电子商务该如何做数据分析？如何数据分析入门（从各项指标表象进入）

比如店铺流量IP、PV、转化率、客单价、访问深度等，如何从数据表象去指导销售

分享几个电商数据分析的案例，怎么做数据分析~

01 营收分析，快速定位波动原因

「营收分析」仪表板重点帮助企业总览全盘营收，通过不同频道的新老客的流水趋势，了解客户结构和变化趋势，为企业制定更好地客户营销策略提供参考。对新增会员、新老客付费率的多维分析，则帮助企业了解客户增长和流失情况，并洞察不同客户群体的价值与贡献，以制定更好的客户分层策略。对高价值用户流水结构的分析，能够帮助企业优化内容和特权设计，进一步拓宽增长路径。仪表板部分数据模块可通过联动、下钻等交互方式进行数据透视，进行更深层次分析，辅助业务决策。



「营收分析」仪表板（部分）

通过「营收分析」仪表板，企业可清楚了解到：
• 全盘营收情况总览；
• 直播、视频、图文等不同频道流水贡献；
• 免费、付费、自然流量渠道会员增长情况；
• 免费渠道与付费渠道各细分场景的流水贡献；
• 新客与老客的流水贡献；
……
分析示例：流水分析
在仪表板的右下方，展示了当月流水总量及新老客流水贡献量与占比，并在其下方通过桑基图展示了免费渠道与付费渠道中各细分渠道的MAU（月活跃用户），帮助企业了解其用户活跃度和增长趋势，从而制定更好的用户增长策略和用户维护策略。



流水分析（部分）

• 新客流水贡献：分析了解企业的客户增长情况和新产品或服务的市场接受度，为企业制定更好地新客户营销策略提供参考。
• 老客流水贡献：分析了解企业的客户维护情况和老产品或服务的市场表现，为企业制定更好的老客户维护策略提供参考。
• 新老客户流水贡献比例：通过对比呈现，可分析企业的客户结构和变化趋势，为企业制定更好的客户分层策略和客户营销策略提供参考。
• 不同渠道的用户活跃度：桑基图清晰地展示了不同渠道的用户活跃度，为企业选择更有效的营销渠道和制定更好的营销策略提供参考。
观远BI 营收分析Demo体验02 流量分析，帮助提高用户活跃度

「流量分析」仪表板聚焦社交文娱类互联网企业重点关注的DAU、UV、观看时长等核心指标，一手掌握关键指标趋势变化，为企业优化产品功能和提高用户体验提供参考。同时，对网页端、APP、小程序、H5等不同渠道的流量和粘性分析，能够帮助企业制定更好的用户增长策略和用户维护策略。仪表板还对直播、视频、图文的UV和渗透率分析，能够帮助企业识别用户偏好，进行正精准的内容推送，提高用户满意度和忠诚度。仪表板部分数据模块可通过钻取、联动等交互方式进行数据透视，帮助企业更快识别业务关联性，提升运营效率。



「流量分析」仪表板（部分）

通过「流量分析」仪表板，企业可清楚了解到：
• APP、网页端、小程序、H5等不同渠道用户活跃度及内容消费UV、用户观看时长，以及其变化趋势；
• 用户活跃度、内容消费UV、用户观看时长同比上月的变化趋势；
• 直播、视频、图文等不同内容消费UV及渗透率；
• 免费渠道、付费渠道、自然流量及其细分渠道用户活跃度；
……
分析示例：观看时长分析
在仪表板的右上方，展示了APP、网页端、小程序、H5等不同渠道用户的平均观看时长，同时在其旁边展示了新客与老客的平均观看时长，通过钻取还可以更进一步看到新客或老客对视频、图文、直播不同内容的平均观看时长，帮助企业了解用户行为模式和偏好，制定更有效的运营策略，提升产品的长期价值。





观看时长分析（部分）

• 不同渠道观看时长分析：帮助企业了解各渠道用户行为和偏好，以制定更好地营销策略和投入资源，满足不同渠道用户的需求，提高用户体验和满意度。
• 新老客观看时长分析：帮助企业了解不同用户群体的行为和内容偏好，洞察新用户和老用户对内容的兴趣程度和吸引力，以及他们对产品的忠诚度和留存率，为产品优化与运营策略迭代提供参考。
观远BI 流量分析 DEMO体验03 用户行为分析，分群精细化运营

