数据分析系列篇（5）：数据指标体系建立

数据指标是数据分析很重要的原材料，比如我作为一家电商公司，我的网站运营的如何？每天的流量是多少？新老卖家买家都是什么占比？产品类目销售情况是什么样子？这些都是作为一家电商公司每天都需要去监控和关注的。一家企业建立的数据分析体系通常细分到了具体可执行的部分，可以根据设定的某个指标的异常变化，相应立即执行相应的方案，来保证企业的运营的正常进行。

本篇重点介绍电商公司的数据指标体系建立，究其原因1.用户数据相对完整和复杂 2.业务相对较成熟 3.数据指标体系建立相对来说具有代表性。

第一块重点先讲方法论，第二块讲模块内容介绍，第三回顾数据指标体系的注意点。

为什么要先介绍下方法论呢？

主要是不管是电商也好，还是游戏公司也好，还是做搜索引擎的，还是做微博运营的，本质上都是在做用户，都是在研究用户的行为特征和平台运营情况，掌握了基本的方法论，就无招胜有招。

1.搭建数据指标体系的前提

前提是神马呢？首先就是知道你在干的一件什么事！

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。

step 1走出去，先和运营的童鞋聊聊吧。看看他们都关注什么，他们对业务的理解是什么。他们平时都看什么指标。如果运营今年KPI是日活跃7000万，而你拼命分析交易量有增长，这样也没有了意义。

step 2看看不同层次的人对这个业务的理解。高管和运营童鞋具体看的维度和思考的维度会有不同，了解不同的思考维度和声音，对建立不同的数据体系有重要的意义。

step 3了解用户的声音，往往用户的声音才是对一个产品和平台最真实的反馈，这些需要数据指标体系来量化。

2.电商的数据分析指标体系

下图列出电子商务企业的数据分析体系绝大部分维度，这里的数据分析体系只是一个大致的、框架性的，这里更多是一个成熟的，共性的指标，而更多的则需要大家根据自身的情况去细化和完善，从而制定对企业更有意义的指标。

a.网站运营指标

运营很重要的关键词就是：流量！

网站流量指标主要用从网站优化，网站易用性、网站流量质量以及顾客购买行为等方面进行考虑。目前，流量指标的数据来源通常有两种，一种是通过网站日志数据库处理，另一种则是通过网站页面插入JS代码的方法处理（二种收集日志的数据更有长、短处。大企业都会有日志数据仓库，以共分析、建模之用。大多数的企业还是使用GA来进行网站监控与分析。）。网站流量指标可细分为数量指标、质量指标和转换指标，例如我们常见的PV、UV、Visits、新访客数、新访客比率等就属于流量数量指标，而跳出率、页面/站点平均在线时长、PV/UV等则属于流量质量指标，针对具体的目标，涉及的转换次数和转换率则属于流量转换指标，譬如用户下单次数、加入购物车次数、成功支付次数以及相对应的转化率等。

其次是产品类目！

商品类目指标主要是用来衡量网站商品正常运营水平，这一类目指标与销售指标以及供应链指标关联慎密。譬如商品类目结构占比，各品类销售额占比，各品类销售SKU集中度以及相应的库存周转率等，不同的产品类目占比又可细分为商品大类目占比情况以及具体商品不同大小、颜色、型号等各个类别的占比情况等。

b.经营环境指标

经营环境指标更多是对市场和外部环境的反馈，比如市场占有率、市场增长率，像这类的数据一般都是通过第三方数据公司的调研完成。

c.销售指标

销售指标是用户在下单环节中的整个过程体现。如果创建订单量很高，而下单成功率很低，那中间的支付环节是不是存在问题。如果订单量很低，而流量很高，是不是产品类目和单价有问题。总之，赚钱才能给业务带来增长。网站销售业绩指标重点在网站订单的转化率方面，而订单销售指标重点则在具体的毛利率、订单有效率、重复购买率、退换货率方面，当然还有很多指标，譬如总销售额、品牌类目销售额、总订单、有效订单等等

d.营销活动指标

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。

e.客户价值指标

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。