在网络非常普及的现代社会,商品网站也已经遍及我们身边的各个角落,数据的价值逐渐引起人们的重视,网络和数据的结合也将成为一种不可阻挡的趋势。商品网站之间存在的竞争使得网站不断采取策略进行有效营销,吸引新客户,留住老客户,获取经济收益。基于此背景,本文研究了两个数据集,分析了两个方面:一是某宣传活动对于网站浏览量的影响,二是利用某商品营销的历史数据对客户进行分类,找出潜在客户的类型,为今后精准营销提供决策支持。第一个数据集的背景是,某网站在前期宣传阶段通过各个渠道发布活动的消息,然后收集在活动前后15天内共30天的网站页面浏览量数据。我们的任务是研究这个活动是不是的确增加了网站的浏览量。为了排除其他因素对分析产生影响,我们采用倾向得分匹配法引入对照组进行对比。采用双重差分模型进行估计,得到的处理效应为388.62(次/每天),表明活动之后每天的网站浏览量比活动之前增加了 388次,模型检验的P值表明处理效应是显著的。第二个数据集是分析某一产品的客户响应情况,分为三部分进行,首先进行的是数据预处理,然后以处理之后的数据来拟合模型,最后对模型性能进行评价。我们在数据预处理方面对数据集进行统计描述,调整数据样本量以及对数据的质量进行改进和提升,运用SAS软件进行变量筛选;在拟合模型方面,结合数据特点和分析目的,建立以客户响应为因变量,11个与客户相关的变量作为自变量的逻辑回归模型;模型评价则对模型拟合效果进行说明。根据建模结果,可按响应率的不同,将客户进行分类,筛选出高响应率的客户作为目标客户进行营销,这不仅可以提高响应的比例,而且还可以节约营销的成本。在文章的最后,对结论进行了详细的解释,对应用拓展和不足之处也进行了讨论。