电子商务数据分析方法及案例.doc

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。 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