要解答客户什么时候来丶从哪里来的问题要诉诸于电子商务领域最常听到的一个词了：流量。通常说的流量（ Traffic）是指网站的访问量，是用来描述访问一个网站或是网店的用户数量以及用户所浏览的网页数量等一系列指标，这些指标主要包括：独立访客数量（ Unique Visitors）丶页面浏览数（ Page Views）丶每个访客的页面浏览数（Page Views Per User）。
查看流量数据可以采用的工具有 Google分析（ Google Analysis）丶百度统计丶我要啦丶淘宝量子恒道丶 CNZZ等。利用这些工具，我们可以从多维度来分析流量，例如从时间维度来分析流量，可以得出在什么时间段访问某类商家的客户最多，也就是客户最喜欢在什么时候来到我们的电子商务网站，这对中小型的电子商务网站的帮助是最大的。
评论 ( 20 )
谢邀～
先来重点说一下“电商领域用户生命周期价值及运营策略”
在电商运营中，常常会听到用户生命周期价值。
为什么要了解用户生命周期价值？这要从推广渠道价值说起。之前的专栏文章中提及过，易观方舟可以通过广告来源跟踪，从而明确不同流量渠道的转化率来判断渠道价值，但是仅仅通过一次转化的效果来判断渠道的质量过于片面。做SaaS的都知道除了CAC（客户获取成本）之外，LTV（用户生命周期价值）也是十分重要的——比如支出2000元营销推广费用获得一个客户，利润1500元，看似亏损500元，实则忽视了LTV，这位顾客的二次回购是不需要额外支付营销费用的。所以通常除了首次转化的结果外，用户生命价值也是判断流量渠道质量的重要指标。这就是SaaS产品愿意投入极高的获客成本，同时特别重视续约的原因。
生命周期指的是一个主体从产生到结束的发展过程。网站用户的生命周期可以理解为用户从认识网站到喜欢网站到与网站关系破裂的整个过程，用户生命周期价值指的是用户在整个生命周期为网站创造的总价值。电商网站在度量用户生命周期总价值方面有较大优势，因为电商网站可以很好了解用户的消费总金额、净利润等信息。
用户生命周期可以划分为四个阶段：
1、考察期：
考察期是用户和网站产生联想的孕育期。在此阶段，网站对于用户来说还是陌生的，用户会偶尔来到这个网站，可能第一次登陆留下一些印象，某次想起并再次访问。此阶段的用户对网站产生的价值较少，可挖掘之处在于潜力很大，因为所有成熟度高的用户都是从考察期升级的。
2、形成期：
用户开始对网站产生喜好感，也许是从网站上获取了喜欢的内容，或者可以持续学习成长的东西。经常访问是这个阶段用户的重要特点，用户通常会搜索品牌词（比如易观方舟）来到网站，此时用户的价值飞速增长。
3、稳定期：
用户已经成为了网站的粉丝。他们的典型行为是加入收藏、高频度访问、推荐给他的朋友（在易观方舟里给推荐做事件埋点即可得知推荐数据）。
此阶段是用户的价值高峰。拿电商举例，用户通常会在此阶段发生高频率购买行为，复购率极高，是重要的价值来源。
4、退化期：
用户可能因为某种原因，与之前喜欢的网站关系决裂了——也许是一次不好的在线体验，也许是体验到糟糕的的售后体验，抑或，他找到了更喜欢的同类网站。此阶段用户的价值衰减，直至消失。
当然，用户不一定会经历每个周期后，在任何一个阶段，都有可能直接跳入退化期。
因此我们需要在每一个阶段都让用户满意。
用户在整个生命周期持续创造价值，我们可以针对不同阶段的用户给予不同的营销策略，提高用户的生命周期价值。
在易观方舟里如何衡量不同渠道的用户生命周期的价值？
方法一：利用RFM
正如上文所说，电商是很好的例子，也就是我们经常说的RFM模型。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。首先获取单个用户在所有用户里的RFM各自分数的区间，然后给予RFM三个维度不同的权重，Wr，Wm，Wf，总得分就会是A=Wr*r+Wm*m+Wf*f，这样就可以得到用户的生命周期价值的总分数。单说电商，不同的商品，不同的平台用户的生命周期价值RFM模型也是不同的（通过权重的分配），此种分析方法是为了方便给不同生命周期价值的用户制定营销策略，在另外文章会篇幅完整的介绍RFM的应用。
拿RFM中的F（消费频次）和M（金额）来举例，R（时间）可以在分群里直接选择：
比如访问频次是很重要的，应该在总分构成里更高，得到用户的全部访问频次后，可以用单个用户的消费频次与总最高频次比较得出分数。
其次订单金额，得到全部订单金额的最大值和最小值以单个用户的消费金额与最高金额进行比较得出分数。
用此种方法可以综合得到用户的生命价值分数，再利用此分数进行用户生命价值等级的划分，我们通常会分为3个等级，低中高，并且同时保存分群。此时在任何易观方舟分析里，可以选择好要分析的分群（比如不同生命价值的用户群）来进行定向分析，定向分析会带来很多有价值的结论，比如：高价值用户是哪里来的？为什么留下？为什么成为高价值？
方法二：利用总金额
有一种简单的方法来衡量用户生命周期价值，就是用户在固定时间内创造的总金额。比如现有用户在90天内的总支付订单金额，并且按照渠道划分，就可以知道不同渠道的用户创造的价值优劣。
从易观方舟的渠道分析可以看出，产品运营大会的获得的订单总额是最高的，然而获得的用户数不是最高，所以衡量渠道效果只有转化是不够的，还要去看用户生命周期价值。某渠道的用户生命周期价值很高，说明这个渠道的用户很重要，应投入更多精力和资金进行运营。
如果非电商的网站，如何衡量用户的生命周期价值？通常会根据四个指标来衡量：
访问频率，最近访问时间，平均停留时间，平均访问页面数。
这四个指标所有网站都有，它们意味着用户忠诚度，也是所有网站都必需的。如果对数据分析了解多，你可以用层次分析法AHP来做用户忠诚度分析，如果不想过于复杂，也可以通过一些简单的算法来衡量非电商网站的用户忠诚度，办法与RMF模型判断价值的方法一样，结合权重四个指标进行定量分析。
用户生命周期价值的实际应用
1、判断不同流量渠道的价值
不同渠道来的流量的即时转化是比较重要的判断标准，但是在所有转化用户背后，生命周期价值也是重要的标准。
2、判断高价值用户被吸引的原因，强化内容曝光和比例
高价值用户都有哪些共性？可以对高价值用户的分群单独分析，比如内容偏好，单内容产品停留时常偏好，这样就能知道目前的存量内容或产品里，哪些是有较高价值的。
3、针对不同生命周期的用户给予不同的营销策略提高总价值
