晴耕雨读

网站分析的商业指标

网站分析的商业指标

平均订货额　Average Order Amount (AOA)
计算公式：平均订货额＝总销售额／总订货数
指标意义：用来衡量网站销售状况的好坏
指标用法：将网站的访问者转化为买家当然是很重要的，同样重要的是激励买家在每次访问是购买更多的产品。跟踪这个指标可以找到更好的改进方法。

转化率　Conversion Rate (CR)
计算公式：转化率＝总订货数／总访问量
指标意义：这是一个比较重要的指标，衡量网站的对每个访问者的销售情况
指标用法：通过这个指标你可以看到即使一些微小的变化都可能给网站的收入带来巨大的变化。如果你还能够区分出新、旧访问者所产生的订单，那么就可以细化这个指标，对新旧客户进行分别的统计。

每访问者销售额　Sales Per Visit (SPV)
计算公式：每访问者销售额＝总销售额／总访问数
指标意义：这个指标也是用来衡量网站的市场效率
指标用法：这个指标和转化率差不多，只是表现形式不同。

单笔订单成本　Cost per Order (CPO)
计算公式：单笔订单成本＝总的市场营销开支／总订货数
指标意义：衡量平均的订货成本
指标用法：每笔订单的营销成本对于网站的盈利和现金流都是非常关键的。营销成本的计算各人有不同的标准，有些把全年的网站营运费用摊入到每月的成本中，有些则不这么做，关键要看那种最适合自己的情况。如果能够在不增加市场营销成本的情况下提高转化率，这个指标就应该会下降。

再订货率　Repeat Order Rate (ROR)
计算公式：再订货率＝现有客户订单数／总订单数
指标意义：用来衡量网站对客户的吸引力
指标用法：这个指标的高低和客户服务有很大关系，只有满意的用户产品体验和服务才能提高这个指标。

单个访问者成本　Cost Per Visit (CPV)
计算公式：单个访问者成本＝市场营销费用／总访问数
指标意义：用来衡量网站的流量成本
指标用法：这个指标衡量的是你的市场效率，目标是要降低这个指标而提高SPV，为此要将无效的市场营销费用削减，增加有效的市场投入。

订单获取差额　Order Acquisition Gap (OAG)
计算公式：订单获取差额＝单个访问者成本(CPV)－单笔订单成本(CPO)
指标意义：这是一个衡量市场效率的指标，代表着网站所带来的访问者和转化的访问者之间的差异
指标用法：指标的值应是一个负值，这是一个测量从非访问者中获得客户的成本。有两种方法来降低这个差额，当你增强了网站的销售能力，CPO就会下降，这个差额就会缩小，说明网站转化现有流量的能力得到了加强；同样的，CPV可能升高而CPO保持不变或降低，这个差额也会缩小，表明网站所吸引的流量都具有较高的转化率，这种情形通常发生在启用了PPC(pay per click)的计划。

订单获取率　Order Acquisition Ratio (OAR)
计算公式：订单获取率＝单笔订单成本(CPO)／单个访问者成本(CPV)
指标意义：用另一种形式来体现市场效率
指标用法：用比率的形式往往比较容易为管理阶层所理解，尤其是财务人员。

每笔产出　Contribution per Order (CON)
计算公式：每笔产出＝（平均订货数Ｘ平均边际收益）－每笔订单成本
指标意义：每笔订单给你带来的现金增加净值
指标用法：公司的财务总监总是对这个指标感兴趣的，代表了你花了多少钱来赚多少钱。

投资回报率　Return on Investment (ROI)
计算公式： 投资回报率＝每笔产出(CON) /每笔订单成本 (CPO)
指标意义： 用来衡量你的广告的投资回报
指标用法：比较你的广告的回报率，应该把钱分配给有最高回报率的广告，但是这个回报率应当要有时间段的限制，比如“２５％ RIO/每周”和“２５％　RIO／每年”是有很大差别的。

数据挖掘的商业和营销应用

　　1、数据挖掘解决的典型商业问题

　　需要强调的是，数据挖掘技术从一开始就是面向应用的。目前，在很多领域，数据挖掘(data mining)都是一个很时髦的词，尤其是在如银行、电信、保险、交通、零售（如超级市场）等商业领域。数据挖掘所能解决的典型商业问题包括：数据库营销（Database Marketing）、客户群体划分（Customer Segmentation & Classification）、背景分析（Profile Analysis）、交叉销售（Cross-selling）等市场分析行为，以及客户流失性分析(Churn Analysis)、客户信用记分(Credit Scoring)、欺诈发现(Fraud Detection)等等。

