电商平台应该分析哪些数据？具体怎么去分析？

前人总结出来的，觉得挺好，首先要构建电商数据分析的基本指标体系，主要分为8个类指标，即：

1. 总体运营指标：从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商平台有个大致了解，到底运营的怎么样，是亏是赚。

2.网站流量指标：即对访问你网站的访客进行分析，基于这些数据可以对网页进行改进，以及对访客的行为进行分析等等。

3. 销售转化指标：分析从下单到支付整个过程的数据，帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。

4. 客户价值指标：这里主要就是分析客户的价值，可以建立RFM价值模型，找出那些有价值的客户，精准营销等等。

5.商品类指标：主要分析商品的种类，那些商品卖得好，库存情况，以及可以建立关联模型，分析那些商品同时销售的几率比较高，而进行捆绑销售，有点像啤酒喝尿布的故事。

6. 市场营销活动指标，主要监控某次活动给电商网站带来的效果，以及监控广告的投放指标。

7. 风控类指标：分析卖家评论，以及投诉情况，发现问题，改正问题

8. 市场竞争指标：主要分析市场份额以及网站排名，进一步进行调整

以上总共从8个方面来阐述如何对电商平台进行数据分析，当然，具体问题具体分析，每个公司的侧重点也有所差异，所以如何分析还需因地制宜。

场景1-销售归因

用户从启动APP到最终下单购买，中间会有一系列步骤，最初的那个步骤可能是点击搜索框，可能是点击首页Banner图，也可能是点击收藏页面，总之是这个步骤让用户最终下单购买的，把这部分销售归属到最初那个步骤所在的模块就是销售归因。

这是电商平台非常重要的一个数据场景，他的作用是找到整个平台产生业绩的关键模块，然后有主次地进行改版优化。其次，通过监控销售归因数据的变化，也可以了解用户行为的变迁，比如2016年的时候首页推荐位的销售归因占比最大，因为当时用户网购的主动性还不够强，容易被广告引导，到了2018年，搜索的销售归因比重超过了首页，这表示用户网购的主动性变强了，原因可能是用户群体变了，也可能是用户习惯变了，总之你要开始优化搜索引擎了。

销售归因还有一个很重要的应用是根据销售归因比重的不同来调整品类的页面布局，举个栗子，对于女装，用户可能看到什么好看点什么，他们的购物意愿是被品牌、搭配、颜色牵着走的，那这个品类销售归因最大的可能是有很多靓丽硬照的推荐页面。

另外的品类比如母婴，用户的购物行为是主动且分层的，比如家有1岁娃的用户，看的是XL的纸尿裤和三段奶粉，家有三岁娃的用户，看的是婴幼童装和童鞋，那么这个品类销售归因最大的可能是明确指向商品的分类页。通过销售归因来优化不同品类的页面布局是很重要的数据场景。

要实现这个数据场景就需要分析师好好下功夫了，需要与开发沟通设计一套很好的轨迹埋点，从而准确记录用户的每一步跳转，也需要业务导向地跟产品经理或者运营沟通，从而敲定什么样的行为组合最终会把产生的业绩归到哪个模块。

场景2-转化漏斗

通过销售归因，我们知道APP里边哪个模块会重点促成用户的下单购买，然后呢？如何进一步分析？这个时候就要用到转化漏斗了。

把焦点放在APP首页，用户从浏览到最终下单，需要经过以下几个步骤：

1. 点击商品推荐页，进入商品列表页；
2. 点击商品列表页，进入商品详情页；
3. 点击下单，进入购物车页；
4. 点击支付，支付成功。

以上每个步骤之间都有一个转化率，可能是1-2:50%，2-3:20%，3-4:5%，有了这几个数据，运营就有目标了，如何更好地优化页面，使每一步的转化率都高那么一点点，那么公司就能赚更多的钱。其次，通过监控转化率数据也能及时发现业务异常。

电商公司经常会把转化率做成实时数据，这样大促期间发现某个页面或某款商品的转化率不高才能及时针对性调整。

场景3-AB测试

不仅电商，这个数据场景其他APP也会用到，具体做法是发版前先切一拨用户，比如10%，再把这10%分两拨，确保这两拨用户的属性相近（很多时候是随机分配），然后发2个版本的APP，看哪个版本的APP数据表现更好，再把表现好的版本全量发布。

在电商公司，你看到的每一场促销的宣传页面，都是经过多次AB测试调出来的，一旦发现转化率不好就下掉上新的页面，确保展现在您面前的页面拥有最高的转化率。

AB测试是一个非常高频的数据场景，基本每天都会用到，因此很多大公司会把它做成一套系统，可以实时地看数据调整页面。

场景4-千人千面

这个就偏高端了，千人千面指的是每个用户看到的APP界面都是适合他的，或者说最能激起他购买欲望。举个栗子，一个25岁左右的男性用户打开APP更愿意看到的是NIKE、阿迪等运动潮牌，但对于一个35岁的男性，可能是车载用品，或者名牌商务男装更吸引他，千人千面能够最大化APP的转化率，从而极大提升销售额。

要实现这个数据场景需要数据分析师在用户标签方面下很大的功夫。

场景5-销售预算

电商公司每个月都会做预算，预算关系到这个月要备多少货，关系到货值的合理安排从而在大促等关键时刻货量充足，作为一个数据分析师，合理地预估每个月的销售预算是很考基本功的。

做预算需要回溯过去的数据，比如同个时间段，或相同级别相同类型的促销活动，需要尽可能地把每个大促的节奏考虑进去，同时需要把每个时间点的销售情况都考虑仔细。

这一块很多电商公司都是人为用Excel计算，相信未来在自动化方面有很大优化空间。

场景6-商品比价

很多电商公司会频繁搞促销，而每次促销都会宣称自己的商品是全网最低价，怎样做到全网最低价呢？这就涉及到商品比价这个数据场景了。

很多电商公司自己会有一个比价系统，这个系统的作用就是不断去爬取各大电商平台商品的价格，通过外网比价来制定价格策略。比如你要打一个单品，为了冲量你必须做到全网最低价，于是这个系统就派上用场。

除了外网比价还有内网比价，也就是将当前商品的价格跟过去不同时间段进行对比，通过内网比价相应地调整货品策略，比如将更具价格优势的商品进行更多的曝光，同时调低价格高商品的曝光，这就可以避免商品卖得比过去贵消费者不买账的情况。

价格分析是电商公司重要的数据场景，怎样制定一场促销的优惠政策，是用满几件减多少钱，还是发折扣券，还是满多少钱减多少钱，还是买一送一，如何在吸引用户的同时确保毛利不受影响，都免不了做一番数据分析，于是数据分析师的作用就体现出来了。

对于数据分析的初学者，可以看这个免费公开课：

描述统计学入门：了解数据的数学基础

1、网站整体运营情况；

2、销售数据（订单数据）；

订单模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_ec43665084d4e2d90d36f066b892093a

3、用户行为数据；

用户模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_a77fa6b9e48a19e02cc2923f46618344

4、商品数据；

5、客户咨询数据；

咨询模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_40f607d5b15157efb5a432ddd29157e6

6、售后服务数据；

7、推广投放数据；

投放模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_1aca4cbbcad96dc7559d0ba1ad2be5a1

8、营销活动数据；

BDP分享仪表盘，分享可视化效果

9、财务数据：盈利、成本等

大概总的就是这么多，具体就多了。

看了很多回答，可能对新人来说会有点知其然不知所以然。

知友福利 更多电商玩法等您来拿 点击领取

GrowingIO 电子书下载中心-数据分析-增长黑客

这里从电商增长的 10 大关键指标出发，并附上优化这些指标的 40 个方法，来回答应该分析哪些数据、具体怎么去做分析。方便大家更好的理解，并且可快速进行实践。

10 大关键指标一览，全文累计 6500 余字，可以进行相应的跳阅：

• 总销售额（总收入）
• 转化率（CR）
• 平均订单价值（AOV）
• 购买频率
• 留存期（以及留存率和流失率）
• 用户生命周期价值（CLV）
• 购物车放弃率
• 结帐放弃率
• 广告投资回报率（ROAS）
• 单次转化费用（CPA）

6 大宏观指标

1. 总销售额（总收入）

总销售额以金额的形式呈现，是衡量我们线上店铺经营状况最佳的“整体主要指标”（OMM）之一，可以用它来衡量业务的整体增长和发展趋势。

该指标几乎反映了所有电商运营环节的效果——像市场营销、流量积累、商品优化、产品迭代等。只要我们的销售额实现逐月增加，就基本可以确定我们的策略是正确的。

需要注意的是，跟踪总销售额的过程中存在潜在陷阱，我们要确保销售额可持续地长期增加才是最重要的。

如果只关注短期效果，可能会错误地认为策略正确，反而不利于整体业务。但通常情况下，当我们将总销售额（总收入）作为核心指标时，基本不会出错。

如何增加总销售额（总收入）？以下提供了 3 个方法：

（1）将总销售额与其他“宏观”优化指标相关联

当我们优化四大电商指标：转化率、平均订单价值、购买频率和留存时间时，销售额自然就会增加。优化这四大指标是增加销售收入的最佳方法。

（2）提升网站流量

从这个角度入手，可以通过这三个环节来提高销售收入：吸引更多流量、提高流量转化率、以及增加现有顾客的留存时间。

我们可以创建一个涵盖以上所有环节的优化策略，并测试各种方法的效果。同时应该充分利用尽可能多的流量来源，像社交网络，搜索引擎和直接流量来源等。

（3）拆解销售数据并找到趋势

拆解销售数据的角度有很多，包括按受众情况、时间段（尤其是季节性）、流量来源等。通过这种方式深入研究数据，我们可以看到细节处有效的或需要优化的部分。

例如：如果周六、周日的销售额偏低，则不妨采取周末促销活动。或者发现某些流量来源产生了高销售额，就可以进一步充分利用它。

2. 转化率（CR）

转化率表示进行购买的访问者所占总访问者的百分比，是以特定时期内实现交易的总人数除以访问的总人数得出的。一次访问行为就是顾客与我们的店铺进行的一次独立互动，无论时长是三秒钟还是三小时。

对于零售电商而言，转化率优化事关重要，通常需要花费大量的时间和精力。

电商行业的平均转化率为 2％，业绩最好的店铺通常会达到平均水平的两到三倍。亚马逊的转化率高达 13％。这就意味着每 100 人访问店铺，就会有 13 人产生购买行为。

需要注意的是，很多零售电商会紧紧围绕转化率形成狭隘的指标视域。如果仅关注转化率，几乎牺牲所有其他指标，这将是一个灾难性的错误，肯定会在销售方面遭受损失。

如何提高平均订单价值？以下提供了 6 个方法：

针对转化率的优化环节大多集中在产品页面、购物车页面和结帐上，这完全是正确的，为什么呢？因为这些页面对于最终产生购买行为至关重要。

我们可以通过以下方法来优化转化率：

（1）优化所有页面

通常我们容易陷入只专注于产品页面的陷阱，但是所有页面，包括主页、“关于我们”页面、类别页面、搜索页面等，都应该进行优化，并且应该针对性地制定策略以实现最终目标。

（2）提升网站加载速度

网站加载速度是影响转化率最重要的因素之一。加载用时 2 秒的网站页面平均跳出率为 9％，而加载用时 5 秒的页面跳出率高达 38％。短短 3 秒的差别，我们就可能失去 29％ 的访客。

