数据分析相对来说所用技术浅显一些并且面向的数据不是海量的；而数据挖掘便是利用SAS、SPSS、R或者MATLAB各种专用软件从海量数据中挖出各种规则，比如关联规则；而数学建模简单地说是建立一种确定的函数关系式，而建立数学模型的过程叫做数学建模，例如PV = r×UV（其中，PV和UV分别表示流量和访客数量，r表示系数），一般对于比较成熟的网站，PV和UV通常存在某种近似“正比”关系，也就是说当访问人数UV一定时，PV也能根据PV = r×UV表达式大致估计出来，要测定的就是r常数。 各种数据指标体系建立好之后，就要进行数据化运营与管理了，本节就以一个简单的案例来说明如何进行数据分析及如何基于数据分析来优化业务。以短信或者其他媒介催付款来说明数据分析的步骤，主要是为了引导读者掌握数据分析层层推进的演绎方法。 步骤一：确定催付的客户群体 如果我们选用短信催付（随着SNS社交深度的增加，其他互联网产品也可以作为催付的工具，比如微信、微博等），在一定程度上说可能打扰到客户，所以在保证客户体验不被破坏的前提下势必小心翼翼。我们通过客户在线调查得知，加入购物车没有付款的主要原因如下： 1、遗忘； 2、冲动消费不想买了； 3、货比三家发现性价比更高的产品； 4、跟客服索要小礼物未遂，心理不平衡； 5、支付发生障碍，比如网银没钱或电脑手机出现故障。 还有其他的一些原因，这里不再一一列举。不过，这里并没有把商家不包邮纳入到虽加入购物车但未付款的原因之列，具体缘由已经在前面的章节专门分析过，很少会出现加入购物车因为单纯商家不支持包邮而放弃付款的情况。 催付对于“遗忘型”的客户是有比较好的效果的，其他类型的客户效果并不大，尤其是冲动性消费。问题是，无法确切知晓哪些客户是因为遗忘而没有及时付款，所以在目标并不是很明确的情况下发送催付短信或者使用其他催付手段势必会打扰到客户。因此，为了尽可能地不破坏客户体验，一般催付客户只锁定在新客户和沉睡客户上（快消品类目一般是200天以上未回头购买）。 步骤二：确定在哪天付款 经过表4-6统计发现，在“等待付款”（即加入购物车但是尚未付款）状态的订单中，随着时间的推移，付款的人会越来越少，快速锐减。比如在2010年3月1日创建的“等待付款”状态的订单中，在3月2日有93人付款，3月3日有40人付款，3月4日有14人付款……符号“10+”表示10天之后。 我们将当天未付款但在接下来10天之内每天付款的订单数量［1180 384 197 118 76 76 30 0 2 0］用图形表现出来，如图4-5所示。 而图4-6显示的是一项科研成果，即人类的记忆保留比例与时间的关系。从该图可以看出，遗忘型客户在第二天或者第三天催付效果相差无几。再结合图4-5可以知道，第3天催付理论上是最合理的，原因在于第二天也有不少会自发付款的客户。不过，这里还要考虑一个至关重要的感性因素：客户（尤其是女性客户）往往在购买消费品时容易冲动型购物，逾期未付款跨越购物所带来的快感后，就不容易再付款了。因此，付款时间需要选择在客户下单后（未付款订单）的第二天催付最为合理。步骤三：催付时刻的确定 图4-7显示的是一天之中每个时间段的转化率，从该图可以很清晰地看出13:00—17:00和22:00—24:00两个时间段转化率非常高。由于晚上催付客户肯定会打扰客户，所以晚上时间段显然是不合时宜的。 从图4-8可以很直观地知道，15:00—17:00是流量UV的高峰波段，且仔细比较与图4-7的差异，发现16:00—17:00时间段的转化率略高于15:00—16:00时间段的转化率。另外，考虑到16:00—17:00时间段临近下班，人们思想相对放松，乐意做工作以外的事情。 综上，催付时间阶段选在第二天下午的16:00—17:00发送催付信息效果会比较好。 步骤四：催付内容的拟定 我们催付的初衷是在不影响客户体验的基础上促进客户付款从而产生增量销售额，所以，不论以何种媒介催付客户，都希望达到即使客户没有付款也不会让客户产生排斥和厌恶心理。比如催付信息内容可以拟定如下：