「用户分析」仪表板呈现了月活跃用户数、付费用户数、付费率等核心用户分析指标，帮助企业通过分析提高各节点转化率。并通过对用户分群，洞察连续活跃用户、沉默用户、流失用户、回流用户数量变化，以及访客地域分布情况，帮助企业优化用户运营策略。仪表板同时聚焦首单消费后的活跃和流失分析，帮助企业洞察用户生命周期，提升用户转化。



「用户分析」仪表板（部分）

通过「用户分析」仪表板，企业可清楚了解到：
• APP、网页端、小程序、H5等不同渠道月活用户数、付费 用户数、付费率走势；
• 不同用户群的数量变化；
• 首单消费后的活跃和流失用户情况；
……
分析示例：付费用户分析
在仪表板的上方，展示了付费用户总数，以及APP、网页端、小程序及H5各个渠道付费用户数量及其占比、MAU、付费率，以及总付费用户数中老客付费数与新客付费数及其比例。点击新老客付费用户数，下方MAU、付费用户数、付费率也会联动变化，帮助企业了解付费用户的行为、特征和需求，从而更好地为他们提供服务和产品。



付费用户分析（部分）

• 不同渠道付费用户数占比：了解不同渠道用户转化率情况、购买力情况，用以优化渠道选择和资源分配。
• 新老用户在不同渠道的付费率：了解新老用户在不同渠道的行为差异，以及新老用户在不同渠道服务的满意度与消费意愿等，用以调整渠道运营策略及优化服务质量。
观远BI 用户分析 Demo体验04 内容分析，打造精品爆款

「内容分析」仪表板呈现了新增素材数、新增通过审核数、新增发布数、重点主题新增发布数、内容生产主题分布等核心内容数据，以及其7天趋势变化、30天趋势变化，帮助企业洞察内容生产情况，提高内容生产漏斗转化率。在内容的具体表现上，仪表板通过对曝光量、浏览量、互动量、付费金额的统计展现，使内容表现更为清晰直观。同时，仪表板也对内容主题和TOP博主数据进行了呈现，帮助企业通过分析总结爆款内容生产方法论，提高内容转化。



「内容分析」仪表板（部分）

通过「内容分析」仪表板，企业可清楚了解到：
• 新增素材数、新增通过审核数、新增发布数、重点概念主题新增发布数变化趋势；
• 内容生产主题分布情况；
• 已发布内容曝光量、浏览量、互动量、付费金额等表现情况；
• 浏览量、互动量、付费金额三大维度下TOP内容创作者与内容排名；
……
分析示例：内容生产主题分布
在仪表板的中间，展现了新增素材、新增通过审核内容、新增发布内容、重点主题新增发布内容中美食、体育、影视、游戏、生活、科技等各主题的渗透率及排名。帮助企业分析用户对平台的活跃度和参与度，辅助企业调整运营策略，提高内容生产渗透率，带来更多的内容和更高的用户参与度，提高平台的活跃度和用户粘性。



内容生产主题分布

• 内容生产渗透率：指在特定时间段内参与内容生产的用户数量占总用户数量的比例。通过分析不同主题新增素材、新增通过审核内容、新增发布内容、重点主题新增发布内容的内容生产渗透率，可以洞察不同主题的内容生产情况，从而更好地制定内容策略和资源分配，也可以洞察用户对不同主题的兴趣策略，以帮助企业调整内容推广策略。
观远BI 内容分析 Demo体验建议体验一下更多的全场景电商数据分析 Demo
观远 BI 全场景 Demo 体验

