众所周知，电商平台定期都要对商品销售进行分析，比如针对各个不同商品的销量、库存分析、商品评论等。做商品数据分析，可以从时间维度或者从不同商品的类别、价格等多个维度来做分析，这里可以做的数据图表类型很多。 一、时间维度 从时间维度上来看，除了显示分析周期的数据，最常用的分析方式是同比和环比，时间区间可以是年、季和月，甚至是周，不过周相对用的少。 [图片] 二、商品类别、价格维度本次分析我主要是从商品类别、价格…
发表回复
忘记密码？ 请输入您的电子邮件地址。 您将收到一个链接，并将通过电子邮件创建一个新的密码。
众所周知，电商平台定期都要对商品销售进行分析，比如针对各个不同商品的销量、库存分析、商品评论等。做商品数据分析，可以从时间维度或者从不同商品的类别、价格等多个维度来做分析，这里可以做的数据图表类型很多。 一、时间维度 从时间维度上来看，除了显示分析周期的数据，最常用的分析方式是同比和环比，时间区间可以是年、季和月，甚至是周，不过周相对用的少。 [图片] 二、商品类别、价格维度本次分析我主要是从商品类别、价格…
评论 ( 13 )
从数据分析理论、工具、方法论出发，为你解答4个电商真实场景实践。
注：以下产品配图均来自神策分析，为避免商业机密，图片所涉数据均为虚拟。
场景 1：某超商小程序的用户分析运营
某超商有一款进店小程序，他们希望通过小程序实现两个目的：一是提升活跃度，即根据顾客的购买商品的记录，对其进行精准营销，让顾客能够经常消费；二是提升购买转化率，比如线下支付通常需要推销员人工进行商品推荐，而通过小程序挑选商品则可以直接看到相关推荐商品，从而提升客单价。在运营角度上，就是通过 ROI 实现更高效率的用户运营，提升用户的访问频率和购买转化率。其运营分析主要分为两个步骤。
第一步，确定北极星指标，基于指标拆解象限图。
基于提升活跃度和购买转化率的目的，运营团队将北极星指标定义为用户 3 月访问天数、用户总消费金额。通过使用 2 个北极星指标建立起“用户四象限”，将北极星转化为用户标签，把用户划分成了 4 个群体，分别是高频高价值、低频高价值、高频低价值、低频低价值。
图 1 基于北极星指标拆解象限图
第二步，对不同的用户群体，采取不同的运营策略，明确运营目标。
高频高价值：是企业的头部客户，是重点的用研对象和门店体验邀请对象。
低频高价值：该群体是潜在高价值客群，还不是产品的忠实用户。因此是重点的品牌宣传和交叉营销对象，以期建立品牌忠诚度转变为高频高价。
高频低价值：是最庞大的长尾群体，可让其野蛮生长，但同时做好预警机制，一旦发生大量迁移，立刻进行分析，进行运营干预。
低频低价值：可让其自生自灭，不做针对性运营。
最终效果是，在运营预算不变的情况下，提升了整体运营效果。用户活跃度整体提升 10%，用户消费转化提升 5%。
除此之外，企业还可以根据用户生命周期阶段分层运营，提升用户在成长通道的流转。（该部分内容详情可点击“阅读原文”下载嘉宾演讲 PPT，内含策略细分举例。）
图 2 精细化运营流程图
场景 2：某二手奢侈品电商的新用户流量运营
某二手奢侈品电商对平台流量运营时发现，平台经常会有阶段性的流量暴增，针对新用户的流量运营是运营团队的核心运营目标。团队通过渠道流量分析后发现，其 70% 的新用户主要来源于两个渠道：抖音和 B 站。
经过用户分群及漏斗分析对用户群体进行下钻分析，发现抖音渠道的流量转化率和复购率都比较好；而 B 站则不然，虽然加购较多但是转化较少。
图 3 数据分析发现，B 站渠道加购高，转化低
图 4 数据分析发现，B 站渠道的复购率较低
虽然两个渠道从效果上有较大差异，但是从流量效果上来说，B 站是不能放弃的重要营销渠道，因此运营人员将重要精力放在此渠道的新流量的运营上。由于 B 站渠道 0-17 岁用户占比达 37.55%，18-25 岁的用户占比为 29.96%，因此运营人员判断该渠道用户较为年轻，对奢侈品有需求，但经济购买能力有限。
于是经过内部沟通，在平台上增加了快时尚品牌，针对 B 站渠道的用户制作专门的落地页。通过完美的内部承接，渠道的用户转化率迅速上升。甚至该企业根据用户群体的特点，将产品定位从“奢侈品”改为“时尚品”，实现了数据驱动商业决策的改变。
场景 3：知识付费企业的优惠券效果评估
优惠券的使用是企业精细化运营常用的手段。理想优惠券发放带来的效果是，合理的补贴率（小于 20%）、用户较高的使用意愿、促成较高的销售量、多元化的使用方向、效果长期——持续的用户活跃和用户购买。
图 5 理想优惠券发放的效果
因为影响优惠券的发放活动效果的因素很多，运营人员可以通过该指标体系来评估效果，如图。
图 6 优惠券运营的指标体系
一家知识型付费企业经常会给用户发放一些优惠券，经过分析发现“好友邀请券”使用频率非常高。好友邀请券是由老用户发给朋友，当朋友成为平台用户后，两人都会各得到一张券。然而，尽管该券被高频使用，但是带来转化率非常低，复购率仅为 6%，远低于其余券 20-30% 的复购率。
运营团队通过用户路径分析以及用户调研，发现“好友邀请券”的发放者主要是 KOL，他们会在开新课之前给学员发券，让学员减少课程支付成本。在这种场景下券的使用者对平台几乎没有什么认知，复购率很低也是情理之中了。
图 7 70% 以上的邀请券由 KOL 使用
因此，运营人员不得不暂时关闭了该券。那么，“好友邀请券”该如何发放？运营团队尝试了两种方式。
第一种方式：用户加购——提交订单——给券——支付成功。
