电商数据分析指标及案例分析
时间：2023-03-15 21:32:01 | 来源：电子商务
时间：2023-03-15 21:32:01 来源：电子商务
传统零售和电子商务
电子商务这几年在中国高速发展，传统零售和电子商务之间也一直在竞争。
随着互联网的不断普及和发展，传统零售的老板们也逐步具备了互联网的思维，开始使用互联网的工具。这也使得零售行业的模式从传统的“货场人”/“场货人”转变为了“人货场”这样的模式。这也就是阿里所定义的新零售。
新零售是一种以消费者体验为中心的数据驱动的泛零售形态，它具有三大特征：
- 以消费者体验为中心，重构人货场
- 零售二重性，完全数据化
- 零售物种大爆发，催生更多服务形态
新零售的产生，不论是对人货场的重构，还是催生出形态更加丰富的服务，都离不开数据。所以也催生出了对数据人才更多的需求。
电商数据分析所需要的数据
由于电子商务和传统零售之间存在一定的差异性，所以二者的数据分析指标也有些许不同，但因为二者同属于零售业，所以很多指标还是通用的，这里我们
首先介绍一下在电商数据分析中我们需要获得哪些数据。电商数据分析所需要的数据
电商数据分析指标电商数据分析指标1. 流量指标
浏览量(PV)：用户访问页面的总数。
访客数(UV)：独立访客。一台电脑为一个独立访问人数。可分为新访用户和回访用户。
当前在线人数：指15分钟内在线的UV数。
平均在线时间：指平均每个UV访问网页停留的时间长度。停留时间 = 访客打开网站第一个页面的时间点 – 打开网站最后一个页面的时间点。
平均访问量：用户每次浏览的平均页面值。
日均流量：平均每天的流量。
跳出率：只浏览了一个页面就离开的访问次数除以该页面的全部访问次数。分为：首页跳出率、关键页面跳出率、具体产品页面跳出率等。这个指标可以反映出一个页面内容的受欢迎程度。如果跳出率高，说明该页面需要调整和优化。跳出率高不可怕，可怕的是不知道用户跳出的原因。
2. 转化指标
有了流量之后，我们希望用户按照设计好的要求进行动作，比如希望用户注册、收藏、下单、付款、参加我们的营销活动等等。这些动作就是转化。
转化率：指进行了相关动作的访问量占总访问量的比例。转化率是电商营运的核心指标，也是用来判断营销效果的指标。
注册转化率：注册用户数/新访用户数。
客服转化率：咨询客服人员的用户数/总访问数。
收藏转化率：即将产品添加到收藏或关注的用户数/该产品的总访问数。
添加转化率：将产品添加到购物车的用户数/该产品的总访问数。
成交转化率：成交用户数/总访问数。成交转化率又可细分为渠道转化率、事件转化率、品牌转化率等。
3. 营运指标
成交指标：成交金额、成交数量、成交用户数
订单指标：订单金额、订单数量、订单用户数、有效订单、无效订单
退货指标：退货金额、退货数量、退货用户数、金额退货率、数量退货率、订单退货率
效率指标：客单价、件单价、连带率、动销率
采购指标：采购金额、采购数量
库存指标：库存金额、库存数量、库存天数、库存周转率、售罄率
供应链指标：送货金额、送货数量、订单满足率、订单响应时长、平均送货时间
4. 会员指标
传统零售业和电商的会员概念上有一些不同。传统零售业中，用户需要消费到一定的金额数目才有资格成为会员，所以传统零售的会员一定是顾客。而电商中，一般用户只要注册成功便成为会员。二是时效性的差异，大部分传统零售的会员管理有失效的规定，即如果会员不能在一定期限内消费达到某一金额就将会失去会员的资格。而电商中的会员则没有这种限制，只是对不同消费金额的用户设定了不同的等级。
注册会员数：指曾经在网站上注册过的会员总数。一般来说这个定义没有太大的意义，因为存在有只注册不买的用户和买过东西但已经长时间不使用的用户，所以把这个指标定义为一年中有购买记录的会员更准确。
活跃会员数：指在一段时期内有过消费或登录行为的会员总数。
活跃会员比率：活跃会员数占总会员数的比例。
会员复购率：指在某时期内产生了第二次或以上购买会员数占总购买会员的总数。
平局购买次数：某时期内每个会员平均购买的次数。
会员回购率：指上一期末活跃会员在下一期时间内有购买行为的会员比率。
会员留存率：某时间节点的会员在某特定时间周期内登录或消费过的会员比率。电商一般使用消费数据，游戏、社交领域则使用登录数据。
5. 财务指标
新客成本：公司花了100万获得了10000个新客户，则新客成本为100元/人。新客成本一般根据渠道计算，这样也可以区分不同的渠道质量。
单人成本：营销成本/访客数。这里的访客不区分是否是新访客、是否购买、是否注册等。
单笔订单成本：营销成本/产生的订单数
费销比：营销成本/订单金额。它的倒数就是ROI。
物流相关的指标
核心指标是什么
对于不同行业、不同性质、不同阶段的公司来说，关注的指标也是不一样的，所以所谓核心指标也并非一成不变的。
对于一个
新电商来说，积累数据，找准营运方向是最重要的，所以这一阶段最关注的的指标就是流量指标，包括了：访客数、访客来源、注册用户数、浏览量、浏览深度、产品的浏览量排行、产品的跳出率、顾客评价指数等等。
对于