从提问者的描述来看，应该是数据分析并不怎么了解，所以要回答如何自学数据分析，需要先回答以下三个问题

1 什么数据分析
2 数据分析在职场中实际的工作内容是什么
3 数据分析岗位都需要具备哪些知识和能力

只有了解了以上三个问题，才能对数据分析有个基本的了解，结合自己的实际情况，评估是不是真的适合数据分析这个岗位。答主之所以这么说，是因为平常见了太多人因为对一个行业不了解，抱着无限憧憬和幻想转行，结果发现却不是自己想要的，白白浪费了大量的时间和精力。
当然如果你适合，那可以认真看看该如何自学数据分析
那接下来讲的都是干货，未入行的同学有可能会看不太懂，为了让大家对数据分析有更加直观的认识，答主找了一个最近本人比较喜欢的前 IBM 数据分析大咖的基本算是免费的新课，为期 3 天，目的就是帮助大家对数据分析有个全面的认识，快速入门数分，有基本操作、有分析思维、有分析方法、更重要的是有分析案例，具有较强的带入感，感兴趣的同学可以报名参加，链接如下：

好了，现在就让答主开启数分大门，带着大家一起走入数分的世界

ps：个人对于业务数据分析经验比较丰富，以下所有的内容都是偏业务的数据分析

1 什么是数据分析


学术解释：指收集来的大量数据使用适当的分析方法进行分析,运用高效的分析工具将他们加以分类和汇总，并提取其中最有价值的信息,概况总结形成有效结论,挖掘数据最大价值的过程。

数据分析的四个层级



大家可能有点儿难理解，不过没有关系，这个是从宏观上对数据分析有个认识，答主举一个简单的例子，大家就明白啦
接下来看一组数据，来对概念进行一个详细阐述



这是一个汽车公司的每个地区的不同车型的销售数据
我们能从数据中看出什么呢？
接下来我们根据每个地区分组，对销量进行求和，通过柱状图进行展示



很明显，我们能够通过柱状图的高度，对比发现，西北地区的销售额最高，而西南地区的最低。
这就是我们发现的规律，针对这个规律我们就要分析为什么西北地区的销售额最高，西南地区的最低，找到原因之后，就要针对具体原因作出相应的决策，以此来提高整体的销售额。
注：这里只是为了举个简单的例子，暂且定义为其他条件都相等的情况下，各个地区具有可比性。
再来看一组数据这是关于每款车型在一年每个月的销量情况



我们对每款车型，利用折线图，进行每月的走势对比分析，如下图



我们发现，5 月的销量呈现断崖式下降，这就是我们发现的规律，接下来还是要分析为什么？ 是市场环境的问题？还是公司货源问题？还是突发情况造成的？假设我们通过跟业务部门沟通，确定原因是突发情况造成的，整体所有车型销量断崖式下降，该怎么办？这个时候，我们就想，已经发生了，那没办法呀？其实不是的，我们找到原因之后，要去考虑的问题是：公司为什么没有紧急预案，如果下次再出现类似情况，该怎么办？是不是要吸取教训，想好解决措施。

总结：
从上面两个小案例当中，我们发现数据分析其实就是对于一堆看似没啥用的数据，运用专业的分析方法和分析工具，发现数据背后隐藏的规律，通过总结分析得出有价值的信息，然后用于商业决策，也就是通过数据的科学方式来管理企业，而不是传统的凭经验，一拍脑袋，就这么干就完了。

2 数据分析在职场中实际的工作内容是什么


相信大家都听说过「表哥」、「表姐」、「SQL BOY」、「SQL Girl」这些其实都是数据分析岗位的同学自我调侃的说法，这种说法分三种情况
第一种：80% 的日常工作是取数、做表，那可能水平还没达到分析师的程度，最多算是个数据分析员吧，毕竟每个岗位也是有级别的
第二种：30%～50% 的日常工作是取数、做表，50%～70% 是分析类相关的工作，但是自己对于分析没有一套分析思路，分析的结论没有那么有价值，所以不敢标榜自己多厉害，就拿「SQL BOY」自我调侃了。
第三种：纯粹自我调侃，谦虚的说法。
所以，千万不要相信别人说的数据分析师只要会 SQL 就行，日常也就取数、做表，这些都是比较片面的，如同亲戚问你：「是做啥工作的，你说是坐办公室打键盘的」一样。
那数据分析师日常工作到底有哪些呢，其实各行各业都略有不同，因为行业不同、业务不同、公司发展水平不同、数据管理者水平不同，岗位定位不同，都会直接影响分析师岗位的工作内容，接下来答主就基于目前对于行业的认知，总体概括一下数分的工作内容，从易到难（侧重互联网行业）--【仅个人观点，不接受反驳，可接受讨论】

