Java生鮮電商平台-電商數據運營統計與分析


Java生鮮電商平台-電商數據運營統計與分析

 

今天分享將會分為以下幾個方面來闡述:

1. 作為運營我們需要統計與分析的幾個核心數據是什么?

2. 核心數據對業務的指導價值在哪里呢?

3. 作為產品PM,如何了解與分析這些數據的潛在價值呢?

 

如何留住用戶,是一個老生常談的話題,對於電商企業來說,最好的數據莫過於高復購率,高客單價。所以我們需要活動,需要運營,去引導新老用戶消費。那如何切入這個活動滿天飛的電商時代為企業獲得更好的收益和發展?我們需要數據,需要一系列的數據支持運營更好的“輸出”。畢竟每一個產品都會經歷技術為王,產品為王,運營為王,商業模式為王的過程,電商行業的商業模式已經有人驗證是可行的,剩下的就是如何更好的運營。

說回本章的重點,“數據”。作為一個電商PM,你需要知道下面這些數據代表什么。

 

 
數據統計系統

如果說,一個電商平台要建設一套數據統計系統,一定少不了上面任何一個數據。大家都知道電商包羅萬象,一個電商平台的誕生,所涵蓋的基礎模塊非常多,關於數據統計的工作量可想而知。在統計數據前,需要給各個模塊添加數據埋點,所以必須清晰每個數據對應的含義,定下的規則避免后期反復修改,影響數據的准確性。

數據統計系統

對於平台型電商而言,需要統計的數據大致分為平台數據與商家數據,接下來我們則一一為大家分享這些數據對應着什么。

平台數據

從上圖可知,平台數據一般會統計“用戶數據”,“流量數據”,“渠道數據”,“商家概況”,“商家數據”。

用戶數據

 
平台-用戶數據

作為平台方,我們關心的用戶數據如上圖所示,一邊是來自社交平台的粉絲,一邊是來自平台自身的用戶。

關注數:指用戶對(平台的)社交平台關注數,包括對微信,微博等的關注;

凈增長粉絲數:指新增的粉絲量與流失的量之間的差額;

流失粉絲數:指流失的粉絲數;

環比增長率:同比上期,增長粉絲數的比例,公式算法:((這期-上期)/上期)*100%;

注冊用戶數:指已注冊了平台賬戶的用戶數;

會員數:指成為平台會員的用戶數(各個平台規則不同,例京東會員則¥198/年);

非會員數:指未成為平台會員的用戶數;

新注冊用戶:篩選期間內,同比此前新增的注冊用戶數;

日活躍用戶:(一般對APP而言)以設備ID為依據,1天(00:00-24:00)之內,訪問App的不重復用戶數;

月活躍用戶:(一般對APP而言)以設備ID為依據,指1月之內至少訪問一次APP的獨立用戶數;

用戶性別:用戶性別,一般分為男,女,未知;

用戶年齡:用戶年齡;

用戶地域:指用戶的設備定位區域;

消費水平:指用戶在平台消費后平台給與的等級划分(基礎建設可先不計算這一數據);

渠道用戶:指來自不同渠道的用戶(例網紅直播從快手引流至淘寶,則該部分用戶為淘寶的渠道用戶);

訪問時段:指用戶訪問的平台的時間段分布;

流量數據

 
平台-流量數據

獨立訪客(UV):(一般針對H5/PC)指訪問平台的一台電腦或客戶端算為一個訪客。00:00-24:00內相同的客戶端只被計算一次;

頁面瀏覽量(PV):(一般針對H5/PC)指頁面訪問量,每打開一次頁面PV計數+1,刷新頁面也是

訪問次數:指用戶從開始訪問平台到最終離開平台,計為1次訪問。若用戶連續30分鍾沒有訪問新頁面和刷新頁面,或者用戶直接退出(關閉瀏覽器等),則定義為本次訪問結束;

