用户名*
E-Mail*
密码*
确认密码*
忘记
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。
想进入电商数据分析行业，本人对数据分析的实战经验基础为零。
电商数据化运营是个大坑，说上三天三夜也将不完，今天就讲三种简单的数据运营方法：
标签化用户、RFM 分析、AIPL 分析。
标签化用户
当店铺有新客进入时，一个合格的运营要做的第一件事情就是给这个用户打上标签，确定用户的属性，整理形成用户画像。
合理的标签设置是店铺数据化运营初始也是至关重要的一环，这里数仔会给同学们列举部分标签体系，以及详细的子标签。
采集类标签
– 手机号
– 手机号归属地
– MAC地址
– 移动设备系统
– Cookie地址
– Open ID
– 淘宝昵称
……
– 性别
– 年龄段
– 常住城市
– 婚姻状况
– 子女状况
– 家庭人口
– 所属行业
交易类标签
– 入会渠道
– 购买渠道偏好
– 购买时间偏好
– 购买品类偏好
– 支付方式偏好
– 尺码
– 购买颜色偏好
– 价格敏感度
– 促销类型偏好
– 退换货偏好
– 回购周期
– 兑换商品偏好
– 会员年限
– 营销状态
运营类标签
– 会员活跃度
– 会员生命周期
– 会员价值
– 会员价值分级
– 会员潜在价值
– 会员流失
– 会员营销偏好
– 退订短信状态
– 微信取关状态
– 参与活动次数
– 营销成功率
除了上述三种标签之外，还有互动类、服务类、模型类等多种标签分类。
记录每个用户的属性数据，形成用户画像，再根据不同标签划分不同用户类别，从用户类别出发有针对的进行精准运营，设置不同的营销活动来刺激用户消费。
数仔这边以用户 Kent 为例，过往数据显示，他的 Y 轴（客单价）为 2194 元，同时 X 轴（ Fashion）在 4.3 左右，由此可见 Kent 是一个注重品牌的用户。在得出这个结论后，我们就可以针对这点进行营销活动策划。
另外，假设店铺过往数据显示购买用户当中宝妈类用户较多，我们还可以设置一款赠送儿童玩具的礼盒装商品来刺激宝妈用户购买，或者可以和母婴类的异业商家联合营销，互相引流。
建立 RFM 模型分析用户
根据 RFM 模型对用户数据进行分析。
这里数仔简单介绍一下 RFM 模型，该模型主要由用户最近一次消费、消费频率以及消费金额组成。
通过对用户 RFM 模型的建模分析，我们可以将用户细分为初级用户、成长用户、成熟用户，依据用户的不同阶段来制定不同的运营方式。
为了帮助同学们刚好的理解，数仔这边就以数据赢家曾经服务过的一个商家为例，跟大家讲解不同的 R、F、M 值的用户要如何进行运营。
从下图中我们可以清晰的看到针对三项指标不同的人群，数据赢家为商家设计的文案内容是不同的，从活跃客户、沉默客户到流失客户，或从新客户、老客户再到成熟客户等，依据不同的人群数据、不同特点设置相异的文案内容，刺激用户消费。
AIPL 分阶段运营
讲完用户标签与 RFM 模型，最后数仔和同学们讲一下 AIPL 模型的营销要点。
与 RFM 模型按照最近一次消费、消费频率、消费金额的划分方式不同，AIPL 模型从认知-兴趣-购买-忠诚四个方面来对用户进行划分。
每个用户的完整消费链路都是对品牌从陌生到认知再到成交转化，最后到忠实粉丝的过程。
当然并不是每个用户都能到最后一步，大多数用户都只停留在第一步和第二步。
在 A、I 阶段即用户的认知与兴趣，这个阶段我们要做的是加深用户 A、I 池，增加新客留存，同时加深用户对品牌的认识，让用户产生兴趣，具体的操作方法有 0 元入会、联合营销、淘宝群聊等方法。
在《新客留存与扩大，在 A、I 阶段我们应该做这几件事情》这篇文章中，数仔详细的讲解了扩大 A、I 池的几种方法，大家可以阅读了解一下哦。
针对 P、L 阶段的用户，已经发生了购买行为，我们要做的就是让用户复购，并且成为店铺的忠实用户。这一点就要回到 RFM 模型根据用户的最近一次购买、消费频率、消费金额的数据制定精准的营销策略，具体的操作方式有：
引导加购收藏
通过收藏、加购、裂变互动，来提升商品的曝光加权，使用猜价格、投票等互动方式，制造热点话题。
淘宝群聊
淘宝群粉丝运营我们可以通过红包喷泉等方法，在大促前定时进行两场红包雨，提高群打开率，增加渠道群转化。除了红包雨之外还有专属客服、事件关怀（实时催付）等方式促进转化。
作者：易观高级数字营销经理 赵岩
指标是量化衡量标准、衡量目标的单位或方法，例如对网站来说，最常见的指标就是UV和PV，而针对APP来说，最常见的就是DAU，MAU。
有了指标也就知道应该从哪些角度入手开始数据分析，数据驱动已经是我们在做用户增长和产品优化的核心指导方向，我们会把数据驱动从定制数据到使用数据分成三步：
1、根据核心目标制定指标
2、指标还原到埋点方案
3、围绕核心目标开始数据分析
最关键的步骤就是如何制定指标，指标是与业务关联最近的，也是最灵活的一个步骤，因为不同的业务指标完全不同，比如电商业务的指标跟交易有关，软件业务的指标会跟注册有关，虽然都会归结于范交易，但是在指标体系搭建上还是略有不同，我们总结了一些可快速上手的行业通用指标，给你在开始进行网站或APP分析前一些指标体系的建议。
在指标搭建前，先说说，你想看到什么数据？
从实际业务出发，举例CXO，市场，运营三个核心角色，每个角色需要看的内容不同
CXO：想了解业务数据，只能被动的等待下属的分析报告，需要更直观的方式，掌握真实数据，及时获得洞察。
运营：做了大量的运营活动，无法分析效果如何，现有渠道提供的分析能力不足以支撑精细化运营，缺少体系化的数据支持。
市场：花出去的预算，就像泼出去的水，如何衡量效果？如何进行广告跟踪提高ROI？
（一）根据需求设定的电商基本指标
有了这些指标，等同于掌握了用户在产品上的基本行为。通过这些指标的简单组合就会得到我们需要的数据。
但是在搭建指标的时候，很难一次性的把所有指标都想到，也不应该出发点是大而全。最合适的指标搭建方式是围绕增长计划里的核心转化目标和转化流展开。指标搭建从小到大，由简单到全面。
（二）举例：电商的订单流转化率指标
电商产品运营网站或APP上的北极星指标通常为支付订单次数，从启动（着陆）到支付订单的全流程就是订单流。下图是我们需要的漏斗可视化报表，希望通过这个漏斗看到用户在不同行为之间的转化率及流失情况。
（三）指标：
1、商品详情页到购物车的转化率
2、购物车到提交订单的转化率
3、提交订单到支付订单的转化率
当我们有了指标之后，我们就会很清晰应该去关注什么数据，来针对性的制定埋点方案。
指标、埋点、数据报告，所有的后续操作都是围绕着早期的一个增长需求展开的。
那么举例的这个电商订单流增长需求是什么，我猜你已经想到。
那就是降低订单流的流失率，提高转化率。
完成的《电子商务指标体系和看板设计白皮书》可到易观方舟官网下载：
易观 – 数据驱动精益成长
欢迎有数据分析需求的小伙伴，免费使用易观方舟Argo。
由于接触比较多的是电商的数据，所以着眼于电商业务去看看有哪些数据可以分析。
一、销售结果数据
电商的本质是零售的一种渠道，所以电商业务的目标就是把产品卖出去，挣到钱。所以一切的运营手段都是对销售结果负责，销售数据是电商数据分析最重要的数据之一。用于呈现销售结果的数据主要有两类，一类是销售额数据，比如日、周、月、季度、年等周期的总销售额数据，其中有环比、同比的呈现形式；另一类是产品数据，即哪些产品卖得好，哪些产品的利润高，这让我想到了营销学里提到的波士顿矩阵，又称四象限分析法。
