业务角度来看电商数据分析

在开始之前我觉得有必要提一下电商的发展历程：

国内的电商起步于1999年的易趣网，但是一般将2003年成立的淘宝网称为电商的发展元年。从2003年到现在可以归类为三个发展阶段

第一阶段：2003年~2007年 电商1.0时代 [流量为王]

这个阶段电商处于C2C时代，主要以草根卖家为主，运营方式也已刷单、打爆款、砸推广这样的简单粗暴的手段为主

第二阶段：2008年~2013年 电商2.0时代 [数据化运营]

2008年以淘宝商城与唯品会的成立为标志，电商正式跨入2.0时代——B2C时代。由于正规军的进入，电商的运营趋向规范化和体系化。

第三阶段：2014年~今 电商3.0时代 [内容营销]

从2014年开始，由于平台流量增长缓慢、头部与腰部商家集中等原因，天猫开始提出“内容营销”的口号，并结合视频直播、VR技术、网红号等多种形式，为电商卖家打开新的营销思路，以便在流量稳定的情况下，提高商家的成交转化率。

知道了电商发展历史了以后，那么什么是电商数据分析师呢？

电商数据分析师必须具备的能力：懂运营业务、有结构化思维、精通一两门数据工具。见下图

这一点也和猴子老师的教学不谋而合，首先要会使用工具，SQL、Excel、Tableau、PowerBI、Python等，然后要懂得基本的统计学知识。

数据分析的四大步骤

数据分析师是要从数据层面为电商店铺提供支持。因此可以用下图来表示

1. 明确目的：做任何数据分析之前，都要了解本次数据分析的目的是什么。是诊断，还是预测，亦或是总结？
2. 构思结构/逻辑：针对本次分析的目的，我们需要从哪些角度来构建数据分析逻辑？用线性式的因果逻辑，还是用分布式相关逻辑？
3. 开始分析：确定了报表的说服逻辑之后，本次分析需要用到哪些维度的数据？取值范围与口径是怎么样的？这些数据能够得到什么结论？
4. 制作/美化报告：对整理好的数据进行取舍，按报表的说服逻辑排序，并编写相关文字观点;报告的最终目的是让读者接受你的观点，而不仅仅是发给对方，所以适当的美化让报告具有可读性，是非常有必要的。

数据分析的三大基本分析法

1对比

要懂得同比、环比、绝对值对比和相对值对比、横向对比和纵向对比、份额。

2细分

分类分析、人—货—场、杜邦分析法

3 转化

转化分析常被用于页面的跳转分析、用户流失分析等业务。一般选用漏斗模型，配以热力图等。

电商的公式 UV*转化率*客单价=销售额

UV即访客，转化率即买单人数与访客的比值，这里需要注意的是访客仅计算设备，换句话说就是，某一用户一天内多次访问某一家店铺也只算一次访问量。

下面来认识一下数据指标

接下来分别说明一下相对应的指标。

一 运营：

运营模块主要有有两大职能，首先负责达成整个品牌的业绩目标；其次在达成业绩目标时运营人员还要会控制成本。

第二 商品模块：商品模块主要负责商品企划和商品运营这两大职能。

第三 市场模块：市场推广主要有三大重要职能，即市场推广、会员维护、活动包装。

第四 视觉编辑模块：负责店铺视觉，详情页逻辑设计和页面框架等三方面。

第五 客服、仓储、财务模块

从运营角度来说，客服、仓储、财务模块属于销售末端的支持部门。

了解了几大模块以后，我觉得有必要知道人、货、场下的数据指标。

人：

这里的用户细分为流量和成交用户，要注意这两者的区别，首先流量是还没有成交过得用户，是潜在的客户，而成交用户则是已经购买过商品的客户。因此关注的角度也不一样。

对于流量而言，主要关注的是流量的数量和质量，因为流量来源绝大部分来源于主动流量。流量数量主要关注UV和PV。

UV即是所谓的独立访问数,指访问电商网站的不重复指数。

PV即页面浏览量。

而流量质量需要关注的是浏览深度、ROI以及转化率。

ROI是指投产出比。举个例子：

假如投入2万元的推广费用，预估能带来4万元的收益，

此时ROI=1:2.

对于成交用户主要关注新老客户的比例，以及用户质量，即活跃用户，沉睡用户，复购率。

看完了“人”的相关指标，再来看一看货的相关指标

SKU：物理上不可分割的最小存货单元。

货重点关注的是商品销售情况。

最后看一看场的常用指标。

以上是电商数据分析一些常用的方法，指标。自己要多去思考，多做几个相关项目，在项目中运用起来。