電商資料分析基礎知識
電商資料分析的基礎指標體系，涵蓋了流量、銷售轉化率、客戶價值、商品類目、營銷活動、風控和市場競爭指標，這些指標都需要系統化的進行統計和監控。以下是由小編整理關於的內容，希望大家喜歡!
資訊流、物流和資金流三大平臺是電子商務的三個最為重要的平臺。而電子商務資訊系統最核心的能力是大資料能力，包括大資料處理、資料分析和資料探勘能力。無論是電商平臺***如淘寶***還是在電商平臺上銷售產品的賣家，都需要掌握大資料分析的能力。越成熟的電商平臺，越需要以通過大資料能力驅動電子商務運營的精細化，更好的提升運營效果，提升業績。構建系統的電子商務資料分析指標體系是資料電商精細化運營的重要前提，本文將重點介紹電商資料分析指標體系。
電商資料分析指標體系分為八大類指標，包括總體運營指標、網站流量累指標、銷售轉化指標、客戶價值指標、商品及供應鏈指標、營銷活動指標、風險控制指標和市場競爭指標。不同類別指標對應電商運營的不同環節，如網站流量指標對應的是網站運營環節，銷售轉化、客戶價值和營銷活動指標對應的是電商銷售環節。
1、電商總體運營指標
電商總體運營整體指標主要面向的人群電商運營的高層，通過總體運營指標評估電商運營的整體效果。電商總體運營整體指標包括四方面的指標：
***1***流量類指標
獨立訪客數***UV***，指訪問電商網站的不重複使用者數。對於PC網站，統計系統會在每個訪問網站的使用者瀏覽器上“種”一個cookie來標記這個使用者，這樣每當被標記cookie的使用者訪問網站時，統計系統都會識別到此使用者。在一定統計週期內如***一天***統計系統會利用消重技術，對同一cookie在一天內多次訪問網站的使用者僅記錄為一個使用者。而在移動終端區分獨立使用者的方式則是按獨立裝置計算獨立使用者。
頁面訪問數***PV***，即頁面瀏覽量，使用者每一次對電商網站或著移動電商應用中的每個網頁訪問均被記錄一次，使用者對同一頁面的多次訪問，訪問量累計。
人均頁面訪問數，即頁面訪問數***PV***/獨立訪客數，該指標反映的是網站訪問粘性。
***2***訂單產生效率指標
總訂單數量，即訪客完成網上下單的訂單數之和。
訪問到下單的轉化率，即電商網站下單的次數與訪問該網站的次數之比。
***3***總體銷售業績指標
網站成交額***GMV***，電商成交金額，即只要網民下單，生成訂單號，便可以計算在GMV裡面。
銷售金額。銷售金額是貨品出售的金額總額。
注：無論這個訂單最終是否成交，有些訂單下單未付款或取消，都算GMV，銷售金額一般只指實際成交金額，所以，GMV的數字一般比銷售金額大。
客單價，即訂單金額與訂單數量的比值。
***4***整體指標
銷售毛利，是銷售收入與成本的差值。銷售毛利中只扣除了商品原始成本，不扣除沒有計入成本的期間費用***管理費用、財務費用、營業費用***。
毛利率，是衡量電商企業盈利能力的指標，是銷售毛利與銷售收入的比值。如京東的2014年毛利率連續四個季度穩步上升，從第一季度的10.0%上升至第四季度的12.7%，體現出京東盈利能力的提升。
2、網站流量指標
***1***流量規模類指標
常用的流量規模類指標包括獨立訪客數和頁面訪問數，相應的指標定義在前文***電商總體運營指標***已經描述，在此不在贅述。
***2***流量成本累指標
單位訪客獲取成本。該指標指在流量推廣中，廣告活動產生的投放費用與廣告活動帶來的獨立訪客數的比值。單位訪客成本最好與平均每個訪客帶來的收入以及這些訪客帶來的轉化率進行關聯分析。若單位訪客成本上升，但訪客轉化率和單位訪客收入不變或下降，則很可能流量推廣出現問題，尤其要關注渠道推廣的作弊問題。