在电商产品里，明星类产品主要是一些有竞争力的产品，不单单是爆款，还长期占有市场，对于此类产品应该持续增加投资，充分利用马太效应，牢牢占领市场，是企业的产品基本盘。现金牛类产品：就是电商行业常说的爆款了，利润很高，短时间内能大量带来现金流，为企业其他产品输血，此类产品不必过分关注于拓展市场份额。问题产品：高市场成长率，低相对市场份额，说明市场营销策略出现了问题，需要去调整，最终变成明星类产品。瘦狗产品：低市场份额、低市场份额，不淘汰还留着干嘛？
电商网站最关注的数据指标就是网站总成交额，即Gross Merchandise Volume，反映整个电商平台的业务活跃量。GMV=流量*转化率*客单价，围绕着GMV又细分有流量、转化率、客单价等三类数据。
二、流量数据
何为流量？百科说是在网络指在一定时间内打开网站地址的人气访问量，通俗点讲就是客户量。流量包含日常运营的流量和活动期间的流量。
1.日常运营流量
店铺访问量、关注数：直观体现店铺的人气，都是比较忠诚的客户才会关注。
商品页面访问量：在电商平台做推广最直接体现推广效果的一个指标。
商品收藏量、添加购物车量：商品人气值的体现，也是做产品分析的一个评估指标。
渠道流量：店铺和商品的流量来源渠道有多种多样的，有站外的外链、广告，站内的各种推广位，比如搜索结果（网页端分页、移动端分屏，不同页的价格不同，自然是越靠前越好），banner、相关推荐、活动页面等地方的广告。
2.活动流量
做一场推广活动或者促销活动，最直接的就是要看到流量的增长，比如商品的展示数、活动的参与人数等等。
三、转化率数据
有了流量，就要考虑怎么让客人买买买了，在多个环节是可以提高转化率的。总的转化率是指成交转化率，但是在成交之前还有添加购物车转化率、收藏转化率、下单转化率、支付转化率等等，每一个环节都有流失的客户，如何留住流失的客户需要针对每个环节对症下药。
四、客单价数据
提高客单价有两个目的，一是做高成交额，增加利润；二是进行捆绑销售，如明星产品+瘦狗产品，可以看作是清库存的同时增加收入。
平台提供的客单价指标有产品平均客单价、店铺平均客单价、地区客户客单价等等。
五、用户行为数据
现在的电商行业竞争越来越激烈了，如果是十年前，很容易就能赚到盆满钵满，但是放到现在，马太效应越来越明显，大卖家依旧红火，小卖家夹缝生存。如何应对激烈的竞争，平台和商家也是使出了浑身解数，研究用户行为也称为应对竞争的一大手段。千人千面，每个用户在电商网站上的行为都是独特的，用户行为数据主要有兴趣标签、商品页面平均停留时长、复购率、下单决策时长等等。比如点外卖，有的客户可能刷了很多屏才下单，有的客户可能在第一屏就下单了。只看价格页面，不看商品详情的客户，可能对价格十分敏感。在评论区停留时长较长的客户，可能更信任相同买家的购物体验。
虽然用户体验是个很虚的东西，但是关于用户行为的很多数据还是值得关注的。
六、售后数据
关注哪些售后数据，取决于商家的业务关注重点。一般值得关注的售后数据有退款率、故障率、破损率、客诉率、纠纷率、差评率、好评率等等，这些都是比较大众化的指标。除此之外，可能还有一些诸如利润率、佣金率、物流服务水平等等指标影响销售结果。
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。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。这个话题的范围很广哦，我觉得具体还算针对某一个电商平台的数据来进行了解比较好。
我自己之前做过五年大型企业电商运营，做的是淘宝、天猫，做过的人都知道，数据平台就是生意参谋。基本上在这两个平台上的所有数据，都可以通过生意参谋来获取。
当然，数据获取已经有了，那关键在于分析什么。可以分析流量来源结构，也就是一家店的流量，各自的占比如何。也可以分析关键词的搜索涨幅，和支付转化率，支付件数之间的关系。当然，还可以玩指数换算，分析竞品的实际数据。
举个例子，如果我想分析一家店铺为什么搜索流量会出现下滑，我首选会去思考，搜索其实是由关键词组合而得来的，那么这些关键词各自之间的流量趋势如何，然后细化到具体的关键词当中。当然，如果想要快速的，可以直接利用标题分词技术，切出词根，之后根据词根去判断哪些词根流量下滑，然后找出这些重要的词根之后，再细化到某个比较重要的词根下的所有关键词，再具体去分析究竟如何。
我相信，您肯定没听明白，原因很简单。电商数据，本质上分析需要懂业务逻辑。对业务这块没有更深入的了解，是不懂分析的意义的。所以，所数据分析之前，要懂运营。
而我刚好就是从运营转型做电商数据分析。
刚好，今天有点时间，给大家分享一篇之前写过的电商数据分析的文章，如果不感兴趣，可直接忽略。
前言
今天继续来分享有关于新版生意参谋的话题，主要围绕“读者画像”。我相信绝大多数同学对“读者画像”是什么可能都还不清楚。不过呢，因为这是我的学习群提供生意参谋数据的同学的硬需求，因此今天先从“读者画像”展开进行分析。
今天有关“读者画像”的图表技术，其实可以适用于处理生意参谋上所有没有提供“下载”按钮的地方。也就是说，学会这一招，就够你用的了。至于有些同学可能不是做电商，但想学数据分析的，花老师也会提供数据源，反正只要有数据源即可。
另外由于接下来几天我要出差，本来打算本文把“指数还原”也一起讲了，不过看来只能暂时放到一边。还有就是，不懂这个流程是怎么做出来的，即使你拿到我的模板也无济于事，因为我们的所有文件格式都不一定相同，很多时候是非常不同的。等于说，出了问题你也解决不了。
还是那句话，花老师的数据学习群欢迎一切喜欢跟着我学数据分析的同学，不是什么培训班，别误会。如果想多加了解的，也可以直接找我要入群说明，会一直更新。我只不过想接下来能结交一群喜欢玩数据的同学而已。当然入群会有点门槛，没门槛的事情我一般是不做的。
正文
还是那句话，这个模块的功能，官方没有提供任何下载数据的地方，也就是说如果是乖乖看这里的数据的话，基本上也不是很清楚。我们可以看到，只能选择单独一天的数据。其实说到这里，“读者关键数据”这块的内容，相信很多人还不清楚是哪里的数据。其实，说白了就是可以发布文章的渠道数据，比如说微淘。我们自己逛淘宝天猫的时候，上微淘不是经常会看到一些产品推荐的文章吗。
在“读者关键数据”这里，一共提供了4项指标，分别包括“内容浏览人数”、“内容浏览次数”、“7天二次阅读人数”、“新增粉丝数”。而真正会影响到下面的数据计算的，其实是“内容浏览人数”。并且都是当天的数据，还只能看前3个月。
虽然有提供趋势图给我们看，但问题是没有数据源，不懂编程的人是很难去下载的，除非愿意手动记录，但又很容易出错。。。
因此，这里的数据没有经常保存的话，其实是很容易丢失的。
并且，上面的“基础特征”、“地域分布”、“人生经历”和“读者偏好排行”的数据，都只是显示了统计占比，根本没有提供具体的真实人数数据，所以不知道程序开发的人员是不是脑子秀逗了。
最起码，连个下载的按钮都没有，是不是想告诉我，这块数据很宝贵啊。。。
那，怎么解决这个数据问题呢？接下来，花老师带着大家来学习一下，怎么结合PowerBI Desktop去自动化处理这块的难题。
创建一个文件夹，取名“店铺=”，并创建一堆带日期命名的Excel空表格，里头不需要什么东西。
打开其中一个日期，比如“20190228”，并打开“剪贴板”按钮，确保里头没有任何内容。
确保日期“28”选择正确，然后随便选中某几个文字。按住键盘“Ctrl+a”全选，再按“Ctrl+c”复制即可。其实，全选之后，整个网页的所有文本数据就都会被选中，无论底部有没有显示在浏览器上面。如果你的网速不给力的话，可拉动滑竿往下到底部，这样数据就会全部加载完毕。这种操作，几乎是人人都会的。