在这种方式中，给券的环节是在用户提交订单、支付成功之前，经过小范围内试用，发现最终效果并不好，因为它极大干扰了用户的购买流程：用户在支付前看到优惠券，需要转给朋友并当朋友注册后才能投入使用，这样无疑延长了用户的购买时间。
第二种方式：用户加购——提交订单——支付成功——给券。
在这种方式中，老用户在支付完成会拿到一张优惠券，此时可进行分享该券，新用户在老用户下次购买前注册新用户即可，如此既然不会干扰购物流程，同时还可以督促老用户的复购。
最终企业选择了第二种方式，经过数据监测，该券的使用量下降了 50%，但是复购率和 ROI 都提升了 50%。
场景 4：某电商企业的坑位运营
坑位归因，顾名思义，是将产品最终收益的功劳分配给转化路径中各个不同的坑位上。坑位的核心目的是“流量引导”，当流量流入在线产品（如电商、在线教育等）后，运营人员需要引导其完成购买任务，以实现流量价值最大化。坑位运营的第一目标是促进转化。促进转化相关的因素包括坑位设计、曝光量、产品体验、素材吸引力。量化指标见下图。
图 8 坑位运营的相关衡量指标
某电商运营人员希望全面了解各坑位的运营状况，从而找到优化重点。我们不难发现，不同坑位的贡献度差异很大，具体发现：
1、大专题页面导入用户流量高，但转化率相对较低，要么优化该页面的转化率，要么将用户流量导向其它页面更为合理。
2、并非越排序靠前的位置，贡献越高，不符合常见的规律。前 30 位的坑位收入贡献占比只有 50.02%，低于另外常见客户的 60-70% 的值，有较大提升空间。
目前，在神策归因分析上线后（详情可戳：神策归因分析如何量化目标贡献占比？），在神策分析进行参数设置后，首页各坑位的运营情况一目了然。通过归因分析还可以针对不同的优化点进行深度下钻分析，查看每一个优化点对应的细分表现，例如查看不同的“大专题活动”，通过带来的贡献收入进行“大专题活动”的优化等。
下面我来分享下坑位运营的分析思路。（该部分内容详情可点击“阅读原文”下载嘉宾演讲 PPT，包含清晰的思路说明及实现方式。）
1、坑位点击次数、人数和渗透率：通过各类坑位的点击次数、各类坑位的点击人数知道当前产品中流量规模最大坑位类型。通过各类坑位的渗透率，要评估用户使用坑位的意愿。
2、坑位人均点击次数和 CTR：用户对坑位的使用意愿，不能单纯从点击次数上分析，因为不同的坑位由于所在页面和页面所处的位置不同，得到的曝光量也不同。因此需要使用更科学的 CTR 进行评估。CTR = 坑位点击次数/坑位曝光次数，能够更好的表达用户在看到一个坑位后愿不愿意去尝试或使用。
点击率越高，表示坑位和素材吸引用户的能力越强；人均日使用次数越高，表示用户有将该坑位作为寻找目标商品的重要途径。
3、归因分析：成单贡献分析其实是一种典型的归因分析，将订单成交归于不同的坑位，并分析不同坑位带来的贡献，也就是订单量或订单金额的占比分布。神策分析提供归因分析完成此类场景需求，和之前通过在事件中加入入口来源属性的方式相比，大大降低了技术成本，同时也提升了分析模型的灵活性。
基于归因分析的结果，能看出不同坑位带来的订单量和 GMV 的绝对数和占比分布，从而对坑位的成单贡献进行评估。占比越大，成单的绝对贡献越高。
4、坑位贡献原因分析：将归因模型中的目标转化，分别改为商品详情页浏览、加入购物车、提交订单详情、支付订单详情，就可以得到这些坑位在流量落地、意愿达成、促成有效订单以及最终支付各环节的贡献情况。以上流程中，任意一步出现问题都可能导致坑位的成单贡献不同，因此要定位问题所在，提升坑位效果。
5、坑位内容分析：前面分析的所有指标，都是对不同类型的坑位进行的分析，除此此外，还可以对某一类坑位中的具体内容素材进行评估和分析，包括各 icon 的点击人数、次数，各 icon 的人均点击次数、点击率，各 icon 带来的订单量、GMV 等。
6、坑位留存和全站留存：对坑位的使用进行留存分析，能够知道用户对各类坑位使用的粘性，一定程度反映该功能的友好程度和有效性，是否能给用户带来良好的体验，包括能否帮他找到感兴趣的商品等。涉及功能点：留存分析、日留存、周留存。
精细化运营能够帮助企业更了解用户、了解企业的投放效果、了解用户的销售额。以上是电商精细化常见的运营场景，神策分析是赋能企业精细化运营的数据分析产品，在服务企业的过程中会授之以“渔”，提供科学的“捕鱼”工具与科学的“捕鱼”方法论。
关注神策数据公众号回复“电商四大场景”可获取电商精细化运营的四大场景完整版PPT
更多互联网干货和案例，可关注【神策数据】公众号了解，回复关键词还能进交流群、获得报告、行业案例等福利哦~
其实也很简单
有好的工具，好马配好鞍
有专业的人对你进行指导，在这个领域深耕过很长时间的才有话语权
大数据系统：卖家数据分析系统，数据迁移系统；通过针对电商卖家的业务分析需求，提供从采集、建模、存储、分析、智能应用的全流程数据驱动解决方案，帮助企业驱动业务决策。
如果你有这方面的需求，可以来找我们
今天就拿具体店铺来说，看看店铺问题要怎么去分析。
一、店铺情况
店铺是个操作时间不短的天猫店，主做的是瑜伽服这类的产品，宝贝客单相对高点。店铺做的时间长，但是一直没有起来，店主做了不少操作，流量迟迟起不来。现在市场到旺季了，随着市场的拉升，店铺也能借着行业趋势有所提升。
店铺做的时间长，但是还是个刚起步的店铺，操作起来是很费精力的，因为平时要做的优化调整是比较多的。当然店主觉得是优化了，没效果。目前处在第一层级，但是排名这每天都在稳定上升。
“层级是会影响店铺流量，但是店铺做了很长时间，不是单纯的层级低的问题。没有好的流量，销售额，层级突破不上去。层级低，流量受到层级压制……”这个问题先不要考虑。什么样的层级，什么样的宝贝情况，那就分析好问题所在，针对性的去优化。
