BOOK11.com 電子商務Big Data處理與分析 - 實際效益分享

2,749 views
2,533 views

Published on

以BOOK11.com的從web log資料整理/分析 進行網站改善以及了解使用者在網站的行為 得到的效益經驗分享,

包含 Clickstream分析、訂單來源分析、以及簡易的分析點選來源的作法等等。

Published in: Technology
0 Comments
11 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
2,749
On SlideShare
0
From Embeds
0
Number of Embeds
11
Actions
Shares
0
Downloads
111
Comments
0
Likes
11
Embeds 0
No embeds

No notes for slide
  • 賣數位內容 在台灣是一條非常非常艱難的挑戰… 尤其是賣電子書…
  • 訂單是真的從哪些廣告平台來的 ?
  • Clickstream 資料是線性結構的嗎 ? 錯誤的 clickstream 結構會導致錯誤的統計結果
  • BOOK11.com 電子商務Big Data處理與分析 - 實際效益分享

    1. 1. 電子商務 Big Data 處理與分析 實際效益分享BOOK11.com 技術長 暨 共同創辦人 Ethan Yin-Hao Tsui 崔殷豪 www.book11.com
    2. 2. 關於 Ethan Tsui• 資訊工程所 碩士• 中研院資訊科學所 – 大量(生物資訊)資料分析、寫軟體、管理近百台伺服器 – 發表數篇國際期刊論文, 其一為全台第一篇 純軟體 發表於 SCI 純生命科學期刊 (Molecular & Cellular Proteomics, impact factor: 8.35)• 全國大專院校資訊專題競賽 第一名 • 題目是 個人化服務新聞網站,用類神經網路學習使用者喜好• 全國程式設計競賽 第一名• SOHO 接案超過二十個專案 www.book11.com 2
    3. 3. 關於 BOOK11.com• 2009 年 6 月一起成立 BOOK11.com – 台灣第一個提供完整服務之電子書平台 – 日本兩大電子書平台指定合作 – 強調讀者閱讀體驗、提供好的服務• 提供電子書內容販售與製作 – 書籍(小說、一般書)、漫畫、雜誌、寫真• HTML5 線上閱讀 ( 只需瀏覽器 ) 、下載離線閱讀 (apps, PC) – 支援 iPad 、 iPhone 、 Android Phone/Pad 、 Chrome 、 Firefox 、 IE 9• 採用 Hadoop 儲存大量電子書檔案及 HBase 儲存分析資料 www.book11.com 3
    4. 4. 經營電子商務 - 為何要進行資料分析• 有什麼可貴的價值藏在資料裡嗎?• 可以增加收入嗎!?• 可以節省人力、金錢成本嗎!?• 可以增加客戶忠誠度、黏性、認同感嗎!? www.book11.com 4
    5. 5. 電子商務網站資料處理分析收集資料 整理資料 分析資料Web log 商品點選來源 訂單來源分析 行銷效益分析 Clickstream 使用者 推薦系統 喜好分析瀏覽歷程 提升 改善網站介面 訂單達成率交易資料 使用者 喜好 Profile 增強客戶黏性 個人化服務回文與評分 … …… 使用者分群 www.book11.com 5
    6. 6. 網站資料收集 / 整理 / 分析 www.book11.com
    7. 7. 網站資料收集 / 分析• 竭盡所能的先 Log – Web log 、 Action log 、畫面瀏覽 log 、…• 資料先寫檔案,再批次進 HBase 等分散式資料庫• 或採用 Sampling 方法,進行抽樣• 如何分析… – DIY – Hire 資料科學家 (“They need to find nuggets of truth in data and then explain it to the business leaders.”) [http://tech.fortune.cnn.com/2011/09/06/data-scientist-the-hot-new-gig-in-tech/ ] – 委外分析 – 現有 solution / tools www.book11.com 7
    8. 8. 商品點選來源 (ref 參數 )• 將每一個導向商品資訊頁的連結, 商品分類頁 加上參數 : ref= 來源 生活勵志類首頁 F E 新書上架 A C B A ref= 首頁 商品分類 _ 新書 上架 商品資訊頁 編輯推薦 ref= D A 首頁 _編 輯推 薦 A 活動頁 搜尋 電子報 www.book11.com 8
    9. 9. ref 範例 www.book11.com 9
    10. 10. 商品點選來源的比例 首頁 其它 7% 24% 分類頁 19%電子報 0%活動頁 5% 搜尋 7% 商品介紹頁 38% www.book11.com 10
    11. 11. 商品點選來源的效益• 簡易且精確的知道各來源比例• 可用來評估促銷活動、活動網頁、電子報的曝光 效益• 可用來知道網站各功能的使用情況• 可找出網站瀏覽熱點 www.book11.com 11
    12. 12. 新商品銷售量增加 3 倍• 過去書籍介紹佔比約 22% (當時佔比最高)• 將【新書上架】改放在書籍介紹頁,新書在上架 一個禮拜內的平均 (Trimmed-mean) 銷售量增加 3倍• 現在書籍介紹佔比更提升至 38.4% www.book11.com 12