我们根据每个周期的用户状态进行基本分类后，区分方法可以结合RFM模型，就可以有不同的策略制定，比如：针对生命周期价值低的用户进行定向广告和定向产品展示，针对高频次到访的成熟用户给予更多减少流失的策略，针对退化期用户积极的采取产品与服务方面的挽回弥补策略。
给予相对精准的营销策略对提高整体用户生命周期价值有明显的促进作用，电商的网站运营人员不只是关注获客，提高生命周期价值也是很重要的。
总结：
制定用户生命价值周期的方法有简单易用的，也有精细复杂的，不同的网站、产品、平台的生命价值周期的判断模型都不同，需要不断的根据业务调整校验。但是所有的网站目标是统一的，就是要提高全部用户生命周期内用户产生的总价值，从而提高业务数据增长。
欢迎有数据分析需求的小伙伴，免费使用易观方舟Argo。
数据驱动精益成长，易观方舟的100个技巧
想要掌握更多的实操方法，欢迎关注上方专栏。
现在分析淘宝行业数据，最好用的工具，有且唯一的就是官方的工具“生意参谋”。
官方拥有所有的数据源，还能有比这个更好用的吗？
生意参谋哪个功能可以看行业数据？
需要订购【市场洞察】这个付费模块，否则看不了。
如何订购？
可以直接在上图中的位置，选择立即订购。也可以去服务市场:http://fuwu.taobao.com，输入生意参谋检索。
应该选择哪个版本？
具体版本功能差异和价格，见下图。
用两句话讲清楚要选择什么版本。
好了，确定好分析的工具，下面开始上干货：
1、市场分析
1）通过关键词分析市场特点
没有市场需求的产品，即使产品品质很好也是没有前（钱）途的。虽然目前淘系电商推广渠道多样化了，但是到目前为止绝大多数客户仍然是通过搜索关键词找到需要的产品。所以如果你产品相关的关键词在淘宝上搜索量过少，至少说明当下是不太适合在淘宝上销售。
市场分析从选词入手，选词就是选择市场。
这是我们之前分析过一个吸黑头的产品。
打开“生意参谋-市场-搜索分析“，输入查询词之后，我们会发现，大家对于国外的洗黑头的产品需求会更大一些。如果你能搞定靠谱的货源，短期内是有机会的。
2）分析市场竞争度
先分享一个公式：
关键词倍数=日搜索人气/在线商品数量
我们用产品的日搜索人气比上在线商品数量得出这个数值，日搜索人气代表着这个市场有多少需求，有多少人搜索，而在线商品数量代表着这个市场有多少人在供给。
这个数值肯定是越大越好，越大越代表这个市场更容易做。
关于关键词倍数，给一个参考值是0.5.
当然仅供参考，根据市场而定。
2、同行分析
做生意是一定要研究对手数据的，可以这么说，在当下电商运营中，同行的信息应该是最有价值的。这也是很多运营必须要做的事——其实在监控和分析同行的店铺。
通过对同行店铺的分析，可以找到店铺的优势和不足，很多东西也可以参考同行。
怎么去分析呢？
通过生意参谋的市场洞察，能够看到同行的流量渠道，日访客数有多少，引流关键词、成交关键词，以及引流关键词带来了多少访客。
如果有订购市场洞察的专业版或者豪华版，这里面还隐藏了一个极其实用的功能。
我们可以借助这个工具，看到竞品日出多少单。
只要能拿到这个数据 ，对手的链接近乎处于“裸奔”的状态。
码字太累，这个就不细说了。如果有兴趣，可以留言或者私信。
实例分析：
3、分析自己店铺
数据是店铺问题诊断的基础，当我们的店铺出现问题，比如说流量下滑、转化率下滑，这肯定是有原因的，绝大多数原因我们能够通过逻辑分析去判断出个大概，我们所有的分析和判断都必须要通过数据去进行一个验证和分析，如果不经过这一步，你只是主观上分析的话，很容易出错。
打开生意参谋，可以看到店铺当天的销售额、访客量和转化等数据
打开生意参谋的流量纵横，可以看到店铺内各个单品最近7天的访客数数据：
以及最近7天这个单品流量渠道构成情况：
实例分析：
正常的分析思路如下：
第一步：
打开生意参谋流量地图，看下商品来源，具体看下是哪个商品流量有所下滑，可选择时间段，看下商品在哪个时间内流量开始下降的。
第二步：
我这里只是示范店铺和商品，假如第一款产品流量下滑，那我们点开商品来源，（需订购流量纵横），看下是哪个流量渠道下滑。
第三步：
再点开品类-商品360，找到这款商品，主要下访客数、转化率和收藏加购情况。
第四步：
然后锁定这个流量渠道，去找原因。
一般出现下滑的流量为手淘搜索、手淘首页、直通车等。我们逐一来看原因。
1）假如手淘搜索流量下滑，一般可能三个原因：
2）假如是直通车流量下滑，要检查下近期同行的竞争环境变化，因为类目投放付费广告的店铺突然增多，你直通车的花费就会提高，日限额不变的情况下流量就会下滑。
（如果类目出来几个刷单量比较大的同行，他们会把类目平均的日产出提高很多，你的产品出不变，就有可能导致流量下滑; ）
3）假如是手淘首页流量下滑，有可能是你近期更换了首页第一张图，导致的流量变化。这个手淘首页的标准比较模糊。
4）尽量去分析商品近一周的转化率、销量以及收藏加购情况，手淘搜索流量下滑和这三点有直接关系，比如转化率从今天开始下滑一半，三四天之后流量就会跟着下滑，流量下滑再导致日产出会下滑，日产出下滑在导致层级下滑流量下滑，从此恶性循环。
另外，还有一个问题就是，生意参谋很多的付费功能，都必须要一钻以上才能购买。新店没工具确实不方便。
新店通常只能借账号用，或者去租账号使用，比如QQ群等。
当你度过过渡期后，非常建议你购买官方工具。
这里我给大家提供一个免费版本的软件，可以免费查询30个词语，数据准确性，我测试过没有问题。
如果需要，可以私信或者留言。
数据分析是最好的现实依据和趋势判断的基础，当然作为运营来说，不仅仅是会看数据，正确的思考逻辑才是根本。
如果还有不懂的，欢迎留言，会挑时间回复。
谢邀。您好，我是一名专注研究电商图表、软件、算法的商业智能数据分析师。我自己之前做过5年大型企业的电商运营，电商数据分析这块目前只有顶尖的运营才在学，还有正在走向顶尖的运营们，包括我在内。
其实，我们都知道，如果是真正在做数据分析的话，会涉及到很多指标的问题，能否自由地、实时地发现问题，是我们利用数据分析来为电商服务的原因。
熟悉的数据软件，Excel当中算其中一个，不过Excel有很多插件也很适合，比如数据挖掘套件。另外，我平时习惯用PowerBI Desktop这个微软出品的软件来做数据分析。
闲话不多说，我这里分享一篇之前写过的电商数据分析文章，如果您不感兴趣的话，可直接忽略。
前言
