一、電商數據分析的基本指標體系
主要分為8個類指標，即：
1. 總體運營指標：從流量、訂單、總體銷售業績、整體指標進行把控，起碼對運營的電商平台有個大致了解，到底運營的怎么樣，是虧是賺。
2.網站流量指標：即對訪問你網站的訪客進行分析，基於這些數據可以對網頁進行改進，以及對訪客的行為進行分析等等。
3. 銷售轉化指標：分析從下單到支付整個過程的數據，幫助你提升商品轉化率。也可以對一些頻繁異常的數據展開分析。
4. 客戶價值指標：這里主要就是分析客戶的價值，可以建立RFM價值模型，找出那些有價值的客戶，精准營銷等等。
5.商品類指標：主要分析商品的種類，那些商品賣得好，庫存情況，以及可以建立關聯模型，分析那些商品同時銷售的幾率比較高，而進行捆綁銷售，有點像啤酒喝尿布的故事。
6. 市場營銷活動指標，主要監控某次活動給電商網站帶來的效果，以及監控廣告的投放指標。
8. 市場競爭指標：主要分析市場份額以及網站排名，進一步進行調整
以上總共從8個方面來闡述如何對電商平台進行數據分析，當然，具體問題具體分析，每個公司的側重點也有所差異，所以如何分析還需因地制宜。
二、電商行業的指標體系圖，經典的“人貨場”+互聯網
1.場景
按照場景，如果是運營經常會分析四類場景：
- 第一種是在突發事件產生，比如流量突然下降之后，考慮到及時描述事件做出的描述分析；
- 第二種是基於產品運營策略上線后，做出全面的原因分析；
- 第三種是在數據管理的過程中，對前后端埋點的校驗還有表數據的校驗；
- 第四種是基於一定的理論做出的自上而下的分析；
2.指標體系
上述4種場景，前3種是“點”分析，遇到問題了/發生事情了，就通過數據分析的手段來找出原因，監控結果。而如果將運營分析的工作都連接起來，形成一個體系，就是“面”的分析。比較成熟的做法是搭建運營指標體系。
以分析體系最為復雜的互聯網電商公司為例，來逐一分解，哪些數據需要分析，怎樣分析，分析的價值是什么。
電商類公司的收入是由一個個訂單堆出來，由用戶購買相關的商品或服務產生，可以說用戶和商品或服務為訂單的兩大基本元素，公司收入下降、增長、異常最終都可以追蹤到用戶與商品這兩大元素上。這樣我們將收入相關的數據拆解為三大類：用戶、商品和訂單。
一）、運營模塊
從用戶的消費流程來看，可以划分為引流-轉化-消費-存留。我們一般將用戶分為新老用戶，無論新老用戶，都會關注兩塊內容，一個是引流（拉新），一個是轉化，最終以數據的形式體現出來，就是流量與轉化率。
引流
通過分析PV、UV、訪問次數、平均訪問深度、跳出率等數據來衡量流量質量優劣。目的是保證流量的穩定性，並通過調整，嘗試提高流量。
進一步，按照流量結構還可分為渠道結構、業務結構、地區結構。
在渠道中，流量可來自於自主訪問、搜索引擎、淘寶付費、京東付費等等。按設備可分為PC渠道和APP渠道；按照付費與否可分為免費流量和付費流量。有人會通過渠道流量占比來分析各渠道的質量。下面的折線圖可以對各渠道的流量情況進行追蹤，分析占比不合理是短期內出現的，還是長期存在的，輔助問題的分析。僅僅根據流量情況來衡量質量是不全面的，需要配合轉化率和roi。
按地區划分，這個很好理解。
按照業務結構，最典型的比如舉辦一場活動，例如雙十一，可定要對活動的流量追蹤。觀察活動前、活動中、活動后的變化情況，評估活動效果。
轉化
完成引流工作后，下一步需要考慮轉化，這中間需要經歷瀏覽頁面->注冊成為用戶->登陸->添加購物車->下單->付款->完成交易。每一個環節中都會有用戶流失，提高各個環節的轉化率，是這一塊工作的最核心，轉化率的提升，意味着更低的成本，更高的利潤。
轉化的分析：
1.觀察各環節轉化率，分析其合理性，針對轉化率異常環節進行調整
2.追蹤轉化率變化，用於異常定位和策略調整效果驗證
3.觀察各渠道轉化情況，定義渠道價值，並依此適當調整運營策略
4.分析各環節轉化周期，分析用戶習慣，為制定運營策略提供依據
最直接的分析成果就是轉化漏斗。
留存
通過各個渠道或者活動把用戶吸引過來，但是過一段時間就會有用戶流失走掉，當然也會有一部分用戶留下來，留下來這部分用戶就叫做留存用戶。關於留存，這里要關注的就是日活和留存率。
關於留存，無非就是：
1.日活監控，觀察用戶活躍數據，分析日活健康度
2.觀察存留規律，定位存留階段，輔助市場活動、市場策略定位等
3.對比不同用戶、產品功能的存留情況，分析產品價值、輔助產品調整
復購
有調查數據顯示，一個滿意的用戶會帶來8筆潛在生意，不滿意的用戶可能會影響25個人的購買意願，可見回頭客多么重要。
