做数据分析,首先要明确我们的目的是什么,要达到什么样的效果。基于此去明确做哪些数据分析,采用什么方式方法做表达。
做这些分析服务的对象是老板,而对老板来说,数据分析都是为了卖货提高销售额服务。在这个过程中,数据分析是为了把那些买的最好、有利可图、增长速度快、反馈较好的产品挑选出来以及对竞争对手的销售数据、网站分析、营销策略、产品策略等进行分析,以便即时调整自己的业务。
这些需求都可以归纳到消费行为参与者、消费产品、以及消费场景三方面上。
在对于老板来说,不需要也不想知道在这个过程中用到了哪些数据,做了什么样的分析,只要达到他的效果,并且将这个结果展示给他就行。整个过程中,需要我们做的:数据收集、数据处理、数据分析、数据可视化。
完成这些任务,不仅需要扎实数据分析能力,也还需要数据分析思维。对于数据量较小的可以使用Excel,中大型数据量的可以使用SQL或者Python进行处理。数据可视化包括图表和数据大屏,可以使用BI类工具。
一般全流程的学习需要花费大量的时间和精力,主要是各种教程庞杂、不成体系,我在学习怎么完成数据分析的过程中走了很多弯路,系统、简单、上手就会的教程太少了。
在这儿,我推荐一个课程,知乎知学堂推出了可完美契合这个分析流程的课程,从基础到高手技巧都有详细讲解,同时不仅有技术,还有数据思维和方法论的讲解。确保大家学会了一个例子,就可以做一类数据分析。现在报名参加,还有数据分析三大福利可领。点击下面的链接即可参与:
做哪些分析?
为了达到前面说的分析目的,也为了更快捷数据分析,我们可以找一些指标来量化手上的数据。找指标的原因主要有两个:1.避免迷茫,可以快速下手;2.指标体系都是相当专业的,可以准确描述行业概况。
之前有大佬总结过电商数据指标体体系,很全面,也够专业,大家可以根据自己的需求来挑选需要的指标来表达。主要包括:总体指标、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、风控类指标、市场竞争指标。
总体指标
总体指标主要是面向领导者,从流量、订单数据、业绩指标以及盈利指标来反应电商平台的整体状况。
流量指标包括:独立访客数、页面访客数、人均页面访客数;
订单数据包括:总订单熟练 、访客到下单转化率;
业绩指标包括:成交金额、销售金额、客单价;
盈利指标包括:销售毛利、毛利率。 流量指标
主要是对商店、平台的访客指标,这部分指标可以告诉你有多少人访问了商店、平台,有助于评估商店或平台的受欢迎程度;也可以帮助你发现用户访问网站的路径和行为,优化用户体验。流量指标包括规模类指标、成本类指标、质量类指标以及会员类指标。会员也可以指商店粉丝数或者收藏商家人数。
规模类指标包括:独立访客数、页面访客数;
成本类指标包括:访客获取成本;
质量类指标包括:跳出率、页面访问时长、人均页面访客数;
会员类指标包括:注册人数、活跃人数、活跃率、复购率、平均购买次数、回购率、留存率。 销售转化指标
这类指标可以用来衡量商店的营销效果、研究用户的购买行为和消费心理,优化商店平台的体验,提升平台转化率和销售额。这类指标包括购物车类指标、下单类指标、支付类指标、交易率指标。
购物车类指标包括:加入购物车次数、加入购物车买家数、加入购物车商品数、支付转化率;
下单类指标包括:下单笔数、下单金额、下单买家数、浏览下单转化率;
支付类指标包括:支付金额、支付买家数、支付商家数、浏览-支付转化率、下单-支付金额转化率、下单-支付时长;
交易率指标包括:交易成功订单数、交易成功买家数、交易成功商品数、交易失败订单金额、交易订单金额、交易订单失败买家数、交易失败商品数、退款总订单数、退款金额、退款率。 客户价值指标
