电商数据分析 - 简书

　　  主要统计用户使用网站/APP的情况，根据统计数据进一步分析用户行为，优化产品的用户体验。

UV（用户量）：某一段时间内的独立访客数，一个IP算做一个用户量。

　　-** PV（访问量）：**页面浏览人次数，页面每浏览一次算一个PV。主要用在新闻或文章页面，统计网民对特定网站的使用率。

点击率：网站/APP中某一内容被点击的次数与显示次数的比率，即点击次数/显示次数。

转化率：所有用户中完成转化目标的比率。转化目标可以为注册、访问指定页面、下单、付款等。

页面停留时间：统计用户在某一页面停留的时长分布图。由此进一步分析用户为什么在这个页面停留时间较长。

平均停留时间：统计用户在某一页面的平均停留时长。并非所有页面的停留时间越长越好，在付款、客服等页面使用时，则希望用户停留时间越短越好。

跳出率：只访问了首页就离开的占比，跳出率=访问一个页面后离开网站的次数/总访问次数。

退出率：用户从某一页面退出的访问数与进入该页的页面访问数的百分比。

DAU（日活）：当天的新增用户和之前每一天新增用户在当天留存用户之和。

MAU（月活）：当月登录或使用了某个产品的用户数，统计中需要去除重复登录的用户，即一个用户在当月登录若干次只统计一次。

　　  电商的运营团对会通过不同的渠道进行引流，加大产品曝光率。通过渠道分析指标来衡量一个渠道的用户数量、用户质量和产品契合度，选择正确的渠道进行产品推广可以使推广效益最大化。

　　  不同的网站统计工具与分析工具对网站流量获取的渠道各有差异，但基本上可分为几个渠道：直接访问（Direct），引荐流量（Referral），搜索引擎自然流量（Organic Search），付费搜索流量（Paid Search），社交媒体（Social）。

新增用户数：通过某一渠道引入的新用户数。

用户转化率：统计在某一渠道内用户的转化率。

投资回报率（ROI）：等于年利润或年均利润/投资总额×100%。

渠道ROl（投资回报率）：某一付费渠道获得的ROI。可以衡量这个渠道的用户质量与用户与产品的契合度。

渠道流量：该渠道的用户体量与活跃度统计。

渠道流量占比：某一渠道获得的流量占全部渠道流量的占比。

活动点击率：点击进入活动详情的数量占活动浏览量的比例，其中一个用户只计算一次。活动点击率体现活动的创意吸引力。

活动参与率：参与活动的用户占活动浏览量的比例。

活动转化率：活动带来的订单转化率。

活动ROI

付费转化率：付费用户数占总用户数的比例。

订单数转化率：下单用户数占总用户数的比例。

客单价：付费用户的平均购买金额。客单价=有效订单总额÷有效成交顾客数。不同的时间段会影响客单价，所以在计算客单价的过程中要考虑“在一定的时间范围内”。

GMV（交易总额）：GMV=流量数量转化率客单价

复购频次：统计某一段时间内，用户对某一产品或服务的重复购买次数。一般使用频次分布图来展现。

毛利率：净利润除以平均总资产的比率。毛利率=（销售收入－销售成本）/销售收入×100%

毛利额：毛利额=下单用户数 * 每个用户订单数 * 客单价 * 每个订单毛利率。

新增用户：一段时间内的新增用户数。

活跃用户：一段时间内的活跃用户数。怎样为活跃用户可以根据自己的实际情况定义，比如打开网站/APP即为活跃用户，或者打开网站/APP连续浏览5分钟以上则为活跃用户。

留存用户：当前留存下来的用户数。比如近一周内有使用过网站/APP的用户即为留存用户，可以根据实际情况进行定义。

流失用户：流失用户 = 总用户 - 留存用户。即近一周未使用过网站/APP的用户，与留存用户概念相对。

回流用户：对于一些以及流失的用户，采用一些优惠信息的发放使其重新使用网站/APP的用户数。

用户最近一次下单时间：统计用户最近一次用户的下单时间，一般使用频次分布图来展现。

用户下单频次：

用户消费总金额：一个用户在平台上的实际付款总额，一般使用频次分布图来展现。

　　  数据分析流程如下：进行需求分析 - 数据提取 - 数据清洗 - 数据分析 - 报告撰写 - 报告分享 - 投入应用收集反馈

　　  进行数据分析前需先明确出分析目的，才能确保数据分析有效进行，为数据的采集、处理、分析提供清晰的指引方向。

　　  数据收集按照确定的数据分析的目的来收集相关数据的过程，为数据分析提供依据。一般数据来源于数据库、互联网、市场调查、公开出版物。

　　   将收集来数据进行加工整理，包括：数据清洗、数据分组、数据组织、数据计算、数据存储、数据检索、数据排序。

　　   运用多种数据分析的方法与模型对处理的数据进行和研究，通过数据分析从中发现数据的内部关系和规律，掌握好这些关系和规律就能够更好的进行数据分析工作。

　　   常用柱形图、饼图、折线图等图标展示数据分析信息，一目了然的发现数据的本质与作用。

　　  对整个数据分析过程的总结。一份优秀的报告需要一个名确的主题、清晰的目录、图文并茂描述数据、结论与建议。

　　  对比法，也叫对比分析法或者比较分析法，是通过实际数与基数的对比来提示实际数与基数之间的差异，借以了解经济活动的成绩和问题的一种分析方法。在科学探究活动中，常常用到对比分析法，这种分析法与等效替代法相似。