    13. 13. Clickstream ( 點擊流 ) 分析 www.book11.com
    14. 14. Clickstream ( 點擊流 ) 分析• 顧客動線• 訂單來源分析• 使用者喜好分析• 使用者行為預測• 更多更多更多更多其他分析 www.book11.com 14
    15. 15. Clickstream 資料範例 首頁 書籍 A 生活勵志類 書籍 B 書籍 C 購買書籍 D 書籍 Dfrom: http://blogs.citypages.com/gimmenoise/happy.web.user.jpg www.book11.com 15
    16. 16. 分類 - 首頁 書籍 A 生活勵志類 書籍 B 書籍 C 生活勵志類 書籍 D 購買書籍 DClicksream ( 下一頁 ) 書籍 線上 線上   首頁 分類 購買 分類 … 介紹 閱讀 試讀 首頁 首頁 1 書籍 書籍 1 介紹 介紹 分類上 1下 購買頁 線上 閱讀統 線上計 試讀 ) ( 目 前 … 頁 www.book11.com 16
    17. 17. 分類 - 首頁 書籍 A 生活勵志類 書籍 B 書籍 C 生活勵志類 書籍 D 購買書籍 DClicksream ( 下一頁 ) 書籍 書籍 線上 線上   首頁 分類 分類 購買 , 介紹 分類 , … 介紹 閱讀 試讀 首頁 首頁 1 書籍 書籍 2 1 1 1 介紹 介紹 分類上 分類 1下 購買頁 線上 閱讀統 線上計 試讀 ) ( 目 前 … 頁 www.book11.com 17
    18. 18. 顧客動線圖 www.book11.com 18
    19. 19. 首頁調整後,顧客動線圖 www.book11.com 19
    20. 20. 訂單來源分析 www.book11.com
    21. 21. 點的多,一定貢獻多 !?• 貢獻:交易( $$$$$ )• 實際經驗, 某一活動,點選多達 99,999 次 ( 曝光率高 ) 但透過該活動達成訂單的卻只有 500 次 ( 購買率 低)• 購買率是一個參考指標 500/99,999 => 0.5% www.book11.com 21
    22. 22. 訂單來源分析• 透過 Clickstream 資料• 準確地評估活動或廣告帶來的效益 – Y 廣告、 G 廣告、 F 廣告、社群網站、…• 評估網站功能效益 – 電子報、活動網頁、排行榜、… www.book11.com 22
    23. 23. 訂單來源分析 –假設情境某會員,某日從電子報看到書籍 A… 電子報 ? 書籍 A 書籍 B 離開一天後, 首頁 ? 搜尋 書籍 A 購買書籍 A www.book11.com 23
    24. 24. 訂單來源分析 – 第一次來源分析 首頁 , 2.3% 來源 購買率 其它 , 22.4% 分類頁 , 28.8% 首頁 0.8%電子報 , 0.0% 分類頁 3.8%活動頁 , 0.6% 商品介紹頁 2.7% 搜尋 , 5.5% 搜尋 1.9% 活動頁 0.3% 電子報 0.0% 商品介紹頁 , 40.4% www.book11.com 24
    25. 25. 商品推薦系統 www.book11.com
    26. 26. 商品推薦系統• 買了此商品的人也買了• 看了此商品的人也看了• 分類推薦• 個人化推薦 www.book11.com 26
    27. 27. 系統推薦 訂單貢獻/購買率 訂單貢獻 來源 區塊 購買率 比 首頁   2.3% 0.8%分類頁   28.8% 3.8%商品介紹頁   40.4% 2.7%   系統推薦 12.2% 2.0%   非系統推薦 28.2% 5.7%線上閱讀 下一集 6.1% 46.0% 推薦 1.0% 2.7% 搜尋   5.5% 1.9%活動頁   0.6% 0.3%電子報   0.0% 0.0% www.book11.com 27
    28. 28. 透過資料觀察得到的效益系統推薦佔訂單貢獻 13.2%透過資料觀察,衍生出的功能 一共佔訂單貢獻 19. 3% 而這些功能 帶來的收入 將近 25% www.book11.com 28
    29. 29. 結論 www.book11.com
    30. 30. 總結 –電子商務進行資料分析可以…• 增加銷售 – 調整網站動線設計 – 提升產品曝光率 – 增強使用者黏性 www.book11.com 30
    31. 31. 總結 –電子商務進行資料分析可以…• 節省成本 – 評估行銷效益,調整下次行銷策略 – 評估功能運作效益,將資源放在最佳的地方 www.book11.com 31
    32. 32. 總結 –電子商務進行資料分析可以…• 深植『服務』 – 以每個客戶為中心的個人化服務 – 了解客戶喜好,做更精準的服務 – 依照既有的客戶喜好分群,服務新的客戶 www.book11.com 32
    33. 33. 結論• 電子商務進行資料分析可以有效的 – 增加收入 – 節省人力、金錢成本 – 增加客戶忠誠度、黏性、認同感• 但要注意 『錯誤資料 -> 錯誤結論 -> 錯誤決策 -> $$ 浪費、客戶流失』• 大量非結構化 / 結構化資料分析需要 – 強力的正確分析,提供更為精準的結果、推薦與預測 – 強大的運算機制,提供接近即時的報表,供快速反應 www.book11.com 33
    34. 34. 黃金就在 data 裡,就看你怎麼挖 ? data log log data datafrom: http://www.gamineral.org/t04-carlysle-summit-mines.html http://www.museum.mtu.edu/Gallery/gold.html www.book11.com 34

    ×