• 数据支持 比较繁琐的工作内容之一，根据其他部门的需求，提供临时所需数据 需要熟练掌握 Excel、SQL 等数据提取和清洗的能力开发数据报表 设计分析报表，涉及到日报、周报、月报等各种定期查看的业务报表 需要具备一定的报表设计能力及使用 BI 工具的能力，有公司自研的 BI、或外采的 BI：如 FineReport、Tableau 等
  

数据监控，归因分析 日常监控数据，发现问题并分析原因，提出可落地的建议方案，如：某天销售额大幅下降，该怎么办？ 需要具备一定的分析逻辑、业务了解程度、运用适当分析方法及统计学知识

• 搭建指标体系 建立在对业务的模块、流程理解的基础之上，搭建业务指标体系，指标是可以反应业务发展状况好坏的一个标准，建立多个指标的关联关系，可以反应业务各个环节的发展情况，当一个重要指标出现问题时，便于核查原因，快速定位问题。 需要具备全局思维、宏观框架、业务的全面理解，虽然很多 JD 都有这条，但是实际操作起来很难，真正做好的分析师不多。
  
• 专题分析 针对业务中某个痛点进行专题分析，聚焦范围，深入钻研，并出具专题分析报告； 需要具备钻研精神、深入了解业务，必要时需要用到算法模型（辅助完成），这个对数据分析师具有很高的要求，也是分析师能力的最佳体现。
  
• 分析模型研究 渠道分析、漏斗分析、用户行为分析、路径分析、留存分析、RFM 模型、AARRR 模型、用户生命周期模型、AIPL 模型等不同协作对象职责略有不同主要与运营同学协作 除了日常数据监控、归因分析、专题分析外，还需要参与运营活动分析、营销策略分析、用户画像分析主要与产品同学协作 新产品 A/B 测试、功能转化分析、数据产品设计计算规则等等
  

数分天花板很高，需要持续性的学习研究
3 数据分析岗位都需要具备哪些知识和能力


答主绘制了一张图，这块儿就不展开讲了，因为内容太多。




4 如何自学数据分析


这里主要针对未从事过数分岗的同学来说，答主自己从事这个行业也是 7 年+了，也积累了一些自学的经验，并且把它整理了出来，大家可以参考以下链接：https://zhuanlan.zhihu.com/p/116509353，按照目录学习。

4.1 快速具备硬实力，毕竟会工具才是敲门砖


尽管数据分析不是只会工具就可以，但是不会工具也是万万不能的，所以最开始还是要从工具学起，毕竟做数据分析第一步也就是获取数据，连取数都不会，何谈分析。
相信大家都会搜到很多数据分析入门的推荐书籍，其实答主本人倒不建议一上来就买一堆书，看了一段时间觉得枯燥就放弃了，反而扼杀了大家对于数分的浓厚兴趣，答主建议还是从视频学起，市面上还是有很多关于数分课程的免费课程的，比如知乎。

4.2 学习分析思维、分析逻辑，建立基本的分析意识


这块儿与工具就有所不同了，还是建议大家买点相关的数据分析思维的书籍看看，毕竟思维是需要刻意练习的，答主常看的书籍有《增长黑客》《深入浅出数据分析》《精益数据分析》这几本可以先看其中一本，其实买电子书也成；除了看书之外呢，还得看视频，但这块儿的视频就得好好选选了，我也见过市面上一些培训机构讲这块儿内容，说实话都有点偏理论了，因为这块儿需要实战案例做支撑，才能讲透彻，但是数据分析因为涉及到数据保密和安全的问题，大部分案例都无法直接获取，需要数据脱敏后方可，这个是需要有经验的和用心做课程的人才能做好。
答主找了一个最近本人比较喜欢的前 IBM 数据分析大咖的基本算是免费的新课，为期 3 天，目的就是帮助大家对数据分析有个全面的认识，快速入门数分，有基本操作、有分析思维、有分析方法、更重要的是有分析案例，具有较强的带入感，感兴趣的同学可以报名参加，链接如下：
链接放这里啦