对比方法

对比指标

时间对比

同比、环比、趋势对比

空间对比

城市、产品

目标对比

年度目标、月度目标、活动目标

用户对比

新用户和老用户、注册用户和未注册用户

竞品对比

渠道、功能、体验、流程、推广、收入

　　  分组分析法是统计分析的基本方法之一。根据事物内在的特点，将一定的社会经济现象，按照所定的标志，划分成性质不同的各个部分，借以区分社会经济现象的类型，揭示社会经济现象的结构，确定被研究对象之间的依存关系，从而发现未被利用的后备力量的一种分析方法。

分组标志

分组性质

时间分组

日、周、月、年

产品类型

属性、区域

用户类型

人口属性（性别、年龄）、客户价值、消费频次

渠道分组

线上&线下渠道、付费&免费渠道

　　  矩阵分析方法是指将事物（如产品、服务等）的2-4个重要属性（指标）作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称为矩阵关联分析法，简称矩阵分析法。

　　  以属性A为横轴，属性B为纵轴，组成一个坐标系，在两坐标轴上分别按某一标准（可取平均值、经验值、行业水平等）进行刻度划分，构成四个象限，将要分析的每个事物对应投射至这四个象限内，进行交叉分析分析，直观地将两个属性的关联性表现出来，进而分析每一个事物在这两个属性上的表现。

　　  矩阵关联分析法在解决问题和分配资源时，为决策都提供重要参考依据。先解决主要矛盾，再解决次要矛盾，有利于提高工作效率，并将资源分配到最能产生绩效的部门、工作中，有利于管理决策都进行资源优化配置。

　　SWOT矩阵：优势、劣势、机会、威胁

　　波士顿矩阵：市场份额、市场增长率

　　满意度矩阵：重要性、满意度

　　  麦肯锡逻辑树又称问题树、演绎树或分解树等。逻辑树是将问题的所有子问题分层罗列，从最高层开始，并逐步向下扩展。逻辑树能保证解决问题的过程的完整性;它能将工作细分为一些利于操作的部分，确定各部分的优先顺序。

　　  例如将各指标展开，分析在不同情况下的表现。

　　UV：渠道、区域、产品类型、新老UV

　　转化率：渠道、区域、产品类型

　　客单价：渠道、区域、产品类型

　　  用来分析从潜在用户到最终用户这个过程中用户数量的变化趋势，从而寻找到最佳的优化空间，这个方法被普遍用于产品各个关键流程的分析中。

　　  例如分析从用户进入网站到最终购买商品的变化趋势：

　　  进行数据分析时，都可以从数量（Quantity）、质量（Quality）这两大角度进行分析，简称为QQ模型，也称为QQ模型分析方法。QQ模型是数据分析中一种常用的分析方法。

角度

指标

绝对数（数量）

用户数、浏览量、点击量

相对数（质量）

留存率、转化率、参与率

　　  利用用户使用行为理论梳理指标间的逻辑关系。用户使用行为是指用户为获取、使用物品或服务所采取的各种行动，用户对产品首先需要有一个认知、熟悉的过程，然后试用，再决定是否继续消费使用，最后成为忠诚用户。

　　  通过七个问题发现解决问题的线索，寻找创新思路，进行设计构思，从而创新产品功能。

　　What：产品提供服务、用户核心需求

　　Who：目标用户、用户特点

　　When：使用时间、使用时长

　　Where：使用场景、用户分布区域

　　Why：使用原因、吸引点

　　How：使用方法、使用路径

　　How much：投入金钱、时间

　　①acquisition - 用户获取

　　用户获取成本=(营销费用+销售费用) /同时期新增用户数，小于1盈利

　　用户来源渠道：渠道新用户数、渠道新用户占比、渠道成本

　　②activation - 用户激活

　　定义用户激活行为、用户激活率、激活漏斗转化率

　　③retention - 用户留存

　　用户天然生命周期、用户留存率、不同用户分组留存率

　　④revenue - 收入

　　付费用户数、付费用户占比平均付费金额

　　⑤refer - 推荐

　　推荐用户数.推荐转化率、被推荐转化率

　　  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。RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值(甚至是终身价值)，通过改善三项指标的状况，从而为更多的营销决策提供支持。

　　Recency：最近一次购买时间

　　Frequency：购买频率

　　Money：购买金额

用户价值分类

R

F

M

措施

重要保持

低

高

高

定期edm、push、短信主动联系

重要发展

高

低

高

优化产品和服务

重要价值

高

高

高

权益、奖励

重要挽留

低

低

高

预流失用户

一般保持

低

高

低

正常运营

一般发展

高

低

低

正常运营

一般价值

高

高

低

正常运营

一般挽留

低

低

低

正常运营

　　  不管是微商、电商还是店商，有三大关键要点，分别是“人”“货”“场”三个重要的环节，缺一不可，紧紧相连。只要同时把握好这三方面的工作，才能有序地高效的经营。

人：重构用户认知

　　  企业的价值从单纯地出售商品所有权，升级为用户在使用产品全过程的增值服务提供商。企业的商业价值不在企业内部，而是存在于用户的心智中。因此，商业产品创新要透过人的外表假象，从满足用户的内心深层次需求而获得。

　　  相关指标包含UV、DAU等。

货：重识产品创新

　　  产品反映的是人的需求，是用户价值的延伸，产品的外延被放大。用户需求的多元与复合要求产品的价值认知变得极“简”，而价值范围变得极“繁”。所谓“简”就是要求产品做到“功能、特性、心理”的统一，而所谓“繁”则是要求产品能够立体的满足用户的需求。

　　  相关指标包含商品数量、商品动销率、商品单价、客单件等。

场：持续动态运营

　　  产品和用户是阴阳两极，相互吸引而产生场。场景是一种商业力，可以拉近产品和用户的距离，直至产品和用户完全重合，达到“人货合一”。

　　  相关指标包含网站、渠道、点位数、展示位置等。