店铺都是从第一层级来的，踏实优化你的就完了。你需要关注的就是，层级越高，你的流量就越多，想着突破流量瓶颈，就要不断拉升店铺的排名。
先看下店铺的销售额情况，店铺为什么做的时间不短，但是始终上不去。看宝贝的整体销售额，是在上升。但是要注意，整体是波动上升的趋势。也就是店铺排名刚上去几天，随后又掉下来，这样波动店铺排名不稳定，流量不稳定，一直波动在低层级。
店铺为什么这么波动，和他的操作分不开，弄个小活动，淘客推一下，销售就好点，弄完又回去。刚超过同行，很快就掉下来，店铺没有稳定的正向发展，权重稳定不了。店主也看到自己的店铺情况不是很乐观，也在投放直通车，现在一天投放750，对一个新店没起色的店铺，这个投入不少了。但是投入这么多，店铺一天也就700多的访客，整体引流效果不是很理想。
店铺基础的就是这样一个情况，店铺层级上不去，流量有瓶颈，开直通车引流效果不行，付费流量占比高，店铺缺少突破。很多商家的店铺都有类似问题，那么店铺要怎么去突破改善，要如何进一步分析店铺问题，跟着我的分享，继续看。
二、店铺分析
1、分析行业数据
店铺流量有波动，店铺成交有下滑，店铺突然少了流量或者突然有点变化的状态，这种突然有波动的，都要先去看看行业情况，因为你再努力的操作，大行情有波动，分到你的流量也会有变化。是逆流而上，还是顺流而下，就看你的操作了。
可以看行业趋势，行业最近是有波动，大盘现阶段的趋势下滑，这时候你就要考虑是短暂的下滑，还是持续的下滑，下滑原因是季节，还是天气问题。另外你的经验就很重要了，产品后续是否是旺季。你就清楚店铺现在的波动，主要是受什么影响。
2、分析店铺流量情况
大盘流量是在下滑，但是店铺整体的流量趋势是在上涨的，这和店主的淘客活动引流操作有直接关系，逆流而上是好的，所以在别人下滑的时候，操作要进一步跟上，才能和同行的差距拉开。想着快速打压别人，就要在同行店铺掉的时候，自己跑的更快，你就能进入更好的状态。
整体的流量看过，就要看店铺的具体流量分布情况，看整体流量的走势情况。分析店铺具体的数据情况，才能知道问题所在，指导你后续的调整手段。
可以看，本身店铺没怎么操作起来，整个店铺的流量结构是以免费流量为主，付费流量是第二位的，不是太高的占比，可以看付费流量一个月的走势，都是小幅的在变化。直通车基本就是固定的投入，固定的流量，花钱买流量了。车子开了，没有很好的带动免费流量，同时稳定的投入，对店铺没什么加权体现。
店铺操作的时候，都会有一两款主推的宝贝，是店铺的主要流量入口，卖货的产品。其他链接流量就少很多了，所以想着店铺突破，就要从主推宝贝这块去分析。最后再看单品的流量情况，它的好坏影响着操作。
现在店铺主做的这个宝贝，是以手淘搜索流量和直通车流量为主的。手淘首页流量有，但是还没有做大，流量没有爆发出来。淘宝客这也有在做，前边提到店铺总波动，就是在小幅度的弄淘客，淘客你可以看转化是很高的，但是占比较少，还好点。
重点看，直通车的占比有22%，这么一看好像占比不是很多，应该没什么问题。但是你看手淘搜索的收藏加购率20%多，很好的占比，宝贝是有潜力的，再者自然搜索的转化也是可以的。但是直通车的收藏加购不到10%，宝贝的转化更是低。你操作直通车半天，为啥做不起流量就是因为引流不精准，数据维度差，没办法加权。
3、店铺分析突破
想着把店铺做起来，手淘搜索流量多，手淘首页流量爆，是我们做店铺的人梦寐以求的事。
想着做好，就要从多方面来着手优化。
什么因素会对手淘搜索流量产生影响：
①类目属性是否正确
②是否有违规降权出现
③上下架时间
④标题优化
⑤销量情况
⑥转化率
⑦动销率，收藏加购，保障
除了基础的权重优化点，要强调的是标题优化，在做标题优化的时候，要结合产品的情况，结合行业数据来分析，去选精准的关键词，这样才能让我们的产品进入符合他的情况的战场，去抢合适的排名，获得优质的流量。比如前期标题优化是侧重做长尾词的，中后期评论销量上来了，爆款成形，再去抢大流量词，做头部热词，去进一步突破流量。
另外，就是加权转化率，转化是购买的最终结果，起到一锤定音的作用。访客多，宝贝不转化，流量就不精准，系统给你匹配的流量减少，不精准流量产生的转化，会匹配更多不精准流量，店铺下滑。
影响转化率的因素有很多，这里就不讲款式、详情页、定价、评价这些基础的东西了，这里重点要说的是引流关键词和引流人群是否精准的问题。
为啥这两项是重点？
A、如果你关键词前期没有布局规划好，没有在选词这围绕你的宝贝核心词来选，那怎么能提升关键词的质量分权重？怎么能让宝贝标题搜索权重尽快提升？
B、现在不重视人群是很难做起来搜索流量的，如果你人群做的不精准，宝贝人群标签混乱，点击率上不来，转化率到不了行业平均水平，如何能获得好的排名拿到更多的免费流量？而且转化率低，还会影响到质量得分所反馈的权重，这都是相互关联的。
什么因素会对手淘首页流量产生影响：
①转化率
②销量情况
③人群标签
④直通车投放入池
现在店铺整体因为引流的问题，卖的还凑合，销售趋势有波动，但整体是一直往上涨的。
看一下商品情况，现在店铺属于是单品爆的状态。以店铺目前的情况，主推1-2款产品，先打爆一款，是适合店铺现在情况的首选。一款爆了，再以爆带新逐步形成爆款群就是很容易的事了。
想着去突破，就要用直通车引流，用付费流量拉动免费流量。那么他的操作在哪儿有问题，继续看他的直通车数据。
目前直通车开了三个计划，定向计划是近两天才开的（数据图是4.1日截取的）。可以看2个主做的计划，整体的点击，转化数据，就这个产品来说，不是很理想，综合投产一般。就是我前边提到的，直通车引流不精准的问题。