　　2、数据挖掘在市场营销的应用

　　数据挖掘技术在企业市场营销中得到了比较普遍的应用，它是以市场营销学的市场细分原理为基础，其基本假定是“消费者过去的行为是其今后消费倾向的最好说明”。

　　通过收集、加工和处理涉及消费者消费行为的大量信息，确定特定消费群体或个体的兴趣、消费习惯、消费倾向和消费需求，进而推断出相应消费群体或个体下一步的消费行为，然后以此为基础，对所识别出来的消费群体进行特定内容的定向营销，这与传统的不区分消费者对象特征的大规模营销手段相比，大大节省了营销成本，提高了营销效果，从而为企业带来更多的利润。

　　商业消费信息来自市场中的各种渠道。例如，每当我们用信用卡消费时，商业企业就可以在信用卡结算过程收集商业消费信息，记录下我们进行消费的时间、地点、感兴趣的商品或服务、愿意接收的价格水平和支付能力等数据；当我们在申办信用卡、办理汽车驾驶执照、填写商品保修单等其他需要填写表格的场合时，我们的个人信息就存入了相应的业务数据库；企业除了自行收集相关业务信息之外，甚至可以从其他公司或机构购买此类信息为自己所用。

　　这些来自各种渠道的数据信息被组合，应用超级计算机、并行处理、神经元网络、模型化算法和其他信息处理技术手段进行处理，从中得到商家用于向特定消费群体或个体进行定向营销的决策信息。这种数据信息是如何应用的呢？举一个简单的例子，当银行通过对业务数据进行挖掘后，发现一个银行帐户持有者突然要求申请双人联合帐户时，并且确认该消费者是第一次申请联合帐户，银行会推断该用户可能要结婚了，它就会向该用户定向推销用于购买房屋、支付子女学费等长期投资业务，银行甚至可能将该信息卖给专营婚庆商品和服务的公司。数据挖掘构筑竞争优势。

　　在市场经济比较发达的国家和地区，许多公司都开始在原有信息系统的基础上通过数据挖掘对业务信息进行深加工，以构筑自己的竞争优势，扩大自己的营业额。美国运通公司(American Express)有一个用于记录信用卡业务的数据库，数据量达到54亿字符，并仍在随着业务进展不断更新。运通公司通过对这些数据进行挖掘，制定了“关联结算(Relation ship Billing)优惠”的促销策略，即如果一个顾客在一个商店用运通卡购买一套时装，那么在同一个商店再买一双鞋，就可以得到比较大的折扣，这样既可以增加商店的销售量，也可以增加运通卡在该商店的使用率。再如，居住在伦敦的持卡消费者如果最近刚刚乘英国航空公司的航班去过巴黎，那么他可能会得到一个周末前往纽约的机票打折优惠卡。

　　基于数据挖掘的营销，常常可以向消费者发出与其以前的消费行为相关的推销材料。卡夫(Kraft)食品公司建立了一个拥有3000万客户资料的数据库，数据库是通过收集对公司发出的优惠券等其他促销手段作出积极反应的客户和销售记录而建立起来的，卡夫公司通过数据挖掘了解特定客户的兴趣和口味，并以此为基础向他们发送特定产品的优惠券，并为他们推荐符合客户口味和健康状况的卡夫产品食谱。美国的读者文摘(Reader’s Digest)出版公司运行着一个积累了40年的业务数据库，其中容纳有遍布全球的一亿多个订户的资料，数据库每天24小时连续运行，保证数据不断得到实时的更新，正是基于对客户资料数据库进行数据挖掘的优势，使读者文摘出版公司能够从通俗杂志扩展到专业杂志、书刊和声像制品的出版和发行业务，极大地扩展了自己的业务。

　　基于数据挖掘的营销对我国当前的市场竞争中也很具有启发意义，我们经常可以看到繁华商业街上一些厂商对来往行人不分对象地散发大量商品宣传广告，其结果是不需要的人随手丢弃资料，而需要的人并不一定能够得到。如果搞家电维修服务的公司向在商店中刚刚购买家电的消费者邮寄维修服务广告，卖特效药品的厂商向医院特定门诊就医的病人邮寄广告，肯定会比漫无目的的营销效果要好得多。