这几天在我的数据学习群里头聊天，刚好有同学需要我分享一次关于新版生意参谋的课程，内容涉及到关键词有效性分析。我记得以前在某篇文章上面也发表过，不过因为现在软件版本更新，所以就重新试着录一次吧。
当然，本文的数据源来自群里头的那位同学，所以有关本文的视频，我都免费分享给他，这个也算是一种互惠，如果以后有哪位同学也想这么玩，那就私聊我，是不是很爽？不过，我怕精力忙不过来，只好局限在学习群。
正文
新版的生意参谋，其实换汤不换药，最核心的功能永远是那么几个。并且，上面的数据越来越不方便使用，不知道你有没有一种感觉，觉得很不灵活？
幸好，我懂PowerBI Desktop这个软件，不然也一样玩不过来。在继续之前，我觉得有必要说清楚处理这类型数据的一个习惯，就是把生意参谋当中一个数据查询软件就好了，剩下的所有需要做数据处理的地方，都交给PowerBI Desktop。这样子的话，基本上来说，不管以后生意参谋怎么改变，你都不会乱的。
那么，回到本文的核心，就是要讲如何做关键词有效性分析这个问题。我先解释一下这个概念是什么意思。
其实我们在上面的这种搜索结果页里头，就已经可以发现，一个关键词搜索下是可以出现若干产品的。那么反过来，实际上，一个产品的标题下，也是可以有若干关键词出现在不同的搜索结果页的。
因此呢，一个标题里头，不是所有关键词都有办法做到出现在合适的买家面前。不管什么电商平台，不管有没有实行千人千面，这个情况都不会改变。
好就好在，生意参谋强大的地方，可以在数以亿计的产品里头，让每个产品都有办法查到哪些关键词有访客数，哪些关键词没有访客数。
而这个，就是所谓的关键词有效性分析的重点，就是必须要能找到这个地方的数据源。否则，一切都是空谈。
也许官方的数据专家们都知道这个道理，所以这个功能一直都存在着，也是所有做搜索的推广人员，一直重视的地方。
刚刚所说到的地方，就是指“商品”里头的“关键词效果分析”。这个地方的数据，只提供最近一个月，并且你如果要下载这里的数据，还得一天天下载，也就是一共要下载30次。因此呢，从这个地方我们也可以看出来，摆明了就是不让你下载的爽，就是强迫你每天都要来这里下载前天的数据，这样子你才不会累，这个也是我自己的习惯。
除此之外，还限制了渠道，分为PC和无线。废话不多说，我按顺序，把PC和无线的30天数据都下载下来。
上面就是全部下载好的数据，这里头有个细节，就是文件夹的名字，你完全可以把这款产品的ID号给写上。
之后，我又在创建了一个文件夹，取店铺名为文件夹的名字，然后把刚刚的单品ID的文件夹给拖进去，形成一个嵌套，方便你后面多款产品的分析。如果你有多家店铺，是不是意味着也可以做多店分析。
数据下载这样子就算结束了。以后，每天一款产品只需要下载隔天数据即可。下载下来之后，放到刚刚的文件夹里头。之后，打开PowerBI Desktop，我们来开始尝试着做图表模板。
获取数据这里，我们需要选择“文件夹”，然后点击连接，很重要哦！
之后选择“浏览文件夹”这里，一定要选择最上层的文件夹，比如这里就是“店铺=花随花心”，这样子后面就可以把“ID=”的所有文件夹都显示出来。
进入到这一步之后，选择“编辑”，目的就是进行数据预处理。因为这些数据上面有很多格式是有问题的，我们需要进行调整，你也可以先加载，后面再调整，不过习惯如此。
删除掉没有意义的列之后，剩下来的就是“Name”、“Folder Path”、“Content”这3个。“Name”是指文件夹里头的每一份Excel的文件名，“Folder Path”是指文件夹路径，“Content”是指我们要的数据都在这里头，不过现在它是二进制数据，你根本看不懂。
那么，我习惯性先处理“Folder Path”的数据，把“店铺=”和“ID=”区分开来。可以使用“按分隔符拆分列”这个功能，默认设置即可，最重要的就是里头的这个分隔符，一定要根据实际情况来，不过一般默认也不会出错的。
之后，把没有意义的列删除即可，剩下“Folder Path.5”、“Folder Path.6”这2列，名字都是系统自己取的，不喜欢可以在上面进行重命名。这样子，我们就等同于把“店铺=”和“ID=”给区分开来。后面无论你添加多少个单品数据，或者是店铺数据，都会一次性给你计算出来，这个就是查询的力量。
依次类推，最终结果，就剩下上面这几列数据了，分别包括“Name.2.1”，“Name.2.2.2.1”，“Folder Path.5”，“Folder Path.6”。其实，我们也从这里看出来，已经把“渠道”，“时间”，“店铺”，“单品”这4个维度给区分开来，每一行数据都代表着这4种组合中的其中一种。当然，是不是这样命名随便你，我只是把这个概念抛出来而已。
一般现在需要操作的就剩下“Content”而已了吧。如果你想要取出这里的数据，需要用到“M函数”当中的“Excel.Workbook()”这个公式，参数设置为“Content”即可，然后点确定。
好，接下来就尴尬了。报错的原因是，PowerBI Desktop不认“.xls”格式的文件，所以说，前面因为没有搞清楚“转格式”这个概念，所以到这一步就算失败了。
常规做法就是，按顺序批次把“.xls”另存为“.xlsx”文件。但是，如果你要操作60多个文件，600多个文件，6000多个文件，请问你怎么搞的定？
所以，当务之急，就是要有这方面的软件可以解决。幸好，我自己的数据分析工具箱已经解决了这个问题。话说回来，花老师的工作核心之一在于提升数据处理的效率，以后有更多的功能都会陆续加进来。
基本上，100个以内的只需要10秒即可，而如果你是手动去解决的话，那就不知道修改到什么时候了。
把原来“.xls”文件删除掉，换上“.xlsx”文件即可。然后回到原先写“M函数”的地方，重新开始，就会形成“自定义”列里头的“Table”数据，这个才是正确的。
… …
最终，这样子就算是顺利导入进来了。
… …
为了匹配上词根，我特意将这款产品的标题切词出来。另外，词根的顺序已经被我打乱，这也是为了保护产品不被曝光。
… …
经过几次修改之后，最终词根匹配上了关键词。
那么这个就是最终的图表。现在我简单分析一下怎么使用的问题。我们现在的问题是，想知道哪些关键词在过去一段时间里头，比较有用。说白了，就是访客数比较高，转化率也不错那样子。当然，如果你的要求比较高，要多看几个指标也随你。
我现在是专注于研究电商的图表、软件和算法。已经不涉及到具体的营销层面上的东西。但是，从数据上可以看出不少东西。