之后，打开刚刚的“20190228”文件，你就会发现“剪贴板”出现了数据，然后确保“A1”单元格被选中，之后点击左侧的“剪贴板”数据，软件就会自动填充。
之后，点击“全部清空”，删除“剪贴板”里头的数据，并关闭这个文件即可，这样我们就算是下载好了“20190228”这一天的数据，里头的数据我们不需要进行任何操作，全部交给后面的PowerBI Desktop来处理。
然后，以此类推，不断下载各个天数的数据，我们就算是完全了初步的数据下载工作。等后面PowerBI Desktop模板出来后，以后只需要像这样子下载当天的数据即可。
按照以前我所说的，选中“店铺=”文件夹导入数据即可，然后进入编辑查询界面。
… …
利用M函数“Excel.Workbook()”将“Content”列的二进制数据进行处理，并陆续展开，最终呈现出表格里头的数据即可，然后我们把“Content”删除。对于M函数是什么，其实可以等同于Excel的函数公式，只不过这是针对PowerBI Desktop来讲的，并且绝大多数情况下，能用鼠标操作的就尽量鼠标操作，必要时花老师会分享新的M函数。
其实到这一步，我们才开始真正处理数据。新增的“Column1”、“Column2”、“Column3”这3列数据，我们可以发现，有的数据是完全集中在“Column1”，有的是横跨这3列。基本上就分这2种情况而已。
因此，在这里我们需要进行区分，分为“只有1列”和“包含3列”。
当然区分之前，我们先进行筛选，将这些杂七杂八的东西删除掉。经过前面几步筛选之后，剩下来的数据都是我们正常能看到的（请根据实际情况处理）。
是不是这么一路操作下来，就变成了所有数据都有了自己的分类。之后，我们需要将“只有1列”和“包含3列”的拆分成2份表格。
先将第1份表格的自定义列筛选掉“地域分布”、“读者偏好排行”，这样子这份表格的所有数据就变成“只有1列”。
再将第2份表格，按相反逻辑处理，最终剩下“包含3列”数据。
其实看到这里，我们已经知道这些数据是在按照固定分类进行排布的，那么我就干脆让2份表格各自根据所含有的分类，进行各自的拆分。
一共分出了4张表格，现在需要操作的就是针对每1张表格进行单独处理。
最终“读者关键数据-内容浏览人数”这块的“数值”、“环比”、“同比”就全部出来了，这个时候才是一个完整的独立表格。
以此类推，操作其他“读者关键数据”的指标。
通过“关系”我们可以发现，这些图之间其实是可以相互串联的。尤其是刚刚我们看到的一些只有占比的数据，就需要匹配日期来进行计算。
于是，我自己手动创建一张日期表，里头填充了需要的具体日期，嫌麻烦的话可直接在Excel当中用自动填充命令创建这些日期，之后复制粘贴进来这个表格即可。后期如果需要增加新的日期，再回到这张表进行输入即可。
之后，“日期”表经过我的手动连接后，会自动连接上所有表格。当然，前提是这个表格本身的数据在所有表格里头都存在，并且要求这个表格里头的数据不能重复。在接下来的操作中，它充当筛选器的作用，通过这个表格来联动所有表格。这个就是“关系”的价值，可以通过查看数据表格的结构来判断表格之间的关联，然后让你去思考应该采用什么共同的字段来联动所有表格。
最终结果就是如此，通过“日期”筛选器来联动所有图表。
这个是最近14天的数据，可以清楚知道“卡片图”上面的4项基本指标，只不过这里的指标是会随着筛选器而不断变动。
那么，这个位置其实才是“读者画像”的关键数据。这里一共有6张占比图，分析指标都是“内容浏览人数”。通过“最近14天”的统计，很轻易的能知道“城市”、“省份”、“性别”、“职业”、“学历”、“年龄”这6个维度。由于已经获取了“内容浏览人数”这个指标，实际上可以进行二维分析，比如利用散点图将其中任意2个维度串联起来分析。
通过“品牌”偏好、“类目”偏好，可以知道这些潜在粉丝们最关心的是什么品牌、什么行业。问题是，知道这些可以拿来干嘛用？这个是我们要去思考的，最典型的做法就是直接打开这些排名前列的品牌的微淘，看看人家是怎么玩的。
最后，动态观察“内容浏览人数”和“内容浏览次数”的对比，这个比值越大越好，当然实际情况不是这样的，我们由于不知道行业的这2个指标的比值是多少，无法判断。但，可以通过这段时间的走势，去分析我们的文章或者视频，是否有所提升。很明显，这个数据是在不断下降。
以上这部分内容，就是有关PowerBI Desktop结合生意参谋来制作数据图表的过程。其中，有很多细节无法一一在文章当中进行充分讲解，如果感兴趣，欢迎查看视频/音频版本。
希望我今天的分享能对大家有所帮助，谢谢！不废话，关注知乎专栏花随花心，送数据分析工具箱！
下面的内容是根据我司业务咨询专家的演讲总结，在这里简单跟大家说一下常用的分析指标
1.渗透率
其中日活渗透率最常用，即 DAU 里面每天都是什么情况。每天有 10 万人登录，其中 10% 的人做了什么，每天业务产生价值就是 10%，当渗透率提升到 30%，意味着价值提升了 3 倍。所以，渗透率是很多产品梦寐以求实现的大盘基础。
曝光点击率也是常用的数据指标，很多时候，曝光资源非常紧张，尤其是在平台运营位资源有限的情况下，提供什么样的产品内容，对最终价值有着重要的意义。所以我们会评估曝光点击率，如果产品对 100 万用户做了产品曝光，最终只有 10 万人点击，那曝光点击率就只有 10%。另外，在何种入口设计成何种样式，才能让入口展示变得更有吸引力，也是提升渗透率的例子。
2.转化率
转化率直接代表产品功能有没有完成对用户的基础转化，下图的分析工具在转化率中提供了非常重要的功能——窗口期设置。比如电商用户选择购买日用品的决策相对较快，窗口期设置为 1 个小时或 1 天都是合理的，运营人员可以在窗口期看到用户是否完成转化。但如果面对的是理财或投资类产品，涉及比价、实名认证、绑定银行卡等步骤，用户决策周期很长，所以窗口期的设置时间就要从产品本身的特点出发。
图片来源：神策数据
3.留存流失率
我们的分析师及咨询团队在做具体功能诊断时，除了关注上述两个数据指标外还会关注产品的留存与流失情况。留存通常意味着用户的整体体验是较好的，所以最终价值的传递效果也是较好的。留存率一般作为这种长期综合评估产品价值的指标，所以如果客户做产品的增长体制，相比留存率而言，上述提到的转化率可能并不是很好的综合指标。
4.用户路径和分布
这两种分析指标相对少见，因为这样的应用场景非常强调对数据的理解。客户可能发现转化率与渗透率表现都不太好，所以特别希望知道表现不佳的原因，希望能看到用户流量在各环节发生了什么，以及流失点在哪，所以这是相对微观的数据指标。而分布是黏性价值的体现，用户今天登录 10 次与登录 1 次、使用 1 个小时和 10 秒钟的价值不一样，所以分布能较好的衡量用户整体质量与黏性的分类维度。
欢迎关注我的个人主页和专栏，我会定期分享学习心得，谢谢大家。
上述图片的体验场景传送门：
神策数据 | 在线大数据用户分析产品 | Demo体验
个人主页：研如玉
用户研究那些事儿
这个是我的专栏。
更多信息请关注：公众号——用户行为洞察研究院
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。
—————————————-
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~
做了快4年的电商运营，从商家运营到代运营再到平台运营，深刻地感觉到电商数据分析能力对电商运营的重要性。如果一个电商运营没有数据分析能力，对数据敏感度不够高，那么他的运营计划都是空中楼阁，很难达到想要的效果。
那么，电商数据分析应该关注哪几个点呢？