***3***流量質量類指標
跳出率***Bounce Rate***也被稱為蹦失率，為瀏覽單頁即退出的次數/該頁訪問次數，跳出率只能衡量該頁做為著陸頁面***LandingPage***的訪問。如果花錢做推廣，著落頁的跳出率高，很可能是因為推廣渠道選擇出現失誤，推廣渠道目標人群和和被推廣網站到目標人群不夠匹配，導致大部分訪客來了訪問一次就離開。
頁面訪問時長。頁訪問時長是指單個頁面被訪問的時間。並不是頁面訪問時長越長越好，要視情況而定。對於電商網站，頁面訪問時間要結合轉化率來看，如果頁面訪問時間長，但轉化率低，則頁面體驗出現問題的可能性很大。
人均頁面瀏覽量。人均頁面瀏覽量是指在統計週期內，平均每個訪客所瀏覽的頁面量。人均頁面瀏覽量反應的是網站的粘性。
***4***會員類指標
註冊會員數。指一定統計週期內的註冊會員數量。
活躍會員數。活躍會員數，指在一定時期內有消費或登入行為的會員總數。
活躍會員率。即活躍會員佔註冊會員總數的比重。
會員復購率。指在統計週期內產生二次及二次以上購買的會員佔購買會員的總數。
會員平均購買次數。指在統計週期內每個會員平均購買的次數，即訂單總數/購買使用者總數。會員復購率高的電商網站平均購買次數也高。
會員回購率。指上一期末活躍會員在下一期時間內有購買行為的會員比率。
會員留存率。會員在某段時間內開始訪問你的網站，經過一段時間後，仍然會繼續訪問你的網站就被認作是留存，這部分會員佔當時新增會員的比例就是新會員留存率，這種留存的計算方法是按照活躍來計算，另外一種計算留存的方法是按消費來計算，即某段的新增消費使用者在往後一段時間時間週期***時間週期可以是日、周、月、季度和半年度***還繼續消費的會員比率。留存率一般看新會員留存率，當然也可以看活躍會員留存。留存率反應的是電商留住會員的能力。
3、網站銷售***轉化率***類指標
***1***購物車類指標
基礎類指標，包括一定統計週期內加入購物車次數、加入購物車買家數、加入購物車買家數以及加入購物車商品數。
轉化類指標，主要是購物車支付轉化率，即一定週期內加入購物車商品支付買家數與加入購物車購買家數的比值。
***2***下單類指標
基礎類指標，包括一定統計週期內的下單筆數、下單金額以及下單買家數。
轉化類指標，主要是瀏覽下單轉化率，即下單買家數與網站訪客數***UV***的比值。
***3***支付類指標
基礎統計類指標，包括一定統計週期內支付金額、支付買家數和支付商品數。
轉化類指標。包括瀏覽-支付買家轉化率***支付買家數/網站訪客數***、下單-支付金額轉化率***支付金額/下單金額***、下單-支付買家數轉化率***支付買家數/下單買家數***和下單-支付時長***下單時間到支付時間的差值***。
4、客戶價值類指標
客戶指標。常見客戶指標包括一定統計週期內的累計購買客戶數和客單價。客單價是指每一個客戶平均購買商品的金額，也即是平均交易金額，即成交金額與成交使用者數的比值。
新客戶指標。常見新客戶指標包括一定統計週期內的新客戶數量、新客戶獲取成本和新客戶客單價。其中，新客戶客單價是指第一次在店鋪中產生消費行為的客戶所產生交易額與新客戶數量的比值。影響新客戶客單價的因素除了與推廣渠道的質量有關係，還與電商店鋪活動以及關聯銷售有關。
