《电子商务数据分析方法及案例》由会员分享，可在线阅读，更多相关《电子商务数据分析方法及案例（9页珍藏版）》请在金锄头文库上搜索。
1、电子商务数据分析方法及案例 泛泛地说，数据就是信息，日常工作和生活，到处都有数据分析的影子。比如我们作为消费者在购买不同商品前，经常会对其“性价比”做简单的分析，价格表现为固定的货币数字，性能则具体体现在商品质量、服务质量等客观因素和我们本身对该商品的需求程度等主观因素上。如果决策的逻辑非常明确，是购买“性价比”高的商品，并且我们可以量化各种影响商品性能的因素并将其简单相加，那么通过这个“性价比”分析，我们可以直接做出购买决策。 从这个例子，我们可以大约了解数据分析中的一些要素，如明确的细化的分析目标和分析对象，决策背后的逻辑（购买性价比高的商品）、可度量的数据指标（无法度量就难以改进）等。
2、具体地，我们简单总结了数据分析的流程，如下： 1. 明确分析对象和目标，在电子商务数据分析中，我们的分析对象可能是广告投放状况，页面，访客，成交用户等，分析目标可能是找到销售额降低的原因，并提出可操作的改进措施等； 2. 对分析对象确立合理的KPI。合理的KPI 包括关键指标的设定和对该指标的合理“预期”值。比如，我们分析网站一个按点击付费的广告的效果，那么广告展现量、点击率、点击量、点击单价、引导成交金额、投资回报率等都可以是关键指标。假设我们根据电子商务网站“赚钱的商业目的”选择以点击单价和投资回报率作为关键指标，那么我们还 需要为这两个指标设定合理的预期值，因为没有合理的预期值，我们甚至
3、难以判断做得好还是不好，分析更无从下手了。预期值的设定需要我们对其他影响因素（如广告预算，网站商品的竞争力）和分析对象本身（如当前的点击单价是历史峰值还是低值等）都有客观的认识。确认了这两点，我们就可以开始从各种角度进行进一步的分析评价，获得客观、有用的观点来指导决策。 3. 当我们开始进入具体的“操作数据“的阶段后，我们并不需要复杂的挖掘算法或高端的分析软件，通常，掌握”细分、对比和转化“的分析手段，就足以帮我们完成各种数据分析任务了。 3.1 细分可以让我们对分析对象剥丝抽茧，逐步定位到问题点，细分的角度可以有很多， 越细分越能准确描述问题（但过度的细分却不方便我们的”客户“形成统计数据的
4、感觉）。比如我们确认了”广告点击单价过高“的问题，那么我们可以通过多角度的细分，如投放商品，投放位置，投放时间段等角度去找到引起“广告点击单价过高”的原因。 3.2 数据对比主要是横向和纵向两个角度，指标间的横向对比帮助我们认识预期值的合理性，而指标自身在时间维度上的对比，即我们通常说的趋势分析。我们对分析对象，如广告投放，的一系列优化操作，往往只有通过数据指标再时间轴上的前后对 比，才能判断出这些操作的效果。 3.3 分析对象往往是一些“结果”型指标，这种结果的形成通常涉及到多个步骤。如网站的销售额，可以分解成“访客数*转化率*客单价”，网站的广告点击量可以分解成“广告展现量*点击率*点击到
5、达率“等，对每个细分的转化步骤的分析，也可以帮助我们迅速找到问题点。 电子商务数据分析 具体到电子商务，量子恒道团队总结了行业常用的并且已经在量子恒道数据产品中得到应用和实践的分析方法，供大家参考。 量率度分析 1. 分析方法介绍： 销售额的变化，可以从访客数、全店成交转化率、客单价三者的变化中得到解答。访客数即UV，指全店各页面的总访问人数；全店成交转化率指成交用户数占访客数的比例；客单价指平均每个成交用户的成交金额。 访客数与全店成交转化率的乘积即成交用户数，分析这两个数据，我们可以了解成交用户数的构成及变化，不同来源渠道的访客数量及质量，进而寻找能有效促进销售额增长的点，如增加高转化率的
6、来源的访客数，优化高访客数登陆页的页面等。 全店成交转化率与客单价的乘积可理解为平均每一个UV 带来的价值，该数据值是引流成本的参考值，可以帮助我们制定合理的广告策略，同时分析这两个数据，我们可以了解不 同经营活动的影响，如“打折促销”在提高全店成交转化率的情况下，如果没有更多刺激用 户购买，是否会明显降低客单价等。 上图是某天猫旗舰店12 年9 月份经营过程中，不同天里的数据表现。T1 天是该店铺在该季节下，正常经营状况下的数据表现，这里，我们通过量率度分析方法对黄色区域的数据进行解读。 T1+1天时，该店铺销售额变为T1 天的4.38 倍，其中访客数增长86%，成交转化率增长53%，客单价
7、增长53%，人均成交件数增长8%。 分析该网站主要的流量来源变化，可知从周末到周一，各渠道的流量均有显著增长，并且对比免费流量和付费流量的增长幅度，我们可以判断周一时该店铺显著加大了广告流量的投入，这解释了访客数的变化原因。 客单价显著上升，但人均成交件数并没有相应幅度的提高，即该店铺销售的商品的单价变高。查看该店铺的宝贝销售排行并与T1 天对比，发现该店铺在周一时上新了一款高价单品，带来了大量销售，另外有一款低价商品，也贡献了很高的转化率。 至此，通过量率度分析，我们可知，T1+1 天时，该店铺上新，新商品单价较高 （做了相应折扣提高了转化率），并且相应做了大力推广，从而促进了销售额增长。同