首先是词根的问题。一般判断一个标题里头的关键词是否有效，最应该先看词根。也就是找几个重点的词根，去看就行了，知道哪些词根的流量占比大头，然后再重点关注这些词根所对应的关键词是哪些，重点优化，有的放矢。
很明显，是“梅花”、“新疆”、“棉被”、“被芯”这几个。那么，我们就可以直接锁定这几个词根，在词根筛选那里，将这几个词根全部选中。
那么，借助筛选器的功能，自然可以知道出来的都是些什么关键词。
很明显，“新疆长绒棉被”这个词，无论是“访客数”还是“支付金额”都是最高的，那么我就想看其这段时间的走势如何。
不知道什么原因，就这样没了。那这个是从数据上显示的，说明这个词，如果不是我操作失误的话，那就是有那么几天没有访客数。
这个方法，可以快速判断一个标题里头，访客数下滑是由哪些主要关键词导致的，然后通过分析其关键指标，比如“支付转化率”“支付件数”等等，判断其趋势情况。再结合自身所知道的实际工作情况发生了什么事情，就可以很快判断出来问题所在。
以上内容，就是我今天分享的重点。不废话，关注知乎专栏花随花心，送数据分析工具箱！
互联网行业从业近7年，电商大数据相关从业经验3年，目前负责一电商公司大数据部门，包括数据分析团队，一些想法可以分享一下。
—————————————-
如果有数据团队就最好，电商运营只需要知道业务逻辑即可，让数据分析师帮你构建分析逻辑，来辅助业务的推进。
如果没有，那么你需要注意分析清楚，哪些数据可以体现哪些业务逻辑，比如一个营销动作，对应会对哪些数据指标产生作用。
那么，对于常见的GMV，转化率，客单价等等基础的电商指标需要有个清晰的认知。
—————————————-
但是，有一句话不知道有没有听到过“数据是一个任人装扮的小姑娘”，在电商行业尤其明显。
所以对于电商的数据分析来看，不是说具体如何分析，而是说具体数据对于谁是有用的，而使用数据的人是否是真正想做事，还是说为了糊弄上级，或者说体现业绩的，这里头门道太多，涉及的利益也很多。
以销售金额为例，随便更改一下口径，其最终的业绩就很不一样，而对于那些不了解数据的人来说，表明上业绩增长了，但明白人知道看似增长的数据实际上代表着什么。
而对于不同的业务部门来说，知道用哪些对自己有利的数据去做汇报，而对于不懂数据的人来说实际上是很难发现问题的。
所以，经常会出现，每个部门感觉业务数据完成的很好，都达标了甚至超额完成了，但公司整体运作实际上并不是很好，甚至隐藏了很多雷点，整体的经营也没有感觉很好。
这就是打了一个认知差，所以，多了解一下数据构造，数据指标的构成，数据分析的基本逻辑，没有毛病，就算不去骗人，也避免被人忽悠。
———————————————
之前在知乎专栏上写的两篇数据跟业务的文章，可以看看，并且是以电商的角度出发的：
blogchong：数据和业务系列一，关于GMV有很多你不知道的事
blogchong：数据和业务系列二，用数据的视角告诉你史上最全的营销套路
————-
最后，欢迎关注【数据虫巢】，很多数据和业务相关的文章~
在公司内部有很多沟通的问题，运营和产品沟通，产品和技术沟通，但是都没有一个共同的“语言”去解决这些问题，但随着大数据时代的带来，我们发现，通过数据进行部门间的沟通就可以保证大家在同一个维度去看事情，而抛弃岗位和身份，只用客观数据说明问题。今天诸葛君分享3个常用的数据分析方法和1个增长方案，帮助新手运营同学快速构建数据思维，提高日常工作中的沟通效率。
一、数据趋势分析
趋势分析一般而言，适用于产品核心指标的长期跟踪，比如，点击率，GMV，活跃用户数等。做出简单的数据趋势图，并不算是趋势分析，趋势分析更多的是需要明确数据的变化，以及对变化原因进行分析。
趋势分析，最好的产出是比值。在趋势分析的时候需要明确几个概念：环比，同比，定基比。环比、同比大家都比较了解，定基比就是和某个基点进行比较，比如2016年1月作为基点，定基比则为2017年2月和2016年1月进行比较。趋势分析另一个核心目的则是对趋势做出解释，对于趋势线中明显的拐点，发生了什么事情要给出合理的解释，无论是外部原因还是内部原因。
在数据分析的过程中，有很多因素影响到指标，那么我们可以不同维度来逐一考察，比如：渠道，产品版本，来源，关键词，网络，地域，IP，系统浏览器及版本等。
二、数据对比分析
数据的趋势变化独立的看，其实很多情况下并不能说明问题，比如如果一个企业盈利增长10%，我们并无法判断这个企业的好坏，如果这个企业所处行业的其他企业普遍为负增长，则5%很多，如果行业其他企业增长平均为50%，则这是一个很差的数据。对比分析，就是给孤立的数据一个合理的参考系，因为，孤立的数据毫无意义。
以A/B测试为例，最关键的是A/B两组只保持单一变量，其他条件保持一致。比如：测试首页改版的效果，就需要保持A/B两组用户质量保持相同，上线时间保持相同，来源渠道相同等。只有这样才能得到比较有说服力的数据。
三、 数据细分分析
在得到一些初步结论的时候，需要进一步地细拆，因为在一些综合指标的使用过程中，会抹杀一些关键的数据细节，而指标本身的变化，也需要分析变化产生的原因。这里的细分一定要进行多维度的细拆。常见的拆分方法包括：
分时：不同时间段数据是否有变化。
分渠道：不同来源的流量或者产品是否有变化。
分用户：新注册用户和老用户相比是否有差异，忠诚用户和小白用户相比是否有差异。
分地区：不同地区的数据是否有变化。
构成拆分：比如搜索由搜索词组成，可以拆分不同搜索词
细分分析是一个非常重要的手段，多问一些为什么，才是得到结论的关键，而一步一步拆分，就是在不断问为什么的过程。
四、业务场景举例
有一个场景是围绕用户关键行为历程加快用户决策周期，以电商产品为例，这个关键行为历程包括：领券促活跃、潜客促注册、注册促下单、洞察习惯促复购，加快用户决策周期也就是帮助用户认可价值、打消顾虑、支付购买。
1、整体路径：在核心流程上加快决策
当我们被某个产品的卖点吸引后，我们的潜意识将“凭感觉”快速替我们做出决策，没有立刻执行决策，不过是因为我们还在寻找理由说服自己，让这个决策看起来合理罢了。
人的欲望是无限的，很多时候，人的欲求会超过一贯的自我认知和行为准则，同时，人又是一个会极度自洽的动物，当我们的某个决策意向明显不符合自我认知与行为准则时，我们潜意识里就会去寻找更多的理由，让我们的决策“看起来”是合理的。
