电商数据分析指标体系

左手的ㄟ右手 2022-02-27 07:08 412阅读 0赞

原文地址：[电商数据分析指标体系][Link 1]

## 数据分析的五大思维方式。 ##

首先，我们要知道，什么叫数据分析。其实从数据到信息的这个过程，就是数据分析。数据本身并没有什么价值，有价值的是我们从数据中提取出来的信息。  
![这里写图片描述][70]

然而，我们还要搞清楚数据分析的目的是什么?

目的是解决我们现实中的某个问题或者满足现实中的某个需求。

那么，在这个从数据到信息的过程中，肯定是有一些固定的思路，或者称之为思维方式。下面给你一一介绍。(本文用到的指标和维度是同一个意思)

##### 第一大思维【对照】 #####

【对照】俗称对比，单独看一个数据是不会有感觉的，必需跟另一个数据做对比才会有感觉。比如下面的图a和图b。

图a毫无感觉  
![这里写图片描述][70 1]

图b经过跟昨天的成交量对比，就会发现，今天跟昨天实则差了一大截。  
![这里写图片描述][70 2]

这是最基本的思路，也是最重要的思路。在现实中的应用非常广，比如选款测款丶监控店铺数据等，这些过程就是在做【对照】，分析人员拿到数据后，如果数据是独立的，无法进行对比的话，就无法判断，等于无法从数据中读取有用的信息。

##### 第二大思维【拆分】 #####

分析这个词从字面上来理解，就是拆分和解析。因此可见，拆分在数据分析中的重要性。在派代上面也随处可见“拆分”一词，很多作者都会用这样的口吻：经过拆分后，我们就清晰了……。不过，我相信有很多朋友并没有弄清楚，拆分是怎么用的。

我们回到第一个思维【对比】上面来，当某个维度可以对比的时候，我们选择对比。再对比后发现问题需要找出原因的时候?或者根本就没有得对比。这个时候，【拆分】就闪亮登场了。

大家看下面一个场景。

运营小美，经过对比店铺的数据，发现今天的销售额只有昨天的50%，这个时候，我们再怎么对比销售额这个维度，已经没有意义了。这时需要对销售额这个维度做分解，拆分指标。

销售额=成交用户数*客单价，成交用户数又等于访客数*转化率。

详见图c和图d

图c是一个指标公式的拆解  
![这里写图片描述][70 3]

图b是对流量的组成成分做的简单分解(还可以分很细很全)  
![这里写图片描述][70 4]

拆分后的结果，相对于拆分前会清晰许多，便于分析，找细节。可见，拆分是分析人员必备的思维之一。

##### 第三大思维【降维】 #####

是否有面对一大堆维度的数据却促手无策的经历?当数据维度太多的时候，我们不可能每个维度都拿来分析，有一些有关联的指标，是可以从中筛选出代表的维度即可。如下表  
![这里写图片描述][70 5]

这么多的维度，其实不必每个都分析。我们知道成交用户数/访客数=转化率，当存在这种维度，是可以通过其他两个维度通过计算转化出来的时候，我们就可以【降维】.

成交用户数丶访客数和转化率，只要三选二即可。另外，成交用户数\*客单价=销售额，这三个也可以三择二。

##### 第四大思维【增维】 #####

增维和降维是对应的，有降必有增。当我们当前的维度不能很好地解释我们的问题时，我们就需要对数据做一个运算，增加多一个指标。请看下图。  
![这里写图片描述][70 6]  
我们发现一个搜索指数和一个宝贝数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/宝贝数=倍数，用倍数来代表一个词的竞争度(仅供参考)。这种做法，就是在增维。增加的维度有一种叫法称之为【辅助列】。

【增维】和【降维】是必需对数据的意义有充分的了解后，为了方便我们进行分析，有目的的对数据进行转换运算。

##### 第五大思维【假说】 #####

当我们拿不准未来的时候，或者说是迷茫的时候。我们可以应用【假说】，假说是统计学的专业名词吧，俗称假设。当我们不知道结果，或者有几种选择的时候，那么我们就召唤【假说】，我们先假设有了结果，然后运用逆向思维。

从结果到原因，要有怎么样的因，才能产生这种结果。这有点寻根的味道。那么，我们可以知道，现在满足了多少因，还需要多少因。如果是多选的情况下，我们就可以通过这种方法来找到最佳路径(决策)。

#### 构建电商数据分析的基本指标体系，主要分为8个类指标 ####

1.  总体运营指标：从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商平台有个大致了解，到底运营的怎么样，是亏是赚。  
    ![这里写图片描述][70 7]
2.  站流量指标：即对访问你网站的访客进行分析，基于这些数据可以对网页进行改进，以及对访客的行为进行分析等等。  
    ![这里写图片描述][70 8]
3.  销售转化指标：分析从下单到支付整个过程的数据，帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。  
    ![这里写图片描述][70 9]
4.  客户价值指标：这里主要就是分析客户的价值，可以建立RFM价值模型，找出那些有价值的客户，精准营销等等。  
    ![这里写图片描述][70 10]
5.  商品类指标：主要分析商品的种类，那些商品卖得好，库存情况，以及可以建立关联模型，分析那些商品同时销售的几率比较高，而进行捆绑销售，有点像啤酒喝尿布的故事。  
    ![这里写图片描述][70 11]
6.  市场营销活动指标，主要监控某次活动给电商网站带来的效果，以及监控广告的投放指标。  
    ![这里写图片描述][70 12]
7.  风控类指标：分析卖家评论，以及投诉情况，发现问题，改正问题  
    ![这里写图片描述][70 13]
8.  市场竞争指标：主要分析市场份额以及网站排名，进一步进行调整。  
    ![这里写图片描述][70 14]  
    以上总共从8个方面来阐述如何对电商平台进行数据分析，当然，具体问题具体分析，每个公司的侧重点也有所差异，所以如何分析还需因地制宜。

部分资源来自知乎，作者华天清 如有侵权，请告知达妹，必定及时删除。

[Link 1]: https://blog.csdn.net/weixin_42619659/article/details/81905586
[70]: /images/20220227/116a6543403f4f979a867b507fa3eb2f.png
[70 1]: /images/20220227/645c114e075b40e9bc8d2519ae48c0ea.png
[70 2]: /images/20220227/e79ecf6856264cc9984ae785a64b6186.png
[70 3]: /images/20220227/26cf31e203824f25ac6478158acda46e.png
[70 4]: /images/20220227/16ad490b7a564827a712beffe977dc58.png
[70 5]: /images/20220227/be61f7952543499cbcc91d3fa916651c.png
[70 6]: /images/20220227/51ebce10401e4aefa389bc7af0e6c89d.png
[70 7]: /images/20220227/ce648dbeabc0418c94d41727a2e5ea00.png
[70 8]: /images/20220227/dd3709a0a2df4c5e96a79f3f9369e6a8.png
[70 9]: /images/20220227/7f87e5b910a84c1090cb8a8a698d3aff.png
[70 10]: /images/20220227/37be9416fcb04e7c8c5bff1f676cc943.png
[70 11]: /images/20220227/9cc1a2ce7453459fa8f09c429e6e532d.png
[70 12]: /images/20220227/9c2fb916a5af41b1ade1d818fc3b86dd.png
[70 13]: /images/20220227/f5fd4525cba24178b913047bbf3b71ba.png
[70 14]: /images/20220227/3fb798c97283467dbf6424270f611145.png