老客戶指標。常見老客戶指標包括消費頻率、最近一次購買時間、消費金額和重複購買率。消費頻率是指客戶在一定期間內所購買的次數;最近一次購買時間表示客戶最近一次購買的時間離現在有多遠;客戶消費金額指客戶在最近一段時間內購買的金額。消費頻率越高，最近一次購買時間離現在越近，消費金額越高的客戶越有價值。重複購買率則指消費者對該品牌產品或者服務的重複購買次數，重複購買率越多，則反應出消費者對品牌的忠誠度就越高，反之則越低。重複購買率可以按兩種口徑來統計：第一種，從客戶數角度，重複購買率指在一定週期內下單次數在兩次及兩次以上的人數與總下單人數之比，如在一個月內，有100個客戶成交，其中有20個是購買兩次及以上，則重複購買率為20%;第二種，按交易計算，即重複購買交易次數與總交易次數的比值，如某月內，一共產生了100筆交易，其中有20個人有了二次購買，這20人中的10個人又有了三次購買，則重複購買次數為30次，重複購買率為30%。
5、商品類指標
產品總數指標。包括SKU、SPU和線上SPU。SKU是物理上不可分割的最小存貨單位。SPU即Standard Product Unit ***標準化產品單元***，SPU是商品資訊聚合的最小單位，是一組可複用、易檢索的標準化資訊的集合，該集合描述了一個產品的特性。通俗點講，屬性值、特性相同的商品就可以稱為一個SPU。如iphone5S是一個SPU，而iPhone 5S配置為16G版、4G手機、顏色為金色、網路型別為TD-LTE/TD-SCDMA/WCDMA/GSM則是一個SKU。線上SPU則是線上商品的SPU數。
產品優勢性指標。主要是獨家產品的收入佔比，即獨家銷售的產品收入佔總銷售收入的比例。
品牌存量指標。包括品牌數和線上品牌數指標。品牌數指商品的品牌總數量。線上品牌數則指線上商品的品牌總數量。
上架。包括上架商品SKU數、上架商品SPU數、上架線上SPU數、上架商品數和上架線上商品數。
首發。包括首次上架商品數和首次上架線上商品數。
6、市場營銷活動指標
市場營銷活動指標。包括新增訪問人數、新增註冊人數、總訪問次數、訂單數量、下單轉化率以及ROI。其中，下單轉化率是指活動期間，某活動所帶來的下單的次數與訪問該活動的次數之比。投資回報率***ROI***是指，某一活動期間，產生的交易金額與活動投放成本金額的比值。
廣告投放指標。包括新增訪問人數、新增註冊人數、總訪問次數、訂單數量、UV訂單轉化率、廣告投資回報率。其中，下單轉化率是指某廣告所帶來的下單的次數與訪問該活動的次數之比。投資回報率***ROI***是指，某廣告產生的交易金額與廣告投放成本金額的比值。
7、風控類指標
買家評價指標。包括買家評價數，買家評價賣家數、買家評價上傳圖片數、買家評價率、買家好評率以及賣家差評率。其中，買家評價率是指某段時間參與評價的賣家與該時間段買家數量的比值，是反映使用者對評價的參與度，電商網站目前都在積極引導使用者評價，以作為其他買家購物時候的參考。買家好評率指某段時間內好評的買家數量與該時間段買家數量的比值。同樣，買家差評率指某段時間內差評的買家數量與該時間段買家數量的比值。尤其是買家差評率，是非常值得關注的指標，需要監控起來，一旦發現買家差評率在加速上升，一定要提高警惕，分析引起差評率上升的原因，及時改進。
買家投訴類指標。包括髮起投訴***或申訴***，撤銷投訴***或申訴***，投訴率***買家投訴人數佔買家數量的比例***等。投訴量和投訴率都需要及時監控，以發現問題，及時優化。
8、市場競爭類指標