比如你看中一支口红，很让你心动，这时你有了购买冲动，只不过你已经有很多支口红了，再囤一支并不符合你“不过度浪费”的自我认知，所以你开始寻找商品详情页，当你看到：“星你色不流行啦”、“安迪同款精致丝滑”、“平价版Tom Ford”等信息时，你的购买决策可以被这些理由合理的解释，你最终选择了购买。
我们需要给用户足够的理由来完成合理化过程，可以是产品特性，可以是价格优势，甚至可以只是一句心理层面的合理解释，这些理由也许并不需要格外突出，因为这并不是为了吸引用户产生购买冲动而存在的，有欲望的用户为了说服安慰自己，自会寻找到“使TA下单合理化”的信息。
以某电商类产品为例，凡注册成功后24小时内没有创建订单的用户都会收到一条短信，短信内容大概是：你有价值128元的新手红包待领取，下载APP立享优惠，一个小小的红包，便终止了一部分用户“犹豫不决”成功下单。PS：上图中的数据来自我们的客户，基于诸葛io的精准触达，有68人成功完成了支付，即，这一条短信带来了核心业务的转化（变现）。
2、业务偏好：不同需求用户精准营销
当我们获取了用户之后，就会对用户的相关数据做分析，得知用户行为习惯，为产品运营所用。通过对用户行为监测获得的数据进行分析，可以让我们更加详细、清楚地了解用户的行为习惯，从而找出运营中存在的问题，有助于APP发掘高转化率页面，让营销更加精准、有效，提高用户的转化率。
例如在什么时间段用户活跃度最高，在这个时间段推送活动，参与度会更加积极，用户接受程度更大。比如分析出在22:00~24:00之间，20-30岁之间的女性最为活跃，那么在这个时候可以选择对女性用户更有价值的活动来做定向推送，设置好推送的活动、时间点和用户群体，以此来增强用户生命力，延长用户生命周期。
3、沉默激活：围绕活跃特点贴心提醒
沉默用户大部分是低介入用户，是否能够再细分出各自的需求，再做用户触达和用户运营，满足其某一次需求。如果用户只是使用基本功能，就不要骚扰他，如一个月做运营触达而用户无反应，持续几次皆如此，则不要再骚扰了，否则产品都不会使用，这类长时间的沉默用户要谨慎处理。
总之，趋势，对比，细分是数据分析中最基础的思维。无论是数据核实，还是数据分析，都需要不断地找趋势，做对比，做细分，才能得到最终有效的结论。
关于我们：
诸葛io，智能化数据分析驱动低成本增长获客和用户留存。
目前我们正在为互金/教育/新零售/保险/汽车等行业提供大数据整体解决方案并提供咨询服务。服务客户有：光明随心订、食行生鲜；人人贷、阳光保险、众安保险、平安；宝马、奥迪、大众、NEVS；饿了么；东易日盛等。
诸葛io – 深入业务场景的数据智能决策平台
滚逼，让我来答。
前言女人总是喜欢用感觉来判断一个男人爱不爱他，而男人总是用数据列出和一个女人谈感情的好处，比如叫一次外卖300，一个月就是9000，而和一个女人谈感情，前期投入鲜花、吃饭、衣服、礼物……还是谈感情好！
而从商业的角度来看，运用数据分析是可以节约成本。
多少人，头脑一拍去开个美容店了。也没去研究附近客流属性。
多少人，头脑一拍去开个火锅店了，也没去研究附近四川人多少。
最后头破血流，安慰自己说在累积经验。
最后血本无归，安慰自己说再从头再来。
吃透一个行业，可能只需要短短半个小时。
论据
互联网时代，买家买一件东西会通过哪些途径？
我们打开移动观象台
http://mi.talkingdata.com/
用户在微信的活跃度是61.41%；
用户在QQ的活跃度是在42。95%；
用户在淘宝的活跃度是37.54%；
用户在百度的活跃度是32.45%；
用户在微博的活跃度是28.84%；
我们主要观察5个维度、微信、QQ、淘宝、百度……
微信活跃度常年60%以上，给了社交电商的机会。
QQ毕竟是老一代的产物，给了社交电商的机会。
任何人买一件东西更多的会上百度搜索一下别人怎么说；
然后再淘宝上搜索购买下单。
微博流量大，但是离落地太远。
今天主要研究淘宝的数据分析。
百度的广告太贵、我们玩不起，做软文营销又太累。
微信人人讨厌微商，没点技术手段，谁能玩的转。
那么只能说电商了。
电商这些年的竞争也四分五裂的，犹如当代三国局势，魏国淘宝、吴国京东、蜀国拼多多。
淘宝想一统天下。
京东想颠仆淘宝。
拼多多想颠仆淘宝。
最权威可信的数据也只有淘宝的生意参谋了。
论证
２１世纪要么电子商务，要么无商可务——马云
打开
生意参谋——市场行情——搜索词查询
把你想卖的产品输入进去。
比如我们输入女装，得出这样一张表格。
所谓搜索越大说明需求越强；
所谓在线商品数越多，说明竞争越大；
所谓商城点击占比越高，说明买家更加喜欢天猫店购买；
所谓品牌词语越多，说明市场竞争越偏向品牌，不适合我们。
我们要找到的是——
搜索人数很大，在线商品数少的产品，品牌不集中的市场。
比如我把搜索大，在线商品少的搜索词给列出来得到这样一张表。
这几个哪个是品牌词？
这几个哪个是真正可以做的市场？
比如ＨＭ，一看就是品牌词，且搜索的人群都往天猫集中了，天猫商城占比８４.９３％，除非最高仿和代购、不然没有任何机会！
比如嘻哈女装，搜索人气２３８０４，在线商品数才１２７７，不是品牌、天猫店卖的也不多，可以保留这个词语。
我们把这个词语淘宝搜一下——
得到这样一个信息：
４４％的用户喜欢１８——５１价位的；
３０％的人喜欢５１——１０３价位的；
１７％的人喜欢１０３——１８６价位的。
如果我们定价在——５１块钱
而直通车的点击费是０.３３元／１次；
１００块钱可以点击３３０次；
转化率=１.９１％
黄金公式——
销售额＝转化率Ｘ客单价Ｘ访客数
转化率＝成交笔数／访客人X100%
1.91%=1/(_)x100%
=1/1.91%
=52.3
52.3是访客数
52.3X0.33元直通车=17.259元
也就是如果你选择做这个市场，转化一个客户所需要的成本是17.3元。
假如你的产品零售价：51元
拿货15块钱；
51-17.3-15=18.7元
这才是你的利润。当然这个没有算到运费和退换货的成本。
我们如何攻打这个市场呢？
进一步搜索看有没有二级词
得到了这样一张表：
这样一搜更加细分了；
嘻哈女装街舞
嘻哈女装学院风
嘻哈女装欧美时尚
嘻哈女装原宿风
比如嘻哈女装装套，整个淘宝才205个产品，搜索热气都有7872，转化率0.53%
这是一个大市场，我们试着计算出竞争对手一个月通过这个词赚多少钱。
月销量203件，客单价159元
203X159=32277元
也就是一个月可以做到3万2的营业额，他这个价位，至少纯利润在1万以上。
还可以搜索下其他的词语，一个一个分析
——嘻哈女装欧美时尚
