数据分析思维分析方法和业务知识——实战案例之国内电商行业

数据分析思维分析方法和业务知识——实战案例之国内电商行业

国内电商行业

业务知识

业务模式

企业卖家——企业买家（B2B）阿里巴巴企业卖家——个人买家（B2C) 天猫，亚马逊，某某官方旗舰店个人卖家——个人卖家（C2C）淘宝，京东卖家线上销售——买家线下门店提货/换货（O2O） B2C的升级

业务指标

新老用户

数量占比金额占比注意：老用户的定义和成交的定义

复购率和回购率

复购率

指复购用户的占比反应用户的忠诚度

平均复购周期

用户重复购买的平均时间间隔（同一用户在同一天发生的多笔交易在电商行业中通常被合并为一次，不计入复购）

回购率

分析短期促销活动对用户吸引力的指标

人与货两类指标

用户交易指标

进店浏览指标

访客数（UV）：商品所在页面的独立访问数加购数

将某款商品加入到购物车的用户数量

收藏数

收藏某款商品的用户数

购买指标

GMV（成交总额）客单价支付转化率

付款用户数/访客数

折扣率

GMV/销售总额

退货指标

拒退量

拒收和退货的总数量

拒退额

拒收和退货的总金额

实销额

GMV-拒退额

商品管理指标

备货指标

SPU

款号

SKU

某款的具体货号

备货值

实际价格*库存数

发货售后指标

售卖比

GMV/备货值

动销率

有销量的SKU数量/在售SKU数量

案例分析（回购率下降）

明确问题

分析原因

用多维度拆解分析方法拆解用户

RFM

R：最近一次消费时间间隔；上次消费离的越近，R值越小，用户价值越高F：购买频次；F越大，用户价值越高M：消费金额：M越大，用户价值越高意义

精细化运营

用对比分析方法对比不同层次用户的回购率变化，缩小目标后继续拆解与对比

根据R值的不同进行分组，然后和去年的数据进行对比

通过数据发现，R值不能定位回购率下降的原因

按照F进行拆解，然后再分组，再对比

对比发现有了明显的区别，但是没办法知道具体的原因

再对R进行详细的拆解，找到具体原因

发现某个时间的回购率是最低的，然后再倒推其时间所发生的业务，最后找到其原因

使用假设检验分析方法确定原因

找到原因之后再通过假设验证的方法确定具体的原因

提出建议

根据分析结果，问题出在该店铺在今年平台大促引入购买一次的新用户后续复购转化不足建议为这家店铺设计一次专门针对新用户的店铺首页，并且仅对新用户展示，强化即时奖励+复购挑战+长期复购的权益

可立刻领取首次购买积分，并参与100%中奖的幸运转盘，获得积分、优惠券或周边礼品激励用户在45天内产生复购，赠送精美礼品与包邮特权推出积分卡、兑换卡等一次充值、多次优惠返利的权益除页面外，通过短信、手机淘宝等沟通渠道在新用户首购的7天后邀请返店领取会员卡，及时送上复购卷等权益思考角度

外部

已有的电商平台资源未来可争取的电商平台资源竞品有但我没有的资源

内部

推广策略用户运营策略商品策略活动策略

思考方向

沟通优化

沟通对象分组沟通渠道筛选对不同用户沟通内容的定制

权益优化

实物奖励服务体验特权身份趣味互动

活动复盘

总体运营

直观的展示本次活动的销售数据关注

销售额

用来跟预期目标做对比

售卖比

GMV/备货值对库存进行优化

UV

浏览页面的次数

转化率

选出销售较好的商品

价格区间

对本次活动的价格区间有一个整体的了解，可以看出哪个价格区间的数据是最好的

然后再对此价格区间进行更细的拆解，拆解到价格区间的商品，然后定一个符合需求的标准

超过就予以保留，用于参加下次活动小于的就清理库存

折扣区间

对本次的折扣结构有一个整体的了解

同样的去找到合适的商品进行优化

小结

在学习了多种思维方式以后，只有在实践中才能去完全的掌握其使用方式和运用的场景，而且多重思维方法往往是结合使用。此例的思路为：①用多维度拆解分析法方法拆解用户用到的是RFM分析方法对用户进行多维度拆解②用对比分析方法对比不同层次的用户的回购率变化组内对比，找到所需要的的数据③使用假设检验分析方法确认原因

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。