电商产品与运营人员必须掌握的数据分析维度及业务指标分解

【文章摘要】我们首先需要定义一个事件（如注册用户），在定义一个事件（如提交订单）的情况（这里一般为次天数），然后我们筛选用户的事件为什么，得到一个数据

既然不是专业的数据产品人员，我们不需要了解的太深，只需要关注最核心的一些内容，在明确数据分析之前，首先我们要明确电商产品的数据分析几大业务指标：

一. 用户角度

1、总活跃用户数、新注册用户数、总PV；

2、一定时间的活跃用户数、新注册用户数、总PV；

3、一定时间的转换关系；

4、不同渠道下，注册转换情况；

5、不同注册渠道下，注册用户的后续留存率；

6、一定时间有购买行为的用户的重复购买的分布情况

二. 订单角度

1、今日的订单总数、销售额、订单单价、有订单用户数、补贴比例；

2、过去一周每天的订单总数、销售额、订单单价、有订单用户数、补贴比例；

3、过去一周每天的订单平均送达时间；

三. 商品角度

1、按照商品分组，今日每个商品的浏览数、购买用户数、订单数、销售额；

2、按照商品分组，过去一周每天每个商品的浏览数、购买用户数、订单数、销售额；

四. 品类角度

1、按照商品品类分组，今日每个品类的浏览数、购买用户数、订单数、销售额、订单单价；

2、按照商品品类分组，过去一周每天每个品类的浏览数、购买用户数、订单数、销售额、订单单价；

五. 店铺角度

1、按照店铺分组，今日每个店铺的浏览数、购买用户数、订单数、销售额、订单单价；

2、按照店铺分组，过去一周每个店铺的浏览数、购买用户数、订单数、销售额、订单单价；

在基于以上指标进行数据的统计

我们再进行数据分析

1、首先数据分析建模，我们知道电商类产品模型一般以事件（点击，浏览等）用户属性进行建模

然后我们进行正式的数据分析

我们需要知道用户的一系列用户行为分析，常指用户画像

方法一：多维度数据分析

我们需要定义一些事件，如取消订单，提交订单，支付订单，浏览商品，加入购物车等等

然后基于这些事件，我们需要一个指标，比如说次数，总和

可是我们知道光有个数据罗盘还不够，我们需要对数据进行细分，这里我们做了事件，指标。所以还需要筛选用户的属性了，比如说城市，用的设备，支付方式，来源渠道。

这个方法，我们常用于用户画像，用户行为分析，数据异常排查分析等

方法二：转换率数据分析

我们进行一场活动，我们需要进行评估，这二天注册了多少人，订单转换率是多少，支付率是多少，我们就需要一个分析方法了。

从我刚讲的我们基于事件分析，所以我们就可以定义一个事件，筛选时间，先定义事件（注册），再次定义事件（提交订单），在次定义事件（支付订单），我们可以得到一个转换率

这个方法，我们常用于转换率分析，也称漏斗分析

方法三：留存数据分析

留存分析正如字面意思留存，我们需要对一段时间的用户就像数据分析，比如说我们搞了一个活动，我们需要看那段时间的注册用户，提交订单的情况，第一有多少提交，第二天有多少人提交，第三天有多少人提交等

数据分析一般为，我们还是根据我们的数据模型，首先定义一个事件（如注册用户），在次定义一个事件（如提交订单）得到一定事件的比列

这个方法，我们常用于观测一定事件的留存情况

方法四：活跃或回访数据分析

我们知道，我们定义了用户的行为数据分析了，可是我们需要看一段时间的，一个事件的使用次数，或者某个地方的用户使用情况，那我们怎么办呢。这里就是我所说的活跃数据分析情况了，

我们首先需要定义一个事件（如注册用户），在定义一个事件（如提交订单）的情况（这里一般为次天数），然后我们筛选用户的事件为什么，得到一个数据。

这个方法，我们常用于调查用户使用情况，也是衡量一个用户活跃的关键数据分析指标

说了这么多，我们能干嘛呢

1、数据异常排查，细分逐一查看

2、关键页面的转换率提升

3、活动的情况评估，渠道数据分析评估

………..

end