电商运营—数据分析维度及方向把控

既然不是专业的数据产品人员,我们不需要了解的太深,只需要关注最核心的一些内容,在明确数据分析之前,首先我们要明确电商产品的数据分析几大业务指标。

“你对数据分析工作怎么理解?”

(1)认识数据——数据分析的误区

01

最近参与的几场产品岗面试,一般都会被问到这个问题。

1.容易忽略沉默用户的需求

用户角度

总结下来,可以这样阐述:

2.过分依赖数据会限制灵感与创意,数据只能作为一个手段

1、总活跃用户数、新注册用户数、总PV;

首先得有一个业务支撑,衡量的核心指标是什么。根据具体的业务,拆解数据分析的目标。举个栗子来说,对于电商类产品,一般的数据分析指标包括:

3.错判因果关系与相关关系,不能搞混

2、一定时间的活跃用户数、新注册用户数、总PV;

– 用户统计数据

4.警惕表达数据的一些技巧,要客观清晰!

3、一定时间的转换关系;

(1)总活跃用户数,新注册用户数,总PV,总UV等

5.不要妄谈大数据

4、不同渠道下,注册转换情况;

(2)一定时间内的活跃用户数,新注册用户数,总PV,总UV等(月,日)

5.1大数据三要素:用全样本数据,注重相关关系,全新的计算方法。

5、不同注册渠道下,注册用户的后续留存率;

(3)一定时间内的渠道转化率

各种混杂数据的简单相关性计算

6、一定时间有购买行为的用户的重复购买的分布情况。

(4)用户留存率

《大数据时代》

02

(5)用户复购率

(2)获取数据

订单角度

(6)用户点击路径和行为,塑造用户画像

1.web网站数据指标:

1、今日的订单总数、销售额、订单单价、有订单用户数、补贴比例;

– 订单消费数据

百度搜网站分析工具就很多

2、过去一周每天的订单总数、销售额、订单单价、有订单用户数、补贴比例;

(1)交易订单总数,成功交易订单总数

免费的网站排名工具:

3、过去一周每天的订单平均送达时间。

(2)订单总数,交易额

Alexa,中国网站排名,网络媒体排名

03

(3)同比环比数据等

免费的网站监测工具:

商品角度

– 商品/品类/店铺角度

Google Analytics,百度统计,CNZZ网络分析

1、按照商品分组,今日每个商品的浏览数、购买用户数、订单数、销售额;

(1)每个商品/品类/店铺的浏览数,购买用户数,订单数,交易额

容易混淆的名词:

2、按照商品分组,过去一周每天每个商品的浏览数、购买用户数、订单数、销售额。

(2)同比环比数据等

跳出率:从这个页面进出的比例  退出率:从任何页面进这个页面出的比例

04

– 转化率数据

访问量:看sessionid  访客数:UV 看cookie 浏览量:PV

品类角度

关键页面的转化率统计,例如购物流程:商品列表页-商品详情页-立即支付-订单页-支付页-支付成功页

2.移动指标与工具

1、按照商品品类分组,今日每个品类的浏览数、购买用户数、订单数、销售额、订单单价;

数据分析为了什么?

用户获取:下载量,安装激活量,激活率,新增用户数,用户获取成本

2、按照商品品类分组,过去一周每天每个品类的浏览数、购买用户数、订单数、销售额、订单单价。

(1)异常数据排查

用户活跃与参与:日活月活,活跃系数,平均使用时长,功能使用率

05

(2)提升关键页面的转化率

用户留存:次日留存,7日留存,30日留存

店铺角度

(3)渠道,运营,产品迭代优化情况的评估

用户转化:付费用户比例,首次付费时间,用户平均月营收,付费用户平均每月营收

1、按照店铺分组,今日每个店铺的浏览数、购买用户数、订单数、销售额、订单单价;

获取收入:收入金额,付费人数

2、按照店铺分组,过去一周每个店铺的浏览数、购买用户数、订单数、销售额、订单单价;

移动应用分析工具:

06

国外分析工具:flurry Google Analytics

数据分析

国内分析工具:友盟 takingdata