这里从最普遍的商家运营进行分析，给大家分享下我的经验和心得：
1.流量数据
我认为这方面的数据是电商或者互联网的核心数据，互联网红利本质就是流量红利，没有流量就像小巷子里的美食店，无人看到就无人关注。
分析流量数据，就要分析它的来源、它的去向、它在各个渠道的表现。
它是从搜索来的，还是从首页来的？
它在这些来源渠道中，成交、收藏、加购各个数据表现怎么样？
在这些数据的解读中，你慢慢就能理解这个平台不同流量入口的特性是怎么样的，最关注的点会是什么？
2.转化数据
产品转化率也是非常关键的一点，这代表着你的产品受欢迎程度。实际上，收藏率和加购率也属于转化范畴内，它们代表消费者觉得你的东西不错，但是有个点不是特别满意或者有相对来说更好的选择，所以先放进考察名单，买不买看情况。
那么像这种转化数据，有什么作用呢？举个例子，比如你的产品价格相对同行较贵，转化率一般，但是收藏加购率很高，那么在一些活动节点，做一些促销降价活动并且短信你的顾客，可能就会有不错的成交。
总之，收藏、加购和转化代表了消费者对你产品的接受程度，需要重点关注。
3.客单数据
客单数据有好几个指标，常用的是客单价、件单价等。这代表了单位客户或者单件商品的价值和流水，这个数值越高，就越容易产生更高的销售流水。
客单数据的高低与很多因素有关，一方面是产品本身的价格，洗衣机的客单数据总是要比零食客单数据来得高的。另一方面，这个也和运营的销售手段相关，比如产品做买2送1的客单总会比没有买多优惠的客单来得高。还有，价格折扣、促销力度等，这里也不赘述了。
4.CRM数据
这个数据主要是针对一些中大型电商，因为积累了较大的消费者数据，如果能够充分挖掘这些数据的价值，也能给电商销售带来巨大帮助。
一家店铺的顾客，他多久会进行复购？复购的金额有什么特点？顾客的生命周期有多久？
通过对这些数据的研究，你对你电商的消费者会有更深入的研究，更能明白他们的想法和特点。所谓知己知彼百战百胜，你那么了解你的消费者，还怕挣不到钱？
5.行业数据
无论一家店铺在什么层级，都需要关注行业整体的趋势和风向。如果没有这方面的敏感度，那么很容易被淘汰。一般情况下，需要关注行业的整体销售额，本店铺在行业里的控盘率，竞争对手在行业里的控盘率。这部分数据有可能不好拿，但是店铺达到一定量级后，就算花钱也要买过来。
要玩转一个行业，你至少要知道自己是老几，行业里有哪些玩家。
6.活动数据
实际上，活动就相当于一次次考试，能够检验出店铺和运营人的水准。活动期间，流量增大、促销措施增多、玩法增多，那么通过对数据的分析，对往届活动的分析，你就分析清楚这次活动是否成功，玩法、促销措施是否有效，以后活动要怎么做。
另外，真实的运营过程中，还要注意很多数据是混杂综合起来进行分析的，比如问你各个渠道的流量转化率和UV价值是多少？活动期间和日常的数据有无差别？这就需要运营耐心下来，抽丝剥茧一点一点分析了。
以上，还请看完觉得有收获的朋友，不吝点赞关注。
请各位准备做电商或者已经在做电商的小伙伴，本篇回答会带大家了解的是最详细的各种数据和分析。并不是概念和公式，而是具体的在工作当中的操作各类数据的意义。可以参考本文作为基础，再到其他的答案里面找到公式等等；
懒人目录：
1.店铺数据指标：
2.生意参谋工具的使用：
店铺数据指标：
行业大盘：
3.生意参谋核心数据的分析：
（1）我们首先来看流量分析：
流量分析的路径是：生意参谋—>经营分析—>流量分析流量；
其中流量分析的四个模块分别是：流量概况、流量地图、访客分析、装修分析；
（2）再来看流量概况：
流量概况是把整体店铺的流量分析情况，把最重要的数据替我们先找到，更直接直观的了解整体店铺的流量情况；
我们可以很直接的和行业访客数、浏览量、跳失率、人均浏览量、平均停留的时间进行对比，发现自己的不足
（3）流量地图
流量地图的数据包含流量来源、店内路径以及流量去向的三大模块。在流量来源里面，可以看到“我的”和“行业”的来源情况，通过百分比的战士可以看到我们自选日期的来源对比，在这里我们要和行业进行对比，看看是否正常：
店内路径可以很好的帮助我们进行页面的调整和促销活动。我们可以对整个数据进行排序
例如：商品详情页—>店铺首页—>搜索结果页—>店铺自定义页—>商品分类页—>店铺其他页
这样就可以进行正确的页面调整，装修进行分级别，抓住客户的浏览习惯，就可以把整个店铺装修贯穿的比较好，提高的是转化和浏览的深度。这也是最直观的数据提升。
（4）流量去向：
我们也是按照刚刚说过的方法排序：
商品详情页—>店铺首页—>搜索结果页—>店铺自定义页—>商品分类页—>店铺其他页
流量来源主要分为了5个板块：淘内免费、自主访问、淘外流量、付费流量、其他；
淘内免费：最主要的来源是“淘宝搜索”和“天猫搜索”，这些是自然搜索的流量，如果这两个来源非常的低，我们就要思考在标题关键词优化、宝贝上下架时间等下功夫，同时跑起销量，增加搜索排名。
自主访问：主要为消费者直接访问，如加购物车，收藏等等，我们可以明确的感受到这波消费者的购买意图更强，转化率相对来说更高
淘外流量：大多数是来自搜索引擎的流量，这样对于一些定期投放这类搜索引擎的中大型卖家来说，可以更好地有方矢的挑选转化高、成交多的来源渠道，更加大力度的推广。
付费流量：来源就是淘客、直通车、钻展等，可以简单明了的了解这些来源的表现。看到哪些付费渠道带来的转化率更高，就可以加大力度推广，把钱用在刀刃上。
其他：指的是这些上述渠道以外的渠道，其他渠道进入我们的店铺。这部分流量来源量相对来说比较小，可能是一些临时的页面、活动等等带来的。
（5）访客分析：
访客分析包括了分布和访客对比。通过访客分布，我们可以找准访客高峰时段，找到了高峰时间段的话，那就果断上新就可以了，记住兼顾PC端和无线端访客访问的习惯：
（6）地域分布：
包括访客数的占比排行和下单买家数的排行。注意兼顾，重点对于访客和下单比较高的数据地区重点投放。
特征分布以及行为分布，是进行人群画像刻画的重要数据。通过上面这张图的特征分布，结合访客对比，我们可以很好的知道我们店铺的人群画像。知道了我们客户的人群画像，我们从而可以对我们的店铺、主图、详情页进行针对性的优化。这样是对转化率有很高的帮助。
访客对比：
（7）装修分析
这块的装修分析是很使用的，分为PC端和无线端。对自己店铺整体装修一目了然。
码字不易暂时分享这些。还有一些商品的分析，都是分模块的。其实了解一下，基本的就可以到电商领域。很多时候经验都是在操作中获取的。如果可以自己开一个网店，先了解一下这些数据，打造个爆款。有了一定的基础可以在去看挖数那个老师的回答哦。
要成为一名合格的电商数据分析师其实是有难度的。你需要付出很多的时间和经历，要有一定耐心和承受力。懂产品是基本的，你还需要拥有清晰的逻辑思维能力。很多商家经常说不会数据分析，不知道该怎么分析，其实是因为没有一个清晰的逻辑结构。
@华天清 的回答已经把数据分析的纬度和结构写的很清楚了，包括总体运营指标、网站流量指标、销售转化指标、客户价值指标、商品类指标、市场营销活动指标、分控类指标。基本覆盖了电商数据分析的常用指标。
@挖数 也基本讲了具体的数据分析方法，比如AB测试法，杜邦分析法，对比分析发，5w2h分析饭，漏斗图分析发，问题数分析法等等。
你会发现，电商数据分析师需要兼顾的数据太多了，淘宝提供下载的就有119项。当然这些很多生意参谋上都有备注。
建议你可以把这些分析方式用看板清单的方式列出来，进行梳理。
这些数据分析方法前面的人已经答的很详细了，推荐一本书叫《谁说菜鸟不会电商数据分析》，对分析方法，数据运营、市场行情、店铺流量与转化等都做了分析，我想讲一个书中提到的被很多商家忽略，但对店铺重中之重的数据规划——就是全店年销售额的规划：
