【电商数据】电子商务行业数据分析项目

2018年的今天，互联网红利正在慢慢消退，中国互联网也没有往年那么处女，因此有了一个精细化的运作。随着产品功能和用户的增加，用户需求的多样化与产品服务之间存在着匹配与不匹配，以及选择与不选择、喜欢与不喜欢、新用户的选择、老用户的活动与流失等带来的矛盾。细化操作是通过用户聚类，为不同需求的用户匹配不同的服务和内容，满足其个性化需求，从而更好地完成拉新、推新、激活的操作。对于任何一个行业来说，数据采集、整理和分析都已成为必不可少的一步。但是，由于不同行业的特点不同，需要关注的数据类型也不同。如今，电子商务的发展十分火爆，很多电子商务运营团队缺乏精细化运营和数据驱动的经验和意识，但电子商务运营正成为电子商务自身成长中越来越重要的因素。那么，电子商务行业需要分析哪些数据呢？

***：营销费用、用户数、人均费用、营销到达率

流量数据：PV、UV、登录时间、在线时间、跳出率

用户数据：用户名、出生日期、性别、地区、手机号码等信息

交易数据：交易金额、交易数量、交易数量、交易商品、交易地点、交易时间等

行业数据：店铺排名、关键词、粉丝数、美誉度等

关键分析指标：

一、流量指标：

页面浏览量（PV）：页面浏览量；用户每次访问网站页面都会记录一次。用户访问同一页面的次数是累积的。

访问者数量（UV）：指访问站点或单击新闻的不同IP地址的数量。电子商务习惯分为新访客和回头访客

跳出率：仅浏览一页页面后所剩下的PV除以该页的总PV，包括主页、关键页、特定产品页等的跳出率。

二、转换索引：

转化率：有相关动作的访问次数除以总访问次数，包括注册转化率、客服转化率、收款转化率、新增转化率、交易转化率

频道转换率：一个频道的付费用户除以该频道的所有用户，一般分为PC和移动终端

事件转化率：支付事件费用的用户除以这次带来的所有用户，一般是一些线上线下广告

三、运行指标：

交易指标：交易金额、交易数量、交易用户数

订单指标：订单金额、数量、用户数、有效（无效）订单

退货指标：退货金额、数量、用户数

效率指标：客户单价、单件单价、连带率、移动销售率

采购指标：采购金额和数量

存货指标：存货金额、数量、周转天数、***率

四、成员指标：

注册会员数：注册会员（粉丝）总数

活跃会员数：已购买的粉丝数

现役率：现役人数除以注册人数

会员回购率：前一阶段本阶段已进行二次购买的活跃用户比例

会员回购率：本阶段购买两次以上的用户比例

平均购买次数：每个用户在某一阶段的平均购买次数

会员保留率：某一阶段登录或购买的用户比例

诚然，电子商务行业的数据分类众多，定义复杂。如何在两者之间进行选择才能真正把握电子商务行业数据分析的本质？事实上，中电在电子商务行业不同阶段的数据也不尽相同。前期应该***关注的数据主要是流量指标，如pvuv跳出率转换率等指标，因为这个阶段主要是在客户获取阶段，主要是为了吸引用户；运营一段时间后，通过分析数据来提高销量已经成为主要目的。该阶段细分需要关注流量和销售指标，如：pvuv损失率、客户单价、ROI销售额等。为了通过不同渠道获取客户并形成购买行为，需要通过数据分析投入产出比和客户获取成本，从而终达到提高销售利润的目的。在形成一定规模后，利用数据提高整体运行水平至关重要。这时，就要着眼于运营和会员指标，修改策略和渠道手段，迎合消费者，终实现精细化运营，提高销量和收入。

因此，我们可以看到，每个阶段需要关注的数据主要是流量和会员指标，即：活跃用户数、转化率、回购率、留存率和总收入

那么如何分析这些数据呢？可以分别从商品和用户的角度来分析

在商品的运作中，特别是首页商品的快速更新速度，要特别注意转型，甚至是不同时间间隔、不同地点、不同商品的转型率。然后根据转化率，结合经营经验，不断调整经营策略。例如：从主页-活动页-产品详细信息页-付款完成。从精细化分析的角度，我们关注转型路径每一步的转化率；我们可以看到不同阶段转化率与平均水平的差异，并进行有针对性的分析，以调整战略，提高转化率。

从用户的角度来看，用户体验变得越来越重要。之前的无目的短信推送和应用通知可能会让用户感到无聊，破坏用户体验，甚至导致用户退订和卸载（跳出）。在精细化操作的情况下，做好用户操作有两个方面：一是找到用户保留的关键点；二是采用差异化操作策略，区分不同的用户组，对不同的组采用差异化操作方法，开发用户配置文件，实现个性化推送。

从两个维度来看，我们需要使用漏斗模型。Aaarr漏斗模型是电子商务数据分析中非常重要的分析工具。通过这个模型，您可以在不同阶段跟踪用户的丢失和保留率。例如，如果您发现其他阶段的用户流失率在10%左右，而支付阶段的流失率高达30%，那么您必须研究支付阶段的影响是什么，支付界面加载太慢？或者支付界面过于繁琐，让人感到不安全等，并有针对性地进行部署和调整。