶人群結(jié)構(gòu)分析　168 7.8.3　客戶心理活動分析　168 7.8.4　客戶喚醒分析　169 7.8.5　客戶價值分析　170 7.9　訂單漏斗分析　170 7.9.1　漏斗模型　171 7.9.2　漏斗指標　171 7.9.3　電商總銷售額分析　173 7.10　關(guān)鍵詞數(shù)據(jù)分析　173 7.10.1　關(guān)鍵詞分類　173 7.10.2　搜索規(guī)則　174 7.10.3　關(guān)鍵詞質(zhì)量分析　174 7.10.4　關(guān)鍵詞數(shù)據(jù)分析　174 習(xí)題　176 第4篇　商務(wù)模型綜合案例分析 第8章　商務(wù)模型綜合案例　177 8.1　網(wǎng)店商品分析　177 8.1.1　網(wǎng)店商品分析的應(yīng)用概述　177 8.1.2　案例1：商品關(guān)聯(lián)分析　178 8.1.3　案例2：協(xié)同過濾技術(shù)在商品推薦上的應(yīng)用　182 8.2　客戶行為分析　184 8.2.1　客戶行為分析的應(yīng)用概述　184 8.2.2　案例3：客戶細分與流失分析　185 8.2.3　案例4：客戶忠誠度分析　191 8.3　訂單數(shù)據(jù)分析　196 8.3.1　訂單數(shù)據(jù)分析的應(yīng)用概述　196 8.3.2　案例5：訂單時間分析　196