分类
外匯交易的優點與特點

如何搭建电商数据指标体系?

第二个注意点:目标客户是谁!

一文详解电商数据指标体系

搜索无结果UV
搜索无结果PV
搜索无结果人数占比=搜索无结果UV / 搜索点击UV
搜索无结果词量
搜索无结果词量占比=搜索无结果词量 /(搜索有结果词量+搜索无结果词量)
相对于搜索有结果,搜索无结果则需要重点关注词量问题。如果搜索无结果词量很多,且占比很高,则意味着当前商品短缺或搜索匹配算法需要优化。当用户整体搜索无结果人数占比提升时,则需要马上关注搜索产品的优化了,如果越来越多的用户来搜索却没有得到结果反馈,那么用户将流失得越来越多。

商品数量
商品上新数量
商品有库存数量
商品无库存数量
商品有销售数量
商品无销售数量
商品上新率=商品上新数量 /商品数量
商品动销率=商品有销售数量 /商品数量
商品滞销率=商品无销售数量 /商品数量
商品倾销率=商品无库存数量 /商品数量
商品的数量体现了电商中“货”的能力,先有货才能有成交。但除此之外,需要关注几大指标,

数据分析系列篇:数据指标体系建立

数据分析系列篇:数据指标体系建立

1.搭建数据指标体系的前提

做保险行业的 数据分析 指标体系肯定和做零售行业的指标体系不同,有做交易支付为目标的,也有做用户流量的。所以了解业务形态,是首要任务。大到方向,小到细节。

数据分析系列篇:数据指标体系建立

2.电商的数据分析指标体系

数据分析系列篇:数据指标体系建立

a.网站运营指标

运营很重要的关键词就是:流量

这方面更多是配合运营一起来做的,专题活动的专项分析,通过不同的营销活动来打动用户,比如双十一、双12、黑色星期五,这些典型的成功案例成为全民狂欢的购物节的具体效果怎么样。特别要说的是,一定要结合营销活动的具体内容来分析,举个例子,之前遇到过一个情况,我们本身并没有做什么营销活动,而突然有一天游戏充值的流量暴增,原因查了半天才知道原因是腾讯是搞游戏币充值活动,那这种就属于场外活动的影响。

  • 建立CRM(客户关系管理):建立CRM的最主要原因是为了帮助我们了解客户,那么客户的信息越详细、越准确越好。建立了CRM之后,客户管理就会便捷而且系统化和流程化。
  • 构建客户综合价值模型:我们可以通过客户综合价值模型来评估并选出我们最想要保留的客户。客户价值评估模型的搭建,综合衡量了客户五个方面的表现:客户当前贡献度、客户未来贡献度、客户信用度、客户忠诚度、客户成长潜力。
  • 用客户生命周期模型提升收入:通过决策树算法我们能调整适合我们的客户生命周期,最后制定针对不同生命周期的营销策略。通过划分生命周期,我们能解决基本客户细分的问题。

数据分析系列篇:数据指标体系建立

特别是我们在做用户会员体系的过程中,要建立会员的健康度监控,培养用户的沉淀意义。什么意思?如果你只是通过一次次的红包、促销、折扣来吸引用户的话,如果不是真的产品很有竞争力,那每次做完活动后能够沉淀下来的用户也是寥寥无几的,这样的成本也是极高的。

数据分析系列篇:数据指标体系建立

第二个注意点:目标客户是谁!

2. 指标体系搭建

指标类型可以按照多种标准划分 按计算方法,分为单一指标和复合指标(由单一指标通过加、减、乘、除四则运算生成),如浏览人数和注册转化率 如何搭建电商数据指标体系? 按指标的正负意义,可分为正向指标(如转化率、购买率,越高越好)和负向指标(如跳出率、错误率,越低越好) 按业务范围,可分为行为指标如浏览次数、关键事件次数、转化率等;成本指标新访客成本、CPC、CPM等;营收指标客单价、重复购买率、ROI等 一个完整的指标体系会包含多种类型的指标。

二)确定OMTM

OMTM:唯一关键指标(one metric that matters, OMTM).在数据分析时,可以抓取许许多多的数据,但必须聚焦在最关键的事情上。根据分析目的,只关注驱动的核心,唯一关键指标,根据OMTM搭建指标体系。 这里我们需要提一下选择OMTM指标遵循的三个“好指标原则” 好指标一定是可比较、可理解并且是会可指导的。 围绕这三个原则确定OMTM。

三)为什么OMTM是驱动的核心?