跳出率:指用戶只訪問了首頁就離開的訪問量與所產生總訪問量的百分比:

訪客地域:指用戶訪問平台時設備/客戶端定位的區域;

訪問頁面:指用戶訪問的頁面;

訪問品類:指用戶訪問的商品品類;

訪客年齡:指訪問平台的用戶的年齡;

訪客支付轉化:指用戶在每一個頁面的訪問量的占比率(例訪問首頁100人,詳情頁50人,購物車30人,支付頁10人,支付成功9人)

渠道數據

 
平台-渠道數據

廣告投放數據:指平台投放廣告數據(指廣告曝光量,曝光人數,點擊量等,此處不細化);

渠道分布數據:指平台各個渠道的分布情況;

渠道數量:指平台的渠道數量;

點擊量:指從渠道導入的用戶點擊平台次數的累計;

導入UV:指從渠道導入流量的UV數據;

導入PV:指從渠道導入流量的PV數據;

導入訪問次數:指從渠道導入流量的訪問次數;

平均訪問時長:指從渠道導入的用戶的平均訪問時長;

訂單筆數:指從渠道導入的用戶的總下單筆數;

付款筆數:指從渠道導入的用戶的總付款筆數;

訂單金額:指從渠道導入的用戶的總下單金額;

付款金額:指從渠道導入的用戶的總付款金額;

轉化率:指從渠道導入的用戶付款訂單數與下單數的比率,訂單轉化率(計算公式:付款筆數/訂單筆數);

跳出率:指從渠道導入的用戶的跳出率;

商家概況

 

 
平台-商家概況

商家數量:指平台的商家總數量;

地域分布:指平台的商家區域分布(根據入駐時填寫的地址統計);

品類分布:指平台的商家的品類分布概況(例家電數碼100家,服裝服飾5000家等分布情況);

商家類型:指平台的商家類型分布情況(例品牌店1000家,廠家200家,經銷商300家);

投放模塊:指商家在平台投放流量的模塊;

投放金額分布:指商家在平台投放流量的金額分布;

投放占比:指投放流量的商家占比平台總商家數量;

商家數據

 
商家數據

上面我們逐個介紹了平台統計數據的要點,我們接着講商家統計數據的要點。

交易數據

 
商家-交易數據

下單筆數:指商家的下單筆數(可按某個商家篩選,不篩選則指整7個平台商家的下單筆數);

付款筆數:指商家的付款筆數(可按某個商家篩選,不篩選則指整個平台商家的下單筆數);

下單金額:指商家的下單金額(可按某個商家篩選,不篩選則指整個平台商家的下單筆數);

付款金額:指商家的付款金額(可按某個商家篩選,不篩選則指整個平台商家的下單筆數);

復購人數:指不小於1次在商家購買商品的用戶累計總數;

訂單狀態分布:指訂單狀態的分布情況(例待支付50單,待發貨60單等);

訂單金額分布:指訂單金額在多個區間范圍內的分布情況(例訂單均額在300-500的500單,500-1000的200單等);

訂單渠道分布:指訂單來源於不同渠道的分布情況;

訂單地域分布:指訂單的收貨地址區域總體分布情況;

轉化率:指用戶付款訂單數與下單數的比率,訂單轉化率(計算公式:付款筆數/訂單筆數);

復購率:指用戶購買次數大於1次的次數占比總用戶購買次數(還有另一種算法,此處不細說);

支付率:指付款用戶數占比下單用戶數,訂單支付率(計算公式:付款人數/下單人數);

支付金額:指用戶在商家支付的金額總和;

支付方式:指用戶在商家支付的方式總和(例支付寶,微信支付,信用卡支付等);

幣種類型:指用戶在商家消費支付的幣種類型(例現金,積分,消費券等);

支付結果:指用戶在商家消費支付的結果分布情況;

商品數據

 

 
商家-商品數據

SKU數量:指商家SKU的數量;

SKU銷量:指商家SKU的銷量;