提高网站加载速度其实非常容易：在 Google 的免费工具 PageSpeed Insights 中输入网站地址，就可以获得很多可以立即使用的实用性技巧。

（3）制造紧迫感

购物时的紧迫感在电商成交中具有令人难以置信的力量，人们通常很难对时间有限、机会稀少的优惠活动不动心。

包括限时免费送货、紧急通知、低库存商品通知和价格优惠等在内的紧迫性情感构建因素，可以大大提高我们的转化率，这些元素在产品页面上的作用十分强大。

（4）使用大型彩色 CTA

尽管有许多研究文章都得出了 CTA 是有效元素的结论，但并没有关于 CTA 的硬性规定。通过 A/B 测试是获得适合我们店铺 CTA 最有效且唯一 的方法。

一般来说，CTA 主要包括命令性提示（“立即购买”、“添加到购物车”、“继续结帐”等）及展示效果（色彩、大小和形状等），我们就可以通过这二者不同的组合，通过 A/B 测试，选出最适合我们的。

（5）在产品页面、购物车页面、侧边栏或标题中的 CTA 旁展示免费送货服务

顾客非常喜欢免费送货的服务，对运费的考虑会导致更高的放弃率。

如果能够提供任何形式的免费或当日到货服务，即使仅适用于一定数量以上的订单，也应在整个网站上尽可能显著地宣传，例如可以在商品标题、侧边栏以及产品和购物车页面上。

（6）使用高清商品图片

劣质的、低像素的商品图片会产生十分糟糕的影响。高质量的图片代表我们店铺和品牌的专业度，同时使顾客能够通过对商品细节、功能的仔细浏览建立起优质的店内购物体验。显然，高质量和可缩放的图像在商品页面上必不可少，而在类别页、搜索结果页和首页上也同样重要。

（7）将评论展示到产品页面和类别页面

95％ 的顾客会在购买前阅读评论，从众心理通常被称为一种“社交自我证明”，这是最古老的人类行为动机之一。

商品页上的评论，以及类别和搜索页上商品旁的星级，都与这种来自他人的基本心理需求联系在一起，它提供了已消费顾客的真实反馈，从而消除当前顾客的疑虑。

3. 平均订单价值（AOV）

平均订单价值是指顾客进行一次购买（一个或多个商品）的平均值。

提高平均订单价值就会增加销售额，这是毋庸置疑的。平均订单价值（AOV ）还通常是代表收入增长速度最直接的指标之一，甚至比转化率优化更重要，我们在产品页面、购物车页面和结帐后页面中添加少量的相关内容就可能会产生重大影响。

如何提高平均订单价值？以下提供了 6 个方法：

（1）提供商品套餐

如果顾客对商品感兴趣，我们应当提供包含配件和附件的打折套餐。与单独购买商品相比，此套餐应当为顾客节省开支。

（2）批量订单即提供折扣

如果可以的话，为批量订单提供折扣。简单的优惠（例如“买二送一”、“买二送二”）就可以产生很好的效果。

（3）订单超过一定金额即提供免费送货服务

如果我们已经为超过一定价格的订单提供免费送货服务，请一定要在在商品页面和展示标题中清晰地宣传。如果目前不提供这项服务，可以考虑采取这样的策略，这对于大多数零售电商而言，以此达成的收入增长远超需支付的运输成本。

（4）低价换购和拼单满减

我们是否在商品页面和购物车页面上设置了加购选项？如果不这样做，基本就会把成交额停留在当下数额上。低价换购和拼单满减是鼓励已经对某项商品感兴趣的顾客产生更多交易额的最佳方法之一。

（5）为高价商品提供分期选项

许多顾客不愿一次性支付昂贵的商品。提供分期选择意味着他们可以将成本分摊到几个月甚至几年。如果顾客当下只需要支付商品价格的一小部分，就更有可能选择购买。

（6）为某些商品提供优质售后

有时，在某些商品中包含优质售后服务是应当的，例如折扣保修、购买后一段时间内的专业客服服务，这些与高价产品搭配起来效果很好

4.购买频率

购买频率一般是指顾客在给定时间段（通常是一年）内进行的购买次数，通过将过去 365 天的订单总数除以同期的顾客人数得出。

提高购买频率并不容易，涉及了站外的维护，像在顾客购买商品后通过电子邮件、再营销和社交媒体等营销渠道与顾客建立关系。

如何提高购买频率？以下提供了 5 个方法：

提高购买频率就是要对现有顾客采取激励措施。为此，我们需要全面了解顾客群的需要、需求和行为习惯。亚马逊据称是全世界最能够做到以顾客为中心的公司，每周约有一半的已购顾客再次购买。

我们可以通过以下方法来提高顾客购买频率：

（1）发送电子邮件

分三阶段发送不同的电子邮件：购买后立即询问顾客的体验；为顾客首次使用产品提供正确指导并提供有关配件的配套购买建议；以及易耗品使用一段时间后，提醒顾客进行重新购买。每一封邮件都是您在顾客即将采取购买行为时，及时推动顾客选择。

（2）鼓励订阅

对于顾客定期使用的消费性商品，例如补品或美容产品，请在商品页面上突出显示订阅选项。如果顾客在首次购买时未选择订阅，可以稍后通过电子邮件进行提醒。

（3）对相关产品采取再营销

再营销往往以将商品放入购物车但没有进行购买的顾客为主。但再营销同时有，对已购买顾客产生二次购买的作用。我们应该将相关商品与被放入购物车商品一起进行再营销。

（4）提供季节性优惠

在顾客具有更高购买意愿的节日，例如在圣诞节、母亲节，黑色星期五甚至顾客生日等特殊日子向顾客推送折扣和促销信息。

（5）按兴趣对顾客进行分类

个性化提高了不同价格定位、推送和推荐商品的有效性。根据兴趣和购买历史细分顾客群，然后相应地调整推广范围。大多数销售营销工具，通过与拥有顾客信息的分析平台和 CRM 合作，使这项工作变得轻而易举。

5.留存期（以及留存率和流失率）

留存期是指顾客保持活跃状态的平均时间长度。一般顾客超过 6 到 12 个月没有再次来到店铺购物，通常被视为不活跃顾客。

留存期或“顾客寿命”可能很难计算。但从本质上讲，是对顾客第一次购买行为到最后一次购买之间时间的度量，需要历史数据才能计算出该数字。一般来说，一到三年是一个很好的估计范围。

留存率和流失率也是有效的指标，两者均与留存期密切相关。

顾客留存率用于衡量在给定期间内平均留存的顾客数量，可以用它来衡量短期内实现顾客留存时间增长的效率。如果要提高顾客留存率或降低顾客流失率，则留存期就会增加。

我们计算一段时间内（通常是十二个月）的顾客留存率，可以用以下公式：

如何延长顾客留存期？以下提供了 4 个方法：

留存期与购买频率密切相关。如果要向顾客推送优惠信息，并通过电子邮件对其进行再营销促进再次购买，这是在保持顾客活跃，而不是延长顾客留存时间。

提升留存期旨在建立顾客忠诚度，而不是单纯的鼓励购买。

我们可以通过以下方法有效地与顾客建立持久关系：

（1）制定提升顾客忠诚度计划

据统计数据表明，顾客仍然热衷于相应的忠诚度营销，尤其是在电商。亚马逊的 Prime 会员（本质上是一项付费的忠诚计划）就是一个很好的可复制的标准营销。

更重要的是，现在的顾客比以往任何时候，都更容易通过移动设备参与会员计划。许多店铺都有专门用于其忠诚度营销的应用程序。

（2）提供优质顾客服务

顾客服务是影响品牌忠诚度的主要因素。如果可以提供一流的顾客服务，顾客将不断回购。

（3）在社交媒体与顾客互动

在社交媒体上与顾客互动是加深顾客记忆的最佳方法之一。也是打破“商业门面”的绝佳方法，可让顾客将我们视为一家由真实的人和价值观构成的公司，而不是遥不可及的商业实体。

（4）以顾客为中心的思路

不要陷入仅仅针对转化率进行优化的陷阱。我们需要在高转化率和优质的顾客体验（UX）之间建立彼此促进的联系，不断收集顾客反馈，并寻求改善。

6. 顾客生命周期价值（CLV）

顾客生命周期价值是通过将平均订单价值、购买频率和留存期三个指标相乘得出的。

举个例子：假设店铺的平均购物金额为 100 美元，顾客每年平均进行 5 次购买，留存期为两年，那么您的顾客生命周期价值计算方法就是：$ 100 x 5 x 2 = $ 1000。

当我们优化上述三个指标时，顾客生命周期价值就会增加。

如上文所述，流量和转化率是另外两个至关重要的指标，是完整优化策略形成的基础。提升顾客生命周期价值时，实际上就是在提升已经拥有顾客的价值；而优化转化率，就能增加顾客人数；吸引更多流量时，实际上也就有了更多的人可以作为转化基数。

2 大微观指标

通过以上 6 大 指标，我们已经深刻了解了在实行优化策略时应该将注意力放在哪里，现在让我们深入研究一些更具体的指标。与上面的“宏观”指标相反，以下这些指标可以描述为“微观”指标。

• 宏观转化，代表一个“大”目标-例如购买。
  
• 微观转化，涉及的是一种细节的行为，帮助进行宏观转化。比如，微观行为包括点击商品页上的 CTA、在结帐过程中填写的所有详细信息以及购买后在社交平台上分享商品。所有这些都直接影响到上述“更大”的指标。

从销售角度来看，有两个重要的微观转化指标：购物车放弃率和结算放弃率。购物车放弃行为是指顾客将商品放入购物车，然后离开并未进行购买。放弃结算是指顾客已经开始结帐流程，但在完成购买之前离开的情况。

让我们具体来看这些指标：

7. 购物车放弃率

购物车放弃率是指在将商品添加到购物车后离开，未购买的访问者所占的百分比。

购物车放弃率是一个广泛的指标，由一系列微观转化决定。具体来说，这些微观转化包括：单击“继续进行结帐”按钮、从购物车页面转到结帐页、在结帐期间成功完成付款。

如何降低购物车放弃率？以下提供了 5 个建议：

1. 确保 CTA 在购物车和结帐页面上显示；
   
2. 在购物车页面中设置紧急心理构建元素（例如提醒限时免费送货服务）；
   
3. 使顾客能够轻松更改购物车中的产品数量（包括完全删除它们）；
4. 确保购物车中的商品可保存 7 天（或无限期）；
5. 在商品页面上设置建立信任度的元素（例如安全封条）。

8. 结账放弃率

结帐放弃率是指开始结帐流程，但未完成购买而离开的访客所占的百分比。结帐放弃率的行业平均值为 25％。

如果顾客已进入结帐阶段，则他们很可能要购买商品。因此，较高的结帐放弃率通常表明存在可优化的空间，而不是缺少增加购买欲望的要素。关注顾客体验是确保最终完成转化的最佳方法。

如何减少结账放弃率，以下提供了 7 个建议：

1. 使访问者不需要注册帐户即可完成购买；
2. 收集顾客电子邮件作为结帐流程的第一步，如果放弃购买可以实现继续跟进；
3. 设置浮动标签（显示在输入框的角落）和带有小勾或叉的即时验证功能；
4. 在结帐表单中仅设置必填字段；
5. 如果顾客出现误操作，要提示如何纠正；
6. 允许顾客在购买之前预先填写所需的个人信息，尤其是在移动端上；
7. 尽量减少页眉和页脚之类的视觉干扰。

除了以上两个重要的微观指标，还有以下需要注意的、可以促进销售额增长的微观指标：

• 特定页面的转化率

查看特定页面的转化率非常高效。例如商品页面转化、类别页面转化以及购物车和结帐页面转化。这样一来，就可以准确地看到需要改进的特定页面，从而最大程度地提高整体转化效率。