四)分析影响指标的关键因素

我们最常关注的指标多为最终结果指标,比如评估一个电商平台,我们最关注的是销售额(常被称为虚荣指标或表面指标),在业务人员分析销售额增长或下降的原因时,就需要对指标进行拆分,找到影响指标的最小因素,即明确指标。 虚荣指标是表面指标。它们往往比较大而泛,可以给人留下印象,比如销售额。可以用这些指标来谋求建立合作关系并赢得一些关注。 明确指标是运营性指标,比如产品每日实际使用时长,用户访问服务所需时长等。这些是推动增长的隐形引擎。要用这些指标来巩固你的竞争优势。

五)杜邦拆解-最小可优化单元

六)指标体系的构成

三、数据采集和验证

一)数据采集

数极采集一般有三种方式,代码埋点、可视化埋点和后端埋点。 代码埋点可以采集任意业务指标、维度丰富,但需由技术人员完成代码部署。 可视化埋点操作简单,直接点选完成,可视化埋点适合单一指标,不能采集维度数据。 后端埋点可将前端数据和后端系统数据融合统计,对接更多数据源,但需技术深度参与。 我们在进行数据采集时要根据不同指标选择最适合的采集方式。

可视化埋点

我们提到在代码埋点和后端埋点时,需要先配置事件和属性。 先给大家解释三个概念,事件、参数和属性。 事件可以理解为用户的某个行为,比如登录、注册、购买,都统称为事件; 事件和参数结合起来就是指标,比如登录次数、注册人数、购买金额这些我们称为指标,而次数、人数、金额就是事件的参数。 事件属性可以从某个维度对事件进行拆分分析,比如登录方式就是登录的属性,分析不同登录方式的登录次数。

首先看下如何创建事件,在后台进入自定义设置-事件界面,添加事件字段后保存即可。 重要的是创建事件时各字段的含义和填写方法,很多客户在这一步较为迷惑,不知如何填写。 事件方法:事件名称的英文翻译,如登录的英文login 事件名称:表示用户的具体行为,如登录 事件类型:统一全部选为“自定义事件”

事件参数(和事件一起构成指标)

参数名称:指标名称的英文翻译 指标名称:如金额(人数、次数、用户数系统自动统计,无需添加,如无特定的参数,就把指标名称写为事件,参数名称对应event) 计算:对参数的计算方法。数值型进行求和,如金额,最后显示的的累加和;字符型为计数计算,最后累计个数。

事件属性参数名:为事件属性名称的英文翻译 事件属性名称:和事件相对应,如登录方式 所属事件:属性所对应的事件,可一对一,也可一对多;如登录方式只对应登录,而商品名称可能对应浏览商品、加入购物车、购买成功等事件。

二)数据验证

四、数据应用

一)驱动闭环

二)应用举例

首先看推广成本优化

当前各种推广渠道层出不容,那如何分析推广渠道,优化推广成本? 首先确定渠道的质量指标和数量指标,如下图中各渠道的人数、次数指标我们归为数量指标,其余指标为质量指标,然后按照五个维度对渠道拆分分析。 把所有渠道按质量指标和数量指标生成散点图,按照质量高低、流量大小的划分标准分为四象限(即我们常用的四象限分析法)。 找到不同渠道对应的位置,按照策略优化即可。

第二个例子是注册转化率的优化

某电商平台APP端,新访客注册转化率为20%左右,某日该指标出现异常数据2.81% ,如何通过数据分析解决注册转化率降低的问题? 首先确定OMTM指标 注册转化率:新访客注册人数/新用户数 新访客数、新访客注册人数 通过数极客采集 分析思路: 用户从访问到注册有一定的操作路径,一般分为:浏览页面、开始注册、获取验证码、注册成功几个步骤。注册转化率突然降低,用户一定是在操作路径的某一步流失掉了。这时可以设计基于以上操作的路径漏斗,查看每一步的转化率。 分析结果:按照时间维度对比漏斗发现,转化在前三个环节和前一天差别不大,只在获取验证码到注册成功环节转化率相差很多,按照以上步骤进行测试,发现在发送短信验证码出现问题,很多点击收不到验证码,马上和运营商取得联系及时解决问题。

电商数据分析基础指标体系

产品总数指标。包括SKU、SPU和在线SPU。SKU是物理上不可分割的最小存货单位。SPU即Standard Product Unit (标准化产品单元),SPU是商品信息聚合的最小单位,是一组可复用、易检索的标准化信息的集合,该集合描述了一个产品的特性。通俗点讲,属性值、特性相同的商品就可以称为一个SPU。如iphone5S是一个SPU,而iPhone 5S配置为16G版、4G手机、颜色为金色、网络类型为TD-LTE/TD-SCDMA/WCDMA/GSM则是一个SKU。在线SPU则是在线商品的SPU数。