市場份額相關指標，包括市場佔有率、市場擴大率和使用者份額。市場佔有率指電商網站交易額佔同期所有同類型電商網站整體交易額的比重;市場擴大率指購物網站佔有率較上一個統計週期增長的百分比;使用者份額指購物網站獨立訪問使用者數佔同期所有B2C購物網站合計獨立訪問使用者數的比例。
網站排名，包括交易額排名和流量排名。交易額排名指電商網站交易額在所有同類電商網站中的排名;流量排名指電商網站獨立訪客數量在所有同類電商網站中的排名。
電商資料分析的基礎指標體系，涵蓋了流量、銷售轉化率、客戶價值、商品類目、營銷活動、風控和市場競爭指標，這些指標都需要系統化的進行統計和監控，才能更好的發現電商運營健康度的問題，以更好及時改進和優化，提升電商收入。如銷售轉化率，其本質上是一個漏斗模型，如從網站首頁到最終購買各個階段的轉化率的監控和分析是網站運營健康度很重要的分析方向。
電子商務資料分析的七個重要因素
1、電子商務資料分析需要商業敏感
今天電子商務公司的資料分析師，有些像老闆的軍師，必須有從枯燥的資料中解開市場密碼的本事。比如，具有商業意識的資料分析師發現，網站上的嬰兒車的銷售增加了，那麼，他基本可以預測奶粉的銷量也會跟上去。再比如，網站上的產品發揮的作用並不一樣，有的產品是為了賺錢，有的產品是為了促銷，有的產品是 為了吸引流量，不同的產品在網站上擺放的位置是不一樣的。
一個商業敏感的資料分析師，是懂得用什麼樣的資料實現公司的目標。比如，樂酷天與淘寶競爭，它們重點看的不是交易量，而是流量：每天有多少新的賣家進來，賣了多少東西。因為此階段競爭最核心的就是人氣，而非實質交易量。如果新來的賣家進來賣不出東西，只有老賣家的交易量在增長，即使最後每天的交易量都 增長，也還是有問題。
再比如，一家剛踏入市場的B2B公司和已經佔領大部分市場的B2B公司，它們的目標不一樣。前者是看流量賺人氣，後者對流量不怎麼看重，而是看重交易轉化率及回頭率。
當下的資料分析師多是學統計學出身的，一堆資料放在那裡，大家都擅長怎麼算迴歸、怎麼畫函式。但是這批學數學的人才缺乏商業意識，不知道這些資料對業務意味著什麼，看不見一堆資料中彼此的關係，也就不知道該用什麼樣的邏輯分析，也就無法充當老闆的眼睛了。
2、電商網站轉化率是關鍵，ROI是最終的目標
電子商務B2B網站平臺的宗旨就是為企業服務，讓買家與賣家的市場銷售成本降低，降低交易成本，提高訂單利潤。因此，電子商務的網站轉化率是關鍵，這其中就提到一個指標的重要性——ROI。ROI是Return On Investment的簡寫，是指通過投資而應返回的價值，它涵蓋了企業的獲利目標。利潤和投入的經營所必備的財產相關，因為管理人員必須通過投資和現有財產獲得利潤。又稱會計收益率、投資利潤率。
其計算公式為：投資回報率***ROI***=年利潤或年均利潤/投資總額×100%
投資回報率***ROI***的優點是計算簡單;缺點是沒有考慮資金時間價值因素，不能正確反映建設期長短及投資方式不同和回收額的有無等條件對專案的影響， 分子、分母計算口徑的可比性較差，無法直接利用淨現金流量資訊。只有投資利潤率指標大於或等於無風險投資利潤率的投資專案才具有財務可行性。
投資回報率***ROI***往往具有時效性–回報通常是基於某些特定年份。
3、電子商務資料分析衡量指標的設定
指標是讓我們更好的從資料量化的層面來了解運營的狀況，PV、UV、轉化率基本是運營監督的指標;網站分析採用的指標可能有各種各樣的，根據網站的目標和網站的客戶的不同，可以有許多不同的指標來衡量。常用的網站分析指標有內容指標和商業指標，內容指標指的是衡量訪問者的活動的指標，商業指標是 指衡量訪問者活動轉化為商業利潤的指標。