• 购物车添加率

在所有微观转化指标中，购物车添加率可能是最重要的。顾客将商品添加到购物车后，就表示愿意购买所选产品。添加进购物车的商品价格，表明商品页面促进客户购买的有效程度。

• 消息订阅率

从销售角度来看，消息订阅率很重要，因为每一次订阅都代表着营销机会和潜在销售额。许多零售电商对这一关键的微观转化指标关注不够。

2 大流量指标

流量指标至关重要，因为它们能帮助我们减少顾客成本。针对流量指标进行优化可以大幅度提高利润率。

9. 广告投资回报率（ROAS）

广告投资回报率是指广告回报占初始投资的百分比。提升这一指标有两种角度切入：减少广告支出或增加广告收入。

我们可以通过以下 3 个方法提高广告投资回报率：

1. 充分了解并利用可使用的广告平台，例如 Google Ads（译者注：国内可使用 GrowingIO ）等提供的优化工具。大多数广告平台提供了用于优化广告效果的工具包。
   
2. 尝试进行不同受众群体定位分类的广告投放，并专注于最有效的受众群体，并且应该始终尝试新的受众群体。
   
3. 利用不同的广告平台，包括 Google Ads、Bing Shopping 广告，LinkedIn、Facebook、Pinterest 等。寻找新的广告盈利渠道是提高广告投资回报率的最佳方法之一。

10. 单次转化费用（CPA）

单次转化费用是指获得一位新顾客所需花费的成本。这可能是一个相对棘手的指标，因为它要求我们在所有的营销活动（包括搜索引擎优化）中监控数据。

计算单次转化费用的方法，是用给定时期内的总营销支出除以新订单的总数量。例如，如果一家公司在 30 天的时间里在营销方面花费 1000 美元，并产生了 100 个新顾客，那么 CPA 为 10 美元。

如果要使我们的营销活动能够获利，无论是常规还是特殊的营销行为，我们的 CPA 都必须低于顾客生命周期价值（CLV）。

知友福利： 点击免费领取 GrowingIO 电商行业增长解决方案

电商行业增长解决方案，总结来自每日优鲜、喜茶以及汉光百货等 100+ 电商企业增长经验。凭借 11 套预置模板、埋点方案自动生成等手段，实现数据体系搭建时间缩短 60% 以上。落地千人千面的精细化运营，帮助电商企业精准定位客户、降低获客成本以及提升客户转化。

先放一张电商行业的指标体系图，很经典的“人货场”+互联网

1.场景

按照场景，如果是运营经常会分析四类场景：

1. 第一种是在突发事件产生，比如流量突然下降之后，考虑到及时描述事件做出的描述分析；
2. 第二种是基于产品运营策略上线后，做出全面的原因分析；
3. 第三种是在数据管理的过程中，对前后端埋点的校验还有表数据的校验；
4. 第四种是基于一定的理论做出的自上而下的分析；

2.指标体系

上述4种场景，前3种是“点”分析，遇到问题了/发生事情了，就通过数据分析的手段来找出原因，监控结果。而如果将运营分析的工作都连接起来，形成一个体系，就是“面”的分析。比较成熟的做法是搭建运营指标体系。

可见： 互联网运营，该分析哪些数据和指标

以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。

电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。

一、运营模块

从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。

引流

通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。

进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。

在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi。

按地区划分，这个很好理解。

按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。

转化

完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。

转化的分析：

1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整

2.追踪转化率变化，用于异常定位和策略调整效果验证

3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略

4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据

最直接的分析成果就是转化漏斗。

留存

通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。

关于留存，无非就是：

1.日活监控，观察用户活跃数据，分析日活健康度

2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等

3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整

复购

有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。

复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。

用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数

订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数

用户回购率＝单位时间内：有购买行为的老用户数/有购买行为的总用户数

分析复购率的目的：

1.综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。

2.横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。

流失

流失是无法避免的，但也有可以挽留的。

流失可以分为

• 刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型，这部分流失用户是无法挽留的，缘尽于此，花再多的钱也没什么用。
• 体验流失：可能是应用体验、服务体验、交易体验、商品体验等等，总之就是在使用产品\服务的过程中，感到了一丝不爽，正所谓一言不合就流失。
• 竞争流失：也就是用户已经转粉了。可能是竞争对手的体验更好，可能竞争对手推出了什么优惠的政策。我们也需要抓住行业的动态，针对竞争对手的抢粉行为做出相应的行动。

关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）

关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：

再者，流失率结合存留率也可以评估渠道的价值。

二、销售模块

1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。

2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。

3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。

三、商品模块

1、采购管理：包括供应商数据分析、采购匹配度分析等。

2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。

3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。

4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。

5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。

四、用户模块

1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。

2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。

3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。

具体怎么分析？

私以为数据分析的需求可以分为三类：

1. 业务常规需求，主要是辅助业务日常工作用，比如常规型的报表。销售日报月报等。
   
2. 指标监控与数据呈现类，比如流量监控，下单监控，一场活动的流量监控。为管理和决策提供支持，也为后面的针对性的挖掘分析提供入口
   
3. 有主题有针对性的挖掘分析，比如用户忠诚度模型。为运营、产品的改善提供数据依据，具有一定的驱动价值

对于第1类和第2类需求，有用开源报表的、有用商用报表的、有用bi的、有写echart的也有用excel的。对于第三类需求，有用sas的、spss、python的、r的甚至有用c++的。

数据报表设计

具体怎么去分析？数据报表的魂在于上述的业务分析思想，跟随分析目标的牵引。

一个数据报表要能讲好一个故事。

背景：产生这样一个数据报表的原因是什么？源于最近一周流量下降的分析？提升交易额的决策探索？或是围绕二八定律筛选优质客户？

那么基于上面一个背景，就开始你的分（biao）析（yan）。比如分析流量下降，你假设有哪些可能的原因？又是基于哪些事实数据去验证的假设的正确性（注意数据清洗的说明，排除了哪些数据）。结论归因/（寻找）共性，建议和决策是什么？预计的结果是怎样？

做dasnboard，选用正确的图表，注意美观就行（图表的使用网上有一堆），至于动效（联动钻取）都是锦上添花的事。

以上数据报表由 FineReport制作

不请自答

看到这个问题的时候就不早了，正好自己最近在研究电商平台的分析，也在整理这方面的内容。

下面是正理的一个需要分析内容目录(来自我自己的专栏:

)：

1.运营模块

• 1.1流量分析：通过分析流量规律、结构，监控异常情况，来支撑活动安排，维持流量的稳定和增长。
  
• 1.2转化率分析：了解各环节转化情况，分析异常或不合理情况并进行调整以提升各环节转化率。
  
• 1.3存留分析：通过分析用户的日活/存留规律，来帮助运营人员发现问题、监控数据，为调整策略提供数据支持，达到提高日活/存留的效果。
  
• 1.4复购分析：通过对复购的监控分析，发现问题、细化原因，为运营策略调整提供支持，辅助达到稳定、提高复购率的效果。
  
• 1.5流失分析：监督流失情况、分析流失用户结构从而了解公司的流失状况，尽量进行调整。
  
• 1.6价格管理：可以通过爬虫技术获取行业价格，对行业价格进行分析，从而实现价格有效调控。
  
• 1.7市场分析：获取分析行业情况、竞争对手情况、品牌情况，从而实现公司、产品的有效定位。
  

2.销售模块

• 2.1指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。
• 2.2店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。
• 2.3销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。
  

3.商品模块

• 3.1采购管理：包括供应商数据分析、采购匹配度分析等。
  
• 3.2供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。
  
• 3.3库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。
  
• 3.4重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。
  
• 3.5异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。
  

4.用户模块

• 4.1重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。
  
• 4.2用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。
  
• 4.3用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。
  

5.主题分析

• 5.1实时监控：主题活动的实时数据监控、重点指标集成，包括订单情况、用户在线情况、商品库存情况等。
  
• 5.2主题价值分析：对主题活动价值进行评定分析，包括活动业绩分析、投入产出分析、商品、用户参与情况分析等。
  

6.风控模块

• 6.1用户评价分析：分析评价、好评、差评、投诉等数据，对商铺、商品经营情况进行判断，提早发现风险并及时处理。
  
• 6.2异常订单分析：划定正常订单范围，不满足正常订单属性的划分为异常订单，来有效控制刷单等异常情况出现。
  

以上原文链接：

，有针对每个目录下内容的介绍。持续更新中，欢迎交流。

转载联系请联系作者

电商平台的数据分析，应该关注五大关键数据指标和三个关键思路。

五大关键数据指标是活跃用户量、转化、留存、复购、GMV；

三个关键思路是商品运营、用户运营和产品运营。

下面我会详细展开来讲具体分析方法。

现在很多电商运营团队缺少精细化运营和数据驱动的经验和意识， 但是电商运营正在成为电商自身增长越来越重要的因素。

近几年电商行业的各大网站纷纷通过降价、促销等方式来吸引用户，KPCB 的调查报告显示，2009 年到 2015 年全球移动端新用户的增长率持续下滑，可以预计在 2016 年这一增速将继续放缓。这意味人口增长带来的流量红利正在逐渐消退，用户增长将更加乏力，那么，通过单纯的价格战来吸引新用户的方式还可行吗？

严峻的市场市场形势让我们思考：

1）通过降价促销来带订单数的增长，但是这样的活动吸引来的真是你的目标用户吗？

2）现在很多电商运营团队缺少精细化运营和数据驱动的经验和意识，依靠价格战这种野蛮生长的方式，一旦团队面临增长困境，又该如何应对？

Part 1 | 电商行业需要关注的五大关键指标

在众多的互联网细分行业中，电商行业起步早，发展时间长，行业特征显著：

1）商品品类及 SKU 多，用户覆盖面广，运营难度大；

2）总体上客单价低（除旅游、奢侈品等外），强调留存与复购；

3）电商产品设计相对成熟，优化运营是重中之重；

4）电商行业竞争白热化，精细化运营是冲出重围的必备技能。

要想实现精细化运营，数据是必不可少的一个环节。电商网站要提高运营效率，至少需要五大关键指标：活跃用户量、转化率、留存、复购和 GMV 。

1）活跃用户量是一个基本的指标，有 DAU（日活跃用户）、WAU（周活跃用户）和 MAU（月活跃用户）三个层次；

2）转化是一个非常重要的指标，电商运营需要关注主路径、次路径甚至精细到每一个品类 / SKU 的转化率；

3）留存要从不同的时间周期上研究，包括次日留存率、3 日、7 日、30 日留存；

4）复购则要从 3 个角度去看，复购用户量、复购率和复购金额比；

5）GMV 是最重要的指标，我们的运营最终是围绕这个来进行的。GMV = UV *转化率*客单价。

Part 2 | 商品运营：流量优化和品类优化

前面提到电商行业的一大特点是商品品类或者 SKU 非常多，那么如此多的商品该如何运营呢？

这是三个电商 APP 的首页界面（各家 Web 端布局也比较相似）：前两个是京东和国美，属于平台型的电商；第三个是生鲜水果平台，属于垂直型电商。不难发现电商的产品在设计上非常类似，首页上面呈现的是轮播的 Banner ，下面是活动专区。

在商品运营中，尤其是首页商品更新速度快，我们要格外重视转化，甚至要精确到不同时间区间、不同位置、不同商品的转化率。然后根据转化率，结合业务经验，不断调整运营策略。然而目前，即使是大型的电商网站，也没有很好地做到这一点，对于每个商品品类 / SKU 的转化率的分析仍存在一定的空缺。

商品运营有一个非常大的优势：投入低，见效快，效果明显，商品运营的本质是通过不同坑位、不同活动、不同商品的分析来提高我们的转化率和 GMV 。

下图展示了一个电商购买流程的主路径：首页——活动页——商品详情页——支付完成。从精细化分析的角度出发，我们关注转化路径每一步的转化率；通过分析不难发现最后一步“支付完成”的转化率偏低。