以下引自《谁说菜鸟不会电商数据分析》：
我发现很多商家在做淘宝的时候从来都没有考虑过年销售额的规划，
他们每天都在想怎么弄到流量、怎么研究最新的获取流量的方法、
怎样找到黑车或者黑搜索的淘宝系统漏洞等。
其实，如果没有做全店的年销售额规划，
就好比你在大海中没有方向的划船，你虽然用尽了所有的力气在划，
但是，你可能永远都达不到想要的目的，甚至可能会在阴沟里翻了船把自己淹死。
没有规划，你会像无头苍蝇一样胡乱行动，
你永远都是在明天重复今天的事情，明年重复今年的事情，所有的事情都不在自己的掌控之中。
很多电商老板都有一种听天由命的感觉，他们总会感觉做淘宝有时候就是完全靠运气，
能不能起来就看运气够不够，运气够了自然就起来，运气不够就起不来。
无规划的人生就像随波逐流的船，这样今日不知明日事的漂泊其实只会让你非常累，也没有效果。
因此，我们做淘宝必须要做好规划。
我以年销售额为案例规划一个店铺应该如何做好规划，让我们有方向的行动。
要做全店的销售额计划，首先要有一个完整的脑图指导，就是需要做哪些纬度的规划，根据目的决定。
根据电商销售额通用公式：销售额=流量*转化率*客单价，要想提高销售额目标，
就需要将策略制定指向：
之后所有的行动都围绕这三点展开，万变不离其宗。
2）、拆解可以细化的目标。
我们可以在日事清的思维导图中，针对提高访客数、转化率，进行思维的发散，具体、可衡量、可执行的目标。可以从三个纬度进行拆解：自主访问、免费渠道、付费渠道。
销售额可能会包含所需uv、平均转化率、平均客单价、日均销量、日均流量等小的方面；
成本可能会包含推广费用、人员开支、办公成本、物流费用等多个小的方面。
因此，以这三个大的方面和多个小的方面构建一个框架图。
当把大概的思维规划图绘制出来之后，我们需要完善数据，要把每个目标数据都确定下来。
先从销售额开始。我们应该如何规划1～12月份的销售额？
这是需要预估的，但是预估不能一拍脑袋就决定，不能心里想着要做到多少销售额就填写多少销售额，这个需要根据实际情况和规律预测和评估。
当然，预估的方法是有很多的，不同的情况下使用的方法不一样，但是最常见的可能就是根据历史数据预估。比如根据18年和17年的年销售数据，来预估2019年的销售目标。
二、目标规划细分拆解
有了年度规划之后，我们就有了大致的方向，就好比在大海中已经明确了方向一样，但是毕竟年度规划只是一个大致的方向，具体应该如何执行，对于很多人来说还是很迷茫的，
例如，假设我们规划2019年1月份要做300万元的销售额，通过年度规划表知道了大概要多少流量、多少转化率和多少客单价才能完成目标规划，可是这个时候还是有很多商家会很迷茫，那就是到底应该如何操作、做哪些。
每时每刻，我们都需要思考一个问题：我们要实现什么样的目标？为了这个目标，我们需要怎么做，需要哪些资源？我们怎么获取这些资源？
因此，针对很多商家这种迷茫的情况，我们学习如何细分拆解目标。
很多时候我们面对整体的大目标时是很迷茫的，但是如果把大目标细分之后就会发现简单了很多。例如，我们的规划是2018年1月份要做500万元的销售。面对500万元这个概念，我们可能会比较迷茫，但是如果把它细分到商品就会明显感觉不一样。
我们可以先规划1月份需要做的类目有哪些。
例如假设1月份主打毛呢外套、毛衣、牛仔裤三个类目，那么可以把这500万元销售额分配350万元给这三个主打类目，因为可能我们全店不只做这三个类目，另外的150万元分配给其他类目。当然，如果全店只做三个类目，那么可以把300万元都规划到这三个类目下。
这350万元肯定不是平摊给这三个类目，要根据实际情况分配。例如，根据历史数据，每年毛呢外套、毛衣、牛仔裤销售额占比分别是40%、40%、20%，那么250万元可以分给毛呢外套和毛衣各100万元、牛仔裤50万元。
假设根据历史数据和实际情况，毛呢外套外套转化率大概是0.8%，客单价大概是280元，毛衣转化率大概是1%，客单价大概是89元，牛仔裤转化率大概是2%，客单价大概是79元。
当然，这些规划的数据一定要参考过去历史数据和今年的实际情况规划好，否则，如果这个地方偏差大，那么整体也会偏差很大。
根据销售额、客单价、转化率，我们就可以推算出每个月需要成交多少件、每天需要成交多少件、每月需要多少流量、每天需要多少流量。
例如，我们要完成100万元的毛呢外套销售额，而毛呢外套的客单价是280元，那么意味着一个月需要卖大概3571件左右，一天需要卖115件左右。因为转化率是0.8%，有了这个细分拆解数据之后，我们瞬间感觉轻松多了，毕竟每天卖100多件对于很多店铺来说是很简单的，只需要想办法做到日均1.4万个左右的流量或者卖115件左右的毛呢外套就可以达到毛呢外套的目标销售额。同样，也可以推算出毛衣和牛仔裤每天需要多少日均销售量和日均流量。
要做115件/天的销量，可以继续拆分，因为最常见的有免费流量和付费流量这两个渠道，假设根据历史数据和实际情况得出免费流量渠道销售一般会占70%的销量，付费流量渠道销售会占30%的销量。当然，这个数据要根据你的历史数据
假设根据历史数据和实际情况，一般免费流量渠道销售占70%的销量，也就是说，每天需要有大概81件左右的销量来自免费流量渠道销售。
免费流量渠道又有很多的细分渠道：
例如最常见的有手淘搜索、手淘首页、生活研究院、其他流量等。
这几个渠道的转化率和销量占比都是不一样的，所以要根据历史数据和实际情况评估和预算。
假设按照历史数据和实际情况，
手淘搜索渠道销售一般会占40%的销量，它的转化率大概是1%，手淘首页渠道销售一般会占30%的销量，它的转化率大概是0.2%，生活研究院渠道销售和其他流量渠道销售一般会各占15%左右的销量，它们的转化率分别大概是0.3%和0.8%。
我们可以根据这些把每天的销量分配到这几个渠道，分别是手淘搜索渠道大概需要每天成交33件，手淘首页渠道大概需要每天成交25件，生活研究院渠道大概需要每天成交12件，其他流量渠道大概需要每天成交11件。
根据每个渠道的转化率可以推算出它需要的流量。例如，在1%转化率的手淘搜索情况下，要成交33件大概需要3300个流量，
也就是说，要想达到100万元的毛呢外套月销售额目标，需要每天手淘搜索流量3300个以上、成交33件以上。
用同样的方法可以推算出其他流量渠道需要的日均流量，有了这些数据之后，要做的就是如何完成这个日均目标。
如果规划预算和实际结果差距非常大，这就是因为他没有很好地了解他的产品和根据实际情况规划每一个渠道的销量占比和转化率。
例如，有很多店铺是基本没有手淘首页流量的，那么在规划的时候就不能规划，或者要规划得很少，而不是直接像我的案例一样规划成30%。
做这种数据规划，一方面依赖于经验，一般经验越丰富，特别是长期从事一个行业，你基本上也就很清楚地知道每个渠道大概会占多少销量、会有多高的转化率。
另一方面，要学会分析历史数据，这也是为什么我经常说要保存我们店铺的历史数据的原因，因为很多预测和分析需要参考历史数据，然后要根据实际情况调整，在日常的运营过程中，要学会总结和发现规律，这些都会变成后来的经验。
而且最关键的是可以帮助你总结，总结哪些地方做得比较好，已经达到了目的，哪些地方做得不够好，没有达到预期，做得好是什么原因，做得不好又是什么原因。
按照场景，如果是运营经常会分析四类场景：
上述4种场景，前3种是“点”分析，遇到问题了/发生事情了，就通过数据分析的手段来找出原因，监控结果。而如果将运营分析的工作都连接起来，形成一个体系，就是“面”的分析。比较成熟的做法是搭建运营指标体系。
可见：互联网运营，该分析哪些数据和指标
