两个关键点：电子商务平台的数据分析

介绍了产品的运行路径，分析了产品的行为数据，并给出了相应的优化方法。

所有能够促进产品推广、促进用户使用、增强用户粘性和保持力、用户自我传播、让用户付费的行为都可以称为运营。在操作过程中，我们可以利用aarrr增长模型将产品的操作路径分为激活、注册、保留、下单和传播，然后对每一条路径进行分析，优化产品和操作策略。

不同的产业和激活模式是不一样的。例如，我们做应用激活的方式是从跑步组导入用户和微信公众号，首先将目标用户存入微信组，然后利用马拉松配额吸引用户下载应用进行注册。

然而，对于B2B电子商务平台，用户激活主要集中在本地推送和客户服务推广上。由于该平台需要一定的资质证书，且在互联网上自愿注册的用户数量相对较少，但推送模式激活的相对成本相对较高。

用户在注册时，往往会因为某一步骤描述不清或流程复杂、需要上传的文档过多等原因而丢失，此时，我们可以利用漏斗分析用户丢失严重的步骤，并在产品优化前分析具体原因。

在用户激活和注册之后，我们需要查看用户的保留率。每个应用程序的保留时间定义是不同的。例如：

对于社交软件，如果3天不登录，可能会被标记为丢失用户；

对于我们现在做的药品电子商务，普通用户的购买周期是15天左右，所以我们把超过15天没有下单的用户称为流失用户。对于流失的用户，我们一般会采取并派发优惠券的方式，促使他们再次下单。

我们需要了解的是，作为一个电子商务平台，用户只有在平台提供的价格、品类和物流服务具有吸引力之后才愿意下单。

如果用户在需要购买产品时没有下订单，那么与竞争对手相比，他们中的大多数在价格和服务上都没有吸引力。在这一点上，我们需要通过爬虫抓取竞争对手的数据，然后调整我们的定价和做一些营销活动来吸引客户。

由于客户获取成本高，让用户自我传播拉动新产品也是一种可行的营销手段。为此，我们特意邀请朋友领取优惠券，鼓励用户帮我们拉新产品。

分析目的：了解用户的使用习惯、使用路径和使用频率，了解用户喜欢使用哪些功能，验证产品用户体验是否良好，在线操作活动是否流行等。

在做行为数据分析之前，我们需要先做掩埋点。埋点可采用第三方埋点和自埋点。各有利弊，需要结合公司来决定。

下面是我们以前做过的埋点表和每个用户行为记录的字段。隐藏点主要分为两类：点击事件和页面曝光。然后，根据页面曝光事件，计算页面停留时间和用户路径。

对于用户发起的每个事件，需要记录的字段（具体还需要根据公司收集的数据确定）：

对于电子商务平台，主要分析点有：

一、用户注册路径：分析每个注册步骤的转化率，分析转化率低的原因，然后对产品进行优化。

二、用户购买路径：首页-搜索-购物车-提交订单页面-付款页面。利用每条路径的转换率分析用户丢失严重的阶段，进而分析用户丢失的原因。

例如，我们分析了从购物车到订单提交页面的用户流失特别严重。经过分析，我们发现商家设置的***购买金额过高，导致用户无法达到购买金额并提交订单。后来，我们和商家协商降低了***购买额，转化率也提高了很多。

三、分析用户在网上发起的营销活动点击率和通过购物车中的活动购买的商品数量，从而判断操作的活动质量。

四、分析哪些功能是用户经常使用的，哪些不是经常使用的。我们要努力提高核心竞争力。

比如通过数据分析，我们可以看到用户购买商品常用的功能是搜索，但很少通过推荐或分类加入购物车，所以我们花费更多的经验来优化搜索功能。

在数据分析中，我们需要对具有共同特征的用户进行分类，然后针对不同的类型采用相同的营销方法。

我们将根据RFM模型进行分类：

例如，我们将时间周期设置为3个月（由于一般用户的购买周期较长，但具体时间需要根据行业的不同而有所不同），***订单时间得分，当前时间6天内下单5分，7-12天内下单4分，以此类推。

用户订单频次得分，5个订单以上得5分，4个订单得4分，以此类推。

根据用户购买金额，5000元以上得5分，4000元以上得4分，以此类推。

打分后，我们可以计算出每个用户的得分，然后根据得分将用户分成不同的组：

聚类之后，我们可以针对不同的群体使用不同的营销策略，通常不需要针对高价值用户进行管理。

对于贡献率较低的用户，需要分析用户购买力不强还是平台产品偏好不够强。如果折扣不够的话，我们可以采用互推优惠券的形式，让用户返回平台购买。如果用户购买力不足，就需要激发足够的购买欲望。