我们更需要基于三个关键转化“UV-点击”、“点击-加入购物车”、“购物车-支付成功”，对不同的商品进行比较分析，从而及时调整运营策略，下图就是各个步骤的转化率：

电商网站的运营节奏非常快，尤其是活动专区的“秒杀”、“抢购”等活动，需要实时监测 SKU 的更新变化。上图中，某电商平台进行了一次微信上的促销活动，通过实时监测到对应的平台访问情况，便于运营人员及时调整运营策略。

实时分析功能

电商网站上的商品品类非常多，每一个品类都应该有明确的定位，不同定位的品类应该有不同的运营策略。根据商品品类的利润率、转化率等表现，我们将商品品类分成 4 种：导流型品类、高利润品类、高转化品类、未来明星型品类。

1）导流型品类：利润非常低，但是购买量大、市场需求大，目的在于导流。

2）高利润型品类：利润率高，希望用户更多购买此类商品。

3）高转化品类：带量。

4）未来明星型品类：这是电商平台的潜力股，虽然曝光量很低，但是转化率极高。

明确了商品的品类后，我们就可以针对性地展开运营。

这是新型的波士顿矩阵，横坐标代表商品的曝光量，纵坐标是商品的转化率，图中的每一个圆圈代表一个品类的商品。右上角的商品品类曝光量大、转化率高，是现金流的重要业务；而左上角的商品虽然曝光率非常低，但是转化率极高，属于我们上面提到的未来明星型品类，对于这一类商品，我们在后期的运营中可以增加其曝光量。

Part 3 | 怎样进行用户运营？

正如开头提到的，随着互联网用户增长速度的放缓，用户体验愈发重要，之前无目的的短信推送、APP 通知有可能使用户厌烦，破坏用户的体验；甚至可能导致用户退订、卸载。

精细化运营的情况下，做好用户运营主要从两个角度出发：一是找到用户留存的关键点；二是采取差异化的运营策略，区分不同的用户群体，对不同群体采取差异化的运营方式。

1. 找到用户增长的“魔法数字”

留住一个客户的成本远远小于重新获取一个客户的成本，所以留存至关重要，它关系着一个平台能否持续健康发展。

留存曲线分成三个周期，开始是震荡期和选择期，经过这两个周期，如果用户能够留下来，就会进入一个相对平稳期。

在硅谷流向的 growth hacking 中，经常提到 magic number（魔法数字）。

那么作为一个电商平台，你的平台的魔法数字是什么？

以某电商平台为例，在该网站上 7 天内完成 3 次购买的用户的留存度（红色）是一般用户（绿色）的 4 倍左右，因此在一周内让用户完成 3 次购买就是他的魔法数字。

2. 差异化的运营策略

不同用户的活跃度、商品偏好、购买决策阶段都各异，我们需要采取差异化的运营策略。差异化的运营策略主要从3个角度出发：基于用户的活跃度、基于用户对不同商品的偏好、基于用户所处的决策阶段。

基于用户的活跃程度，我们可以将用户大致分成“流失用户”、“低频活跃用户”和“高频活跃用户”。一般情况下，一个用户 30 天甚至更久没有登录你的平台，我们基本可以认为该用户流失了。对于流失客户，是否要考虑采取召回策略。30 天内活跃 10 天以上的高度活跃用户，我们是否可以向其推荐更多精准的商品。

其次基于用户对不同商品的偏好，我们采用用户分群，将用户区分成“美妆类”、“鞋帽类”、“数码类”、“书籍类”等不同群体，然后精准推送新品。

最后，基于用户购买决策的不同阶段。一个标准的购买流程，先后经历“首页浏览/搜索——浏览商品详情页——商品对比——加入购物车——支付成功”等几个环节，用户在每一个节点都处于不同的决策阶段。我们从维度（属性数据）和指标（行为数据）出发，对用户分群，如“领取了优惠券，但是未使用”的用户，采取精准的推送。我们从 GrowingIO 提供的 API 导出这些用户的 ID 和属性，然后对接企业内容的 CRM 或者 EDM 进行精准的推送和提醒，刺激用户的转化。

Part 4 | 优化产品的转化效率

目前电商产品的设计总体成熟、界面布局类似，我们主要结合用户的使用情况去优化产品。我们的思路主要是：优化产品不同路径的转化率，注重用户点评的管理。

1. 优化产品，从转化做起

一个购买行为可能有多种转化路径：

1）首页——商品——订单转化

2）首页——商品列表——详情页——订单转化

3）首页——搜索——商品列表——详情页——订单转化

4）首页——单坑位Banner——活动页——详情页——订单转化

除了不同路径的转化率，我们还关注转化的每一步：

上图利用

漏斗功能展示了一个用户的购买流程及每一步的转化率，我们发现“加入购物车”到“支付成功”的转化率不到 1/3，偏低，需要排查具体的问题出在哪里。

一旦觉察到问题可能存在，我们就需要层层下钻，直接抵达问题的核心。我们通过用户分群，将“提交订单，但是未支付完成”的用户全部筛选出来。然后抽出 3-5 个符合条件的用户，借助“用户细查”仔细观看每个用户的操作流程，一般就能发现问题了。

2. 用户评价的重要性

越注重用户体验的商品，用户评价的管理就越重要，例如旅游类商品、生鲜类商品、鞋服类商品等。

借助转化漏斗，我们发现观看过“商品评价图片”的用户的购买转化率是一般用户的 4 倍，但是其数量只占总体的 1/10。如果我们能引导用户参与点评，将优质点评展示给更多的新用户，那么我们的总体购买转化率将会有更大的提升。

关于「电商网站通常怎么提高其订单转化率？」，可以看我的这篇文章

注：文中留存图、用户分群、漏斗、实时分析等功能均来自

。

海量的电商评论和客服会话，包括社交媒体的舆情讨论，蕴含着大量的需求信息，是电商频台亟待开发的数据宝库，但往往大多数企业依然停留在人工客服筛选、差评优先回复“灭火”的阶段。

大量消费者的反馈意见无法科学的分析，整理，归类，并生成有效的意见来指导产品、运营、客服等部门的工作改善。

▲云听CEM通过NLP分析手机行业客户反馈热词

因此，在当下的需求多元化时代，及时高效的将海量客户反馈数据采集并加以分析。通过数据洞察了解预测消费者行为，并指导产品与服务的创新，提升品牌客户体验，已成为新消费时代品牌的核心竞争力。

从数据获取到数据结构化：电商评论分析是如何进行的

电商评论分析中评论数据的采集，通常是全网抓取而来的，就范围上而言远比单一一家品牌的数据要广，更能反馈出市场的真实需求。除此之外，它还能分析出客户对产品的客观感受以及使用后的主观感受，另外还包括“客户情感”、“购买意图”以及“客户故事”等等。

➤获取全网「电商评论」数据

将全网各平台的「电商评论」进行汇总量化处理，以此评估该企业的客户体验管理水平，并从中挖掘品牌新的增长点。这对评估企业的「数据采集、数据清洗、数据建模」能力提出极高的要求，鉴于我们在数据采集领域6年的技术钻研与商业实践，数阔云听CEM搭建了一支实力雄厚的数据获取团队，覆盖「天猫、京东、淘宝、苏宁、国美、唯品会」等主流电商平台，实现了对「电商评论」数据实时同步。

▲某品牌从京东、天猫等平台采集的客户反馈数据量

➤从「文本数据」到「信息提炼」

在汇聚了海量「电商评论」数据后，人工处理往往需要花费大量人力和时间成本，在信息提炼上还会出现数据不全、分析维度不精准等问题。

较好的方式便是交由一个专业的智能化系统代替人力操作。通常系统会先建立AI深度学习模型，再将外部数据和内部数据一起输入模型，通过不断地自我训练，更深入地分析客户行为、使用体验、情感倾向等，从而在对「电商评论」进行整合分析时，能够更准确地总结出客户想要的指导建议。

以美妆产品为例，数阔云听CEM可以梳理出100+项评估指标，细粒度覆盖「产品、服务、市场」等各项细微体验。其中产品项涵盖的一级指标已达10个，基于一级指标「功效」搭建的二级指标多达46个，如「防晒、遮瑕、祛痘」等。

▲ 云听CEM搭建的美妆产品指标体系部分概览依据这套指标体系，机器可以根据客户语义和情感倾向，将每一句「电商评论」分别归类至不同的「客户体验指标」分类之下，并判断客户对这项指标表达情绪的正负面，如下图。

▲电商评论的「指标分类」与「情感判断」

在仅仅70个字的句子中，系统就能分析出“正/负面情感”、“功效”、“产品款式”。即便是“好自然的肤色”这样比较抽象的内容，系统依然可以判断出客户是在描述功效相关的问题，并且是正面评论。

预测消费者需求以及具体行动指引

回归实际的运用中，电商评论分析最大作用之一便是行为预测和行动指引。品牌方拥有了多种数据分析结果时，便可以做到新品机会的预测、竞品的调研分析、研发+服务迭代等等。下面以面膜产品为例，数阔云听CEM采集了7个品牌夏季补水系列面膜的电商评论数据，通过10张数据图表，从上述提到的3个应用场景展开分析。

应用场景：新品机会的预测

基于深度学习的NLP自然语言处理技术，云听CEM可对海量电商评论进行机器实时自动化分析，将评论情感划分为正面情感、中性情感、负面情感3类。

图表1：电商评论情感正/负面占比

有了量化的评论数据，企业产品、运营、客服、市场等部门及管理层便能迅速清晰地了解该品牌在消费者心中的表现，并通过量化的数据，衡量各部门的工作成效，提供更精准的决策指引。

适用场景：消费者喜好洞察、客户情感分析
适用部门：市场部、产品部、运营部、客服部

图表2：用户评论正面/负面声量对比

以品牌A举例，从图中我们可以看出在所有评论中，消费者最关注的指标依次为：体验>功效>价格>包装>物流>味道>大小>品牌>颜色>赠品>发货>售后>客服>成分>品质>促销>节日>支付>大小>系列>代言人>人群。

其中「成分」的负面评论数量最多，有329条。从负面声量进行数据下钻，追踪具体的消费者评价，我们发现：

▲【云听CEM】 电商评论语义理解与情感分析「产品包装和宣传文案上关于成分的描述过少，不够清楚」，是用户产生负面评论的主要原因。

由于面膜直接接触脸部皮肤，用户对成分的关注度非常高。对于产品经理，可在在下一批次的产品包装上进行改良，增加成分的描述，满足用户对成分的安全心理诉求。对于运营经理，可在电商平台的宣传文案和设计图上，增加成分的描述，减少用户购买的心理阻碍。

适用场景：新品上市分析、产品迭代、口碑分析
适用部门：市场部、产品部、运营部、客服部

图表3：产品二级指标正/负面声量统计

指标满意度：正面指标声量/（正面指标声量+负面指标声量）

指标提及率：该指标在指标声量总量的占比在「体验」这个一级指标下，我们又进一步细分为服帖、舒适、清爽、满意、柔软、轻薄、湿润、细腻、清凉等用户常提及的二级指标。从指标满意度来看，用户对A品牌面膜的服帖和舒适这2个指标的满意度均超过90%。而在所有电商评论指标中，服帖、清凉、细腻、湿润是用户提到最多的指标，也是用户最关注的面膜营销点。