以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。
电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。
从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。
引流
通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。
进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。
在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi。
按地区划分，这个很好理解。
按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。
转化
完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。
转化的分析：
1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整
2.追踪转化率变化，用于异常定位和策略调整效果验证
3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略
4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据
最直接的分析成果就是转化漏斗。
留存
通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。
关于留存，无非就是：
1.日活监控，观察用户活跃数据，分析日活健康度
2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等
3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整
复购
有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。
复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。
用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数
订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数
用户回购率＝单位时间内：有购买行为的老用户数/有购买行为的总用户数
分析复购率的目的：
1.综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。
2.横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。
流失
流失是无法避免的，但也有可以挽留的。
流失可以分为
关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）
关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：
再者，流失率结合存留率也可以评估渠道的价值。
1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。
2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。
3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。
1、采购管理：包括供应商数据分析、采购匹配度分析等。
2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。
3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。
4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。
5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。
1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。
2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。
3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。
私以为数据分析的需求可以分为三类：
对于第1类和第2类需求，有用开源报表的、有用商用报表的、有用bi的、有写echart的也有用excel的。对于第三类需求，有用sas的、spss、python的、r的甚至有用c++的。
具体怎么去分析？数据报表的魂在于上述的业务分析思想，跟随分析目标的牵引。
一个数据报表要能讲好一个故事。
背景：产生这样一个数据报表的原因是什么？源于最近一周流量下降的分析？提升交易额的决策探索？或是围绕二八定律筛选优质客户？
那么基于上面一个背景，就开始你的分（biao）析（yan）。比如分析流量下降，你假设有哪些可能的原因？又是基于哪些事实数据去验证的假设的正确性（注意数据清洗的说明，排除了哪些数据）。结论归因/（寻找）共性，建议和决策是什么？预计的结果是怎样？
做dasnboard，选用正确的图表，注意美观就行（图表的使用网上有一堆），至于动效（联动钻取）都是锦上添花的事。
以上数据报表由FineReport制作
公众号：数据分析不是个事儿
常年分享数据分析干货，不定期分享好用的职场技能工具。
我也待过大厂和独角兽电商公司，不说是谁了。他们那些高赞给的通常运营或者数据分析方法，都没有问题。然而，互联网死亡，第一核心是什么？
用户体验和用户痛点！
那么电子商务不过是整合传统商务，并没有改变商务的核心:买卖商品和服务。仅仅是，可以更加便捷，和统计目标客户群的需求喜好。
说一千道一万，一次交易的完成，消费者只关注两个核心(普通消费者)，质量和价格！
因此，数据和运营的前提是，你的经济体在这个行业，有核心竞争力！
你能做的商品服务，别人也能做，质量没有根本差别，那就是打价格战！
或者在质量和价格之间取得一个平衡，也能走起来流量，比如拼多多。
那么，一切数据分析和活动运营都是伪说！
消费者只要物美价廉的东西，企业核心竞争力自然回到企业生产力是否有行业优势了！
在生产力没有优势的情况下，大家只能玩差异化经营！这种差异化经营，也不过是伪的！除了个别行业，有准入门槛(政策，行业垄断，关系垄断)之外，没有什么是复制不了的。
互联网已经下半段了，消费互联网转向产业互联网。电商现在不过是传统行业，不是新兴行业。
考虑好企业核心竞争力是啥，数据分析和活动运营是如虎添翼，而不是老虎本身。
电商数据分很多种，具体需要分析什么数据，主要取决于你的岗位是什么。
如果是产品大哥，重点关注产品生命周期和迭代数据、客群反馈数据；如果是技术方面的攻城狮兄，需要分析数据运算法的优劣和合理性；如果是运营大咖，更多的关注的是销售数据，销售额等于流量乘转化率乘客单价，围绕这三个数据做分析。比如影响流量的因素有哪些，如何低成本过去精准流量等等。
强行喷一波，假装很专业……
这个电商应该考虑消费者的需求，
用户从启动APP到最终下单购买，中间会有一系列步骤，最初的那个步骤可能是点击搜索框，可能是点击首页Banner图，也可能是点击收藏页面，总之是这个步骤让用户最终下单购买的，把这部分销售归属到最初那个步骤所在的模块就是销售归因。
