简单实用的电商数据分析方法论

标签: 电商运营 | 发表时间:2014-05-03 22:59 | 作者:卡巴斯基
出处:http://www.techxue.com/forum.php

  导读:说到数据分析,大家可能就会想到回归,聚类什么的,不过对于电商的小伙伴来说,这些都太复杂了。而实际分析的时候,其实并不需要这么复杂的算法,大家需要的只是:

  对比

  细分

  转化

  分类

  只要掌握了这四种思想,基本上已经可以应付日常的分析工作了。

  对比思想

  数据对比主要是横向和纵向两个角度,指标间的横向对比帮助我们认识预期值的合理性,而指标自身在时间维度上的对比,即我们通常说的趋势分析。

  以店铺的成交额分析为例:

  纵向对比

  我们可以把最近30天的成交额显示在坐标轴上,这样就可以很明显的看到最近的成交额是否达到了预期,当然我们也可以以周或者月(或者季度,年等等)为单位。

  所有的分析其实都必须要考虑实际的场景,我们看到今天的成交额比昨天大也许说明的问题还是很有限,因为今天和昨天的性质可能未必一样,例如今天可能是周六,或者恰好是节假日等等。所以我们在做纵向对比的时候,例如要判断今天(假设是周六)的成交额是否合理,除了看最近30天的趋势数据,我们还可以考虑:

  最近10周的周六成交额趋势

  如果今天恰好是一个节日,例如双十一,那么可以考虑和上一年的双十一做一个对比。(说明:因为间隔时间比较长,数据反映出来的意义可能比较有限)

  横向对比

  例如我们说,店铺这周的成交额上涨了10%,那我们是不是应该高兴呢?

  当然应该高兴,不过这个上涨的背后是否隐含着什么危机呢?当然是有的,例如你的竞争对手们这周的成交额都上涨了20%!当你洋洋得意的时候,可能已经被竞争对手拉开距离了。

  也就是说,我们对一个现象判断好不好,这是需要一个参照系的。在现在的电商时代,你完全有可能知道竞争对手的成交额上涨了多少的。

  再举一个更常见的例子:

  假如我在不同的地方(或者平台)开了很多家店铺,某商品的成交额在A店铺上涨了10%,那这个是否值得高兴?

  这个显然未必,我们还要对比商品A在各家店铺的上涨情况,例如可以对比平均曲线。

  细分思想

  使用转化的思想,我们已经基本可以判断一个指标(例如成交额)是否合理了。不过还仅仅知道是否合理是不够的,我们还需要知道问题所在,这时可以用上细分的思想了。通过细分的思想,我们可以对分析对象剥丝抽茧,逐步定位到问题点。细分的角度可以有很多,越细分越能准确描述问题。

  例如,我们通过查看趋势,知道了这个月成交额下降了这个问题后,现在我们用细分的思想来找出问题的所在:

  成交额细分

  成交额 = 客单价 X 客户数

  对比客单价和客户数的趋势,就可以判断出影响成交额变化的主要因素是什么,如果是客户数问题,我们则对客户数进行细分,如果是客单价问题,则对客单价进行细分。

  客户数细分

  客户数 = 新客户 + 老客户老客户 = 二次成交客户 + 多次成交客户

  一段时间内的新客户反映的是店铺的引流效果,而老客户反馈的是店铺的产品质量,服务质量和客户维护营销等。

  对于店铺来说,促成二次成交都是非常重要的,特别是对于电商客户,因为对于电商,客户转移的成本比线下低很多。

  客单价细分

  客单价 = 成交价 X 人均成交数

  人均成交数这是店铺一个非常值得关注的指标,它能最直接地反馈出店铺在服务质量和客户维护营销等方面的效果,如果该值过小表明店铺的客户流失率很大,应该重点关注。

  成交价反馈的通常是导购的能力,促销活动的效果等,具体还可以对这个指标进行分解。

  成交价细分

  成交价 = 件单价 X 连带率

  成交价的上升或者下跌,反映的问题可能很多,对其进行分解后就很明确了。

  件单价的变化通常是有促销的力度,商品结构和消费结构(例如季节因素等)变化引起的。

  连带率这个反馈的是店铺内导购的能力,或者促销手段(例如买一送一等)的效果,也是店铺管理人员重点要关注的指标。

  细分思想其实就是不断用更小的量化指标去细分一个大的指标,从而达到定位问题的目的。

  转化思想

  细分的思想可以从纵向定位问题,但是单单细分是不够的。这些指标是从哪里来的,每一个步骤的转化率怎么样,哪一个步骤的转化不好,可以改善?这些通过转化率都可以分析出来。

  例如我们要分析本周的活跃客户数(有成交的客户数),那么我们就要分析这些活跃的客户数是从哪里来的,梳理一下可以简单分为以下4个步骤:

  进入店铺的客户数 ==》浏览过商品的客户数 ==》下单的客户数 ==》交易成功的客户数

  这里4个步骤就会有3个转化率,哪些步骤转化率比较高,哪些步骤转化率比较低,历史趋势怎么样,是否合理,是否有改进的空间等等。通过应用转化的思想,能够有效的指导和优化实际的运营工作。

  分类思想

  上面我们已经介绍了对比,细分和转化三种实用的数据分析思想,现在我们还有再介绍一种非常实用的思想,那就是分类思想。

  分类思想简单的说,就是把一些对象,按照某种规则,划分为若干个类别,然后分析各个类别的特征,并以此来指导我们的行动。

  严格说,分类其实也是细分的一种,不过因为它比较重要,所以独自开来。

  分类思想的应用很多,例如对客户的分类,我们可以用RFM分析模型,也可以用简单的利用某个指标的值(例如渠道标识,这样我们就可以分析到各个渠道客户的质量等)。基于这些客户的分类,我们就可以进行精准的客户营销了。