4.3 向有经验的人请教，了解数分实际场景


自己找视频、看书学习是最直接，也是比较有效的方式，但是对于一个未知岗位而言，心里总是好奇数据分析到底都做啥工作，到底难不难，这个时候如果能有认识的在数分岗的人，那就最好不过了，可以多向他请教一些日常工作的一些小案例，遇到的一些问题等，帮助自己去对数据分析有进一步的深层次的了解。
但是，大家不要把数分想象的那么神秘，把数据分析师这个岗位想象的那么仙气，毕竟我们也是要吃大米饭的（答主是吃馒头的），很接地气的，也没有大家想象的那么难，偶尔会有难题，比如答主做分析报告的时候，每次都要加好几天班，抓耳挠腮，眉头紧锁，神神叨叨，自言自语；但是大部分时间都是能正常应对的。

4.4 积累实战案例，作为面试时的谈资


这个也是一个很重要的课题，没有数据分析经验，但是又要找工作时，简历上该如何体现自己的数分实力呢，光写自己会啥也没人信呐，所以还是需要有项目案例的，可是有的人就说我不入行，哪来的经验，成死循环了。
其实，实战案例还是可以积累的，就是需要大家从市面上找相关的培训课程了，里面会有实战案例，但是一定要认真对比，答主找了一个最近本人比较喜欢的前 IBM 数据分析大咖的基本算是免费的新课，为期 3 天，目的就是帮助大家对数据分析有个全面的认识，快速入门数分，有基本操作、有分析思维、有分析方法、更重要的是有分析案例，具有较强的带入感，感兴趣的同学可以报名参加，链接如下：
<a data-draft-node="block" data-draft-type="edu-card" data-edu-card-id="1603446066053160961">本文作者：@七七

使用 App 查看完整内容目前，该付费内容的完整版仅支持在 App 中查看
🔗App 内查看

8年电子商务经验，3年新媒体内容赛道产品和运营经验，陪跑2000+商家。电商该如何做数据分析，分享一下我的经验。
首先，做电子商务做数据分析，我们需要知道的是电商数据是什么？
其实许多做电商运营很多年的人，都不知道电商数据是什么，以及是用来干什么的？
其实电商数据就是用来记录用户行为的数字信息，包括用户的注册、登录、流量、点击、消费、复购等一系列行为习惯的量化数据。
在我们知道电商数据是用来干什么的后，还需要知道我们需要分析哪些数据？
小编先给个福利~
文章同款电商运营相关的行业模版，可以自定义修改，拿来就能用～
福利戳这里>>>
扫码加客服即可领取伙伴云16套数据可视化模版
一、电商运营要分析哪些数据

电商比传统零售要懂的数据复杂得多，数据来源渠道也很多样化，需要的基础数据一般有：
营销数据：包括营销费用、覆盖用户数、到达用户数、打开或点击用户数，由此衍生出人均费用、营销到达率、打开率等指标。
流量数据：包括浏览量（PV）、访客数（UV）、登陆时间、在线时长等数据。
会员数据：包括会员姓名、出生日期、真实性别、网络性别（根据购物行为判断所得）、地址、手机号、微博号、微信号等基础数据，以及登陆记录、交易记录等行为数据。
交易及服务数据：包括交易金额、交易数量、交易人数、交易商品、交易场所、交易时间、供应链服务等数据。
行业数据：做电商，了解行业数据非常必要，如淘宝的数据魔方提供行业品牌的关键词搜索、店铺排名、销售、会员等数据查询。
在我们了解到需要分析的数据后，做好数据分析最重要的一步就是找到合适工具
小编给大家介绍一下做数据分析常用的工具~
二、电商数据分析常用的工具有哪些？