适用场景：消费者喜好洞察、新品上市分析、产品迭代、营销策略制定
适用部门：产品部、运营部、市场部

应用场景：分析竞品，发现新机会

图表4：产品体验指标声量品牌对比

声量：即该指标在电商评论中被提及的次数从指标声量仪表盘中，我们发现每家品牌用户关注点都有所不同。各品牌最受关注的体验指标分别为：A品牌的产品体验；B品牌的功效与颜色；C品牌的品牌（知名度与信誉）；D品牌的面膜大小、品牌价值、发货速度；E品牌的面膜包装、味道与颜色；F品牌的功效与物流速度；G品牌的产品包装与赠品。

此外，我们还能通过数据下钻，以进一步了解每个声量指标背后用户到底说了什么？从而获得更精准的商业情报。

适用场景：竞品分析、品牌调研
适用部门：市场部、产品部、运营部、客服部

图表5：京东星级分布品牌对比

通过图表，我们将7家品牌的京东星级放在一起对比结果一目了然。数据显示，C品牌的5星评价数量排名第一，有1704条；其次是G品牌1204条、F品牌1096条。A品牌星级分布最均衡，D品牌和G品牌一星负面评价最多。综合销量和评价来看，C品牌表现最好，其次为A品牌。

市场调研负责人可以根据该图找出自己和竞争对手的差距有多少，在京东的表现和在其他电商平台的表现有何不同，并且通过数据下钻的方式，找出在用户评价中具体的优劣势描述。

适用场景：口碑评价、竞品分析、渠道表现对比
适用部门：市场部、产品部、运营部、品牌部

图表6：￥100-150价位面膜差评率对比

差评率：差评数量在所有评价数中的占比。通过图表，品牌能快速了解自家品牌在同等价位、客户群体相同的竞品之间的每一项指标的表现。从图中看出，E品牌在功效、味道、物流、价格的差评率都比较高，需要引起品牌高度关注，及时了解情况，调整产品研发以及运营策略。此外，我们还能了解同等价位区间的面膜品牌，各家的优劣势分别是什么，商家如何进行差异化产品研发与宣传，客服在准备话术时如何更好地应对消费者的比较。

适用场景：同等价位间的竞品对比、产品定位规划、营销决策制定
适用部门：市场部、产品部、运营部、客服部

图表7：品牌差评率热力图对比图

从热力图中，我们能一目了然地看出A-G品牌在各项指标上的差评率表现。由浅至深，标识着指标的差评率由低到高。

从图中可以看出品牌之间各项体验指标的优劣。作为商家掌握这张热力图，能做到知己知彼，了然于心。对于竞品的长处我们可以学习，对于竞品的短处，我们可以了解别人踩过的坑，避免犯同样的错误。

适用场景：竞品分析、产品定位、营销决策制定
适用部门：市场部、产品部、运营部、客服部

应用场景：研发+服务迭代

图表8：负面声量指标统计

对于运营团队，负面声量高的指标应避免成为产品的宣传卖点，重新挖掘产品的其他优势。对于客服团队，负面声量的统计可帮助其提前做好客服话术设计、用户补偿措施，避免大量差评对销量造成恶性影响。对于产品团队，应检视产品的设计与品控，为下次产品迭代优化做好明确的计划。对于物流团队，有助于其客观评估第三方物流仓储的服务能力，以便及时替换。

适用场景：产品迭代、文案设计、营销策划
适用部门：产品部、运营部、客服部、仓储部

图表9：消费者评价情感走势分析

通过曲线图，企业能直观地看到该面膜消费者评价的情感走势。当企业对产品、服务、营销策略做出调整时，可通过走势图观察消费者评论是否出现相应变化，以此验证企业的改善计划是否获得成功。

适用场景：客户体验管理、品牌舆情分析、工作汇报
适用部门：市场部、客服部、产品部

图表10：消费者关注点与差评率分析

该图将消费者关注点（提及量）与指标差评率两个数据进行关联。根据差评率和提及量我们可以把各个指标划分至最高优先级、第二优先级、第三优先级、最低优先级四个象限。

▲优先级四象限分布

最高优先级：提及量最高、差评率最高的指标，是企业最迫切需要优化的体验指标，如功效、物流、客服。第二优先级：差评率高，但提及量低的指标，如成分。第三优先级：提及量高、但差评率低的指标，如体验、气味、赠品、包装。最低优先级：提及量和差评率都不高的指标，如价格。

根据该图，企业可将最优资源安排给优先级最高的需求部门，以数据科学驱动推动产品迭代、服务升级、资源配置。

适用场景：产品研发、需求优先级决策、资源协调
适用部门：产品部、客服部、市场部、运营部

通过上述的全部案例，我们可知，电商评论分析的结果可以运用在企业的各个部门里，并且这个结果是人人可取，随时使用，实现了一次采集、一次建模，可以多次使用的效果，这为企业各部门在做电商评论分析时避免了重复动作的情况，为企业节省成本。

同时，如果从整体上看，部门与部门之间看似使用的数据范围各不相同，实际的行动指引也差异显著，但企业品牌本就是一个整体，尤其是对于客户而言，正是因为这些不同的碎片体验作用在一起，形成了一个大的品牌认知。因此，做电商评论分析能带给企业的不仅仅解决即时性的问题，从长远来看，电商评论分析做的好，进一步推动的是企业客户体验的完善。

要成为一名合格的电商数据分析师其实是有难度的。你需要付出很多的时间和经历，要有一定耐心和承受力。懂产品是基本的，你还需要拥有清晰的逻辑思维能力。很多商家经常说不会数据分析，不知道该怎么分析，其实是因为没有一个清晰的逻辑结构。

@华天清 的回答已经把数据分析的纬度和结构写的很清楚了，包括总体运营指标、网站流量指标、销售转化指标、客户价值指标、商品类指标、市场营销活动指标、分控类指标。基本覆盖了电商数据分析的常用指标。

@挖数 也基本讲了具体的数据分析方法，比如AB测试法，杜邦分析法，对比分析发，5w2h分析饭，漏斗图分析发，问题数分析法等等。

你会发现，电商数据分析师需要兼顾的数据太多了，淘宝提供下载的就有119项。当然这些很多生意参谋上都有备注。

建议你可以把这些分析方式用看板清单的方式列出来，进行梳理。

这些数据分析方法前面的人已经答的很详细了，推荐一本书叫《谁说菜鸟不会电商数据分析》，对分析方法，数据运营、市场行情、店铺流量与转化等都做了分析，我想讲一个书中提到的被很多商家忽略，但对店铺重中之重的数据规划——就是全店年销售额的规划：

以下引自《谁说菜鸟不会电商数据分析》：

我发现很多商家在做淘宝的时候从来都没有考虑过年销售额的规划，

他们每天都在想怎么弄到流量、怎么研究最新的获取流量的方法、

怎样找到黑车或者黑搜索的淘宝系统漏洞等。

其实，如果没有做全店的年销售额规划，

就好比你在大海中没有方向的划船，你虽然用尽了所有的力气在划，

但是，你可能永远都达不到想要的目的，甚至可能会在阴沟里翻了船把自己淹死。

没有规划，你会像无头苍蝇一样胡乱行动，

你永远都是在明天重复今天的事情，明年重复今年的事情，所有的事情都不在自己的掌控之中。

很多电商老板都有一种听天由命的感觉，他们总会感觉做淘宝有时候就是完全靠运气，

能不能起来就看运气够不够，运气够了自然就起来，运气不够就起不来。

无规划的人生就像随波逐流的船，这样今日不知明日事的漂泊其实只会让你非常累，也没有效果。

因此，我们做淘宝必须要做好规划。

我以年销售额为案例规划一个店铺应该如何做好规划，让我们有方向的行动。

要做全店的销售额计划，首先要有一个完整的脑图指导，就是需要做哪些纬度的规划，根据目的决定。

根据电商销售额通用公式：销售额=流量*转化率*客单价，要想提高销售额目标，

就需要将策略制定指向：

• 提高流量（访客数）
• 提高转化率
• 优化客单价

之后所有的行动都围绕这三点展开，万变不离其宗。

2）、拆解可以细化的目标。

我们可以在日事清的思维导图中，针对提高访客数、转化率，进行思维的发散，具体、可衡量、可执行的目标。可以从三个纬度进行拆解：自主访问、免费渠道、付费渠道。

销售额可能会包含所需uv、平均转化率、平均客单价、日均销量、日均流量等小的方面；

成本可能会包含推广费用、人员开支、办公成本、物流费用等多个小的方面。

因此，以这三个大的方面和多个小的方面构建一个框架图。

当把大概的思维规划图绘制出来之后，我们需要完善数据，要把每个目标数据都确定下来。

先从销售额开始。我们应该如何规划1～12月份的销售额？

这是需要预估的，但是预估不能一拍脑袋就决定，不能心里想着要做到多少销售额就填写多少销售额，这个需要根据实际情况和规律预测和评估。

当然，预估的方法是有很多的，不同的情况下使用的方法不一样，但是最常见的可能就是根据历史数据预估。比如根据18年和17年的年销售数据，来预估2019年的销售目标。

二、目标规划细分拆解

有了年度规划之后，我们就有了大致的方向，就好比在大海中已经明确了方向一样，但是毕竟年度规划只是一个大致的方向，具体应该如何执行，对于很多人来说还是很迷茫的，

例如，假设我们规划2019年1月份要做300万元的销售额，通过年度规划表知道了大概要多少流量、多少转化率和多少客单价才能完成目标规划，可是这个时候还是有很多商家会很迷茫，那就是到底应该如何操作、做哪些。

每时每刻，我们都需要思考一个问题：我们要实现什么样的目标？为了这个目标，我们需要怎么做，需要哪些资源？我们怎么获取这些资源？

因此，针对很多商家这种迷茫的情况，我们学习如何细分拆解目标。

很多时候我们面对整体的大目标时是很迷茫的，但是如果把大目标细分之后就会发现简单了很多。例如，我们的规划是2018年1月份要做500万元的销售。面对500万元这个概念，我们可能会比较迷茫，但是如果把它细分到商品就会明显感觉不一样。

我们可以先规划1月份需要做的类目有哪些。

例如假设1月份主打毛呢外套、毛衣、牛仔裤三个类目，那么可以把这500万元销售额分配350万元给这三个主打类目，因为可能我们全店不只做这三个类目，另外的150万元分配给其他类目。当然，如果全店只做三个类目，那么可以把300万元都规划到这三个类目下。

这350万元肯定不是平摊给这三个类目，要根据实际情况分配。例如，根据历史数据，每年毛呢外套、毛衣、牛仔裤销售额占比分别是40%、40%、20%，那么250万元可以分给毛呢外套和毛衣各100万元、牛仔裤50万元。

假设根据历史数据和实际情况，毛呢外套外套转化率大概是0.8%，客单价大概是280元，毛衣转化率大概是1%，客单价大概是89元，牛仔裤转化率大概是2%，客单价大概是79元。

当然，这些规划的数据一定要参考过去历史数据和今年的实际情况规划好，否则，如果这个地方偏差大，那么整体也会偏差很大。

根据销售额、客单价、转化率，我们就可以推算出每个月需要成交多少件、每天需要成交多少件、每月需要多少流量、每天需要多少流量。

例如，我们要完成100万元的毛呢外套销售额，而毛呢外套的客单价是280元，那么意味着一个月需要卖大概3571件左右，一天需要卖115件左右。因为转化率是0.8%，有了这个细分拆解数据之后，我们瞬间感觉轻松多了，毕竟每天卖100多件对于很多店铺来说是很简单的，只需要想办法做到日均1.4万个左右的流量或者卖115件左右的毛呢外套就可以达到毛呢外套的目标销售额。同样，也可以推算出毛衣和牛仔裤每天需要多少日均销售量和日均流量。