另外定向计划刚开，数据量不多，综合投放的产出还可以，可以再进一步看数据，是要投放，还是卡掉定向。
具体的看下定向情况：
定向这块，要看店铺的人群流量情况去操作。店铺人群覆盖小的时候， 定向是拿不到流量的。定向的操作，主要的是通过投放猜你喜欢核心位置，却强化产品的首页标签。通过付费方式带动首页流量爆发，所以需要一个爆发点，才能带动。数据分析就尤为重要，不是你做了，就能要的流量。
然后再看具体的投放，看下关键词数据，想着做起手淘搜索流量，关键词就要有好的数据权重，去分析点击，转化率，是否在行业水平之上。优化到10分词是首要的，后期要看具体数据情况，去调整匹配方式，出价卡位的情况，获取更优质的流量。
几个关键词质量分已经都优化到位了，但是要看点击转化数据进一步调整出价，卡位，拉升数据指标。不少朋友优化个质量分都能优化好几个月……方法不对，时间资金浪费了不说，账户的权重都要被拉低了。
前期选词建议以精准长尾词为主，然后每天都要通过大数据来筛选关键词，这样通过一段时间的优化，把好词都留在计划里，账户权重上来了，竞争力上来了，后期可看数据情况去加大词热词，去抢流量。但万万不要心急，最近遇到一位朋友，看质量分总是不提升，就开始把整个计划的关键词都删了，重加……操作需要细化，词选对了，操作不当，效果依然是0。
想着通过直通车快速加权，打好标签，做好手淘搜索流量，操作直通车必须学会玩人群。
可以看下这个店铺的人群分布，分析好店铺的人群情况，才能针对性的去操作。店铺现在未支付访客都是25-75的消费层级，但是店铺优质消费层级都是75-155的，流量这块就需要你去优化。
但是有不少朋友不知道什么样的人群是他产品的人群，怎么办？挑选人群优质人群的时候可以结合上面这张图来做，然后针对优质人群去做人群投放。
当系统把店铺的产品推送给这些优质人群，我们就能获得好的点击和好的转化，点击转化数据上来了，权重提升了，就能做起自然搜索流量了，而且现在淘宝也在逐步扩大猜你喜欢这块的流量，人群标签越精准，转化率越高，首页流量爆发的几率也就越大。
人群投放了，不代表就可以了，而是要分析人群数据，看点击，转化等数据维度，调整溢价，删减人群。
如何快速学会做淘宝，当一个合格的淘宝卖家，可以私信我“淘宝”我拉你进交流圈子一起进步，可以发一些运营资料、视频给你~
谢邀！不以具体的业务问题为背景，谈数据分析方法，都是耍流氓。（文末有彩蛋）
反对各种炫技的回答。
一上来就是各种高大上的图表，各种脑图等。
他们说的都挺好，图表也有借鉴意义，甚至看完马上就有了动手去模仿的冲动。
但是，实操的时候可能就懵逼了，发现用不上。更多的人，可能就是收藏一下，然后就再也没有然后了。。。。
这就是数据分析中最大的问题。学习数据分析，更多的是为了数据分析而数据分析，实际上可能未想清楚自己在做什么，为什么这么做。
或者仅仅是为了面试的时候炫技，试图忽悠成功。
数据分析，不管你在什么平台，负责什么类型的店铺，或者用什么数据工具，目的其实只有一个：
解决一个问题，或者给一个判断提供依据。
如果没想明白这个问题，只是去学习各种方法，各种看上去高大上的工具，又有什么用呢？
我来举个例子。
比如，你退休在家的妈妈想开个早点铺，挣点钱，发挥下自己手艺精湛的特长。让你帮她参谋参谋，门面选择在哪里
这是你亲妈，你得好好琢磨琢磨。所以，你可能要做以下的调研。
问题来了，数据如何获取呢？你或许会要做下面这些工作。
花了一段时间，你终于拿到了这些数据，尽管这些数据可能不够准确，但是至少你已经了解了几个街区的市场情况了。选择在哪里更合适，一定比之前清晰很多了。
我想现在你应该能理解这句话了。理解了这句话，你就开始上道了。
在这个过程中，你有运用到任何复杂的技能或工具吗？没有，只需要勤快的跑跑，多问问即可。
能解决问题的数据分析方法都是好方法。
说回来，通过我说的这个案例，我认为如果你想提升商品数据分析能力，应该是分为两条线：单纯的分析数据的能力和业务能力。
数据分析能力决定了你能力范围的下限，业务能力决定了你能力范围的上限。
我以淘宝天猫卖家为例，说一说我认为应该要如何培养自己的数据分析能力。
第一阶段：具备分析数据的能力
这个阶段分为几步，坚持做下来，相信就可以入门了。
1.不管懂不懂，先干起来
这个简单，你用2个小时，把生意参谋里每个位置都打开看看。
生意参谋里的数据很多，按照红框内的类别进行分类。当你挨个都点开看完，你就能知道在哪里可以看哪些具体的数据。
完成这一步，至少能打败70%以上的新手。因为他们很多人都还不知道数据在哪里看。
2.学习一些excel技能
表格的基本操作，这个不用说了吧，如果不会，自己面壁思过去。
实际工作中，可能会有些高阶技巧运用，比如数据透视表什么。这类问题，建议直接百度+购买指定教程。带着问题去学习，这样速度最快。
3.需要准确知道每个数据的具体含义
生意参谋里的相关数据，肯定超过了100个，有些数据的含义不清楚，这个也正常。
如果遇到不清楚的怎么办？很简单，学会主动搜索。
如图，在生意参谋–帮助中心里，你可以检索对应的数据指标具体的含义。
之后，可以试试思考数据间可能有什么联系，我举个例子来说明。
我们分别计算下，半身裙类目和连衣裙类目的PV/UV比，即浏览量/访客数。
半身裙类目：2976488452/114690963=25.95
连衣裙类目：9836131175/172717402=56.94
这个数据，一定程度上可以反映出，姑娘们在下单前会看多少的款式。
这样我们就可以推断出一个结论，款式好坏在女装销售里起决定作用。