復購率可以分為“用戶復購率”和“訂單復購率”，此外，“用戶回購率”意義與復購率相似，也在此范圍內。
用戶復購率＝單位時間內：購買兩次及以上的用戶數/有購買行為的總用戶數
訂單復購率＝單位時間內：第二次及以上購買的訂單個數/總訂單數
用戶回購率＝單位時間內：有購買行為的老用戶數/有購買行為的總用戶數
分析復購率的目的：
1.綜合指標展示，分析用戶黏性，輔助發現復購率問題，制定運營策略。
2.橫向維度(商品、用戶、渠道)對比分析，細化復購率，輔助問題定位。
流失
流失是無法避免的，但也有可以挽留的。
流失可以分為
- 剛性流失：可以進一步分為新用戶水土不服型和老用戶興趣轉移型，這部分流失用戶是無法挽留的，緣盡於此，花再多的錢也沒什么用。
- 體驗流失：可能是應用體驗、服務體驗、交易體驗、商品體驗等等，總之就是在使用產品\服務的過程中，感到了一絲不爽，正所謂一言不合就流失。
- 競爭流失：也就是用戶已經轉粉了。可能是競爭對手的體驗更好，可能競爭對手推出了什么優惠的政策。我們也需要抓住行業的動態，針對競爭對手的搶粉行為做出相應的行動。
關於流失的定義，各公司定義不同，可能是7天內沒有登陸行為，也可以是幾個月之內沒有交易行為。（回流率＝時間周期內流失的再回訪的人數/時間周期內流失的人數）
關於流失的常規數據監控，一般都是和存留一起的，本身兩者也是分不開的。單獨針對流失的，最多看到如下圖樣式的監控：
再者，流失率結合存留率也可以評估渠道的價值。
二)、銷售模塊
1、指標跟蹤：銷售模塊中有大量的指標，包括同環比、完成率、銷售排行、重點商品占比、平台占比等等，可以從人、貨、場三個視角進行分析跟蹤。
2、店鋪分析：具有小b級用戶，或者入駐平台式，需要針對各店鋪經營指標進行分析，包括各店鋪效率指標、完成率指標、業績指標、客單價等，實現店鋪價值評定分析。
3、銷售活動管理：線上銷售中，活動是非常重要的一塊，從事前、事中、事后三個層面實現銷售活動的閉環分析，其中包括事前投入分析、目標預測；事中用戶參與度、客流分析、銷售單分析；事后目標完成情況、活動對比、費銷比、活動衰減度、活動爆發度等。
三)、商品模塊
1、采購管理：包括供應商數據分析、采購匹配度分析等。
2、供應鏈環節管理：供應鏈服務情況分析（響應周期、交貨及時率、訂單執行率）、管理指標分析（物資成本占比、客戶投訴率等）。
3、庫存管理：商品庫存天數、存銷比、有效庫存比、庫存周轉率等數據分析。
4、重要指標分析：分析包括貨齡、動銷率、缺貨率、結構指標、價格體系、關聯分析、、暢滯銷等分析指標，評判商品價值，輔助調整商品策略。
5、異常商品分析：包括對退貨率、殘損率、異常商品等數據進行分析，發現異常商品，及時處理。
四)、用戶模塊
1、重點指標分析：包括新增用戶數、增長率、流失率、有效會員占比、存留率情況等。
2、用戶價值分析：根據rfm模型，再融入其他個性化參數，對用戶進行價值的划分，並針對各等級用戶進一步的分析。
3、用戶畫像：根據固有屬性、行為屬性、交易屬性、興趣愛好等維度，來為用戶添加標簽與權重，設計用戶畫像，提供精准營銷參考依據。
具體怎么分析:
數據分析的需求可以分為三類：
-
- 業務常規需求，主要是輔助業務日常工作用，比如常規型的報表。銷售日報月報等。
- 指標監控與數據呈現類，比如流量監控，下單監控，一場活動的流量監控。為管理和決策提供支持，也為后面的針對性的挖掘分析提供入口
- 有主題有針對性的挖掘分析，比如用戶忠誠度模型。為運營、產品的改善提供數據依據，具有一定的驅動價值
對於第1類和第2類需求，有用開源報表的、有用商用報表的、有用bi的、有寫echart的也有用excel的。對於第三類需求，有用sas的、spss、python的、r的甚至有用c++的。
數據報表設計
具體怎么去分析？數據報表的魂在於上述的業務分析思想，跟隨分析目標的牽引。
一個數據報表要能講好一個故事。
背景：產生這樣一個數據報表的原因是什么？源於最近一周流量下降的分析？提升交易額的決策探索？或是圍繞二八定律篩選優質客戶？
那么基於上面一個背景，就開始你的分析。比如分析流量下降，你假設有哪些可能的原因？又是基於哪些事實數據去驗證的假設的正確性（注意數據清洗的說明，排除了哪些數據）。結論歸因/（尋找）共性，建議和決策是什么？預計的結果是怎樣？
做dasnboard，選用正確的圖表，注意美觀就行（圖表的使用網上有一堆），至於動效（聯動鑽取）都是錦上添花的事。