電子商取引データ運用分析（電子商取引運用データ分析の5つの主要な考え方）

電子商取引業務データ分析に関する5つの考察

したがって、データから情報へのこのプロセスには、何らかの固定観念、つまり考え方が存在するはずです。以下、一つずつ紹介させていただきます。 （この記事で使用されている指標とディメンションは同じ意味です）

最初の考え方[比較]

【比較】一般的に比較と言われますが、一つのデータだけを見ても何の感覚も得られません。何らかの感覚を得るには、別のデータと比較する必要があります。

感情がない

昨日の取引量と比較すると、今日と昨日の間には実際に大きな違いがあることがわかります。

これは最も基本的な考え方であり、最も重要な考え方でもあります。実際には、スタイルの選択やテスト、店舗データの監視など、幅広い用途があります。これらのプロセスはすべて[比較]に関するものです。アナリストがデータを入手した後、そのデータが独立していて比較できない場合、アナリストは判断を下すことができず、データから有用な情報を読み取ることができません。

2番目の考え方：分割

「分析」という言葉は、文字通り分割して分析することを意味します。したがって、データ分析においては分割が重要であることがわかります。 「分割」という言葉は出版物のいたるところで見られ、多くの著者がこの語調を使用します。分割後、私たちは明確になります... しかし、多くの友人は分割の使い方を理解していないと思います。

最初の考え[比較]に戻りましょう。特定の次元を比較できる場合、比較することを選択します。比較後に問題が見つかり、原因を突き止める必要がある場合はどうすればよいでしょうか?あるいは、まったく比較の余地がないのかもしれません。このときに[Split]が活躍します。

次のシーンを見てみましょう。

オペレーションマネージャーのシャオメイは店舗データを比較し、今日の売上が昨日の50%しかないことを発見しました。この時点では、販売量を比較するのは意味がありません。このとき、売上ディメンションを分解し、指標を分割する必要があります。

売上高 = 取引を完了したユーザー数 * 平均注文額、取引を完了したユーザー数は訪問者数 * コンバージョン率に等しくなります。

次の図は、トラフィックのコンポーネントの単純な分解です（非常に詳細で完全なものに分割することもできます）。

分割後の結果は分割前よりもはるかに明確になり、分析や詳細の検索が容易になります。分割はアナリストにとって必要な思考方法の 1 つであることがわかります。

3つ目の考え方【次元削減】

膨大なデータディメンションに直面して困惑したことはありませんか?データの次元が多すぎると、すべての次元を分析することはできません。代表的なディメンションをフィルタリングできる関連指標がいくつかあります。次の表に示すように

次元が非常に多いため、それぞれを分析する必要はありません。取引を完了したユーザー数 / 訪問者数 = コンバージョン率であることがわかっています。この次元が存在し、他の 2 つの次元から計算によって変換できる場合は、[次元を削減] できます。

取引を完了したユーザー数、訪問者数、コンバージョン率の 3 つのうち 2 つを選択するだけです。さらに、取引完了したユーザー数×平均注文額＝売上高となり、この3つの中から2つを選択することもできます。

第四の思考【次元増加】

次元の増加と次元の削減は対応しており、削減があれば増加も必ずあります。現在のディメンションで問題を十分に説明できない場合は、データに対して操作を実行し、別のインジケーターを追加する必要があります。下の写真をご覧ください。

検索インデックスと製品番号が見つかりました。これら 2 つの指標はそれぞれ需要と競争を表します。単語の競争力を表すために、検索インデックス/商品番号 = 倍数を使用する人が多いです（参考のみ）。このアプローチは次元を増やすことです。追加された次元は補助列と呼ばれます。

[次元の増加]と[次元の削減]には、データの意味を完全に理解する必要があり、分析を容易にするために、データに対して意図的な変換操作を実行する必要があります。

第五の考え[仮説]

将来について不安なとき、または混乱しているとき。 [仮説]を適用することができます。仮説は統計学の専門用語で、一般的には仮定として知られています。結果が分からない場合や選択肢が複数ある場合は、[仮説]を頼りにします。まず結果があると仮定し、逆の考え方をします。

結果から原因へ、その結果を生み出すにはどのような原因が必要か。ちょっと根源を探している感じがします。そうすれば、現在いくつの要因が満たされているか、さらにいくつの要因が必要かがわかります。選択肢が複数ある場合は、この方法を使用して最適なパス（決定）を見つけることができます。