电商数据来源广泛，常规的流量数据、交易数据、会员数据在品牌的交易平台都有提供。除了Excel外，一些第三方网站也提供数据源及分析功能，比如以下几种：

1.伙伴云：一款在线可视化分析工具，使用门槛非常低，可以直接导入Excel也可以手动建表作为数据源，不需要掌握Excel复杂的函数，费劲吧啦的搞数据透视表就可以生成好看的数据看板。
2.百度统计：包括流量相关的网站统计、推广统计、移动统计三部分内容。分析内容包括趋势分析、来源分析、页面分析、访客分析、定制分析和优化分析。
3.谷歌分析：包括流量分析工具、内容分析、社交分析、移动分析、转化分析、广告分析几部分内容。
4.Crazy egg热力图：主要特色是对页面热点追踪分析的热力图。
5.CNZZ数据专家（友盟）：包括站长统计、全景统计、手机客户端、云推荐、广告管家、广告效果分析和数据中心等。
6.一些无需埋点监测数据的产品，如GrowingIO、神策数据、诸葛io等。
以上这些软件，多多少少我都用了个遍
我最喜欢用的还是目前市场上大热的可视化数据分析工具——伙伴云。

它是一款集大数据分析、可视化报表、智能办公桌面于一体的BI分析工具，通过简单拖拽即可实现电商运营中日常的数据经营分析、业务关键指标汇总，帮助电商企业做出明智的决策。
下面，小编我就根据自己的使用经验，给大家分享一下~
1、伙伴云在电商运营数据分析上的优势

（1）多电商平台数据联动式分析
伙伴云可将多个电商平台数据通过API接口同步到伙伴云系统中，实现数据的智能管理及联动式分析，让各渠道之间库存公开透明，实现相互调拨及统一运营。



（2）数据分析更准确、速度更快
伙伴云在后台智能匹配数据、执行运算分析后，即可将分析结果直观呈现在数据可视化图表上，生成图形化的分析报表，而整个过程，仅耗时数秒。
（3）上手门槛低，操作更灵活
电商运营人员可根据实际分析需求，通过拖拉拽、点击式操作迅速制作数据可视化分析报表；还能随时从多个终端上秒开报表，并从自身立场出发做自助式数据分析，快速进行针对性数据分析，掌握与自身工作内容息息相关的数据信息。



2、如何通过伙伴云进行电商数据可视化分析？

第一步：创建/导入表格数据
按照各平台提供的信息设置好表格结构，通过上传EXCEL-预览数据-匹配字段三个步骤，最终导入数据。



导入成功后，返回表格列表页即可看到导入的全部数据，页面右上角可随时通过导入功能批量增改数据，如下图所示。还可通过选项字段（如订单状态）来区分订单的完成情况，方便进行统计分析，调整销售渠道的配货策略。



第二步：配置仪表盘
进入伙伴云工作区后台，选择创建仪表盘，选择相应的图表&筛选组件，就可以自定义配置仪表盘了。伙伴云提供饼图、漏斗、地图等20余种图表分析样式，点击组件可快速添加图表。



第三步：设置不同角色工作台
工作区管理员可以根据成员角色的不同，为各自的工作台设置不同权限。如：
业务主管可以在工作台查看售后处理情况以及售后趋势；也可以对售后处理人的处理单量、售后处理时长、团队排行等进行多维度数据分析，随时掌握订单售后处理情况，督促售后人员工作更高效！



售后人员可以在其工作台查看工作待办日历、商品售后处理情况、售后责任方占比、售后情况处理量......根据数据调整优化自己的工作节奏。



第四步：更新数据源，生成新报表
如果各电商平台数据有所更新，只要及时更新数据源，就能每天生成新报表。这样，后台订单数据只要有更新，管理层即可多平台实时查看，全流程订单信息自在掌控！



以上图源：均来自伙伴云数据可视化分析模板
以上就是小编基于经验，对于伙伴云系统的分享~
怎么样，看完后，您是否也想上手体验伙伴云这款数据可视化分析工具呢？
点击下面链接，领取伙伴云数据可视化模版，里面就有电商运营相关的行业模版，可以自定义修改，拿来就能用～
福利戳这里>>>
【直接用】16套数据可视化报表模板（人力、销售、财务、运营）