……………………
总之——
一个词语就是一个市场。
第二种方案
做市场分析的时候，会发现有很多词语搜索也很大，但是在线商品数也很大。
比如这样：
可以这样操作——
分析方式：
关键词的倍数＝日搜索人气／在线商品数
只要你的你的倍数越大，你的机会就越大。
比如——
logo设计——98850/62724=1.5
详情页设计——38919/14184=2.74
具体多大倍数有市场。不能低于0.1，最低0.5；
商城点击占比不能超过40%，如果超过40%会非常难啃！
考虑一个词能不能做——
需要打开市场行情——行业粒度
（这玩意我也没有专业版）
查看竞争对手这个词做的怎么样？
店铺的引流是这个词吗？
成交的转化词是这个词吗？
总结
经验是一种很不靠谱的东西，感觉是一种很不靠谱的东西，只有数据分析，一切回归理性，回归现实。
看多了盲人摸象，不如理性的数据化运营。
很多做电商的朋友一直在追求所谓的干货、追求所谓的技巧，但是方法和技巧随着电商大环境的变化而变化，那么这些一味追求干货技巧的朋友，就会一直在为了干货、技巧所追逐，思维也永远被这些运营的点所束缚，无法跳出，站在整体运营的角度去思考。
在淘宝运营的朋友都应该知道，不同类目、不同店铺基础、不同层级哪怕是不同时间点，其玩儿法也都会有很大的区别。如果你想把淘宝当做是一份事业来干，那么你所关注的就应该是运营基础，数据化运营，从问题的本质出发，以数据为导向，以不变应万变。
现在挨个回答下问题：
第一电商运营要懂得哪些运营数据？
1、对比整合，把控行业全局：市场容量分析、市场趋势分析、品牌竞争度分析；
2、多维交叉，洞察细分市场： 市场细分维度划分、多维度交叉分析、细分市场选择技巧；
3、数据掘金，洞析竞争对手： 生意参谋数据采集、竞争对手分类、竞争对手数据分析、竞争对手舆情分析；
4、数据预测模型，掌控店铺盈亏： 变动成本和固定成本测算、项目毛利率测算、盈亏平衡销售额测算、销售额目标可行性分析；
5、训练全局思维，掌控店铺舵向：年度工作计划、品类及货品规划、销售额目标分解、流量目标分解、人力目标分解、成本分解、盈利分析、资本回报率；
6、预测与分析，把控现金流：现金周概念、收入分析、支出分析、现金分析、资金周转天数和周转率
7、掌握数据库，搭建数据指标系统：应该熟知每个数据指标的含义，并且搭建数据指标体系。并且，根据自己梳理的数据指标体系，每天记录并分析数据的波动情况；
8、关注数据维度，培养数据思维。比如：对比不同品牌的销售情况，分析销售额的影响因子。
9、专题分析。词根分析，标题优化，直通车优化、店铺核心指标看板、商品分析、库存分析、渠道分析、市场分析、订单分析、竞争对手分析等等。
以上是关于电商数据分析的简单介绍，《淘宝、天猫电商数据分析与挖掘实战第2版》完整的再现了数据分析与挖掘在电商中的应用，感兴趣的朋友可以买来看下，有兴趣深度交流的也可以关注我的专栏-电商数据分析。
第二个问题、数据如何抓取
数据抓取的原则是：可见即可爬。数据抓取的原理是模仿人的浏览行为，向服务器发送请求，并截取返回的数据，依据自己的需求，清洗并获得数据。如下图所示，即为爬虫的原理示意图。
明白了爬虫的原理，再了解网页的结构， 明白如何向服务器发送请求（常见的有两种方式：GET方式、POST方式），掌握解析网页数据的方法，再懂些反爬的技术，基本上可以获取你所需要的数据了，如果想要深度研究，可关注下我，随后会出爬虫系列教程的。也可以看下Python爬虫相关书籍。
第三个问题、使用哪些工具？
我专注电商数据分析与挖掘5年了。用到的分析、挖掘工具有很多。其实随着微软的版本升级，ExcelBI（Power Query、Power Pivot、Power Map）的出现，Excel可以解决大多数数据分析的问题。Power Query超强的数据清洗能力，快速的数据运算能力；Power Pivot的数据建模能力，Power Map的动态可视化展现能力。想要深究的可以参考《EXCEL BI之道:从零开始学POWER工具应用 》，认真研究下。
那么这位同学既然问了，不详细的回答又不符合我的性格，除了Excel还有R语音、Python这两类开源的编程语言，也是市面上比较火的两款数据分析语言。除此之外，类似SPSS、SmartMining等非编程的可视化的数据分析与挖掘的软件，也受到许多数据分析人员的钟爱。
第四个问题，如何呈现？
数据展现，不同场景的信息图选择，常见的有柱形图/条形图/雷达图/饼图/折线图/散点图/直方图，这些图用Excel完全都可以实现，但是谈及到数据展现，就不得不提及到一个词叫做美感。那么数据展现比较火的软件有：Power BI、Tableau以及百度的Echart。基于Echart，R语言有REchart包，Python有PyEchart包，均使得数据展现的美感增加。
第五个问题，需要excel哪些重要功能？
Excel的数据透视表，Power Query，Power Pivot，以及Excel如何与数据库进行数据的传输。基本上一套数据分析流程下来，Excel的大部分功能都会用到。
第六个问题、一般有哪些数据分析方法？
基本的数据分析方法有：对比、细分、增维、降维、假说。
除此之外还有：态势分析SWOT方法、万能的思维架构5W2H、行为轨迹分析、客户画像分析、留存分析等。
start_data翻译过来就是，数据的开始，这也是我们公众号的发心，希望想要一起研究数据分析的志同道合的朋友一起聚集起来，共同探讨进步。
一个普通的运营要关注的数据有三个方面：商品/活动页/会员
在14年之前，看数据一般是免费的量子恒道和付费版数据魔方
首先，数据分析分为三块，整个市场数据，竞争对手数据，自身店铺数据
14年下半年改版，两个软件合二为一变成生意参谋，当然也更贵了，全套下来要一万多，要看的数据很多，一般我建议买生意参谋里面的市场插件，3600元
市场插件可以看到整个淘宝天猫交易排名靠前的商家，基本前面二十家包含了整个市场90%的销量，你可以预估整个市场当量有多大
然后在生意参谋里面的商品热销里查看竞争对手的数据，可以了解竞争对手用哪些关键词引流的，有多少客户，这个关键词有多少成交，还可以查看竞争对手哪个渠道的流量比较多
查看自己的数据，可以用生意参谋的免费插件，数据统计，查看访客数，转化率，客单价，流失率，还有付费流量和免费流量具体情况，比如付费流量的转化率有多少，免费的有多少，各个渠道要怎么维护?