这是电商平台非常重要的一个数据场景，他的作用是找到整个平台产生业绩的关键模块，然后有主次地进行改版优化。其次，通过监控销售归因数据的变化，也可以了解用户行为的变迁，比如2016年的时候首页推荐位的销售归因占比最大，因为当时用户网购的主动性还不够强，容易被广告引导，到了2018年，搜索的销售归因比重超过了首页，这表示用户网购的主动性变强了，原因可能是用户群体变了，也可能是用户习惯变了，总之你要开始优化搜索引擎了。
销售归因还有一个很重要的应用是根据销售归因比重的不同来调整品类的页面布局，举个栗子，对于女装，用户可能看到什么好看点什么，他们的购物意愿是被品牌、搭配、颜色牵着走的，那这个品类销售归因最大的可能是有很多靓丽硬照的推荐页面。
另外的品类比如母婴，用户的购物行为是主动且分层的，比如家有1岁娃的用户，看的是XL的纸尿裤和三段奶粉，家有三岁娃的用户，看的是婴幼童装和童鞋，那么这个品类销售归因最大的可能是明确指向商品的分类页。通过销售归因来优化不同品类的页面布局是很重要的数据场景。
要实现这个数据场景就需要分析师好好下功夫了，需要与开发沟通设计一套很好的轨迹埋点，从而准确记录用户的每一步跳转，也需要业务导向地跟产品经理或者运营沟通，从而敲定什么样的行为组合最终会把产生的业绩归到哪个模块。
通过销售归因，我们知道APP里边哪个模块会重点促成用户的下单购买，然后呢？如何进一步分析？这个时候就要用到转化漏斗了。
把焦点放在APP首页，用户从浏览到最终下单，需要经过以下几个步骤：
以上每个步骤之间都有一个转化率，可能是1-2:50%，2-3:20%，3-4:5%，有了这几个数据，运营就有目标了，如何更好地优化页面，使每一步的转化率都高那么一点点，那么公司就能赚更多的钱。其次，通过监控转化率数据也能及时发现业务异常。
电商公司经常会把转化率做成实时数据，这样大促期间发现某个页面或某款商品的转化率不高才能及时针对性调整。
不仅电商，这个数据场景其他APP也会用到，具体做法是发版前先切一拨用户，比如10%，再把这10%分两拨，确保这两拨用户的属性相近（很多时候是随机分配），然后发2个版本的APP，看哪个版本的APP数据表现更好，再把表现好的版本全量发布。
在电商公司，你看到的每一场促销的宣传页面，都是经过多次AB测试调出来的，一旦发现转化率不好就下掉上新的页面，确保展现在您面前的页面拥有最高的转化率。
AB测试是一个非常高频的数据场景，基本每天都会用到，因此很多大公司会把它做成一套系统，可以实时地看数据调整页面。
这个就偏高端了，千人千面指的是每个用户看到的APP界面都是适合他的，或者说最能激起他购买欲望。举个栗子，一个25岁左右的男性用户打开APP更愿意看到的是NIKE、阿迪等运动潮牌，但对于一个35岁的男性，可能是车载用品，或者名牌商务男装更吸引他，千人千面能够最大化APP的转化率，从而极大提升销售额。
要实现这个数据场景需要数据分析师在用户标签方面下很大的功夫。
电商公司每个月都会做预算，预算关系到这个月要备多少货，关系到货值的合理安排从而在大促等关键时刻货量充足，作为一个数据分析师，合理地预估每个月的销售预算是很考基本功的。
做预算需要回溯过去的数据，比如同个时间段，或相同级别相同类型的促销活动，需要尽可能地把每个大促的节奏考虑进去，同时需要把每个时间点的销售情况都考虑仔细。
这一块很多电商公司都是人为用Excel计算，相信未来在自动化方面有很大优化空间。
很多电商公司会频繁搞促销，而每次促销都会宣称自己的商品是全网最低价，怎样做到全网最低价呢？这就涉及到商品比价这个数据场景了。
很多电商公司自己会有一个比价系统，这个系统的作用就是不断去爬取各大电商平台商品的价格，通过外网比价来制定价格策略。比如你要打一个单品，为了冲量你必须做到全网最低价，于是这个系统就派上用场。
除了外网比价还有内网比价，也就是将当前商品的价格跟过去不同时间段进行对比，通过内网比价相应地调整货品策略，比如将更具价格优势的商品进行更多的曝光，同时调低价格高商品的曝光，这就可以避免商品卖得比过去贵消费者不买账的情况。
价格分析是电商公司重要的数据场景，怎样制定一场促销的优惠政策，是用满几件减多少钱，还是发折扣券，还是满多少钱减多少钱，还是买一送一，如何在吸引用户的同时确保毛利不受影响，都免不了做一番数据分析，于是数据分析师的作用就体现出来了。
送人一赞，手有余香~
恬不知耻放上我的公众号，每周2-3更，踏实写干货
哪个大神不是从菜鸟过来的？所以题主你0基础不用怕，就怕不用心学或者学习方向错了。
其实数据分析，重点是要了解数据之间的关系和逻辑，这样遇到问题才知道要看哪些数据，做到有的放矢。
这么说你可能没有什么概念。简单，举个例子让你瞬间明白数据分析的重点为什么是要理清数据之间的逻辑。
你把这个当成追女孩子，理解就很简单了。怎么追？
你要做几件事情：
1.扩大交际圈，认知更多的异性，这样找到喜欢的人的概率才会更大。主动一些，多约多交流。总能有意中人。
2.找到意中人后，需要了解她，了解能了解到的她的一切。然后想办法，找机会，各种主动约。
3.当然也得掂量掂量自己实力。比如颜值、才华、有没有钱、兴趣爱好，谈吐等等。
长的丑的找大明星，这个就不可能
然后约的时候，也得把自己梳理的干干净净的。
以上只是举例说明。。。
讲了那么多，其实对应到电商分析上，也就是这三点：
1.扩大交际圈，认知更多的异性：你得去分析市场，也就是对产品市场整个大环境进行分析，明确以你目前的情况，可以切入哪部分的市场，且在哪个市场里更有机会脱颖而出。
2.了解竞争对手：即分析同行的经营状况，学习的同时也能看到自己的发展空间。同时可以针对同行变化做出针对性调整。
3.掂量自己实力，拾掇好自己：这个叫评估自己实力。比如店铺的转化率怎么样、产品有没有竞争力，视觉水平如何等等。
好了，以上都是前菜。明白这个道理后，下面开始上干货：
1、市场分析
市场分析即对你产品所在的整个大环境进行分析。分析包括市场容易多大、利润多少、以你的实力能挣取到多少流量。也就是判断一个产品能不能在淘宝卖。
那么如何去分析呢？一共三步：
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。
3）寻找细分市场
思路如下：
a）到你做的类目当中找细分类目，拿子类目关键词去搜索相对好做的关键词。
b)在行业粒度，看子类目中，竞品流量，关键词，成交量，利润。
c)在淘宝搜索框搜索关键词，看类目是否有主流品牌，价格带利润分析，销量分析。
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。
实例分析：
像这个店铺，我们之前分析的一个同行。淘宝客27万流量，16万订单，100%是让淘宝客刷的。这都是自杀式玩法，输了亏一部车，成了赚一套房。一般这么玩的人，很多都准备的多个链接，死一个没事儿。一般遇到这样的对手，就不要玩了，无论是钱，经验，胆子，技巧都很难比得过。
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：
比如我们的店铺流量正常一天3000-4000左右，现在直降1000多，这个时候我们该怎么办呢？
正常的分析思路如下：
1、首先把产品的1~3个主要的核心关键词，拿到生意参谋搜索词查询里面搜一下， 看看行业大盘搜索量、转化率有没有变化，有的类目受季节因素、地域因素、节日因素影响;
2、打开生意参谋流量地图，或者市场行情行业粒度，看下是哪个流量来源下滑的，然后有针对性的具体分析。付费流量下滑去分析直通车钻展和淘宝客。免费流量下滑去分析自然搜索和猜你喜欢等;
