电商数据分析方法论

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。

转载请注明：数据分析 » 电商数据分析方法论_大数据分析方法论