已经营运了一段时间的电商来说，通过数据分析提高销量就成为最重要的目标。这个阶段最关注的的指标主要包括流量和销售指标：访客数、浏览量、转化率、新增会员数、会员流失率、客单价、动销率、库存天数、ROI、销售额等。
对于
具有了一定规模的电商来说，利用数据提升整体营运水平就很关键。他们的重点指标就是访客数、浏览量、转化率、复购率、流失率、留存率、客单价、利润率、ROI、新客成本、库存天数、订单满足率、销售额等。
此外，你的职位不同，视角也不同。作为管理者来说，更重视一些结果性的指标，而作为执行人员来说，则更侧重过程指标。
了解业务的重要意义
这几天通过看书，了解了一些零售业、电商和数据化管理的相关知识，充分体会到现阶段数据对于企业能够带来的巨大价值。
数据分析这个岗位作为处于技术和业务的中间岗位，不仅需要具备硬实力，更需要的是注重软实力的培养。了解业务、理解业务，知道如何使用数据去分析业务中的各种问题，看到数据背后蕴含的巨大价值，才是我们自身价值所在。
案例
1.背景基于国外著名的购物狂欢节“黑五”，所采用的数据来源于kaggle的公开数据集。由于上文中电商数据分析中涉及到的指标繁重复杂，本文根据数据集的字段特点对其中一部分指标进行分析。
2.理解数据该数据集有12列、537578行，各字段及其含义如下：
- User_id：用户的唯一标识符
- Product_id：商品的唯一标识符
- Gender：性别，F表示女性，M表示男性
- Age：用户所属年龄段
- Occupation：职业，共20类职业，用数字进行表示
- City_Category：城市类别，共分为A、B、C三类
- Stay_In_Current_City_Years：在该城市居住的年数
- Marital_Status：婚姻状况，0表示未婚，1表示已婚
- Product_Category_1：商品类别，不能为空
- Product_Category_2：商品类别，可以为空
- Product_Category_3：商品类别，可以为空
- Purchase：购买的总金额
3.数据清洗（1）针对我们要分析的业务所需要的数据，我们将Product_id、Occupation、Marital_Status、Stay_In_Current_City_Years这几列进行隐藏。在处理数据时，对于我们不需要用到的字段，进行隐藏是很好的方法。
（2）修改列名
建议一张原表的副本，然后将列名改为一看就懂的中文。修改后的结果如下：
副本表（3）值替换
为了以后结果的展示，将性别字段中的F和M分别替换为女/男。
替换完毕。
以上数据清洗工作完成。
4.分析过程（1）消费人数中的男女比例
由于一个用户可能购买了多个商品，所以在分析这一问题时首先需要对用户ID列进行去重处理。
选择用户ID列——>数据——>删除重复值。然后选中全表，插入数据透视表：
可以看出：在所有购买者中，男女比例大概为7:3，男性消费者占据了绝大多数。
用饼图的方式可以更明显的看出男女所占比例的大小。
（2）哪个年龄段的消费人数比例最高
依然建立数据透视表，将年龄段拖入行中，再将年龄段拖入值中，将值显示方式设置为列百分比得到如下结果：
将结果可视化：
可以看出：26-35岁年龄段的消费者占据了总人数的1/3，接下来是36-45岁年龄段和18-25岁年龄段。且各年龄段中的男性消费都远高于女性。
（3）哪个年龄段的消费总额最大
建立数据透视表：
可以看出，作为购买人数比例最大的人群(26-35岁)，他们也同样贡献出了最大的交易总额，交易额的总体情况和对应人数比例基本是一致的。
（4）哪类城市的交易总额最大
可视化结果：
经过计算得出：B类城市的交易额最高，占据了交易额总数的40%左右。
此外我们还可以通过统计不同城市的客单价分布来了解不同城市消费水平的差异。
上图为不同类别城市的客单价分布情况，我们可以看出C类城市的购买人群基数数量大，但普遍客单价较低，A类城市的客单价最高，说明A类城市的高端消费者多，购买力强。
（5）哪类商品和哪种商品最热销
将商品按种类进行计数，然后累计排序：
可视化筛选出销量排名前十的十类商品：
可以看出，第五类、第八类和第一类商品的销量遥遥领先，其中前两位相差不大，属于热销品类。
可视化之后晒选出销量排名前十的商品：
根据透视表筛截选出销量最高的五种商品。其中P00265242为销量最高的商品。
5.结论和建议- P00265242为销量最好的产品，说明该商品的用户需求量大，购买欲望强。可将其与其他产品进行捆绑销售或将其陈列在销量较差的商品附近来促进其他商品的销量。
- 对于销量高的几类产品，要针对其具体的商品销售情况进行提前备货，做好货源充足防止断货情况的出现。也可以根据历年来的销售情况对来年的“黑五”商品销售量进行预测，提前做好调度，防止资源的浪费。
- 针对购买力最强的群体——26-35岁人群来说，可以在购买记录分析其偏好和购买习惯，在以后的促销活动和“黑五”活动中进行更精准的销售。
- 可以在B、C类城市中进行更多的促销活动，因为消费群体庞大，可以促销量。对于A类城市来说，消费者消费能力强，可能更注重品牌形象和质量，可以将更多高端品牌引入A类城市。
在线咨询