以上，举一反三，还有很多数据间的联系等待发掘。多多尝试，这个并不难，这里也欢迎多交流。
第二阶段：训练自己的业务能力
这个阶段，你应该已经掌握了基本的数据分析方法，技术不应该成为你的障碍。重点是你要有自己的想法，独立思考的能力。
拿到任何一个具体的业务目标，多问自己几个为什么：
你看，前两步才是重点，我前面所说的至多就是第三步。
怎么让自己在前两步上变的更厉害？我的答案是：多思考多总结多问多学。
多思考，多问自己几个为什么。正确的提问是找到答案的开始。
多总结，每完成一个具体的业务，都需要复盘过程中的得与失。坚持半年，相信你会知道收获有多大。
多问，想学东西脸皮就得厚一点。
多学，自己找各种需要学习的教程、文章等，免费的和付费的都行。
通过以上几步，我相信你就可以很快入门了。至于如何进阶，这个就是小马过河，要自己闯了。如果电商类相关的数据分析问题，也欢迎私信或者评论区交流。
彩蛋：我可以提供一个免费的查词工具（可以免费查30个词），功能同生意参谋市场洞察查词功能。如果需要，可以私信我领取。
数据采集样本：
采集结果示例：
抓取天猫Top 620销量童鞋数据
抓取天猫Top 620销量童鞋图片
以下是分析结果：
1、价格影响
80%的家长选择100元以下的童鞋。
从数据上看，销量Top 620的童鞋，产品价格集中在25-100元的价格区间，说明这个价格区间，最受家长欢迎，这个为商家在做新品研发、新品定价与成本考量中提供参考。
从数据上看，销量Top 620的童鞋，产品价格集中在25-100元的价格区间，说明这个价格区间，最受家长欢迎，这个为商家在做新品研发、新品定价与成本考量中提供参考。
从数据上看，100元以下的产品占近30天销量的81%，50元以下的产品占近30天销量的56%。说明80%的家长偏向购买100元以下的童鞋产品。
经调研分析，主要原因有以下3点：
运营建议：在童鞋的新品研发、定价、宣传渠道、用户画像上需要考虑用户的年龄、收入、城市分布以及消费心理和消费能力。
2、季节影响
秋春季鞋款更好卖。
从数据上看，秋季鞋款占近30天销量的38.7%，春秋季占近30天销量的27.4%。秋季、春季为近30天的主打款。随着季节的变化，秋天早晚温差大。孩子在快速发育期，免疫力低，自我照顾能力弱。因此家长会根据季节变化，购买符合季节温度的鞋款。毕竟宝宝生病了，苦的累的是大人。
运营建议：
3、店铺成交流水
定价和营销策略很重要。
从天猫抓取童鞋月销量Top 620 数据
以上是天猫童鞋月销量Top 620的数据。你可以对照自己店铺的数据，衡量你与他们之间差距，并且仔细分析你们之间的差距在哪里？从哪里可以改进？
我们发现月成交Top 2的米修服饰专营店没有进入月流水的Top 10，说明他的成交量虽然大，但单价比较低。本来没有进入Top 10月成交的anta安踏童装旗舰店和大黄蜂旗舰店，一跃成为月流水Top 1和Top4。
从数据上看，安踏、大黄蜂的平均客单价达到100元以上。进入他们的店铺发现，2家主攻4-10岁的学龄儿童为主，均价在100元以上，拉高了月流水。
运营建议：
4、热点事件影响
9月开学季，小白鞋成为童鞋畅销品。
小白鞋在近30天的月成交、月流水贡献占比
本人分别在8月25日和9月4日，采集童鞋数据，发现就在这10天，小白鞋就已经嗖嗖嗖蹿升到销量Top 1，为近30日月成交贡献了34.89%，月流水贡献了28.81%。如果电商人想知道这波小白鞋热销会维持多久，可以在9月14日再采集一次进行数据对比。
抓取天猫销量Top1小白鞋用户评论
词频分析
评价中用户最关心：
质量、款式、舒适度、鞋衣搭配、异味、尺码、价格、穿脱方便、发货速度（赶着开学穿、同事推荐；送礼物、促销活动。
销量 Top 1童鞋用户评价时间分布
从数据上看，家长评价集中在8月22日—9月2日，说明家长在开学前一周开始准备入学的装备。
运营建议：
电商数据分析框架：
现在淘宝变化的是非常快，因为互联网是在不断的变化的，为了避免让大家学到错误的过时的知识，我联合淘宝上的牛人，组建了一个电商圈子，想学习电商运营的小伙伴，可以来这里学习，私信“圈子”拉你进，我想说的是，除非你想学习这方面的知识，让自己获取运营机会，如果只是凑热闹的话，就不要来了
数据分析是电商运营的核心！有一句话是，千万人撩你，不如一人懂你！
这句话在互联网圈可以说成是：真正的了解用户，才能得到用户，所以，没有最好的数据，只有更加专业。
大数据分析可以使产品的服务对象更加聚焦，更加的专注，excel表格大多用来是记录数据，有了记录才能研究出针对性的方案。
而电商运营通常会遇到一些相对笼统的问题，比如：
这类大众问题通常是结合消费人群的需求特性、优化及调整产品框架去解决。
这几年互联网的迅速发展，“智能”二字基本上是遍布生活的各个角落，不说大的，智能手机基本人手一台（除去年龄较大的小部分群体或者偏远的贫困山区），
那做电商运营的数据分析，就拿淘宝来讲，数据的记录与分析，无线端肯定是首推，细分到：产品流量变化、占比、爆款、等等手机端问题的分析和改善；
细分运用专业名词来讲就是颗粒度，我们在分析定性的过程中有一个极为重要的概念叫做“颗粒度”，既然做数据分析就不能马虎，把数据细化到某种程度，
上文说到过，精准、特性、框架，这些带有一定透明的数据都是要让用户变得立体、清晰，这样你的产品才能更为精确的投入，这就类似用PS做图一样，图片放大了呈现出来的就是小方格，类似于马赛克！
但它并不是模糊，反倒是更加的透明化；比如以下四种文案：