SPU數量:指商家SPU的數量;

一級類目數量:指商家一級類目的數量;

二級類目數量:指商家二級類目的數量;

三級類目數量:指商家三級類目的數量;

品牌數據:指商品所屬品牌的數據情況;

用戶數據

 

 
商家-用戶數據

下單用戶:指在商家下單的用戶數;

付款用戶:指在商家付款的用戶數;

會員數據:指商家的會員數據(會員數,會員畫像等);

客戶留存率:用戶在某段時間內訪問商家,經過一段時間后,仍然訪問商家店鋪的用戶,被認作是留存用戶。而留存率則是該部分用戶占比此前的某段時間訪問商家的用戶數;

店鋪收藏用戶數:指收藏過商家店鋪的用戶數總和;

流量數據

 
商家-流量數據

訪客數(UV):指訪問商家的一台電腦或客戶端算為一個訪客。00:00-24:00內相同的客戶端只被計算一次;

瀏覽量(PV):指商家頁面訪問量,每打開一次頁面PV計數+1,刷新頁面也是;

瀏覽次數:指用戶從開始訪問商家到最終離開商家,計為1次訪問。若用戶連續30分鍾沒有訪問新頁面和刷新頁面,或者用戶直接退出(關閉瀏覽器等),則定義為本次訪問結束;

瀏覽時長:指用戶瀏覽商家店鋪的平均時長;

訪問時段:指用戶訪問商家店鋪的時間段分布情況;

訪問品類:指用戶訪問商家店鋪的商品品類分布情況;

分享次數:指用戶分享商家店鋪或商家商品的次數總和;

營收數據

 
商家-營收數據

總營業額:指商家的總營業額;

待結算金額:指商家等待結算的金額(有些平台會將資金控制在平台內,等待結算后才到賬);

待退款金額:指商家店鋪下待退款的金額;

已退款金額:指商家店鋪下已成功退款的金額;

已到賬金額:指商家已到賬金額(一般用於提現,屬於商家真實收入);

退款率:指商家收到退款的訂單筆數與同期成功交易(付款)的訂單筆數的比率;

物流數據

 

待發貨數:指商家還未發貨的訂單數;

已發貨數:指商家已經發貨的訂單數;

已收貨數:指用戶已經簽收的訂單數;

平均發貨時長:指所有商家的平均發貨速度(計算公式=所有商家發貨時長/商家總數);

快遞公司分布:指所有商家所使用的快遞公司的分布情況;

未簽收:指用戶未簽收的包裹數;

已簽收:指用戶已簽收的包裹數;

已拒簽:指用戶拒簽的包裹數;

待退回:指用戶已申請退款,但包裹還未退回的包裹數;

已退回:指用戶已經完成退貨的包裹數;

簽收時長統計:指所有用戶的平均簽收時長;


到此我們就把所有基本的元素講完了,如果你願意花點時間閱讀,你會發現這些數據並不難以理解,也不繁瑣。作為電商PM,凡事都要能做到模塊化,就以這個數據為例,將數據分塊后,每一塊的數據其實並不繁瑣,所以我們只要記住一個模塊,其他模塊便能舉一反三。

有人會問,即使看了這么多數據,也不知道怎么去建設一個數據統計系統,其實很簡單,這里的每一個模塊都是並列的關系,在把模塊關系確定下來后,用各種可視化的結果來豐富你的模塊,例如下圖所示:

 
可視化圖表

這些數據網上都有,為什么我又要重新寫一遍,我覺得原因有兩個,

其一,對於數據而言,人的大腦記憶力不夠強,當你能夠完整的整理一遍后,能夠更有利於你清晰的理解和界定數據的規則;

其二,應該還是有很多童鞋需要這樣一份完整的數據統計列表,在功能建設中,可以參考分享改進,也達到我的分享目的了。

 

生鮮大師 聯系QQ:137071249 QQ群:793305035

 


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM