以BOOK11.com的從web log資料整理/分析 進行網站改善以及了解使用者在網站的行為 得到的效益經驗分享， 包含 Clickstream分析、訂單來源分析、以及簡易的分析點選來源的作法等等。

1. 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 2

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 3

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 4

5. 電子商務網站資料處理分析
收集資料 整理資料 分析資料
Web log 商品點選來源 訂單來源分析 行銷效益分析
Clickstream 使用者
推薦系統
喜好分析
瀏覽歷程
提升
改善網站介面
訂單達成率
交易資料
使用者
喜好 Profile 增強客戶黏性 個人化服務
回文與評分
…
…
…
使用者分群
www.book11.com 5

6. 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 7

8. 商品點選來源 (ref 參數 )
• 將每一個導向商品資訊頁的連結， 商品分類頁
加上參數 : ref= 來源 生活勵志類
首頁 F
E
新書上架 A
C B A ref=
首頁 商品分類
_ 新書
上架 商品資訊頁
編輯推薦
ref=
D A 首頁
_編
輯推
薦 A 活動頁
搜尋
電子報
www.book11.com 8

9. ref 範例
www.book11.com 9

10. 商品點選來源的比例
首頁
其它 7%
24% 分類頁
19%
電子報
0%
活動頁
5%
搜尋
7%
商品介紹頁
38%
www.book11.com 10

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 11

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 12

13. 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 14

15. Clickstream 資料範例
首頁 書籍 A 生活勵志類 書籍 B 書籍 C
購買書籍 D 書籍 D
from: http://blogs.citypages.com/gimmenoise/happy.web.user.jpg
www.book11.com 15

16. 分類 -
首頁 書籍 A 生活勵志類 書籍 B 書籍 C
生活勵志類
書籍 D 購買書籍 D
Clicksream
( 下一頁 )
書籍 線上 線上
首頁 分類 購買
分類 …
介紹 閱讀 試讀
首頁
首頁 1
書籍
書籍
1
介紹
介紹
分類
上 1
下 購買
頁 線上
閱讀
統 線上
計 試讀
)
(
目
前 …
頁 www.book11.com 16

17. 分類 -
首頁 書籍 A 生活勵志類 書籍 B 書籍 C
生活勵志類
書籍 D 購買書籍 D
Clicksream
( 下一頁 )
書籍
書籍 線上 線上
首頁 分類 分類 購買
,
介紹 分類 , …
介紹 閱讀 試讀
首頁
首頁 1
書籍
書籍
2
1 1 1
介紹
介紹
分類
上
分類 1
下 購買
頁 線上
閱讀
統 線上
計 試讀
)
(
目
前 …
頁 www.book11.com 17

18. 顧客動線圖
www.book11.com 18

19. 首頁調整後，顧客動線圖
www.book11.com 19

20. 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 21

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 22

23. 訂單來源分析 –假設情境
某會員，某日從電子報看到書籍 A…
電子報
？ 書籍 A 書籍 B 離開
一天後，
首頁
？
搜尋 書籍 A 購買書籍 A
www.book11.com 23

24. 訂單來源分析 – 第一次來源分析
首頁 , 2.3%
來源 購買率
其它 , 22.4% 分類頁 , 28.8%
首頁 0.8%
電子報 , 0.0% 分類頁 3.8%
活動頁 , 0.6%
商品介紹頁 2.7%
搜尋 , 5.5%
搜尋 1.9%
活動頁 0.3%
電子報 0.0%
商品介紹頁 ,
40.4%
www.book11.com 24

25. 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 26

27. 系統推薦 訂單貢獻／購買率
訂單貢獻
來源 區塊 購買率
比
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 27

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 28

29. 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 30

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 31

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 32

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 33

34. 黃金就在 data 裡，就看你怎麼挖 ?
data
log log
data
data
from: http://www.gamineral.org/t04-carlysle-summit-mines.html
http://www.museum.mtu.edu/Gallery/gold.html
www.book11.com 34