第一步：

首先感觉题主需要一个通用版的数据分析入门思维，比如AARRR（海盗模型），电商行业数据分析的思想也是万变不离其宗：



第二步：

感觉题主需要一个如何真正实现数据分析的流程，就像这样：



这里的业务指的是电商行业的具体业务，我相信题主的问题主要可以关注两个环节：一个是构建指标体系，一个是数据分析+验证迭代。
第三步：关注什么指标？

总体运营指标

• 活跃用户数、新增用户数
  
• 总订单数量、访问到下单转化率
  
• 成交金额(GMV)、销售金额、客单价
  
• 销售毛利、毛利率
  

流量指标

• 新增用户数、页面访问数
  
• 用户获取成本
  
• 跳出率、页面访问时长、人均页面访问数
  
• 注册会员数、活跃会员数、活跃会员率、会员平均购买次数、会员回购率、会员留存率
  

销售指标

• 加入购物车次数、加入购物车买家数、加入购物车商品数、购物车支付转化率
  
• 下单笔数、下单金额、下单买家数、浏览下单转化率
  
• 支付金额、支付买家数、支付商品数、浏览-支付买家转化率、下单-支付买家转化率
  
• 交易成功/失败订单数、交易成功/失败金额、交易成功/失败买家数、交易成功/失败商
  品数、退款订单量、退款金额、退款率
  

客户价值指标

• 累积购买客户数、客单价
  
• 新客户数量、新客户获取成本、新客户客单价
  
• 消费频率、最近一次购买时间、消费金额、重复购买率
  

市场营销活动指标

• 新增访问人数、新增注册人数、总访问次数
  
• 订单数量、下单转化率
  
• ROI
  

第四步：如何分析？

每一个指标都有不同的作用，传递数据分析思想人人有责~
姑且举几个场景栗子来解说一下简单利用通过数据分析方法解读指标是什么样子：
比如渠道分析：
渠道推广的顺序:曝光——点击——下载——注册——付费。
一般来说，渠道运营核心数据是有效注册数，其次是付费用户数，最后是 arpu 值。对于渠道
运营来说，以最终的收益来考核 ROI，是不科学的，因为渠道很难把控付费频率及付费额度，
这个取决于品牌、内容、用户、活动、营收各方面。而对于付费用户数，取决于付费率，付费
率由渠道质量与用户运营决定，但是如果渠道质量够好，即便后端的用户运营与产品体验一
般，付费率还是可以的。所以，建议渠道运营的核心指标是有效注册用户数，兼顾付费率(注
册到付费的比例)。
再比如用户运营：
针对用户的购物转化引导，需要对不同的用户群体采取不同的运营方式。对用户盲目采取推送
或通知等运营策略，可能会给用户带来不好的体验，对转化起到反向效果。 对于电商产品的用
户，其活跃度、商品偏好、消费能力、消费频次等都各异，需根据这些不同维度划分为不同群
体:
根据活跃度:新增活跃用户、活跃老用户、沉默用户、流失用户...
根据商品偏好:美妆类、母婴类、零食类、电子产品类、书籍类...
根据消费能力:普通会员、黄金会员、白金会员、钻石会员...
根据消费频次:每周一次及以上、每月1-2次、三个月2次、两个月1次、三个月或更久一次...
..…
用户运营其实是精细化运营的核心部分之一，精细化运营也是随着产品智能而来的一个更加重要的概念，主要目的主要是为了充分利用资源，减少拉新成本，同时培养用户粘性，让用户从天使轮用到 IPO。建议阅读一下这篇文章：做个了解用户的精细化运营喵



你不读我贴给你看嘛~
由于人民日益增长的物质文化需求同落后的互联网 er 生产力之间的矛盾，导致用户经常喜新厌旧，如何利用有限的资源，从一众竞品中杀出重围，变得尤为重要，所以越来越多的人提出了精细化运营的概念，主要目的主要是为了充分利用资源，减少拉新成本，同时培养用户粘性，让用户从天使轮用到 IPO。
精细化运营到底是什么？我有一个思路如下图。



图1 大数据时代下的精细化运营框架
所以基于 Event-User 模型的精细化运营分为三个步骤：
1. 了解用户属性 + 洞察用户行为；
2. 实现用户细分；
3. 根据策略进行精细化运营。
1.了解用户属性