  在电商或者零售业上,我们经常做的分类还有商品分类,经典的有按照品类分类,或者ABC分类,这些对于我们做商品运营都是非常重要的。

  当然还有非常复杂的分类方法,例如聚类算法,不过这些不在我们的讨论范围内。

  小结

  对比,细分,转化和分类,其实都是很简单的数据分析思想,不过如果你掌握了,并且培养这样的意识,那一定会受益终身。

  最后:

  所有数据分析方法思想都只是术,真正的道是你对数据使用场景的深刻理解。离开了使用场景,数据就毫无价值。

  来源:网络转载

 

相关 [电商 数据分析 方法论] 推荐:

简单实用的电商数据分析方法论

- - 互联网分析沙龙
  导读:说到数据分析,大家可能就会想到回归,聚类什么的,不过对于电商的小伙伴来说,这些都太复杂了. 而实际分析的时候,其实并不需要这么复杂的算法,大家需要的只是:.   只要掌握了这四种思想,基本上已经可以应付日常的分析工作了.   数据对比主要是横向和纵向两个角度,指标间的横向对比帮助我们认识预期值的合理性,而指标自身在时间维度上的对比,即我们通常说的趋势分析.

大道至简的数据分析方法论

- - 互联网分析沙龙
你有没有觉得学习数据分析方法时很痛苦?本文,笔者用简单易懂的文笔总结出来一套易学易用的数据分析方法论,让初学者快速掌握数据分析方法中最核心、最常用的要点,至少能满足90%的日常需求. 学习对大多数人而言是一件痛苦的事情,尤其看着厚厚的专业书籍、各种难以理解又缺乏解释说明的术语定义,会让这种痛苦加剧.

电商数据分析基础指标体系

- - 199IT互联网数据中心
信息流、物流和资金流三大平台是电子商务的三个最为重要的平台. 而电子商务信息系统最核心的能力是大数据能力,包括大数据处理、数据分析和数据挖掘能力. 无论是电商平台(如淘宝)还是在电商平台上销售产品的卖家,都需要掌握大数据分析的能力. 越成熟的电商平台,越需要以通过大数据能力驱动电子商务运营的精细化,更好的提升运营效果,提升业绩.

Excel 数据分析

- - ITeye博客
用Excel做数据分析——直方图. 已有 0 人发表留言,猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.

扯扯数据分析

- - 互联网分析
在别人的眼里数据分析既是很深奥的职业,也是被人挑战的职业,更是让你又恨又爱的职业. 其实这些都不重要的,重要的是对此行感兴趣,骨子里有量化一切的 意识. 很多人首先脑海中出现的是1、2、3……等等,为何有这样的印象. 其实是我们数据分析师为了更好的运用“统计学”所以要将许多 数据想尽办法来转化为1、2、3这样的数据形式,从而更深入、科学的分析data,不扯这个了,这个没什么意思,看图:.

数据分析那些事

- - 小蚊子乐园
今早突然有个想法,就是经常有网友会对数据分析方面有一些困惑,并且咨询我该怎么办. 并且经常是同样的问题,所以觉得有必要对一些经典共性的问题进行整理,与大家分享,这里并非标准答案,仅作参考. 欢迎提出自己对数据方面的疑问,将在此篇将持续更新,敬请关注. ----------------------------------------我不是完美的分割线--------------------------------------- .

谈大数据分析

- - 人月神话的BLOG
对于数据分析层,我们可以看到,其核心重点是针对海量数据形成一个分布式可弹性伸缩的,高查询性能的,支持标准sql语法的一个ODS库. 我们看到对于Hive,impala,InfoBright更多的都是解决这个层面的问题,即解决数据采集问题,解决采集后数据行列混合存储和压缩的问题,然后形成一个支撑标准sql预防的数据分析库.

Twitter收购数据分析公司BackType

- zou guangxian - 36氪
Twitter刚刚宣布已经收购BackType,一家帮助公司和品牌衡量社交媒体影响力的数据分析公司. BackType在博客上宣布这一消息时称团队将集中精力为Twitter发布商合作伙伴开发工具. 总部位于旧金山的BackType是一家由YC孵化的创业公司,自2008年以来已获得130万美元投资. 作为交易的一部分,BackType将停止BackTweets(帮助内容发布商了解推讯是如何转化为网站流量和销售额)的新用户注册.

数据分析中遇到的“圆”

- simple - 所有文章 - UCD大社区
与十年前不同,当今令数据分析师迷茫的,可能不再是数据很少,而是数据很多;今天不是不知道玩好数据的重要性,而是不知道玩错数据的危害性,即所谓甜蜜的烦恼. 一个数据分析师,如果能体会到,当下数据存在的核心问题,并且能清楚解决办法,就可以精益求精了. 这次想跟大家讲的是一个由受、想、行、识四个部份所组成生生不息的圈(Feedback Loop),彼此互相推进.

数据分析师的基本素质

- AWard - 小蚊子乐园
摘自《谁说菜鸟不会数据分析》第一章.     Mr.林看到小白斗志昂扬的样子非常高兴:别光说不做啊,要成为一名优秀的数据分析师,并非一件容易的事. 虽然所学的专业与数据分析不相关,但你可以通过工作中的实践学习数据分析,需要付出大量的时间和精力,不经一番寒彻骨,怎得梅花扑鼻香.     下面,我给你介绍一名合格的数据分析师需要具备的五大基本能力和素质.