上述过程中，当它是一台手机时，它身上就具备手机的共性，但当它是一台只能手机时，显然它就不能代表老年机了……
直至细化到它是一台充电5分钟通话2小时OPPO R9智能手机时，它就只能代表这一特定品牌、特定型号的手机了。
那既然讲到数据分析方法，说一个我在职的电商行业——淘系（即淘宝、天猫！）
店铺管理分为两大类：店铺基础、活动策划，
店铺基础
数据分析那肯定是离不开生意参谋、生意经、直通车数据分析等，重点关注的就是PV、UV的变化与检修；
那么电商每天盯的是什么？
那肯定是销售，销售的构成：销售额=流量*转化率*客单价，这就是电商产品的核心KPI公式。
作为一个电商数据分析者一定要了解运营、商务、采购、供应链、物流等等，总的来说，要深入一定的业务，了解业务的整个机制（近年出的新零售）。
活动策划这个就不难了，淘宝官方每天的活动报名适合我们的活动要看下，例如：淘营销——“淘营销-淘宝官方营销活动中心”，第三方或者U站活动。
其他的就是与内功相关的了，
上下架细则
付费推广
以及设计美化、客服管理等，这些都是大数据的记录与分析下来的。
还有很多细节方面没有讲到，做电商运营，应该对自己有更严格的要求，特别是数据分析与记录，在提出需求时，就要理清所有要分析的数据，做深入的研究，
它所围绕的核心就是：用户，
现在是精准化时代，淘宝的“千人千面”就是一个很好的案例，一般数据分析是定性，简单说就是了解与分析，定量则是验证，更加凸专业性，同时花费的成分也比较高，
所以数据分析有很多种方法，并不是固定的，就像制作一个Excel表格一样，当项目上线后，只需往里填数字就行了。数据、图表都会自动生成；
那表格又是怎么制作的呢？数据又是怎么来的
公式！公式！ 作为一个优秀的运营者，一定要精通Excel表格，知晓行业营销数据公式，或者自己研究，在项目没上线时表格就要制作出来，等上线之后只需把数据填进去即可。
简单说一下操作总计划表：
考虑到行业，太多的信息稍作保留，（欢迎在评论区留言）
以上是运营工作的核心，也是考验一个运营对Excel表格的操作，前期少不了数据分析，比如：生意参谋，生意经，直通车数据分析
行业数据：全网热销产品TOP20、上升幅度最大TOP10 等等这些都是要考虑的因素
千万别以为运营只是管管PV、UV、优化主图与详情页等，这些层面是店长所要做的事情（小公司除外），而你作为一个运营，自然是上升一个台阶。
篇幅有限，更多的细节请关注我的专栏期待与你一同交流、探讨。我曾在个人专栏分享过相当完善的淘宝运营知识体系；这是老花从业电商十六年来所积累的经验，绝非纸上谈兵，
专栏地址：
花和尚撩电商
如若觉得老花这篇文章对你有帮助，还请不要吝惜你的小手点个“赞”；这将是老花持续分享的动力！
死磕电商十六年，打工近十二年；2012年尝试淘宝创业至今，母婴/护肤品/小家电类目卖家。2016年开始自媒体创作，向世界分享个人亲身经历、见解、知识；2016年10月拓展“电商系统培训”
以自营项目TOP50店铺的实战经验为根本，理一套完整的、高效的淘宝实战课程，帮助淘宝卖家快速成长、少走弯路！
这是一个很有意思的问题，很多电商都有这个问题，关于电商报表的制作，如果使用Excel做报表的话，因为针对各个不同商品的销量、库存分析、商品评论等，需要采集多个维度的数据，而且数据之间关联性比较高，所以往往免不了各种函数和链接，同时数据的更新也跟不上，每次更新数据都是要重新复制粘贴什么的很麻烦，如果用离线的工具都会遇到这个问题。所以这里推荐使用在线的工具，一些SaaS工具，可以很方便地制作报表，同时还附带有BI功能，收费也非常合理，足够满足老板的观看或者监控需求，网易有数的BI敏捷数据分析平台就是一个很好的选择。
对于小型电商的数据分析无外乎以下几个方面：
流量分析、站内运营、转化分析、广告管理、会员分析、业务分析等几个方面，内容方面之前@Felix@智深描述地比较详细了，这里就不重点介绍了，主要说一下使用什么工具。
目前的数据分析工具分为离线版的和在线版的：
更多详情还可参考如下问题：如何通过数据分析达到精准营销的目的？
电商平台的数据分析可以按业务逻辑，以前、中、后台进行区分。
而在该电商平台的数据分析中，线上、线下店铺管理为前台、全服务管理为中台，培训招聘等为后台支持。
前台：面向客户
中台：对面向客户的部门进行支持
后台：财务、法务、招聘、培训
按这样的框架分配之后，就能知道单个部门进行的动作对于整体的影响是什么。
因为题主主要关注电商平台的商品分析，所以此处我们仅讲前台中的线上店铺管理部分。
1.流量分析
什么样的流量能够带来转化？
什么影响了流量的转化？
什么样的流量转化金额比较大，选择什么样的渠道？
比如我有1000万，我要知道如何进行投入产出是最高的。针对这样的问题，可以进行以下三类分析：
• 推广分析：分析不同流量来源、渠道及获客成本 。
• 内容分析：分析各内容的流量来源及相关运营效果（主要针对手淘中的内容、达人直播等）。
• 页面分析：特别是单独活动的落地页，需要分析当前页面的流量来源及去向分布，关注页面热力重点，为店铺装修指导提供依据。
2.销售分析
当用户进店之后，把用户进行的每个详细的步骤拆分出来，去看哪些过程影响了销售订单的转化。
对于该公司来讲，他们的核心指标是发货，只有到发货环节的订单，才能算作业绩。所以在发货前的所有环节都需要进行分析，比如商品详情页、客户咨询环节、支付环节等。
3.商品分析
其实对于淘宝店家来说，需要知道有哪些商品？怎样搭配契合对应的活动？
之前是零零散散的状态，新品研发进度、上架商品的表现、滞销产品的去库存，这些其实都是需要有一个完整的掌握的，这样才能更好地去配合活动。