電子商務的資料可分為兩類：前端行為資料和後端商業資料。前端行為資料指訪問量、瀏覽量、點選流及站內搜尋等反應使用者行為的資料;而後端資料更側重商業資料，比如交易量、投資回報率，以及全生命週期管理等。
有些人關心前端行為資料，也有些人關心後端商業資料，但是沒有幾家網站把前端行為資料和後端商業資料連起來看。大家只單純看某一端資料。但是看資料看得“走火入魔”的人會明白，每個資料，就像散佈在黑夜裡的星星，它們之間佈滿了關係網，只要輕輕按一下其中一個數據，就會驅動另外一個數據的變化。
4、某些指標異常變化的原因分析
網站的某些指標的異常變化是外界市場一些變化的客觀反應，網站的資料分析人員一定要積極注意。例如PV減少***異常***，那我們就要分析使用者是搜尋來源減少還是直接訪問減少?反連線過來的減少?搜尋減少就要觀察使用者的關鍵字、搜尋引擎等。
例如2011年的上半年，曾出現阿里巴巴與慧聰發生爭論，而在那幾天，另一個B2B網站–世界工廠網的會員註冊量批量上升，每天超過千個以上的註冊 量。當然這只是一部分的猜測，在兩個B2B巨頭不穩定之時，企業會選擇第三方的平臺，這是符合常理推斷的。不過就此以後，世界工廠的註冊量一直是穩中有升 的，難道這是會員發現一個免費“新大陸”的口碑宣傳嗎?事後發現，是因為世界工廠網的一個新專案–全球企業庫的上線吸引了大量企業會員的青睞，註冊量猛 然提升的。對於一些資料的異常增加或減少，一定要分析其產生的原因與市場時機，這對平臺以後的發展及政策導向非常有借鑑意義。
有一天，linkin***一個社群網站***忽然發現來自雷曼兄弟的來訪者多了起來，但是並沒有深究原因。第二天，雷曼兄弟就宣佈倒 閉了。原因何在?雷曼兄弟的人到linkin找工作來了。谷歌宣佈退出中國的前一個月，筆者在linkin上發現了一些平時很少見的谷歌產品經理線上，這 也是相同的道理。試想，如果linkin針對某家上市公司分析某些資料，是不是很有商業價值?
5、利用資料分析使用者的行為習慣
再次說，得到資料來分析是在揣測使用者的心理和一些習慣，最真實的是讓使用者告訴你，需要什麼，這些可以利用投票調查及問題提交等來實現，當然利用資料整合分析也是必然的，然後做出來AT來權衡利弊來對使用者體驗驚醒改善，和一些基本的產品定位及活動。
裝備製造負責人認為，網站資料分析應該兩個層次：第一，網站資料分析，是針對產品來說。就圍繞產品如何運轉，做封閉路徑的分析。得出產品的點選是否順暢、功能展現是否完美 。第二、研究客戶的訪問焦點，挖掘客戶潛在需求。如果是以交易為導向的電子商務網站，就是要研究如何高效的促成交易，是否能出現聯單!
6、客戶的購買行為分析
當用戶在電子商務網站上有了購買行為之後，就從潛在客戶變成了網站的價值客戶，電子商務網站一般都會將使用者的交易資訊，包括購買時間、購買商品、購買 數量、支付金額等資訊儲存在自己的資料庫裡面，所以對於這些使用者，我們可以基於網站的運營資料對他們的交易行文進行分析，以估計每位使用者的價值，及針對每位使用者的擴充套件營銷的可能性。
客戶的購買行為分析，如傳統的RFM模型，會員聚類，會員的生命週期分析，活躍度分析，這些都精準的運營都是非常重要的。
7、電子商務資料分析需注重實戰經驗
以上所談到的電子商務資料分析的幾個重要因素，筆者個人感覺倒是有點套路，電子商務的資料分析更多的是實戰，網站分析的本質是在瞭解使用者的需求、行為，以開發使用者體驗良好的功能與服務，制定擴充套件營銷的策略及附加功能的推廣服務等等。
“的人還：