大神来，为啥我的淘宝店一点流量都没有( 八 )
《PBI系列 象限分析 雷达 区间分段 10》花随花心著
《PBI系列 搜索环境 波动性 集中度 11》花随花心著
《PBI系列 权重 相关系数 指标关联 12》花随花心著
那么，接下来，就让我们正式进入主题。
正文
紧跟着第12堂课，今天的重点部分内容其实还是跟数据挖掘有关，只不过我们借用了Excel的数据挖掘套件。上一堂课学习过视频的同学，如果需要这个套件的话，留言给花老师即可，我刚好有做准备。
那么今天我们来看这3个核心关键词。首先是快选池，我相信学过前面课程的同学都应该不陌生，知道快选池是指什么，如果您不清楚，可查看第03堂课，文章目录在上面有所提示。
这个入口是全网人气新品池，我们今天所获取到的数据都是来源于这里。无论是C店还是B店，统统都有机会进来。这个平台最有价值的数据，就是可以告诉我们自己的新品究竟算是什么品质的，俗称档次，如图所示
不同档位的产品，，平台的推荐力度不同，并且这里是达人们经常选品的地方，如果能进来这里，实际上也算是多了一层曝光。
从营销的角度来讲，实际上让产品尽量得到足够多的曝光才是当务之急的事情。除了达人会主动推荐外，手淘首页也会进行推荐。
这份数据图表就是今天的案例13。重点部分内容就是这个散点图。我们之前做过很多散点图的同学应该都很清楚，散点图本身不难，但如果想要让散点图里头的数据都能够自动分好类的话，似乎不是那么容易的事情。
正如上面这张图所示，我把获取到的快选池新品数据，按不同的关键词进行分类，不同关键词下都可以将数据自动分成5个类别，也就是5种不同的数据。
之所以进行分类，是因为可以更好的区别不同类别的数据特征。因此，为了达到这个效果，我使用了聚类算法当中的K-means算法。不懂算法的同学不要紧，因为微软已经帮我们做好了一个专门来用进行数据挖掘的套件。我们暂且先来看看，究竟这些不同类别的数据都有什么特征。
数据源当中，我使用了品质档、价格、付款人数、所在地，通过K-means算法进行聚类，最后得到5个不同的类别。这些类别的名字分别从1-5进行取名。
通过这个关系图，我们可以很明显看得出来，实际上分类1的数据可以直接连接分类2、3、4、5，说明其重要性不言而喻。
暂且从分类1的角度来看数据，从上面这个图可以看出，分类1的一些特征，比如付款人数在0-299这个范围，价格150.0-361.4这个范围，其他的以此类推，最关键的地方在于这些数据背后的产品，基本上代表的就是第4档位的产品。
而实际上，这个档次的产品的销量是最好的。那么也就是我们这里的分类1的产品代表的就是最好的。
推荐阅读
- 社保卡■看病买药忘带社保卡千万别着急！快打开“我的南京”用电子社保卡
- 为啥看到书柜上的藏书会有心旷神怡的感觉
- 为啥知乎上普便有一种【我在北上广深打工，所以拥有更好的视野】这样的错觉
- 为啥工商银行的用户体验如此之差
- 汽车|看了中消协4S店服务测评调查结果，终于知道法系车为啥卖不好了
- 你为啥从窝窝商城离职?
- 汽车知识|试驾了一周的全新蔚来ES8，我卖掉了我的Model X
- 趣头条|喜欢你，没道理，吉利博瑞就是我的菜
- 为啥5G和2.4G默认的BSSID是相同的
- 为啥电器实体店的价格比淘宝贵那么多