上篇 电商战略战术 2
第1章 电子商务的战略解析 2
1.1 三言两语电子商务 3
1.1.1 电子商务的特质 3
1.1.2 电子商务的整合效应 4
1.2 电子商务的动态格局 4
1.2.1 草根淘宝平台动了谁的奶酪 4
1.2.2 猫与狗的战争 6
1.2.3 线下传统企业大鳄的电商梦 8
1.3 电子商务时代的品牌运作 11
1.3.1 电商品牌的定位 11
1.3.2 电商品牌的突围 14
1.3.3 品牌和平台的对立面 15
1.4 电子商务时代的“铁血”战争 16
1.4.1 电子商务时代的价格之战 16
1.4.2 电子商务时代的人才之战 17
1.4.3 电子商务时代的流量之战 18
1.4.4 电子商务时代的数据之战 19
参考文献 20
第2章 电子商务的战术解析 21
2.1 关于电子商务创业 22
2.2 电子商务10大营销学定律 23
2.3 电子商务的10大败局定律 31
2.3.1 正式运营已经错失销售旺季 31
2.3.2 人云亦云，草根小卖家没有清晰的电商运作策略 32
2.3.3 不注重商品品质和服务 33
2.3.4 企业发展过程中团队有分歧，红利分配不公平 35
2.3.5 过分烧钱砸广告，忽视PV转化率，经济入不敷出而死 35
2.3.6 缺乏高质量、稳健的供货商，供应链孱弱 36
2.3.7 舍不得投钱慢慢耗死 37
2.3.8 品牌定位模糊不清 37
2.3.9 实体企业向天猫商城转型缺少经验，用传统行业手段指导商城运营 38
2.3.10 电商一上马，业务全面铺开和团队组建冗余 38
2.4 电子商务的10大心理学定律 39
第3章 电商大鳄逐鹿中原、数据驱动主宰沉浮 43
3.1 你不知道的数据挖掘 44
3.1.1 数据挖掘原来是这么回事 44
3.1.2 孙子兵法曰：杂于利而务可信也，杂于害而患可解也 51
3.2 数据挖掘在电子商务中的多面性 54
3.2.1 数据挖掘在电子商务行业中广泛应用 54
3.2.2 数据挖掘是有巨大价值的，但结论常常是错误的 57
3.2.3 客观认识数据挖掘 59
3.3 电子商务数据挖掘的“AVSM法则” 62
3.4 数据挖掘的工具 65
3.4.1 数据采集工具 65
3.4.2 客户端数据分析工具 66
3.4.3 客户端数据挖掘工具 67
3.4.4 数据存储——数据库系统 68
3.5 延伸阅读 69
3.5.1 谷歌与Facebook的数据挖掘之战 69
3.5.2 军事战略上的数据分析 70
参考文献 72
中篇 基础商业案例 74
第4章 搭建数据化体系 74
4.1 绘制销售图谱 75
4.2 数据化指标及体系 77
4.2.1 晴雨表体系的建立 77
4.2.2 晴雨表的解读技巧 80
4.2.3 组建流量漏斗模型 82
4.2.4 诊断流量黑洞 86
4.2.5 诊断流量骤变原因 87
4.3 数据分析入门案例 88
4.4 数据挖掘入门案例 93
4.4.1 漫话统计学 93
4.4.2 喜欢买连衣裙的客户比喜欢买卫衣的客户更有价值吗 94
4.5 数学建模入门案例 95
参考文献 97
第5章 广告投放策略 98
5.1 互联网广告的特征 99
5.1.1 定向性 99
5.1.2 强化品牌印象的利器 99
5.1.3 一把双刃剑 100
5.1.4 非强迫性 100
5.2 互联网广告的形态 101
5.2.1 CPC广告及“通货膨胀” 101
5.2.2 CPS广告及“高开低走” 104
5.2.3 CPM广告及“创意无极限” 106
5.2.4 硬广及“暴力拓展” 108
5.3 广告投放战略 111
5.3.1 广告投放预算 111
5.3.2 广告效果量化模型 113
5.3.3 投放策略确定 115
5.4 精准投放基础篇 118
5.4.1 分时段投放 118
5.4.2 分地域投放 121
5.4.3 分品类投放 122
5.4.4 关键词遴选 123
5.5 广告投放高级策略 124
5.5.1 CPC出价与点击率、转化率之间的理论数学模型 124
