电商数据分析的4大思维和8个指标

时间：2023-03-15 20:50:01 | 来源：电子商务

时间：2023-03-15 20:50:01 来源：电子商务

这两天，传奇人物罗永浩跑去抖音直播带货的事儿炒的沸沸扬扬，单场直播观看人数达到了5000万，交易额高达1.8亿！从近两年爆火的淘宝网红直播再到抖音由社交到电商的转变，不难看出电商行业迎来了又一次升级，从原来的图文时代升级到了直播时代，从原来的以“货”为中心开始转向以“人”为中心

而电商行业火爆和转型的背后，数据分析往往成了主要的助推剂之一，通过对商品、用户、平台数据的分析，商家就能知道什么样的商品好卖，什么样的人爱买，哪一类的促销活动更受欢迎等等，从而对症下药调整策略，精准营销。于是，近年来电商行业数据分析师成为当前市场需求量很大的岗位，为了给一些想入行电商数据分析的朋友指明方向，本篇我就详细的说一说电商数据分析需要掌握的方法及思路。

电商的业务流程

还是那句老话：不懂业务就别做数据分析，任何的商业分析都需要围绕业务进行，在动手分析电商数据之前，我们先了解一下电商平台的业务流程：

显然电商零售的流程和传统零售大不相同，从用户登陆到加购商品、再到最终下单购买、确认收货，每一个环节都有大量的数据在平台上产生，我们应该收集哪些数据，又应该分析哪些数据？这就需要建立完善的电商数据分析指标体系，来为我们的分析提供方向。

电商主要有哪些数据？

传统零售的数据分析侧重对商品的分析，而电商则侧更重于对用户和流量的分析。根据电商业务流程的各个环节，我们可以把电商数据大概分为这4类：营销数据、流量数据、会员数据、交易和服务数据。

1. 营销数据：做电商肯定要玩转各类的营销活动，就会产生营销费用、用户覆盖数，活动点击、打开等营销数据，然后有这些数据衍生出人均单价、活动打开率、人群触达率等指标
2. 流量数据：电商运营最核心的数据就是流量数据，包含了平台的浏览量、访客数、用户的登陆时间、在线市场等等数据
3. 会员数据：电商会员一般门槛较低，注册了就是会员，然后根据消费金额或者消费金额换算的积分来升级会员等级，比如像淘宝的淘气值积分。会员数据包含会员的个人信息以及交易记录、登陆行为等行为数据，电商平台的各类营销活动往往就是基于对会员行为数据的分析。
4. 交易和服务数据：交易数据主要包括交易的金额、数量、人数、商品信息、交易场所、交易时间等数据，服务数据主要包括供应链等数据。

电商数据分析的8大指标

根据电商运营的各个环节，我们可以把电商数据分析的指标体系分为下图这8个部分

先从整体运营指标说起，整体运营指标的分析一般是面向企业的高层，从平台的流量、订单数据、整体的销售业绩指标、盈利指标来了解平台的运营状况。

网站流量指标就是对平台的访客进行分析，比如通过对页面访问时长、跳出率等指标的分析，从而对页面进行优化等等

销售转化指标主要包含了从下单到支付整个过程的数据，通过分析来提高商品转化率

客户价值指标主要目的是找出有价值的用户，实现精准营销，一般可以建立RFM价值模型来进行分析

商品类指标主要分析商品的种类，销售和库存情况，可以建立关联分析模型，将商品组合销售，比如之前经典的啤酒与尿布的故事

市场营销活动指标主要监控某次营销活动给带来的效果，以及监控广告的投放指标

风控类指主要对用户购买后的评价进行分析，发现产品的优点及问题

市场竞争指标主要分析市场份额以及平台的排名，通过和竞品的对比进行策略调整

电商分析数据分析思路

对电商数据分析来说，主要应该掌握这四个思想：对比、细分、转化、分类，基本上可以应付日常的分析工作了

1、对比思想

数据对比主要是横向和纵向两个角度，指标间的横向对比可以帮我们认识预期值的合理性，指标自身在时间维度上的对比，就是我们经常说的趋势分析。
这里我以分析店铺的成交额为例：

1）纵向对比
我们把一段时间的成交额显示在坐标轴上，这样就可以很明显的看到这段时间的成交额是否达到了预期。
另外，要结合实际场景进行分析，比如我们通过数据发现今天的成交额比昨天大很多，可能因为今天是周六，或者是节假日等等，因此，我们在做纵向对比的时候，要判断今天（假如是周六）的成交额是否合理，除了看最近30天的趋势数据，我们还可以看一下最近10周的周六的成交额趋势；如果今天是节假日的话，那么就可以和上一年的同一天做个对比，不过因为间隔时间比较长，这里面可能参杂的干扰因素比较多，数据反映出来的意义比较有限。

2）横向对比
例如我们说，店铺这周的成交额上涨了10%，是不是一个好消息呢？
上涨看起来应该是进步了，但是也可能是一种落后的表现，比如你通过横向对比后发现竞争对手们这周的成交额都上涨了20%，那这10%就是一种坏现象，也就是说，我们对一个现象判断好不好，这是需要一个参照系的

2、细分思想

通过上面的对比，我们基本可以判断一个指标（例如成交额）是否合理了。如果发现数据不合理，接下来就是要发现问题，寻找原因。这时候就需要用到细分的思想，把分析对象逐步拆解，定位问题，这个就类似于我上篇文章说的杜邦分析法的思想

比如我们通过查看趋势，发现这个月成交额明显下降了，我们用细分的思想来找出成交额下降的原因，根据成交额的计算公式：成交额 = 客单价 X 客户数，我们把成交额这个指标拆解，通过对比客单价和客户数的趋势，找出成交额下降的主要影响因素，如果是客户数问题，我们在根据客户数的计算公式：

客户数 = 新客户 + 老客户，老客户 = 二次成交客户 + 多次成交客户
对客户数进行细分，如果是客单价问题，就按照公式：客单价 = 成交价 X 人均成交数 进行细分：

3、转化思想

细分的思想可以从纵向定位问题，但是只有细分是不够的。这些指标是从哪里来的，每一个步骤的转化率怎么样，哪一个步骤的转化不好，需要改善，这些通过转化率都可以分析出来

例如我们要分析本周的活跃客户数（有成交的客户数），那么我们就要分析这些活跃的客户数是从哪里来的，梳理一下可以简单分为以下4个步骤：
进入店铺的客户数 ——浏览过商品的客户数 ——下单的客户数 ——交易成功的客户数
这里4个步骤就会有3个转化的过程，哪些环节转化率比较高，哪些环节转化率比较低，历史趋势怎么样，是否合理，是否有改进的空间等等。应用转化的思想，可以有效的指导和优化电商运营的各个环节

4、分类思想

上面我们已经介绍了对比，细分和转化三种思想，还有一个基本思想：分类思想。简单来说，就是把一些对象，按照某种规则，划分为若干个类别，然后分析各个类别的特征，根据这些特征来安排工作，比如说常见的RFM分析模型就是用来分类的思想，实现精准营销。
除了给用户分类之外，电商行业经常做的还有商品分类，比如按照品类分类，或者商品ABC分类，当然还有非常复杂的分类方法，例如聚类算法等等。

比如，目前市面上很流行的帆软公司的软件——finereport，功能算是前沿的，可做BI报表和大屏，内置了10+行业解决方案和几十种可视化大屏模板demo，即便没有专业的技术也照样可以完成。功能比较全面，包括数据整合、建模、分析、制作图表。很适合企业使用，难度不算太大，而效果也不错。