很多淘宝店铺的销售是需要围绕活动进行的，所有的业绩其实是拆分在很多个活动里的。只要活动选得好，一个活动产生的效果可能会大于其他营销方式的总和。
所以活动的选品就成了重点需要去关注的。在选品的时候，除了要考虑商品的历史表现，还要考虑如何备货、备货周期是多久，能不能保证活动期间的发货。
所以，通过数据分析我们可以知道三个部分：
一、 目前的产品结构及产品情况
二、 针对本次活动需要达成的目标，选品的逻辑是什么，应该看哪些数据。
三、 爆款的备货，如果要把一个商品作为活动的爆款，我需要这件商品在7天内就能发货。
备货如何验证商品销售、活动预测精准度？
4.活动分析
活动分析其实是非常重要的一部分。比如这家淘宝店去年的销售额是50个亿，仅双十一单个活动销售额就达到了8亿。所以他们对于活动有严格的计划表，于是我们会把活动单独列一个主题进行分析。
他们在活动前期策划的时候，历史数据能够指导他做出比较好的决策。
而在活动进行中，可以通过数据监控整体的流量变化、销售情况变化。比如这次活动的某几个页面跳出率高，我通过数据发现之后，就要作出相应的调整优化，提高从流量到销量的转化率。或者说，活动过程中发现爆款商品的库存已经无法满足现状了，我需要考虑是否要把原来7天的发货期改为15天，还是说我可以推其他的产品。这些都可以凭借数据来提供决策的依据。
活动复盘环节，从整体上我可以知道活动投入和产出的金额，衡量这次活动的价值，从细节上，可以看到不同商品的销售情况，还可以分析这次活动中哪些环节是可以做的更好的。比如这次活动中，因为一些优惠券的规则设置不合理，导致大量退货，那在下次活动就要避免这样的失误。
以上为我们为某行业天猫Top1电商客户做的案例部分内容分享。
商品分析组成的三个要素：人，货，场。我在构建这个思路的时候也将贴合这个三个要素，如下图：
会员覆盖率=购买新商品的会员人数／总消费会员人数
商品上市后，我们最急切想知道的必然是消费者对于这个商品的接受程度，也就是我们的早期购买者的占比有多少，从这个指标我们可以清晰看出消费者到底买不买账。
不过这里还是存在另外一个问题：新品的投放往往伴随着许多促销活动，很多消费者可能是因为活动的吸引而购买，这并不能反应出消费者的真实意愿，无法评估持续性购买行为。所以我们用到了第二个指标：
二次复购率=购买两次或两次以上的会员人数／购买此商品的总会员人数
复购率这个指标能很好地反应出消费者对于商品的认可程度，这解决了上面提到的因其他因素影响消费者真实意愿的问题。
这两个指标可以从人的角度来衡量消费者对商品的接受程度。接下来我们从第二个视角——商品的视角来分析，这里我选择了价格段销售占比这个分析方式。
价格段销售占比：对最终成交价格做切段分组处理，来计算每个价格区间商品的销售占比情况
众所周知，我们对于商品的定价和商品最终的成交价是两码事，因为这中间会有各种名义的折扣，所以我选择分析这个指标。
这里我们是在建立分析的模型，所以暂且不考虑某个促销时间长，而某个促销时间短的问题（这个问题也是有方法处理的）。
我们可以通过价格段销售占比分析得出的结论是：这个商品在某个价格上其实更受欢迎，而对比当初的定价策略、利润策略，就可以获知商品在市场上的实际反应与我们的定位差距有多大、消费者到底对这个商品价格的接受程度是怎么样的。
门店动销率=实际销售门店数量／可销售门店数量
最后我们再从门店的角度去分析一个指标，叫门店动销率。
建立这个指标的前提是我们需要根据商品的实际特性选择一个合理的时间段，然后即可通过这个指标看到该商品被接受的广度如何。例如我们有100家店，在一段时间始终只有15家店销售出了此商品，那么这个时候我们认为这个商品在广度上被接受的程度不高，而这个动销率也不利于库存的周转，不是个好的现象。
到此为止，我们从三个角度、用四个指标来构建商品的评价体系就大致成熟了。
我们知道，线下零售行业盈利困难，与它的业态老化、缺乏创新、难以满足消费者多样化需求密切相关。
除了合理建立商品评价体系，零售商还需要利用互联网、大数据技术，结合消费者的行为反馈，不断剖析商品DNA，明确其良莠之处，继而迭代提升商品竞争力。
数据图表可在http://me.bdp.cn免费生成哦~
对于电商来说，产品的销售即公司的业务，如何了解产品销售情况、如何进行产品数据的采集和分析，对电商运营至关重要。
产品分析的最终目的就是提升商品销量，首先要了解用户的需求，知道用户要什么，哪些产品受欢迎，进而根据这些数据指导产品优化和活动推广。这也是为什么要做产品分析的原因。
那么产品分析可以分析哪些数据，如何运用这些数据指导产品运营呢？对此我们以99click SiteFlow系统中的产品分析模块为大家详细介绍一下。
产品分析了解网站商品的整体销售情况
首先产品分析了解网站商品的基础数据。通过产品分析，了解产品的浏览量、点击量、订单、入篮量、购买用户数等信息。帮助企业了解不同商品、不同品牌用户的关注度、购买力等信息。通过这些数据判定产品及用户的关注度。如下图所示：
通过上图我们可以看出某段时间网站整体的销售额、订单及产品的浏览、入篮、购买情况；并能直观展现销售额TOP10的分类和产品。这些数据为我们分析出用户的喜好。
其次，产品分析了解商品的生命周期变化。通过对商品/品类的热度分析，观察浏览、购买等相关数据波动曲线，了解商品的生命周期，比如某商品的热卖时长等。如下图所示：
从上图我们可以观察到这一商品某段时间内的浏览量、入篮量、订单量等数据，通过对比浏览量和购买量数据分析商品的生命周期，比如什么时段最受欢迎，什么时段商品开始遇冷。而这些数据可以为一些促销活动提供营销依据。