做这些事情，都要数据来支撑
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。
电商运营通常会遇到一些相对笼统的问题，比如：广告的投放是否精准，用户体验如何优化、产品定位等，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：
“这是一台手机”
“这是一台智能手机”
“这是一台充电5分钟通话2小时智能手机”
“这是一台充电5分钟通话2小时OPPO R9智能手机”
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，淘宝店家
店铺管理分为两大类：店铺基础、活动策划，其它小一点的就是引流渠道的开拓（手机活动），行业相关，比如电商资讯（帮派、淘宝首页专区），行业数据分析与整理（全网热销产品TOP20、上升幅度最大TOP10）
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http://yingxiao.taobao.com/，第三方或者U站活动。
其他的就是与内功相关的了，推广安排（淘宝SEO，宝贝的标题与详情页，上下架时间，合理的安排宝贝的上下架时间，分析竞争对手精确下架时间后进行调整），付费推广（直通车，宝贝开车前要做数据分析，选词，出价，考核位置，淘宝客，优秀淘宝客计划设置，高佣金，测链接排名，精准淘宝客名单——添加，维护，洽谈，钻展，需要7天做测试哪个位置最适合，钻展预算计划等）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。
上述只是从电商角度浅谈，还有很多涉及到互联网方面的我就不造了，码字有点累，Thanks
使用第三方数据工具能够高效的监测到数据并做全面的分析。热云数据TrackingIO广告与行为分析平台 全面监测广告和用户行为数据，能够对用户进行多维度的分析。
分别回答：
很多，非常多，显性的有：
店铺基础数据，比如流量，转化率，客单价，以及细分数据，比如流量就可以分为免费入口和付费流量，各自的占比，结构，转化率，等等，其中结构又可以细分性别，地区，时间段等等，这些都是“显性数据”，基本上成熟的主流电商平台，这些数据都是直接提供的，伸手可得。
隐性的有：
询单率，用户购买周期，店铺历史新客数（非平台定义7天新客）等等，这些信息通常需要你根据现有数据进行简单的对比分析就可获得。
竞品数据：
对标产品的销售情况，显性部分可以通过某些平台提供的工具了解到大概趋势（都是指数化过后的，保护企业销售敏感数据），隐性部分，比如销量波动，活动效果，评价情况等等，获取方面下面说。
宏观市场数据：
行业整体趋势，政策法规，平台新规则，行业新模式等等。通常可以有一些咨询网站获得。
竞品数据通常不会有人直接提供给你，在合法的获取渠道内，通常可以通过网络爬虫去爬取各个平台指定的商品，获取诸如成交价格，活动内容，降价幅度，好评情况等。也可以通过用户调研问卷等形式收集竞品情况。
python，R，sql足以
ppt，excel，python plotly，Tableau，AI，足以
数据透视表，各类聚合函数，vlookup，IF语句，查找语句
简单的单一维度分析有：基础数据解读，数据反推行为等，基本上就是“看数说话”
复杂一点的多维度分析：比如RFM模型，相关性分析等。
高级的神经网络分析：比如多元线性回归，决策树，各种聚类等等根据你想要解决的问题采用对应的分析方法。
一般的电商可以简单的根据自己的运营情况做一个简单的数据分析，可以为下个月做参考，但是如果要全方位的分析的话，可以借助一些数据分析平台，我们决策狗平台就是专业的数据分析平台。
谢邀。
曾经在一家电商做过新媒体运营也做过选品，大部分时间跟数据打交道。不过那时候我们的载体还是网站，现在大家都在用app了吧。
先说电商运营要看哪些数据：
–> 基本指标篇 < --
1、销售数据
1、总销售额，总销量
2、热销商品top N，热销品类top N （这些是件数，也就是销量）
3、商品销售额贡献top N，品类销售额贡献 top N （这些是金额，有些大件商品）
还可以看的更细一点，每件商品的利润不一样，可以算出来：
4、利润额贡献top N，品类利润额贡献 top N。
——以上有助于你划分哪些商品来引流，哪些商品来促销。
5、浏览量商品最高 top N，浏览量品类最高 top N。
——看看有啥商品浏览量高却卖不出去的，要调查原因是价格不好还是什么？
总访客、新访客、新注册用户、客单价
用户地域分布、用户设备来源分布（浏览器或设备）、用户渠道来源分布（访问网站、百度推广、券妈妈之类的……）
活动期间访问趋势（一般是个线图 横轴是时间 纵轴是访问量 多线图还可以加一根销售额）
2、运营数据
1、每日uv、pv等等……
2、热区图（把用户的行为做一个简单的可视化呈现，看看哪里点的最多，活动页面下面几屏有没有热度，如果下面有想要主推的利润高的产品，要及时往上挪）
3、转化漏斗（从访问、注册、加购、下单、付款做一个漏斗，看到底哪个环节流失客户最多，有bug修bug，有流程不顺要改善）
1、推广总费用，总收入，ROI
2、各渠道费用，点击量，收入，ROI（可以用分组条图或柱线图来展示各渠道的费用与收入，投入高的渠道效果不一定好，通过对比可以筛选性价比最高的推广渠道）
–> 工具篇 < --
说完基本指标，说说工具好啦。我看到题主问除了excel还有啥，当然不能靠excel。
原始数据辣眼睛～
做表比较慢，而且相对不太智能，数据多的时候，绝对不能手抖～
传递起来太慢了，动不动好几十兆，要是做成ppt或者pdf吧，又要费好几个小时的时间。
在效率为王的时代，我们不是为了在活动过程中就强化好的地方、修正不好的地方吗？
等ppt做好了黄花菜都凉了。
看看要是数据直接成这样了会不会很好看？
就是有这样的神器～鼠标拖一拖、拽一拽，左边的excel就变成右边的可视化图表了！
然后看（领）表（导）的人就不用暗自运气了，
只要看看颜色，比比大小、长短、高低，哪里需要整、哪里需要改，哪里需要赞，一目了然！
追踪客户行为的工具可以用： GrowingIO 官网－硅谷新一代无埋点用户行为数据分析产品
线上表单工具：伙伴办公 – 领先的移动办公与数据管理平台
项目协作工具：Team Collaboration Solutions
淘系的话，就简单了，打开生意参谋。
只是不知道这个回答会不会被打。哈哈~
具体的话，excel足够了，虽然我们后来用python写了一套分析爆款的程序来处理大量店铺的商品数据，来做爆款指数模型。
需要有大量的数据作支持，推荐去专业的比较可靠的数据交易网站看一下
天元数据 – 全国最大的数据资源与创新平台
目前很多软件都可以实现该功能啊！数据还非常准确！
自己也一直在摸索
但不要生搬硬套，
其实很多时候实际情况会更复杂，
有了流量拆分平台再拆分设备，获取一段时间内的趋势，再和对应时间段比较，也要考虑品牌自身活动和主推方向是否有所不同。
官网和淘宝天猫：
如果是官网，也要和客服 技术一起合作是否是因为产品迭代或者用户行为变化导致了部分结果的变化。
淘宝不存在页面或网站功能影响带来的问题，官网则可能因为功能模块的改变，支付方式的选择，支付限额等技术性的改变影响实际的订单 转化。
淘宝用户直接下单和客服联系下单归口都在淘宝。
官网直接下单和电话客服下单可能属于不同的归口，如何计算或跨部门合作沟通会更麻烦一点。
淘宝下单流程大家都一样，
官网每个页面品牌都不相同，下单行为肯定不同，用户现在都很简单，一复杂就去淘宝问 要么有客服可以实时帮助解决问题。
分享下自己在数据运营过程中的一些经验：
1.做为一个运营，首先要搞清楚我们要掌握哪些数据？每个阶段要通过什么方式来运营你的数据，刚接手店铺的时候先搞清楚定位，做好优化
2.基础工作做完了,你的规划怎么做？怎么数据化的做？
型活动之前怎么做好数据规划？