5.5.2 深度解读CPC与点击率之间的意义 125
5.5.3 CPC广告的三种平衡点 127
5.5.4 广告投放线性组合优化 130
5.6 广告资源的整合和管理 133
参考文献 135
第6章 数据驱动艺术设计 136
6.1 数据驱动与艺术设计漫谈 137
6.2 网站首页最优长度如何测定 139
6.3 网页的结构布局策略 140
6.3.1 经典的结构布局理论 140
6.3.2 站内搜索的设置 142
6.3.3 首页商品撤换的“ROI”原则 142
6.4 商品详情页的“倒三角形”结构 143
6.5 警惕搭配套餐的骗局 146
6.5.1 人类最小心理感觉差 146
6.5.2 搭配套餐的新陈代谢 147
6.6 关联推荐的设计 148
6.6.1 关联推荐的机理 148
6.6.2 支持度、置信度和提升度 149
6.6.3 小结 156
参考文献 157
下篇 大数据驱动 160
第7章 数据化管理 160
7.1 任何一个团队或项目不能量化就不能管理 161
7.2 客服团队数据化管理 162
7.2.1 客服团队排班设计 163
7.2.2 客服团队的绩效管理 163
7.2.3 客服团队忠诚度激励方案 170
7.2.4 客服团队数据化管理高级应用：测算咨询并发数 174
7.3 供应链数据化管理 177
7.3.1 供应链数据化管理的点和面 177
7.3.2 大数据环境下供应链管理的通路 179
7.3.3 商品结构如何布局 181
7.3.4 销量预测的三种最基本的方法 183
7.3.5 现货模式下的弹性补货策略 188
7.3.6 智能化仓库拣货路径的设计 191
7.4 大型促销活动促销节点的设计 198
参考文献 202
第8章 客户“怪诞行为”研究 203
8.1 商品预售是颠覆了零售模式还是电商之殇 204
8.2 客户手机号和电子邮箱里隐藏的秘密 206
8.2.1 手机号与客户购买力之间的关系 206
8.2.2 从Mail地址里窥探那些不能说的秘密 208
8.3 数学模型量化客户行为 211
8.3.1 幂函数解析客户流失概率 211
8.3.2 对数函数解析客户究竟会点击网页几次 217
8.4 “7次购物原则”与客户忠诚度 218
8.4.1 知识储备：条件概率 218
8.4.2 Logistic回归模型解析客户流失概率分布 220
8.5 客户生命周期贯穿销售始终 225
参考文献 228
第9章 客户关系管理 229
9.1 客户关系管理没那么简单 230
9.1.1 客户关系管理的生死穴 230
9.1.2 客户关系管理的流程 235
9.2 客户关系的五部曲 237
9.2.1 数据库的组建 237
9.2.2 数据库的加厚 243
9.2.3 数据库的标签 245
9.2.4 数据库的挖掘 248
9.2.5 客户关系管理的落地 250
9.3 与时俱进的客户关系管理 252
9.3.1 客户服务的类型 252
9.3.2 客户关系管理用好现代互联网新媒体 255
9.3.3 客户关系管理商业流小结 259
9.4 客户关系管理商业案例 262
9.4.1 用决策树为有价值的客户画像 262
9.4.2 基于神经网络建立客户流失预警机制 264
参考文献 272
第10章 数据驱动高级商业案例 273
10.1 基于网络爬虫技术架上库存调整项目 274
10.1.1 背景 274
10.1.2 架上库存调整的意义 275
10.1.3 调整方案的流程图 276
10.1.4 三言两语：网络爬虫是什么 278
10.1.5 架上库存调整临界点的设置 279
10.1.6 架上库存调整结果展示 280
10.2 淘品牌资本化运作所面对的局势 286
10.3 数据驱动小结 287
10.3.1 电商数据驱动团队组建 287
10.3.2 学好数据驱动的方法 287
10.3.3 实施数据驱动的四大障碍 290
教材习题 291
重要附录 神经网络训练和测试优质商业样本 295