这个指标衡量客服在商家严重的价值,这类指标可以帮助商家了解客户满意度、优化营销活动等。主要是包括客户指标、新客户指标、老客户指标。
客户指标包括:累计购买客户数、客单数;
新客户指标包括:新客户熟练、新客户获取成本、新客户客单价;
老客户指标包括:消费频率、最近一次购买时间、消费金额、重复购买次数。 商品类指标
商品类指标用于分析商品的种类、销售和库车情况,对于多种商品可进行关联分析,以促进销售额,包括产品总数、优势性指标、存量、上架数、首发指标。
市场营销活动指标
这类指标主要是用于评估某次活动后带来的效果,用于优化后续活动,包括新增访客数、新增粉丝数、总访问人数、订单数量、UV订单转化率、广告投资回报率。
风控类指标
用于评估分析客户的购买后行为,优化产品。包括买家评价指标和投诉类指标。
买家评价指标包括:评价数、买家评价上传图片数、评价率、好评率、差评率;
投诉类指标包括:发起投诉率、投诉类、撤销投诉率。
市场竞争指标
这个指标可以用于同行业分析,对比竞品优化产品策略。包括市场份额相关类指标以及行业排名。
一共八大类指标,如果是给老板看的话,做好第一类总体指标表达就好。如要有更详细的数据,也可以详细分析后面的几类指标。
用什么工具?
这些指标明确了可以做什么分析,接着就是明确用什么工具做这些指标分析。整个数据分析包括各种指标计算以及数据可视化部分。
Excel
Excel是大家最能接触到的数据分析软件。在数据量不大的情况下,Excel可以满足大家绝大部分的需求,可以使用数据透视表做订单类数据分析,同时也可以完成图表制作,简单的线性分析。
Excel通过将多个小图表结合在一起,可以组成仪表盘,这个也是最初的数据大屏,其效果也是很直观和简单。
Python
Python需要有一点编程基础,但现在教程有很多,也有已经总结好了的代码可以直接拿来用。
Python关于数据分析和可视化方面也有专门的库,比如numpy、pandas、matplotlib、seaborn等。
通过调用这些库就可以完成很精美的数据可视化。
在前面的指标体系中,也提到了风控类指标,这类指标反应用户购买体验,也是很重要的指标,而风控类最好的资料就是评论,如果不想一条一条的复制,就建议学习一些爬虫软件。
爬虫工具有很多,ython中有爬虫工具BeautifulSoup库,国内也有大佬做了一个可视化爬虫工具EasySpider。
BI工具
BI工具可以说是专为大数据可视化准备的,同时BI工具也兼有数据分析的功能,可以对获取的数据进行多维度分析。BI工具用起来还是很方便的,可以通过拖拉拽的方式,经过少量的编写工具就可以快速完成一个数据仪表盘的设计。
目前国内外BI工具都有很多,如比FineBI、Yonghong Desktop Basic、PowerBI、tableau等。
PowerBI
PowerBI是微软提供的一款商业分析工具软件,用于可视化数据并分享见解。其主要功能,包括数据获取,数据清洗,模型创建,报告和仪表板设计等。
FineBI
FineBI是帆软公司推出的一款自助式BI 商业智能产品,提供从数据采集,数据处理,数据分析到数据可视化展现的商业智能解决方案。
以上就是本次分享内容,如果点赞想了解更多数据分析内容的人多,我再来更新。
最后在推荐一下知学堂的这个【数据分析3天实战训练营】,对于想提高数据分析能力以此来转岗、达到升职加薪目的的朋友来说,真的太合适了。训练营里既有我上述提到的数据分析工具的教授,也有实战项目,老师带着你做,相信你学习完,对怎么做数据分析不再迷茫,点击下面链接即可参加:
<a data-draft-node="block" data-draft-type="edu-card" data-edu-card-id="1649139063977295873">祝大家升职加薪!
|