了解用户的过程，实质上是一个为用户打上不同标签并分群的过程。用户的信息可以从内在属性、外在属性和业务属性等等很多方面来交叉分析。比如内在属性由客户内在因素决定，如姓名、性别、年龄等，外在属性包括城市、联系方式、教育程度、手机机型、屏幕大小等，业务属性则需要根据自身业务进行设定，如电商平台包含首次注册时间、首次下单时间、VIP 等级等。


图2 神策数据电商 DEMO 用户属性示例
通过属性数据的补充，每一位用户的形象逐渐丰富，“脾性”将被摸清，如
王小明，25，单身未婚，最近访问时间凌晨 3：00；
张小红，23，广东人，电商网站 VIP 黄金会员；
然后你就知道张小红沉迷网购，王小明有恋爱需求了……
了解用户属性是一个长期积累数据的工作，功夫要下在日常中，如薄荷网的用户信息补充步骤、阴阳师的游戏内调查问卷等，这有助于运营对用户进行分别的管理。
2  洞察用户行为

Event-User 模型是一个很常见的数据模型，通过这个模型，可以很方便地记录用户及其行为。其中 Event 表示用户在 Web/App 上的操作，例如登录 APP、浏览商品、加入购物车、提交订单、支付订单、收藏商品等行为，通过这些用户行为流，我们可以了解用户的行为习惯，进而为精细化运营做准备。




图3 神策数据电商 DEMO 用户行为（事件）示例
对用户行为进行分析，有助于运营同学了解到用户使用 Web/APP 的习惯，如用户登录时间段、常点选的广告位、偏爱的服装品牌等，进而为用户准备更吸引人的内容，改进产品界面排布，优化用户体验。
比如，张小红收藏商品较多，购物车里商品较多，支付订单次数较少，可能是因为推荐的商品价格过于昂贵，可以尝试推荐价格较为低廉的商品，提高购买率。
3 基于用户细分的精细化运营

用户分群是一个人工筛选的过程，大数据为用户分群提供了丰富的可能性，如通过用户属性为用户打标签，或通过用户行为进行用户画像。标签是通过人工高度提炼的特征标识，而分析的维度越丰富，则用户分群做的越精准。
基于高度用户细分的用户分群，我们可以对产品进行精细化运营，如对高价值用户进行精准推送，对已流失的用户进行用户召回，对低回访率用户举办线上活动促活等。
以精准推送为例，精准推送是基于我们前期对用户全貌进行的勾勒和分群工作，二者缺一不可。神策数据可以将已有的 Web/APP 用户通过“用户分群”功能划分为不同群体。如下图，利用神策数据的用户分群功能，我们将上周注册且 APP 元素点击次数为 0 的用户存储为用户分群“未激活用户”。针对这类注册了但是没有用起来的用户，我们需要在短时间内推送他们最感兴趣的内容，如免费试用、限时优惠、新人礼包等。


图4 神策数据用户分群功能示例
还可以直接查看不同数据分析模型的具体用户明细，并保存为分组，作为推送对象。


图5 神策数据针对某流失人群进行精准推送

感谢您读完本篇文章，毕竟广告事小，数据分析事大，以及分享数据分析干货不易，来个赞呗~

电商行业，我觉得可以从以下几个维度去分析数据:
电商一般有这些数据指标，差不多就够了，可以参考下：
1、订单数据（销量数据）
订单模板分享：
https://me.bdp.cn/share/index.html?shareId=sdo_59e396fbece4d11cb06ec0a6d9292c8e
2、购买用户行为数据
用户模板分享：
https://me.bdp.cn/share/index.html?shareId=sdo_a77fa6b9e48a19e02cc2923f46618344
3、商品数据
https://me.bdp.cn/share/index.html?shareId=sdo_9e4ae63d9e781a2b8d9dd85af3212060
4、客户咨询数据；
咨询模板分享：
https://me.bdp.cn/share/index.html?shareId=sdo_40f607d5b15157efb5a432ddd29157e6
5、推广投放数据；
投放模板分享：
https://me.bdp.cn/share/index.html?shareId=sdo_1aca4cbbcad96dc7559d0ba1ad2be5a1
大概总的数据维度就是这些，以上显示的数据都不是真实的数据，给大家提供数据思路，供大家参考！欢迎补充。