电商行业案例分析 | 看透数据分析的本质

双11的硝烟还未散去，双12的号角已经吹响。

我们今天要讨论的不是“钱是怎么花掉的”，

而是“那些热卖的电商商家的钱是怎么赚的”？

我们都知道“数据驱动运营”这个大道理，大道理听多了，反而越来越多的人不知道如何用数据驱动运营，电商行业的案例是最能说明“数据驱动运营”这个大道理的，相信你在看完了这篇文章之后，一定对自己手上的业务数据有了更深的了解。本文可以作为独立电商平台学习提升转化率的范例，也可作为一篇提升数据分析思维的实战教程。

我们先来看一个独立电商平台的案例：

案例：

鲜花订单交易电子商务平台A，三个月的时间，利用数据分析提升了业务转化率从5%-18%，我们看下过程：

独立电商平台A的需求

1、需对不同商户位的访问数据、购买转化等指标科学定价分配，因商户位较多，希望获得各商户位访问和转化数据过程能操作简单、随时调整，产品、运营可直接完成。

2、A平台入驻花店较多，需要监测各花店的接单和配送数据，衡量商户质量进行优化。

3、A可通过多种路径进行购买，希望能知道所有购买路径的转化率，进行路径优化。

解决方案

1、利用数极客的可视化埋点功能，A平台的产品，运营人员直接在页面上对商户位，广告位进行了圈选，完成埋点，节省了与技术沟通支持的时间成本，提高了效率，并在每个广告位设置了转化漏斗，月底查看一次多个广告的对比效果情况。快速便捷的就可以查看不同商户位的访问和转化数据。

2、数极客的数据分析师在A平台的操作系统中添加了自定义活跃事件，这样运营人员可以看到接单和配送的功能数据外，还能多维度查看每天接单活跃、配送活跃的商家数量和排名，奖励活跃商家，激活不活跃商家，商户质量一览无余。

3、在统计购买转化时，通过智能路径生成所有购买路径，对关键路径进行多维细查研究，找到每个路径购买转化关键点，从每一步流入和流出挖掘影响转化的因素然后调整优化。

通过近3个月的优化和调整监测，A平台购买转化率提高了18.1%。

大数据时代的任何商业活动，都离不开数据的支撑，那些双11销量遥遥领先的品牌不管是依靠平台，还是拥有独立电商网站，都需要精细的数据支撑驱动业务增长。“数据驱动运营”的时代，已经势不可当。

有哪些数据分析需要做？

电子商务网站需要解决的问题有不少，比如：

如何投放广告以寻找合适的客户人群；如何组织安排网站的网页内容，以符合访客的个性化需求；如何找出同一类访客的特征并预测其未来的购买行为；如何调整商品页面的安排以提高商品被购买的比例；如何自动地把商品分类，把同时可能购买的货物放在同一个网页上，以增加单次购买的商品总值；如何吸引老客户多次回访网站，并做反复购买；如何估计购物车被放弃的可能性以及如何降低这一数字。

所有这一切都建立在寻找不同的显性或者隐含的数据模式之上。

网站流量分析

要解答客户什么时候来，从哪里来的问题要诉诸于电子商务领域最常听到的一个词了：流量。

通常说的流量（ Traffic）是指网站的访问量，是用来描述访问一个网站或是网店的用户数量以及用户所浏览的网页数量等一系列指标，这些指标主要包括：独立访客数量（ Unique Visitors）丶页面浏览数（ Page Views）丶每个访客的页面浏览数（Page Views Per User）。

利用数据采集工具，从多维度来分析流量，例如从时间维度来分析流量，可以得出在什么时间段访问某类商家的客户最多，也就是客户最喜欢在什么时候来到我们的电子商务网站，这对中小型的电子商务网站的帮助是最大的。

在做流量分析和访客来源分析中，我们最常使用的数据挖掘方法是时间序列。

时间序列是数据挖掘领域中用来分析一段时间里各项指标的变化情况最常用的方法，通过 时间序列我们不光可以从趋势图中看出网站（店）流量的大体变化情况，更重要的是我们能够预测未来一段时间的网站（店）流量情况。

网站流量分析，是指在获得网站访问量基本数据的情况下对有关数据进行的统计和分析，其常用手段就是 Web挖掘。Web挖掘可以通过对流量的分析，帮助我们了解 Web上的用户访问模式。

那么了解用户访问模式有哪些好处呢？

在技术架构上，我们可以合理修改网站结构及适度分配资源，构建后台服务器群组，比如辅助改进网络的拓扑设计，提高性能，在有高度相关性的节点之间安排快速有效的访问路径等。

帮助企业更好地设计网站主页和安排网页内容； 帮助企业改善市场营销决策，如把广告放在适当的 Web页面上； 帮助企业更好地根据客户的兴趣来安排内容； 帮助企业对客户群进行细分，针对不同客户制定个性化的促销策略等。

商品销售分析

在电子商务网站上对商品销售进行分析是定时定期需要做的事情。我们可以做的商品销售分析种类很多，比如各个不同商品的访问量丶热点分析丶性能数据等。我们在做分析时，也要考虑到行业丶时间和地域等各种方面的因素，并和平均及基准的数据做对比。

做商品销售分析，需要从时间和空间的维度以及商品的类别丶价格等多个维度来做分析，这里可以做的报表类型非常多。

我们单纯从时间维度上来看，常用的报表是同比和环比的报表，而时间区间的选择可以是年丶季度和月，而当一个电子商务网站在刚刚开始的时候，周数据的报表也是偶尔会用的。

除了分析商品的销售之外，我们还需要做的分析是潜在的销售，也就是客户到网站来，浏览了哪些商品和分类，搜索了哪些商品，从而了解客户的兴趣点和将来可能购买的商品。

定期数据分析

要想做好电子商务网站的运营，需要做各种分析和报表，定期展示丶对比网站数据和运营数据。而对于大部分 CEO来说，周期的销量增长量可能是他们最为关心的数据分析。

以增长量为例，下面列出的这些数据是电子商务公司的董事长丶总经理和各级销售管理人员经常需要查看的与业务相关的增长量数据。这些数据都可以是负数。

增长量：所分析的业务在一定时期内增长的数量，是分析期与对比期的差额。同比增长量：当前值与去年同期值之间的差值，用同比增长量来统计消除了周期变动和季节变动的影响，所用时间期间通常是月或者季度。环比增长量：是指当前值与上一期数值之间的差值，所用时间期间一般是季度丶月或者星期。增长速度：是用来反映业务成长性的相对指标，用以查看当期增长量和对比期的数据对比。同比增长速度：是当期增长量与去年同期值之比，说明当期业务水平对去年同期业务水平增长的相对程度。环比增长速度：是当期增长量与前一期水平之比，说明业务分析期与相邻前期业务水平的相对增长程度。 项目增收贡献率：某项目增长量和所有项目总的增长量的比例。

内容分析

我们所述的电子商务网站上的内容分析和其他分析一样，也都是需要从数据出发的。

商品分析和页面分析从一定的角度来说，也都属于内容分析。这里所说的内容分析的对象是在商品页面之外的内容。

我们通过分析流量和客户兴趣点匹配相应的内容。通过数据，我们可以看到不同的内容所吸引的点击关注，从而对内容做出相应的调整。

在做内容分析之后，网站的内容需要从下面三个方面做优化：

内容专业化；内容差异化；内容质量化。

数据分析的本质，是要结合业务指标，分析用户行为数据，得出结论，进行调整优化，然后再推动业务增长，这是一个正向循环的过程。