8、样，对T2+1 和T3+1 天的销售额剧增状况，我们也可以通过量率度分析得到解答，亲，你们能猜到数据背后的原因么？ 漏斗分析 1.分析方法介绍： 分析广告的引流效果时，我们可以通过广告点击漏斗，从广告展现量广告点击量（广告展现量*点击率）入站次数（广告点击量*广告点击到达率）跳失数（入站次数*跳失率）几个步骤来分别解读引流目标在各个阶段的流失情况，帮助我们判断广告在哪个阶段具有较大的优化空间，从而提高广告引流效果。 访客访问一个网站，有入店，在不同页面间跳转浏览，出店三个过程。网站的成交转化漏斗，可以帮助我们了解访客在网站各个步骤的流失情况，了解访客进入网站最终却未产生购买的原因，是首页质量较
9、差，访客一进入网站就关闭退出呢，还是网站导航搜索体验不好，访客未能找到需要的商品，甚至是不是因为不同浏览器支持的支付工具的问题，导致访客辛辛苦苦填完订单后却未能顺利支付呢？成交漏斗分析，可以帮我们一一解答。 2.案例：某网站转化漏斗分析 图1是某B 2C 网站9 月底至10月中旬，全部访客在网站的跳失率和支付率变化趋势图； 图2 是该网站的推车率和下单率变化趋势图。 通过对上述两图的分析，我们可以得到网站背后的什么信息呢？ 网站的跳失率维持在70%左右，即70%的访客进入网站后并未浏览其他页面即离开，当然就不可能产生购买，如果我们更深入地分析高跳失率的流量来源或高跳失率的登陆页面，那么我们也许
10、就可以找到改善该指标的方法。所幸的是，十一长假以后，该网站的跳失率明显降低。细心的读者也许会发现，这一时间段，网站的推车率（将商品加入购物车的用户的比例）和下单率（成功填写完订单的用户的比例）却有下降的趋势，要探究背后的原因，我们需要对流量做更多的细分分析，暂不作为本案例的讨论点。 网站的推车率水平为4.5%左右，下单率为1.5%左右，支付率为55%左右，这说明4.5%的访客将商品加入了购物车，而其中有 30% （4.5%*30%=1.5%）的人成功填写了订单，而这些人中又有55%的用户最终成功完成了支付，成为了网站的成交用户。是不是很有意思，哪一个转化步骤的流失显著高于行业水平，或者比预想的
11、差很多，那么我们就可以去探究它的深层次的原因，并且找到对应的解决办法。 用户分析 1.分析方法介绍： 我们把电子商务理解为传统行业（一般我们指商品零售相关的）在互联网上的应用。而传统零售业的用户管理至关重要，大部分的电子商务企业也越来越认识到会员管理的重要性。 这里，我们提出用户成本和用户质量分析的方法，希望对电子商务企业的会员管理能有一些帮助。 直觉地看，电子商务企业的收入由成交用户贡献，企业要最终实现盈利，平均每一个用户贡献的利润水平，需要至少覆盖获得该用户的成本。新用户的获得需要我们投入一定的成本（如广告投入，商品让利促销等），老用户也需要我们有相应的投入来维持，而每一个用户在网站的成交
12、金额（订单金额*成交次数）及表现出来的时间间隔都有一定的特征，如果我们从用户成本和用户质量这一角度进行分析，可以很好地指导我们进行经营决策。 2、案例：某网站11 年底新用户成本质量分析 该网站11 年底正常运营获得12600 名新用户，花费市场费用50 万，则每一个新用户获得成本为40 元，在首次购买中每个用户贡献38 元的毛利，而平均每个新用户需购买1.11次，该网站才能收回成本，经计算，这批用户在未来 3 个月内产生重复购买的比例为 30%，即这批用户在未来三个月，平均每人还能贡献 10.8 元（客单价 120*毛利率 30%*复购率30%=10.8 元）的毛利，加上首次购买的毛利，足以
13、覆盖新客获得成本。 同期，该网站进行了一个团购活动，对商品进行了较大程度的让利，以较低的市场费用获得了3000 名新用户，新用户获得成本为13.3 元，但每个用户的毛利率仅10 元。另外，由于这批团购用户对价格较为敏感，在网站后来3 个月的正常运营过程中，产生重复购买的比例为15%，即即这批用户在未来三个月，平均每人还能贡献10.8 元（客单价120*毛利率30%*复购率15%=5.4 元）的毛利，加上首次购买每人贡献的10 元毛利，仍不足以覆盖16.7 元的新客获得成本。 当然实际分析情况，可能较上述更为复杂，不同活动内容不同时间周期，数据千变万化。但这里我们重点希望提出的是“用户成本与质量”的分析方法，帮助电子商务网站解读用户的价值，从而更好地进行经营决策。 结语 电子商务是传统商业和互联网的结合，那么电子商务的数据分析也自然的是传统商业数据分析和网站分析的结合。对电子商务进行数据分析的指标和角度有很多，我们推出量子恒道-电子商务数据分析白皮书将一些行业常用的指标进行统一规范，并且向读者推荐贯穿我们数据产品（网站统计、量子恒道店铺经和量子恒道电商分析）的一些分析方法，希望能对广告的电商从业者有一些帮助。