产品分析掌握用户需求，指导产品运营优化
通过产品分析，更深层次的了解用户喜好、用户的购买力、产品关注度等信息。由于不同的指标反映不同的情况，透过数据指标的变化发现商品中存在的问题。
首先我们先了解一下各项数据指标所代表的意义：
浏览量、用户数：反映出商品的关注度、兴趣度高低。
入篮量、入篮率、入篮UV(UV比率)：反映用户实际购买情况，比如放购车多长时间就实现转化等。
收藏量：反映出用户的喜好程度，用户的收藏行为暴露了用户的喜好。
以上这些数据直观展现了每一件商品的实际情况，透过这些数据去发现问题，比如哪些商品卖的多，哪些商品看的多卖的少，哪些商品经常被收藏但转化不高等等。通过结果去分析原因。
其次，如何透过数据分析指导产品运营优化呢？我们结合三张图来看。
图一：（3款商品的数据图）
从上图中可以看出：商品A的浏览量最高，但是二跳率不高；商品B、C浏览量一样，但是商品B二跳率最高。
那么这个结果说明什么呢？先看浏览量，这个反映出用户的喜好，说明商品A受欢迎，或者商品A所在的位置好，关注程度较高所以点击的次数就多；商品B、C浏览量虽相同，但是比较二跳率，说明商品B更受欢迎，二跳不高可能是商品的位置不够明显。
透过结果我们可以对商品的位置进行适当的调整，对站内商品进行优化，调整页面布局，将热卖的产品，或用户搜索频率较高的商品，摆放在显眼的位置，吸引用户的眼光，同时也让用户不费吹灰之力就能找到想要的商品，让用户的体验更好。
图二： （3个商品类别数据图）
产品分析还可以了解哪类商品关注度较高。上图就直观的展现出结果：商品C类浏览量最高，商品A、B二跳率虽高，但是浏览量较低。这说明A类别是比较受大家欢迎的，我们可以考虑在进行活动推广时，将此类别的商品作为热销的活动之一。
图三：（商品品牌数据图）
我们知道产品分析不仅了解到商品的关注度及用户喜好，还可以分析到品牌的销售情况。进而我们了解到用户喜爱的牌子，掌握用户的行为。如下图所示,我们可以看到在品牌A的浏览量、二跳率、入篮量等各项综合指标都高于品牌B，很明显品牌A才是用户最受欢迎的。
我们掌握了用户的喜好，可以考虑可以对商品精准的推荐，其次还可以进行关联产品的推荐，如搭售相关的产品。比如某用户浏览了某一品牌电脑，那么跟这个品牌有关的商品都可以推荐给用户。
可以说产品分析目的就是将商品卖给真正有需求的用户。做好产品分析让用户的购物体验更便捷、更高效。既增强了用户的粘性，又提升了商品销量。
添加微信公众号（cn99click），获取免费试用产品。
产品不会说话，数据也不会说话，那么怎么知道你的产品表现如何？你的赠品价值如何？新品是否有潜力？是否有效果？产品线上的产品如何取舍，如何调整？
这就需要收集整理一系列的产品表现数据来进行判断，如何分析产品数据主要分以下几个方面：
一、分析新品潜力；
二、分析新品效果；
三、如何判断产品取舍；
四、分析赠品价值
每一条都手把手教会你：
一、分析新品潜力
列出产品的评估维度，让顾客打分各维度得分。
比如某烤串前期研发产品，就把烤串的维度分为肉香味、韧性、多汁性三个，进行了共计25次盲测，最终确定了原料与调料。当时每次盲测都形成结果，然后最后选了综合得分最高的那次上市。
比如，化妆品的分析维度：
二、分析新品效果
产品上市一个月之后，得来一次销量与评价的评估，决定调整方向——
1、销量评估
将新品，与对应类目的典型旧品对应，然后比较销量、销售贡献率、平均购买件数、转化率、收藏次数、月销量提升空间。
数据来源：生意参谋-自助取数，调取各个品类新品的典型数据，然后，只要新品上市，都对比之前该品类上市的各项数据，
来综合评估新品的销量哪里有提升空间。
2、评价评估
在你的产品电商页面，抓取评价，通过固定维度，建立词云图或者雷达图，对新品期新品表现进行评估…
1、将你所有想评估的维度分解为加分、减分关键词，
比如精油浓稠指数的加分关键词是浓稠、挺稠、很稠、厚稠、黏黏的、粘稠的、比较稠、有点粘、有点稠、粘稠度很好、是浓稠型、有点黏黏的；
减分关键词是有点稀、稀稀的、比较稀、有些稀、很稀、稀了、这么稀、水似的。
看各关键词有多少条加分评论，减分评论，加分评论数-减分评论数就是最终指数。
需要自己动手一个一个词做，别指望别人能帮你完成。
三、分析产品取舍
原理是将线上产品销量占比，减去线下产品销量占比，得出线上下产品各自的销量上升空间。
比如你的产品某年年线上主推产品A，线下主推产品B，因为线下A占比比线上多最多，而线上B占比比线下多最多。比如线上B占比40%，线下才10%，就是不合理,
——其实线下、电商、微商渠道的产品销量占比是应该大致相同的。尤其是你产品数少的时候。
四、分析赠品价值
原理是从每周评论中导出提及赠品的评论数，然后对比总评论数，长期监测赠品提及率。提及率高且稳定的继续用，提及率长期低的撤换。
谢邀！
数据分析前要了解需求方分析的目的，有针对性地去分析。另外，对产品、业务和用户使用场景的了解也是必须的。
个人觉得关联准则的分析价值比较大，比如抵用券的发放可考虑精准化，对购买品类数据进行关联准则分析，当用户购买其中一种品类时，可以精确推送高关联的另一品类的抵用券，以促进用户提升成交额。
说到这里，还有一个地方，就是换购专区，但换购的商品取决于用户购买的商品，故品类丰富度有一定限制。那么这里可否考虑关联推荐？比如：利用关联分析，算出用户常购买的两类商品，当用户只购买其中一种时，可对另一种进行优惠换购。
至于top10，在BI那里应该有数据。采购情况不明白你想说什么，这个在采购部门应该有数据记录。