数据分析学习笔记之电商数据分析（京东APP）

时间：2023-03-15 21:48:02 | 来源：电子商务

时间：2023-03-15 21:48:02 来源：电子商务

用户视角看京东APP

在大多数用户眼中，京东APP主要分为“搜索、banner区、十宫格分类导航、秒杀（个性化推荐）、首页推荐feeds流、底部导航” 。并且多数用户在使用京东购买商品时，更具有指向性，多数流量会集中在“搜索”功能内。

分析师视角看京东APP

作为分析师或产品经理，应该要深入并且有层次性的去看这个APP数据，有三个问题需要思考：

①引流（场）：首页作为最大的带量位，分发效率怎么评估；

②漏斗（货）：北极星指标交易额只是一个数字，更加重要的是理解这个数字转化的过程；

③用户（人）：作为一款非常成熟的APP，老用户相对比较稳定，但新用户获取应该怎么优化；

其中引流是对整个APP整体的分析，漏斗是对核心路径的分析，用户是对产品的当前痛点进行分析。接下来将从几个方面来具体说一下，如何进行数据分析。

1.分发效率评估

平时除了要关注日活、留存、渗透率这些常规指标外，更加重要的是找到一些能够反馈产品问题的指标，如CTR、人均访问页面数。

CTR：点击UV（进入首页后点击了首页某个坑位）/曝光UV（点击APP进入首页即为曝光），该指标反应用户对产品的点击欲望。非常重要，只有点击才能产生交易，如果较小，首页问题较大；

人均访问（点击）页面数：总访问页面数（PV）/总访问UV，只有多访问页面，才可能产生交易；

而围绕这两个指标，按照维度拆解方法，可以发现更多问题，比如CTR突然低了，那么是所有坑位的CTR均低还是个别引起。

分发效率举例：人均访问页面数

在整个京东首页里，搜索的分发能力最强；618活动主要影响的是搜索这个坑位，因此在活动期间，要把资源和人力都往这块投入；

分发效率总结

基于日活、留存、渗透、分发效率，基本上就能够对APP的整体数据有个大概了解，作为一名分析师，除了要把自己负责的产品做好外，更重要的是不要设定边界，主动去了解整体数据，在这个过程中，你还需要根据产品的大盘数据做对比分析。一定要找到业务功能与产品核心指标的关联性，量化数据并进行分析。辟如：

①该产品功能确实很好的带来了大盘的提升；

②该产品只是在抢大盘的流量；

③该产品部分抢大盘流量，部分提升，那么提升度到底多少；

2.漏斗模型

背景：了解完整体数据后，肯定要看具体细分数据，虽然整个APP坑位很多，但一切都是围绕交易额这个目标，而电商交易额的本质是转化率，所以任何一个坑位都绕不开漏斗模型。在所有的坑位中，搜索是最大的一个流量入口，因此以搜索为例。

漏斗模型的每层影响因素

各界面的转化数据



举例- 收银台支付转化分析

漏斗模型总结

应该说电商的大部分数据分析都会跟漏斗有关，除经验之外，更加重要的是对产品本身的多多体验，以及对竞品的学习，要始终保持好奇心。也只有这样，才能慢慢关注其他人关注不到的点，而这些是培养良好围观体感的重要一步。

3.新用户策略分析（新人优惠券）

背景：作为一款非常成熟，在一线城市有很多忠实用的APP，单签在用户体量上与手淘相差仍然较大，因此我们会看到京东与各方APP战略合作，共同拉新。

新用户优惠券策略思考

1.逻辑性：作为一名新用户，对于任何APP都是陌生的，第一感觉就是先浏览，给用户发优惠券固然能提升用户的首日消费概率，用户的第一心智是逛逛，结果你引导用户去注册，这在用户视角上有点不通，点击率必然不会很高；

2.优惠券分发：首页曝光的是6元京东支付券和35元品类券，而在188元礼包里面实际上有8元运费券、40元电子文娱券、20元超市券。对于一名新用户，京东支付就很陌生。35元全品类券需要消费500元才能使用，要求有点高，是否可以做两点优化：

• 在首页优惠券曝光上，把6元京东支付券替换为每个用户都知道并且在意的8元运费券；
• 京东本身的住用户群体是电子，所以用40元电子文娱券去替换35元全品类券，一方面是优惠更大，另一方面会让用户有一定惊喜感，当然更好的是在优惠券推荐时也加入个性化；

3.文案：第二幅图片除了优惠券占用了中间坑位外，上下位置均没有有效内容，可以增加更多曝光坑位；植入识别度高的文字：“可用”换成“立减”（可用是描述性词汇，立减是动词性词汇）；

新用户分析建议

新用户与老用户相比，由于对APP不熟悉，因此在漏斗缓解，可能会有几个特征：

• 用户行为较为离散化，数据上可能有几个主要漏斗；
• 在某个环节转化率远比老用户低；
• 新用户当天以逛为主，不下单，过一定时间段后再下单。

数据分析能做的就是：把自己当做一个新用户去体验各种路径，并对异常漏斗进行围堵拆解（比如，是不是某个渠道的新用户转化率低引起整体低）。