要做115件/天的销量，可以继续拆分，因为最常见的有免费流量和付费流量这两个渠道，假设根据历史数据和实际情况得出免费流量渠道销售一般会占70%的销量，付费流量渠道销售会占30%的销量。当然，这个数据要根据你的历史数据

假设根据历史数据和实际情况，一般免费流量渠道销售占70%的销量，也就是说，每天需要有大概81件左右的销量来自免费流量渠道销售。

免费流量渠道又有很多的细分渠道：

例如最常见的有手淘搜索、手淘首页、生活研究院、其他流量等。

这几个渠道的转化率和销量占比都是不一样的，所以要根据历史数据和实际情况评估和预算。

假设按照历史数据和实际情况，

手淘搜索渠道销售一般会占40%的销量，它的转化率大概是1%，
手淘首页渠道销售一般会占30%的销量，它的转化率大概是0.2%，
生活研究院渠道销售和其他流量渠道销售一般会各占15%左右的销量，它们的转化率分别大概是0.3%和0.8%。

我们可以根据这些把每天的销量分配到这几个渠道，分别是手淘搜索渠道大概需要每天成交33件，手淘首页渠道大概需要每天成交25件，生活研究院渠道大概需要每天成交12件，其他流量渠道大概需要每天成交11件。

根据每个渠道的转化率可以推算出它需要的流量。例如，在1%转化率的手淘搜索情况下，要成交33件大概需要3300个流量，

也就是说，要想达到100万元的毛呢外套月销售额目标，需要每天手淘搜索流量3300个以上、成交33件以上。

用同样的方法可以推算出其他流量渠道需要的日均流量，有了这些数据之后，要做的就是如何完成这个日均目标。

如果规划预算和实际结果差距非常大，这就是因为他没有很好地了解他的产品和根据实际情况规划每一个渠道的销量占比和转化率。

例如，有很多店铺是基本没有手淘首页流量的，那么在规划的时候就不能规划，或者要规划得很少，而不是直接像我的案例一样规划成30%。

做这种数据规划，一方面依赖于经验，一般经验越丰富，特别是长期从事一个行业，你基本上也就很清楚地知道每个渠道大概会占多少销量、会有多高的转化率。

另一方面，要学会分析历史数据，这也是为什么我经常说要保存我们店铺的历史数据的原因，因为很多预测和分析需要参考历史数据，然后要根据实际情况调整，在日常的运营过程中，要学会总结和发现规律，这些都会变成后来的经验。

而且最关键的是可以帮助你总结，总结哪些地方做得比较好，已经达到了目的，哪些地方做得不够好，没有达到预期，做得好是什么原因，做得不好又是什么原因。

指标是量化衡量标准、衡量目标的单位或方法，例如对网站来说，最常见的指标就是UV和PV，而针对APP来说，最常见的就是DAU，MAU。

有了指标也就知道应该从哪些角度入手开始数据分析，数据驱动已经是我们在做用户增长和产品优化的核心指导方向，我们会把数据驱动从定制数据到使用数据分成三步：

1、根据核心目标制定指标

2、指标还原到埋点方案

3、围绕核心目标开始数据分析

最关键的步骤就是如何制定指标，指标是与业务关联最近的，也是最灵活的一个步骤，因为不同的业务指标完全不同，比如电商业务的指标跟交易有关，软件业务的指标会跟注册有关，虽然都会归结于范交易，但是在指标体系搭建上还是略有不同，我们总结了一些可快速上手的行业通用指标，给你在开始进行网站或APP分析前一些指标体系的建议。

在指标搭建前，先说说，你想看到什么数据？

电商网站（APP）应该关注的数据看板什么样？

从实际业务出发，举例CXO，市场，运营三个核心角色，每个角色需要看的内容不同

CXO：想了解业务数据，只能被动的等待下属的分析报告，需要更直观的方式，掌握真实数据，及时获得洞察。

运营：做了大量的运营活动，无法分析效果如何，现有渠道提供的分析能力不足以支撑精细化运营，缺少体系化的数据支持。

市场：花出去的预算，就像泼出去的水，如何衡量效果？如何进行广告跟踪提高ROI？

（一）根据需求设定的电商基本指标

有了这些指标，等同于掌握了用户在产品上的基本行为。通过这些指标的简单组合就会得到我们需要的数据。

但是在搭建指标的时候，很难一次性的把所有指标都想到，也不应该出发点是大而全。最合适的指标搭建方式是围绕增长计划里的核心转化目标和转化流展开。指标搭建从小到大，由简单到全面。

（二）举例：电商的订单流转化率指标

电商产品运营网站或APP上的北极星指标通常为支付订单次数，从启动（着陆）到支付订单的全流程就是订单流。下图是我们需要的漏斗可视化报表，希望通过这个漏斗看到用户在不同行为之间的转化率及流失情况。

（三）指标：

1、商品详情页到购物车的转化率

2、购物车到提交订单的转化率

3、提交订单到支付订单的转化率

……

当我们有了指标之后，我们就会很清晰应该去关注什么数据，来针对性的制定埋点方案。

指标、埋点、数据报告，所有的后续操作都是围绕着早期的一个增长需求展开的。

那么举例的这个电商订单流增长需求是什么，我猜你已经想到。

那就是降低订单流的流失率，提高转化率。

最后，欢迎有数据分析需求的小伙伴， 免费体验易观方舟

1、交易成本。

交易成本就可以看作是一系列制度成本，包括信息成本、谈判成本、拟定和实施契约的成本、界定和控制产权的成本、监督管理的成本和制度结构变化的成本。简言之，交易成本包括一切不直接发生在物质生产过程中的成本。

在传统的电商生态，刷单成本占了10%，物流退货20%，超高的退货物流费，以及退货商品损耗，都是交易环节的不必要损耗。

2、一鱼多吃

中国互联网的人口红利接近尾声，获客成本越来越高，如何把已有获取的用户最大商业化，提升单个用户的urpu值。

案例：阿里的战略是“一鱼多吃”。淘宝天猫消费了，然后又把流量转给蚂蚁金服，还能转一手给闲鱼、饿了么、钉钉、菜鸟。一个用户的多重变现。而百度的用户，只用一次，倒卖给别的平台，没有消费场景。自然而然百度的收入规模要比阿里小得多。

3、核心原则

抓重点。现实中20%的业务贡献80%的收入和利润。抓好重点业务，抓好核心用户。

案例：在平台数据里，像阿里的主要GMV是10%的用户贡献的；在文玩行业更极端，2%的用户贡献80%。

诸如此类，把握好数据所反映的策略问题，才好事半功倍，避免走弯路。当然，光是闷头蛮干也不是个办法，找到合适的方式，多跟投资人、渠道商、品牌沟通交流，说不准双方一拍即合，困扰多时的问题便迎刃而解，这种情况也会发生的。

案例：2018年10月与一亩田咨询合作，第一个诊断建议就是对卖家收取300元的认证费。也是避免一些商家/经纪人，大量注册店铺，薅平台免费流量。一亩田采取收费之后，关闭了一个开了8000家店的商家。而仅仅通过认证费，一年就给一亩田带来了近3000万营收。

是不是听上去还不错？不光他们，加入海豚社，你也可以做到这些：

基于楼主给出的问题，所以这篇里我就讲讲，针对电商运营，数据分析该怎么做。

前些日子的东京奥运会赛场上，杨倩于10米气步枪赛场上拿下了2020东京奥运会首金，并在之后的比赛中又夺一金，她还是清华大学在读学生，着实令人羡慕。但你有可能不会想到杨倩还有另一个身份，那就是一位“带货”达人，她比赛时佩戴的小黄鸭，一度火爆全网。

最近尼格买提探班，不仅给同事送去了零食和饮料，还送去了奥运冠军杨倩同款的小黄鸭发夹。现在淘宝上商家销量前三分别是3.5万、2万、1万

电商凭借突破时间空间的限制，使得交易活动可以在任何时间、任何地点进行，大大提高了效率，成为人们生活购物的主流方式。

无论时是做电子商务方面的阿里、搜索引擎的百度，做综合门户的新浪，做即时通讯的腾讯，还是做，任何一家互联网企业的产品运营，其实看来看去，看的总是那几项：电商数据分析、新用户的引流、用户的转化和老用户的留存。so，我们就分别从电商数据分析、引流、转化、留存这三个方面的数据来看，要怎么进行分析。

可能用到的工具是FineBI和FineReport

一、电商数据分析

要进行数据分析，首先需要从线上店铺的各个方面获取数据，从而使决策者更好的制定下一步的计划。依据用户画像，洞悉用户需求。

用户画像最初就是在电商领域得到应用的，在大数据时代背景下，用户信息充斥在网络中，将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化，从而为用户提供有针对性的服务。

用户画像可以使产品的服务对象更加聚焦，更加的专注。在行业里，我们经常看到这样一种现象：做一个产品，期望目标用户能涵盖所有人，男人女人、老人小孩、专家小白、文青屌丝...... 通常这样的产品会走向消亡，因为每一个产品都是为特定目标群的共同标准而服务的，当目标群的基数越大，这个标准就越低。换言之， 如果这个产品是适合每一个人的，那么其实它是为最低的标准服务的，这样的产品要么毫无特色，要么过于简陋。所以应当准确把握自己店铺的用户画像找好定位，挖掘潜在价值信息。

二、引流

互联网流量数据分析方面，总结主要有如下四种数据常用分析方法：

• 对比分析流量规律，针对时段进行企业服务以及推广活动调整
• 对比分析结构占比，指导进行定向群体营销推广
• 对比分析异常情况，及时追责并且进行调整
• 对比追踪活动流量变化，总结活动效果经验以便后续有针对性调整

1、用户浏览量周分布

对于互联网企业来说，流量数据往往都会呈工作周相关。对此，我们可以先宏观地统计出周一到周日中的总的平台流量柱状图数据对比情况。首先我们可以仔细观察工作日和非工作日的数据，发现周末的平台流量较工作日流量要高，这在互联网行业来说都是一个比较普遍的现象。

用户浏览量周分布

掌握了用户流量的周分布规律之后，我们就大致有一个推广方向，周末休息时间用户群体较大，相较于工作日可以投入更多的和丰富有吸引力推广活动来进行新用户引流和老用户活跃。

接着我们可以进行下一步思考，那工作日和周末我们的活动推广时间如何制定？

有的同学们可能会觉得全天活动都可以，不需要关注具体的活动时间。但是对于互联网行业来说，每个时间段的推广费用都是较为昂贵的，我们完全可以分析出工作日和周末的用户流量趋势，进行有针对性的时间段投入推广，通过更小的成本获取到更多的用户流入。

可以看出，工作日的流量主要集成在每日的9点（上班时间）、13点（午餐时间）、20点（晚间娱乐休息时间），那么在得到这样的一些用户流量规律之后，便可以在这些用户活跃高峰期时间段有针对性对白领群体多做一些相关商品推广活动，以实现最小时间成本和推广费用最大化用户引流效果。

各时间段流量分布

再来看周末的各时间段流量分布走势，和工作日所不同的是，周末的流量早高峰期延后到了10点，这可能和各位小伙伴们周日作息较晚有关（同学们周末都是几点起床呢），除此之外，晚上的流量高峰退潮期也有延后。

针对与周末用户流量分布的特性，互联网企业在周末时可以将活动开始时间和活动结束时间都适当进行延后，这个时候不能再套用工作日制定好的活动时间计划了，因为符合用户群体作息规律的推广促销活动才能达到更好的效果。

