www.book11.com

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

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

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

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

5

電子商務網站資料處理分析

Clickstream

商品點選來源 訂單來源分析

改善網站介面

行銷效益分析

使用者分群

提升訂單達成率

推薦系統

增強客戶黏性 個人化服務

使用者喜好分析

瀏覽歷程

交易資料

回文與評分

使用者喜好 Profile

收集資料

Web log

整理資料 分析資料

…… …

www.book11.com

網站資料收集 / 整理 / 分析

www.book11.com

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

8

商品點選來源 (ref 參數 )• 將每一個導向商品資訊頁的連結，

加上參數 : ref=來源

新書上架

ABC

編輯推薦

AD

首頁

商品資訊頁

A

ref= 首頁 _ 新書上架

ref= 首頁 _ 編輯推薦

商品分類頁生活勵志類

A

E

F

商品分類商品分類

活動頁

搜尋

電子報

www.book11.com

9

ref 範例

www.book11.com

10

商品點選來源的比例

首頁7%

分類頁19%

商品介紹頁38%

搜尋7%

活動頁5%

電子報0%

其它24%

www.book11.com

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

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

Clickstream ( 點擊流 ) 分析

www.book11.com

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

15

Clickstream 資料範例

首頁 書籍 A 生活勵志類 書籍 B 書籍 C

書籍 D購買書籍 D

from: http://blogs.citypages.com/gimmenoise/happy.web.user.jpg

www.book11.com

16

　 首頁 書籍介紹 分類 購買 線上

閱讀線上試讀 …

首頁書籍介紹分類

購買

線上閱讀線上試讀…

( 下一頁 )

(目前

頁)

首頁 書籍 A 生活勵志類 書籍 B 書籍 C

書籍 D 購買書籍 D

Clicksream

上下頁統

計

首頁 書籍 A

1

首頁 書籍 A分類 -

生活勵志類

首頁

1

書籍 B書籍 A分類 -

生活勵志類

分類

書籍介紹

1

www.book11.com

17

　 首頁 書籍介紹 分類 購買 線上

閱讀線上試讀 …

首頁書籍介紹分類

購買

線上閱讀線上試讀…

( 下一頁 )

(目前

頁)

首頁 書籍 A 生活勵志類 書籍 B 書籍 C

書籍 D 購買書籍 D

Clicksream

上下頁統

計

首頁 書籍 A

1

首頁 書籍 A分類 -

生活勵志類

書籍介紹

首頁

1

書籍 B書籍 A分類 -

生活勵志類

, 分類

書籍介紹

1

書籍 C書籍 B分類 -

生活勵志類

分類

1

書籍 D

書籍 C書籍 B

2

購買書籍 D書籍 D

書籍 C

,

1

分類

www.book11.com

18

顧客動線圖

www.book11.com

19

首頁調整後，顧客動線圖

www.book11.com

訂單來源分析

www.book11.com

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

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

23

訂單來源分析 –假設情境

電子報 書籍 A 書籍 B 離開

首頁 搜尋 書籍 A 購買書籍 A

某會員，某日從電子報看到書籍 A…

一天後，

？

？

www.book11.com

24

訂單來源分析 – 第一次來源分析

來源 購買率

首頁 0.8%

分類頁 3.8%

商品介紹頁 2.7%

搜尋 1.9%

活動頁 0.3%

電子報 0.0%

首頁 , 2.3%

分類頁 , 28.8%

商品介紹頁 ,40.4%

搜尋 , 5.5%

活動頁 , 0.6%

電子報 , 0.0%

其它 , 22.4%

www.book11.com

商品推薦系統

www.book11.com

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

27

系統推薦 訂單貢獻／購買率來源 區塊 訂單貢獻比 購買率

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

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

結論

www.book11.com

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

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

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

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

34

黃金就在 data 裡，就看你怎麼挖 ?

from: http://www.gamineral.org/t04-carlysle-summit-mines.html http://www.museum.mtu.edu/Gallery/gold.html

logdata

log

data

data