怎么数据化考核团队和个人？
数据化监控总结
还有执行过程中什么成本改怎么核算？DSR怎么算？排名怎么做？怎么配合补单？这些就不一一举例啦，觉得有朋友留下邮箱，不定时会分享上述电商数据运营必备表格，希望能对你有所帮助
如何投放广告以寻找合适的客户人群。
如何组织安排网站的网页内容，以符合访客的个性化需求。
如何找出同一类访客的特征并预测其未来的购买行为。
如何调整商品页面的安排以提高商品被购买的比例。
如何自动地把商品分类，把同时可能购买的货物放在同一个网页上，以增加单次购买的商品总值。 如何吸引老客户多次回访网站，并做反复购买。
如何估计购物车被放弃的可能性以及如何降低这一数字。
所有这一切都建立在寻找不同的显性或者隐含的数据模式之上。
1 网站流量分析
要解答客户什么时候来丶从哪里来的问题要诉诸于电子商务领域最常听到的一个词了：流量。通常说的流量（ Traffic）是指网站的访问量，是用来描述访问一个网站或是网店的用户数量以及用户所浏览的网页数量等一系列指标，这些指标主要包括：独立访客数量（ Unique Visitors）丶页面浏览数（ Page Views）丶每个访客的页面浏览数（Page Views Per User）。
查看流量数据可以采用的工具有 Google分析（ Google Analysis）丶百度统计丶我要啦丶淘宝量子恒道丶 CNZZ等。利用这些工具，我们可以从多维度来分析流量，例如从时间维度来分析流量，可以得出在什么时间段访问某类商家的客户最多，也就是客户最喜欢在什么时候来到我们的电子商务网站，这对中小型的电子商务网站的帮助是最大的。
在做流量分析和访客来源分析中，我们最常使用的数据挖掘方法是时间序列。时间序列是数据挖掘领域中用来分析一段时间里各项指标的变化情况最常用的方法，通过时间序列我们不光可以从趋势图中看出网站（店）流量的大体变化情况，更重要的是我们能够预测未来一段时间的网站（店）流量情况。
】 网站流量分析，是指在获得网站访问量基本数据的情况下对有关数据进行的统计和分析，其常用手段就是 Web挖掘。Web挖掘可以通过对流量的分析，帮助我们了解 Web上的用户访问模式。那么了解用户访问模式有哪些好处呢
• 在技术架构上，我们可以合理修改网站结构及适度分配资源，构建后台服务器群组，比如辅助改进网络的拓扑设计，提高性能，在有高度相关性的节点之间安排快速有效的访问路径等。
帮助企业更好地设计网站主页和安排网页内容。 帮助企业改善市场营销决策，如把广告放在适当的 Web页面上。 帮助企业更好地根据客户的兴趣来安排内容。 帮助企业对客户群进行细分，针对不同客户制定个性化的促销策略等。
一般的互联网数据分析工具中都有网站访客流量来源分析功能，可以直接得出一定结果。而本案例中的网上商城是构筑在淘宝天猫商城之上的，所以我们只能采用淘宝本身提供的和淘宝开放平台上的工具来做数据分析。我们可以从店铺的淘宝量子恒道工具中直接获取流量来源和访客地理位置分布。
图 1和图 2中的流量来源和访客地理位置分布就是从店铺的淘宝量子恒道工具中直接获取到的。
图 1 最近 7天访客来源分布示意图
图 1基本阐明了最近 7天网店的客户通常采用何种方式进入网店。这里我们可以看到，因为这家网店的店铺优化做得还可以，来自淘宝的免费流量占到了 36.67%。同时因为做了一定时间，有一定的知名度，所以自主访问的比例超过了 20%，占到了 22.41%。通常来说，如果商品的品质和价格吸引人，网站呈良性发展，那么淘宝免费流量和自主访问的所占比例就会稳步提高。
因为这个网店是在天猫站内，所以来自站外的访问量不是特别多。而对于独立的网上电子商城，基于搜索引擎的流量会占到相对较高的比例。来自搜索的流量同样也要分成自然搜索流量和搜索关键词广告流量。
对于独立的网上商城，也就是说它们不在天猫这类综合电子商城内的，我们可以分析出用户是点击了什么链接进入到商城的；如果是来自于搜索引擎的，我们还可以分析出用户是通过搜索什么关键词进入到商城的。
图 2 最近 7天访客来源地理位置分布示意图
图 2 的数据显示了最近 7天网店的客户分别来自哪个省份。在图 2中我们看到，访问该网上商城最多的访客来自广东，约占 19%，而其次来自北京和江苏，分别占 11.25%和 8.85%。值得注意的是，来自该品牌的一个重点目标城市——上海的流量并不太多，只占 3.66%。
发现来自上海的流量占比不高的时候，我们可以做两种假设：
— 是否上海的受众不喜欢我们推出的产品？
— 是否对于上海的推广力度不够？
为了验证第一种假设，我们可以做客户调研，看是否增加某些关键词的商品描述和图片可以提升客户留存。而对于第二种假设，我们可以针对上海地区投放广告，并监测广告的转化率和效果。
对于单个访客在互联网上的来源分析，可能是没有太大意义的。但是综合一段时间内所有访客的来源信息，我们可以做趋势分析，从而决定在互联网上投放广告和资源的力度及方向。
2 商品销售分析
在电子商务网站上对商品销售进行分析是定时定期需要做的事情。我们可以做的商品销售分析种类很多，比如各个不同商品的访问量丶热点分析丶性能数据等。我们在做分析时，也要考虑到行业丶时间和地域等各种方面的因素，并和平均及基准的数据做对比。
做商品销售分析，需要从时间和空间的维度以及商品的类别丶价格等多个维度来做分析，这里可以做的报表类型非常多。
我们单纯从时间维度上来看，常用的报表是同比和环比的报表，而时间区间的选择可以是年丶季度和月，而当一个电子商务网站在刚刚开始的时候，周数据的报表也是偶尔会用的。
除了分析商品的销售之外，我们还需要做的分析是潜在的销售，也就是客户到网站来，浏览了哪些商品和分类，搜索了哪些商品，从而了解客户的兴趣点和将来可能购买的商品。
我们来看一家电子商务网站热销商品销售的月报表（见表 1）。
表 1 商品销售月报表
表 1 中的平均客单价指的是在购买相应商品时平均订单的价格。在整个网站上所有商品的平均单价为27.63，平均客单价为49.48。从热销商品的排名来看，平均客单价偏低，在前五名的商品中，只有两件商品的平均客单价高于平均值。从表 1 中的数据来看，销售是有提升空间的。我们看表 1 中货品单价最高的两个产品 B和 D，其对应的平均客单价也是最高的，而且从商品单价和平均客单价的比对来看，购买商品 B和 D的用户，同时也购买了多个其他商品。如果我们可以提升商品 B和 D的销售，网站的整体收入也会随之提升。
3 定期数据分析
要想做好电子商务网站的运营，需要做各种分析和报表，定期展示丶对比网站数据和运营数据。而对于大部分 CEO来说，周期的销量增长量可能是他们最为关心的数据分析。
以增长量为例，下面列出的这些数据是电子商务公司的董事长丶总经理和各级销售管理人员经常需要查看的与业务相关的增长量数据。这些数据都可以是负数。
增长量：所分析的业务在一定时期内增长的数量，是分析期与对比期的差额。
同比增长量：当前值与去年同期值之间的差值，用同比增长量来统计消除了周期变动和季节变动的影响，所用时间期间通常是月或者季度。
环比增长量：是指当前值与上一期数值之间的差值，所用时间期间一般是季度丶月或者星期。
增长速度是用来反映业务成长性的相对指标，用以查看当期增长量和对比期的数据对比。
同比增长速度是当期增长量与去年同期值之比，说明当期业务水平对去年同期业务水平增长的相对程度。
环比增长速度是当期增长量与前一期水平之比，说明业务分析期与相邻前期业务水平的相对增长程度。 项目增收贡献率：某项目增长量和所有项目总的增长量的比例。
4 内容分析
我们所述的电子商务网站上的内容分析和其他分析一样，也都是需要从数据出发的。
商品分析和页面分析从一定的角度来说，也都属于内容分析。这里所说的内容分析的对象是在商品页面之外的内容。
我们通过分析流量和客户兴趣点匹配相应的内容。通过数据，我们可以看到不同的内容所吸引的点击关注，从而对内容做出相应的调整。
在做内容分析之后，网站的内容需要从下面三个方面做优化： 内容专业化；—内容差异化；内容质量化。