2、推广渠道流量分布

对于互联网行业的推广渠道分布主要分为三级渠道：

• 线上渠道（百度、Google等）
• 线下渠道（活动、会议、行业峰会等）
• 新媒体营销（今日头条、知乎、脉脉等）

我们需要对比分析每个渠道对企业所带来的价值占比差异，以指导制定有针对性营销策略。

推广渠道流量分布

如上图所示，由于推广渠道是分多层级的，我们通过BI工具的多层饼图进行数据的分析统计再合适不过了。分析下图的数据我们可以看出，首先是一级渠道的主要战斗力来自于新媒体营销，当今的微信、知乎等社交媒介社区时代受众广泛，用户群体非常庞大，是公司需要投入主要成本进行推广的。

其次线上渠道的效果也不容忽视，对于互联网企业来说，做好百度、Google等SEO搜索引擎关键词推广也是很重要的一部分工作。相较于线上渠道和新媒体营销，线下渠道说所需要的经费和时间、人力成本较大，受众又相对较小，所以此类活动往往针对核心粉丝进行运营即可。

推广渠道用户数

3、各月份指标对比走势

互联网营销常用的几个指标概念：

• 浏览量（pv）
• 访问次数（visits）
• 访客数（uv）

以上三个基础指标常用来衡量流量数据的多少。另外平均访问深度（总浏览量/访问次数）、平均停留时间（总停留时间/总浏览量）、跳失率（跳出次数/访问次数），这三个指标通常可用于衡量流量指标的优劣性。

各月份浏览指标对比

我们仔细分析上图中的平台流量指标，可以发现10月份是2017全年的流量高峰期，应该跟企业在国庆黄金假期所做的促销引流活动有关。浏览量、跳失次数、访问次数分别为4941、1290、2182，对比计算可得到跳失率为59.12%，明显低于其他时间段的跳失率，说明10月份的活动效果还不错，其经验对以后的营销推广可以起到参考作用。

4、访问深度用户群体分布

访问深度用户群体分布分析（跳失率=跳出次数/访问次数）

用户群体访问深度分析

我们通过BI工具将企业的VIP用户、老用户、新用户分别进行分时间段的用户群体访问深度分析统计。总体来说可以发现平台的VIP用户访问深度较老用户以及新用户稍微高些，但是不是太明显，说明平台运营的VIP这部分群体的活跃度还有待提升。

同时，平台老用户访问深度和新用户更是相差无几，公司对于用户这方面的活跃运营明显需要加油了，建议将平台的部分忠诚度较高的老用户以VIP用户组建起来，共建平台生态圈，增加整体的用户活跃度。

也可以向老用户以及VIP用户实施一些优惠政策，如定向商品折扣、根据用户画像进行喜好商品特惠推送等。

三、转化

在引流，即获取到了用户流量之后，我们也就获取到了平台的一批潜在用户。第二步，就需要通过一系列的运营策略，让用户顺利完成搜索商品-浏览商品-下单商品-交易付款的过程转化，即，转化。

成功交易转化率逻辑图

1、下单转化率

对于平台经营方来说，我们希望一旦有用户流量进入平台网站，他们就能够顺利按照我们平台运营设定好的系列要求一步步进行下去，最终完成交易付款操作。那么对于互联网运营方来说，就需要做好用户在会员注册、商品收藏、购物车添加、交易付款等一系列转化操作。

对于这样需要进行逐级转化的平台运营，那么我们首先可以通过漏斗图进行宏观的流程转化数据分析找出目前阶段最需要优化的运营环节，有效地进行针对性治理，最终提高整体平台用户下单转化率。

• 会员注册转化率=新增会员总人数/新访客总人数

对于互联网平台运营方来说，往往用户进行平台消费行为之前都需要注册为网站会员。而网站会员机制有利于平台进行定向运营推广，以增强用户和平台之间的黏性，故而提升网站平台的会员注册转化率对于提高用户复购率来说非常重要。在当下这样的一个的互联网社交时代，除了做好自己的网站直接会员注册运营之外，打通跟其他社交平台比如微信、QQ等平台账号共享能够明显提高网站平台的注册转化率。

• 商品收藏转化率=商品收藏总数/商品浏览总数

这一指标通常在平台举行大型促销活动之前需要时刻关注的一个指标，因为在这个时间段内的商品收藏量有很大几率能够直接转化为成功交易订单，与此同时，该指标对平台活动促销效果也能够起到一定预估作用。

• 品牌/单品转化率=单品成功交易订单/单品浏览量

这一指标通常用户平台进行商品受欢迎程度统计，通过分析品牌/单品转化率，从而引导商铺进货品牌种类，提高单品转化率高的货物进货量的同时降低单品转化率低的货物进货量。

• 付款转化率=付款总数量/下单总数量

这一指标通常用于反应平台的支付渠道和用户的支付习惯的匹配程度，通常来说我们需要完善快捷银联支付、支付宝、微信支付等渠道，降低因为用户没有某个支付平台而放弃消费的可能性。

某个平台的用户访问阶段转化率数据分析

首先看用户从浏览商品行为到添加购物车行为这一流程的转化情况，通过漏斗图可以快速看出其转化率为50.77%，反映出该平台的商品介绍、图片描述等对用户有较强的吸引力。

接下来继续看添加购物车到下单的转化率，可以看出其转化率高达99.66%，非常不错。之后却看到单至付款的转化率仅50%，这是一个值得反思的转化节点，通过数据分析猜测该平台商铺支付渠道不完善，需要增加例如支付宝、微信等快捷支付渠道，降低平台因为没有提供用户习惯性的支付渠道而导致用户放弃购买行为的几率。

2、事件转化率

事件转化率通常指的是平台或商铺通过一系列的运营推广活动以及由于公共事件影响所带来的额外价值。这一指标对于平台运营评估和指导市场推广运营活动极为重要，例如网络营销总的SEO关键词投放、折扣促销活动、邮件营销等等效果跟踪。

关于事件转化率方面的数据分析，通常我们可关注于营销渠道转化率、会员转化率、店铺流量转化率、下单转化率等指标进行活动的推广营销效果评估。

利用BI工具，首先分析出各个营销推广渠道的转化率环形玫瑰分布图。可以看出目前平台的转化率最高的渠道主要是基础上线工作、SEO关键词推广、微信推广、品牌推广几个渠道。

同时我们想联动查看每个渠道对应的转化率数据时，通过BI工具提供的数据自动联动过滤功能让用户无需任何设置即可进行所有相关联的数据联动。

各渠道转化率分布

除了以上渠道营销策略之外，对于平台商铺而言，合适的关联性商品推荐也能够提高用户对关联商品的购买率，比如用户在购买完服装之后可以再给他推送鞋子一类商品。

另外关于事件转化率方面，由于季节性以及公共事件也会影响商品的下单转化率，针对不同时期较流行的商品进行进货营销往往才能够达到最大的盈利目的。

3、服务转化率

服务转化率方面，通常用户在网上购买商品时，对于商品的一些细节品质以及发货渠道和速度等会需要做一些了解。那么良好的服务自然能够提高顾客的购买率，对于平台的客户人员，我们可以统计处其咨询到下单的节点转化率，并且以咨询到下单的转换率指标作为KPI指标之一来评价客服人员的工作绩效。

如下图所示，通过BI工具进行客服咨询下单转化率条形图的数据分析统计可以发现，该平台的Blanche、Henry、Christian、汉克、贝蒂这五名客服的转化率比较优秀，并且都在10%以上，其他的客服员工的转化率则相对较低，故而这方面可以让转化率最为优秀的Blanche客服给其他客服做一次服务培训，整体上提升平台的服务水平，进而提升用户的下单转化率。

客服咨询下单转化率排名

4、退货率

退货率方面，对于用户而言退货的原因通常可分为两大类，一类是由于买到的商品质量有问题而申请退货，另外一类可能是由于用户自身原因想申请退货。

平台方往往更为需要关注第一类因为商品质量问题而申请退货的商品，通过历史商品的质量原因退货数据统计分析，对于确确实实是存在质量问题的商品需要及时反馈给供应商，质量过于严重的话可以考虑该类商品和供应商的协商库存退货。

商品退货品牌分布统计

三、留存

特别是对于TO-C模型下的互联网企业而言，做好平台的用户留存是互联网企业可持续发展的根本保障。如果我们费尽人力物力方才完成拉新和成功转化的用户，在一段时间内就快速地流失掉了（可能其流失之前付费阶段对企业带来的收入还不及前期推广投入的成本之多），那么这绝对是一个非常失败的运营条链。

用户留存

我们可以从宏观上来定义平台的留存用户：在互联网行业中，用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户，被认作是留存用户。我们往往希望留存用户越多越好（新增留存用户数=平台新增用户数*新增用户留存率）

新增用户留存数逻辑图

1、提升产品价值

对于用户而言，使用你们企业的产品只有一种可能，那么就是你们的产品能够对其工作或者生活产生一定价值。对于企业而言，必须做好产品的版本更新迭代工作，不断丰富产品的应用功能、深化产品的可应用空间、简化产品的交互操作，让用户能够通过更少的时间成本快速上手我们的平台应用，同时通过平台为用户创造其所需要的价值。

某平台用户改进建议

如果是在产品设计研发前期，就需要充分调研和考虑用户的需求，以用户为核心，做出真正对用户有价值的产品。对于正处于稳定发展的产品或者平台而言，也需要多多收集平台的用户改进建议，多听听用户是怎么想的，设计出超出用户预期的优秀产品。另外还需要时刻关注竞品动态，观察同类平台或者产品的最近更新状况，打造一款比市场同类产品更加有特色和区分性的产品。

2、让用户感受产品价值

我们需要不断丰富和完善平台或者产品的文档和教程视频，丰富产品或者平台的成功应用案例，优化产品的使用流程向导。对于用户而言，即使你的产品或者平台本身功能再强大，但是用户下载之后感觉无从下手或者无法深入应用的话，那么其产品本身所提供的应用价值也就无从发挥，所以为用户做好产品流程使用方面的帮助事宜对于用户留存来说是非常重要的。

3、活跃用户/提高用户黏性

通常来说到这一步，我们经过前期的引流和转化工作之后已经拥有了一批用户了。对于平台已经拥有的这批用户，我们就需要开始数据精细化运营管理了。

很多情况下往往前期运营引流和转化投入带来的高速用户增长，如果不做好用户留存方面的工作，那么最后结局必然是前期的重金得不到对应的利润回报，最终却是竹篮打水一场空。

下面是几个常用的用户生命周期指标：

• 新增用户数=在某个时间段新登录应用的用户数
• 登录用户数=登录应用后至当前时间，至少登录过一次的用户数
• 留存率=新增用户中登录用户数/新增用户数*100%
• 次日留存率=（当天新增的用户中，在注册的第2天还登录的用户数）/第一天新增总用户数
• 第3日留存率=（第一天新增用户中，在注册的第3天还有登录的用户数）/第一天新增总用户数
• 第7日留存率=（第一天新增的用户中，在注册的第7天还有登录的用户数）/第一天新增总用户数
• 第30日留存率=（第一天新增的用户中，在注册的第30天还有登录的用户数）/第一天新增总用户数
  

平台用户总量走势

从2017年1月开始，平台的IOS用户数量增长较快，到2017年8月份达到了将近4500的IOS总用户数量。表面上看起来平台的IOS用户数量增长情况是要大于安卓用户增长的，到2017年8月时的总用户数量也要大于安卓用户数量。

但是我们仔细观察这两组数据增长情况会发现，IOS用户虽然增长快，但是在2017年5月之后总用户数量趋于平缓，而安卓用户数量虽然增长慢，但是确是一直保持着稳健增长的趋势。

