“大家好，我是李启方!
公众号后台回复 “2024” 即可领取最新全套数据分析资料包！”
今天是零售电商数据分析专题的第二篇。
在电商公司中，收入的来源可以被分解为许多个订单，这些订单是由用户购买相关商品或服务而产生的。因此，用户和商品/服务是订单的两个主要要素，而公司的收入变化，不论是下降、增长还是异常，都可以追溯到这两个要素。为了更好地理解收入情况，我们可以将数据分解为三大类：用户、商品和订单。
点击链接观看电商行业主题直播《业财一体：用数据重构电商业财协同新模式》
1、流量分析
通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。
进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。
2、转化分析
完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面→注册成为用户→登陆→添加购物车→下单→付款->完成交易。每一个环节中都会有用户流失，因此转化率的提升对于降低成本和增加利润至关重要。
在转化过程中，需要关注各环节转化率，追踪变化趋势，针对异常环节进行调整，并观察各渠道转化情况，适当调整运营策略。同时，还需分析用户习惯和转化周期，为制定运营策略提供依据。
3、留存分析
1.监控日活数据，观察用户活跃情况，以评估日活健康度；
2.观察留存规律，识别不同留存阶段，以协助市场活动和市场策略的定位；
4、复购分析
复购率分为“用户复购率”和“订单复购率”，此外，“用户回购率”也具有类似的意义。其中，“用户复购率”指的是在单位时间内购买两次及以上的用户数与有购买行为的总用户数的比率；“订单复购率”指的是在单位时间内第二次及以上购买的订单个数与总订单数的比率；“用户回购率”则是指在单位时间内有购买行为的老用户数与有购买行为的总用户数的比率。
分析复购率的目的在于综合展示综合指标，分析用户黏性，帮助发现复购率问题，并制定相应的运营策略。此外，还可以通过对比分析商品、用户和渠道等横向维度来细化复购率，以协助问题的定位。
5、存留分析
流失是无法避免的，但也有可以挽留的。
流失可以分为
刚性流失：可以进一步分为新用户水土不服型和老用户兴趣转移型。这部分流失用户无法挽回，无论花多少钱都没什么用。 体验流失：可能因为应用、服务、交易或商品体验等不佳而流失。 竞争流失：指用户已经被竞争对手吸引过去了，可能是因为竞争对手提供更好的体验或者推出了优惠政策。我们需要密切关注行业动态，采取针对性的行动来争夺竞争对手的用户。
关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）
关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：
再者，流失率结合存留率也可以评估渠道的价值。
6、价格管理：可以通过爬虫技术获取行业价格，对行业价格进行分析，从而实现价格有效调控。
7、市场分析：获取分析行业情况、竞争对手情况、品牌情况，从而实现公司、产品的有效定位。
1、采购管理：包括供应商数据分析、采购匹配度分析等。
2、供应链环节管理：可以对供应链服务情况进行分析，比如响应周期、交货及时率和订单执行率等指标，对供应链的整体效率进行评估，以便及时调整服务策略。同时也可以对管理指标进行分析，如物资成本占比、客户投诉率等指标，以更好地管理供应链环节。
3、库存管理：通过对商品库存天数、存销比、有效库存比和库存周转率等数据的分析，对商品库存进行管理和空值以便在保证供应和销售的同时，最大限度地降低库存成本。
4、重要指标分析：通过对货龄、动销率、缺货率、结构指标、价格体系、关联分析、畅滞销等指标进行分析，评判商品的价值，辅助调整商品策略，以满足市场需求。
5、异常商品分析：通过对退货率、残损率、异常商品等数据进行分析，以发现异常商品，及时处理，从而保证商品质量和服务质量，提升企业的竞争力。
1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。
2、用户价值分析：根据RFM模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。
3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。
4、会员指标体系：根据会员总体情况、会员属性分布、会员行为分析三个模块建立会员指标体系。
1、指标跟踪：主流的销售额、订单量、完成率、增长率、重点商品的销售占比、各平台销售占比。更多的也可以跟踪利润、成交率（转化率）、人均产出等。
2、店铺分析：针对拥有小b级用户或者采取平台入驻模式的店铺，需要进行经营指标分析，包括各店铺的效率、完成率、业绩和客单价等指标，以实现店铺价值评估分析。
3、销售活动管理：在线销售中，活动是至关重要的。我们需要对销售活动进行全面的闭环分析，包括事前投入分析和目标预测、事中用户参与度、客流量分析以及销售单分析，以及事后目标完成情况、活动比较、费销比、活动衰减度和活动爆发度等方面的分析。
电商数据分析的思路和方法在上面跟大家讲清楚了，下一篇老李会跟大家详细讲一下如何用数据分析工具完成电商数据分析。
最后给大家分享一份《电商数据分析平台建设方案》，方案提供了电商通用的精细数据分析场景包，具体包括市场洞察（市场行业变化分析、市场竞争分析），运营结果（市场销售追踪分析、店铺运营分析、商场运营分析），专题分析（站内推广投放分析、站外推广投放分析、直播专题分析、活动大促专题分析、客户体验分析、私域营销分析），感兴趣的可以点击文末 阅读全文 下载获取！