平台用户月留存率分析

这个时候我们就需要关注除用户增长之外的平台用户留存率指标计算统计情况了，下面我们再来继续看看IOS用户和安卓用户的留存率变化对比如何。我们观察上图中，月度用户留存率数据统计情况可以看到，一开始IOS和安卓的用户留存率都是100%，到了第七日IOS的用户留存率下降至44%，安卓用户七日留存率是58%，最后到第30日IOS的用户留存率仅剩15%，而安卓的用户留存率却还有35%。这也就不难解释为什么平台高增长下的IOS用户为何最后留存下来的用户最后却不多了，其背后严重的用户流失率是一个不容忽视的问题。

而关于如何提高平台的用户留存率方法方面，我们有许多事情可以做。比如给平台的用户特别是刚注册的新用户推送相关优惠促销活动，让他们能够快速地融入到平台中产生消费；

对于平台积累下的老用户，我们需要注重平台的社区生态运营，以增强用户和平台之间的黏性，提高用户留存率。同时平台需要打造一批平台核心粉丝用户，通过一定物质上的激励形式鼓励用户以老带新，实现平台&用户共创。

4、流失用户回流

一方面，我们需要考虑是否是由于平台或者产品本身的原因导致用户流失，所以通常来说如果是软件类的产品我们一般可以在用户需要卸载产品之前，做一个用户卸载原因选项调研，有针对性地对应反馈意见较多的点进行产品体验改进

如果是网页平台端的产品，我们可以通过定期邮件内容（促销活动、产品使用教程、产品价值文案等）进行用户推送唤醒，值得注意的是我们在做用户回流操作尝试的同时，需要即时关注用户回流指标的数据走势，这样方可找到平台或者产品当面最需要改进的方面。

另外一方面我们还需要考虑到用户本身的质量，当然这是在做完第一方面前提下之后的进阶工作。通常来说我们可以统计各个推广渠道所带来的用户特征分析，因为不同的推广渠道最后引流所带来的用户质量可能跟推广渠道本身具有一定相关性。关于如何分析不同渠道的用户群体特征方面，这里我跟大家推荐非常实用的RMF用户画像模型。

RFM模型是衡量客户价值和客户创利能力的重要工具和手段，在众多的客户关系管理(CRM)的分析模式中，RFM模型被广泛应用。

• 最近一次消费 (Recency)
• 消费频率 (Frequency)
• 消费金额 (Monetary)

当然除了以上的分析指标之外，我们还可以根据自己产品或者平台的特点再添加新的分析指标。例如下图所示，我们除了分析平台用户最近一次消费时间、消费频率、消费金额之外，我们还增加了特价商品消费占比（价格容忍度）、最大单笔消费金额（购买力）、最高商品消费占比（价格容忍度）这三个指标进行联立分析，得到各个渠道更加精确的用户画像分析数据。

用户画像

例如上图中，SEO推广渠道所带来的用户，会员对产品和平台忠诚度比较高，但是购买力很低。这种客户虽然消费金额不高，但是即使不做营销策略，他们也会产生持续消费，这部分客户是企业持续利润的来源基础保证，通常我们可以通过在一些网站流量稍小的时段做促销行为，让其产生持续的集中消费。通过分析各渠道用户画像特征之后，我们可以进行有针对性的用户留存运营，以达到最好的留存效果。

最后分享一些资源：

淘宝开店和实体开店最大的不同就是营销推广的套路不同。其次淘宝开店还会涉及到数据分析。这个是重中之重。无数据，不电商！

一个合格的运营。每天都需要不断分析各种数据。保持店铺稳定，良性发展。那么具体应该如何分析数据呢？

今天主要分享基础数据分析，竞争对手数据暂时不分享。

首先要利用的就是生意参谋。

很多人问我店铺层级应该怎么突破。需要多少销售额？

如上图，c店是可以直接看到突破下一层级需要的销售额。这里只需要计算出自己30天内销售额的总和。就能知道自己离下一层级还差多少销售额。

但是天猫店铺就不一样了，天猫不像C店可以直接看的，只能看到大概的百分比。 具体数额需要我们去估算。

怎么估算呢？首先同样看到运营视窗。点开支付金额。按照我箭头右下角的框。先计算同行同层优秀水平30天内的销售额总和。（因为如果要突破层级，销售额是从0-平均-优秀-下一层级，那么你需要的销售额肯定至少要比优秀水平总和大一截）

另外还可以看到访客数，同行可以看到你与同行同层平均和优秀水平的差别。

这里重点讲几个数据

1、支付转化率

如果你的支付转化率是有上升趋势的。那么没有问题。如果说支付转化率曲线向下。那么这个时候就要注意了。因为转化率是根据自身产品来的

根据你的价格区间，你的人群，你的行业竞争

比如你是卖500的价格，同行卖的都是200左右，那么他们的转化率肯定是比较高的。那么排在平均以下就不足为奇。但是如果曲线向下。有两种可能

1、同行在和你竞争流量和订单

2、人群出现了问题

接着往后面的数据走，后面比较重要的数据有两个，一个是加购人数，一个是收藏人数

这里其实是可以算出我们的加购率是否合格，在哪根基础线上。在之前我们知道了自己的访客数，知道了同行同层平均的访客，以及优秀水平的访客数。

现在又知道了自己每天的加购人数，同行同层平均的加购人数，优秀水平的加购人数。

而加购人数/总访客=加购率

那么同层同行优秀的加购率，同层同行平均的加购率，我们自己的加购率不就都出来了。

这样就可以知道自己的加购率在哪个水平线上。需不需要补数据。

这样大家注意两个点

一、低客单，顾客的祘购买比较高，侧重看转化率是否高于同行同层平均。

二、高客单加，转化周期比较长，如上图店铺，主要侧重看的就是加购和收藏的数据。

收藏率也可以用上述加购率的计算方式计算，

因为你一定要记住：目前你最需要竞争的就是你的同层同级的竞争对手，而不是比你高一层级或者低一层级的。

我们店铺是在和同行同层在竞争！请一定要理解这个竞争规则，淘宝给每个层级，每个信誉的展示窗口都不一样。

所以很多人一进淘宝就把竞争目标瞄向月销几千几万的产品，我可以肯定的告诉你，你竞争对手都找错了！

那么这里接着往下面看

这里数据可以自由选择一天，一周或者是一个月。通过一个数据整体概况知道自己一个店铺的一个情况，从这个数据就可以看出“我的淘宝”和“购物车”的转化率是最高的，自然搜索转化还行

像跳失率，人均浏览量，平均停留市场。只要箭头向上或有一点向下波动不大都不用太在意，真正你要在意的是右下角的关键词以及转化率！

这里你用生意参谋的市场行情去看数据 那些转化是超过行业平均的 那些是行业平均之下的

超过行业平均的对你的产品来说就是一个很好的词，你要重点去维护好，如果转化偏低的，也要去补单。很多人不知道刷单应该刷哪些关键词，有关键词进店了也不刷销量。这样怎么去维护好关键词的权重呢？

接着往下就是你的访客转化和收藏、加购的转化了

下面这个点就很重要了

客单价分布，很多淘客做多了的店铺，这里的数据是乱的。所以我们就算要推销量，淘客也不要推太多，要不然人群标签肯定会乱！

接着往下

竞店流失

如果店铺流失超过100%,这个店竞争就很大，比较难做起来。流失超过50%还是个小爆款。

100%是哪里的数据呢？

成交金额：你成交了100元，流失了100元，流失100%

道理很简单，你的店铺产品综合竞争力不敌对手，流失的店铺你就要去分析他，学习他，分析他不足的地方，你可以改进。学习他好的地方，这里数据内容点比较多，而且复杂，这里就不一一阐述了。

还有很多的细节，因篇幅问题，无法详细，请见谅；如果哪位朋友对本文，还有哪里不明白，欢迎评论或私信咨询我，我会第一时间帮助你传道解惑。

我在知乎专栏文章中分享过很多关于“淘宝运营”的内容，如果感兴趣，可以点击下方链接学习

各位老铁们，纯手打原创，举手之劳给个“赞”支持鼓励呗，这将是我持续分享的动力！感激不尽。

关于“花和尚”：

死磕电商十六年，打工近十二年；2012年尝试淘宝创业至今，母婴/护肤品/小家电类目卖家。2016年开始自媒体创作，向世界分享个人亲身经历、见解、知识；2016年10月拓展“电商系统培训”

以自营项目TOP50店铺的实战经验为根本，整理一套完整的、高效的淘宝实战课程，帮助淘宝卖家快速成长、少走弯路！

如果你对电商感兴趣，可以给我留言，我会免费送你一套VIP弟子班视频；相信，你一定会受益匪浅。

如果你是淘宝卖家，可以加入我创建的千人卖家社群一起学习、交流、探讨（无广告）；私聊我回复“社群”，即可获得入群方式！

你说你电商实战为0 ，上来就要先分析数据，这就有点扯了

确切来说你就是想学习具体的运营内容

一个合格的运营一定是每天围绕下面的公式在干活

——点击下方↓↓↓——

营业额=访客*转换率 *客单价

这里的客单价基本是固定的，因为你卖什么东西，价格上基本上就不会太大波动，变的是访客和转换率。

先来说访客

为什么去放广告、去直播、说白了就是让产品有曝光、有了曝光后客户点击进来就产生了访客。

再来说转换率

客户进来，够不够买取决于你的内功，同样1000个访客，你的转换率是10%那你可以做100个人的生意，你如果转换率极低，只有1%，那你就做10个人的生意。

经常新手听到的什么做好标题呀、搞好主图呀，这些都是为了产生访客而准备的。

我们要做很多评价和晒图来自夸商品有多好，还用很多帅哥美女的卖家秀把产品拉高一个逼格，都是为了提高转换率而准备的。

所以你搞电商平台数据分析一定是围绕着访客和转换率这2大核心具体展开

——点击下方↓↓↓——

不要看什么乱七八糟的一堆思维导图，一看你头都大了，一旦原理你知道，其他很多影响因素你都可以很自然的理解延伸。

认识了这个后，你不要要清楚每个平台的搜索和展现机制是什么，不同平台是有所差异的，这个东西你没搞懂，说难听点就是 ，火了你都不知道怎么火的，一直不爆你都不知道原因在哪里。

我拿淘宝来举例，配合黑色操作你肯定爱听。

在淘宝中，一个产品能不能在搜索的情况下排名靠前取决的就2个因素

1：30天你的付款人数

2：30天你的成交金额

举个例子哈，你30天就2个人付款，一共才卖100块，人家30天1万人付款，卖50万，你如果是平台，你喜欢谁？

用屁股想也是后者吧，那既然他优秀，是不是要把他产品放在更前面，让他曝光更多，进而就是前面说的给他更多的访客！

那如果你屌丝逆袭，你20天就搞了1万人付款，卖了50万，提早比对手完成，那系统是不是会把本来该给他的流量转过来给你，看你脸色吃饭。

这个你能看的懂，那下面就简单了。

——点击下方↓↓↓——

计算坑产。

1：生意参谋-竞争-竞品分析-你的对手链接。

2：日期选择日，查看成交关键词，把所有成交关键词最近10天的订单总数算出来。

3“订单总数*2基本就是自然成交所有订单。

4：自然成交所有订单*对手的客单价÷你的客单价÷7=每天你要安排的订单的量。

5：按照4的结果连续安排订单28天拿下对手排名。

6：或者按照4的结果*2的结果去做单14天拿下对手的排名。

具体操作如下图，就这么简单的东西有人敢卖1万多，看不清的可以去看高清图，不知道为什么上传后分辨率这么低。

这图的精髓就2点，主图点击率决定了访客最大化，坑产付款人数决定了展现最大化。没有赚过百万的人是无法理解这句话的深刻意义。

——点击下方↓↓↓——

如果你是新人、或者对运营没有思路，推荐先去看下面这篇干货大汇总，一定对你有帮助！！！

@电商人一灯，分享即学即用的干货，接地气，说人话。