3、分析近期竞争环境变化。如果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链接，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;
4、分析自己链接近一周的转化率波动、日产出波动、加购收藏量波动，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。
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。针对电商数据分析这个话题，实际上如果没有业务逻辑，业务背景的话，是无法进入电商数据分析领域的。数据分析本来就很重视业务层面的东西，如果连业务都不懂，自然就无法分析什么。
很多时候，我们在做运营的时候，就已经知道要做哪些事情，比如写标题，比如报活动，比如分析竞争对手的单品操作数据等等，只不过数据分析师比较专业而已。
我自己平时也会写一些电商数据分析方面的文章，虽然写了十几万字，但也不见得已经把电商数据给写全，因为我知道，学无止境，数据也是无止境。
既然说到这方面的文章，我现在就摘取自己知乎专栏上一篇相关文章的其中一部分内容进来方便观看。如果您不喜欢，可直接忽略。
商业智能数据分析师，花随花心。
大家好，我是花老师。今天，这堂课是整个PBI系列的第05课，核心关键词正如本文名字一样，京东、词根分析、时段流量。当然，这么讲肯定是不好理解的，不过没关系，稍后我会好好给大家分享。
还没有看过上4堂课的同学，要记得提前预习，文章名如下：
《PBI系列 车图 色彩搭配 数据分析 01》花随花心著；
《PBI系列 竞品评论 流量 词云分析 02》花随花心著；
《PBI系列 快选 人气新品池 品质档 03》花随花心著；
《PBI系列 天猫国际 搜索 属性分析 04》花随花心著；
那么，接下来，就让我们正式进入主题。
实际上，真正的词根数据，必须进入到京东后台获取单品数据之后才能分析出来，不过呢，我最近发现，实际上通过评论数据结合词根数据，也是可以看出来一个产品标题当中，究竟哪些词根是买家真正关心的。
这个方法不仅仅适用于京东，也适用于其他电商平台。那么，原理是什么呢？我们先来看看今天的案例效果图，如图所示
数据源来自关键词【红酒】搜索结果页，销量Top10的评论数据，每1款单品的评论数据下载了100页，也就是总共1000页数据，由于每1页数据有10条评论，因此整体算下来就是10000条评论数据。当然，去重之后，可能稍微会少一些。
我这里要说明的是，为什么要100页数据，一个是因为软件在这个功能的下载速度还可以，另外由于我们没有直接查到单品的词根数据，因此务必让数据源来的更可信一些。
至于是软件的哪个功能下载的数据，如图所示
上面案例图当中，一共有4个图，第1个图是某一款单品的词根以及这些词根在Top10全部评论当中的占比情况，另外3个图，都是Top10的整体宏观数据。
这个图表的好处是，只要自己喜欢，随时可以更换词根，以及更换单品。不足之处在于，我只做了一个产品的词根，毕竟时间有限，大家自己应该懂的。
先让我们来好好看看这个产品，实际上每个产品的标题，都写的很饱满，但究竟哪些词根是买家真正关心的，实际上我们光看这个是没法知道的。这里牵扯到一个问题，为什么要找出买家关心的词根？是为了流量吗？
答对了一半，我更关心的，是最重要的词根可以拿来做主图要表达的重点。正如上面案例图所示，如果说除了红酒这个词根之外，6支装这个词根是频数占比最大的，那么我就会在主图或者短视频里头，不断表达这个卖点。
这个也许才是这篇文章的价值所在吧。话不多说，我们继续来看看这个案例当中的几个图有什么用途？
词根频数对比图
通过词根频数对比图，是不是可以很容易知道竞品的标题，究竟哪些词根才是重点？除了红酒、葡萄酒之外，另外一个最重要的词根就是干红。因为我们的数据是来自于评论数据，因此如果买家没有反复提到这个词，是不是这个词出现的频数就没那么多了，反过来说，是不是这里的词根频数越大，说明在买家评论那里出现的频数越大，也就是越强调这个卖点。
由于红酒这个类目的标题词根比较少，来来回回就是那么几个，如果换成非标品，比如服饰鞋包，那是不是又不一样了？
当然，只要大家喜欢，可以每日下载数据，然后自动刷新，那么这里头的数据就会越来越多。由于我这个图表已经做了自动去重，所以不用担心数据会重复。
时段流量趋势图
这里的时段都是买家评论的时间节点，既然有时间来评论，自然有时间购物。因此，也可以看做这个类目下大部分买家一般购物的时间节点。为什么数据可以这么靠谱，就因为数据源来自Top10单品总共10000条数据，当然我说的是红酒这个关键词的市场数据。
很明显，基本上在16-18点这段时间是买红酒的高峰期，从上午到中午这段时间的流量还不如晚上，说明晚上我们的广告投放应该是重点。
会员等级，可以看出来一般来说在买红酒的人当中，究竟这些人的购买力如何，很明显，占比最大的是铜牌会员。如果对京东购物了解的同学，应该知道铜牌会员代表支付了多少金额，说实在的，我平时很少上京东。
终端使用占比图
可能平时喜欢用苹果的人更喜欢去京东购物吧，这能说明什么呢？购买力？还是品质追求？我不知道，我只知道，赠品可以送点什么，手机壳？大家可以自己猜想。
电商平台应该分析哪些数据呢？又该怎么去分析呢？下面我们一起来了解一下。
1.总体运营数据：从流量、订单、总体销售业绩、整体指标进行把控，对自己运营的店铺数据要了解，到底运营的怎么样，是亏是赚。 2、买家用户行为数据：不同属性的用户，兴趣与审美观念以及消费能力会有不同。我要做的就是要对这些数据进行统计分类。再通过该数据分析和了解客户特征，了解客户特征，为客户维护和回购刺激提供决策依据。 3、网站流量指标：顾名思义就是对网站的访客进行分析，看一下跳出率和访问时间等，分析访客对网站哪些页面感兴趣等等。可以根据这些数据对网站内容和排版进行改进。
4、推广投入数据：做电商运营少不了会在推广平台中投入一部分资金，我们要对付费推广平台的数据进行统计，看一下这些平台导入到我们网站的流量效果，决定后期是否继续投入资金。
5、销售转化数据：分从下单到支付整个过程的数据统计，可以帮助运营人员提升商品转化率。
6、竞争对手数据：知己知彼，百战百胜。我们可以分析比我们做的好的竞争对手标题、店铺设计以及促销活动等等，对我们自己的平台进行改进。从而提升店铺流量和销量。
7、商品数据：这里所说的数据主要是指商品种类，畅销产品、滞销产品等等，分析哪些商品同时销售的几率比较高，而进行捆绑销售，提高产品销量。
8、市场营销活动数据：促销活动必不可少，比如每年的节假日、店庆等等。这时我们要统计分析活动给网站带来的效果，确定后期是否再继续此类活动。
9、售后相关数据：电商类平台售后的相关数据也不能忽视。比如差评、退货退款等等。我们要了解出现此类状况的原因，研究对应的解决方案，毕竟买家的一个差评，就会拉低店铺的整体形象。
通过数据化来监控和改进，通过数据分析用户，可以看到用户从哪里来、如何组织产品可以实现很好的转化率、投放广告的效率如何等等问题。不过，具体问题还要具体分析，我们从自己的侧重点制定自己的数据分析体制。
前面大佬们讲了很多，我就讲讲直通车应该分析哪些数据和怎么去分析 。
做为淘宝卖家直通车是必不可少的推广工具，解读直通车报表是第一步，没有能力通过数据报表发现问题，形成解决问题的思路，是不可能把直通车开好的，下面就讲讲如何解读直通车报表。
一、报表的查看方式
打开直通车报表选择日期段过去30天，转化周期15天累计数据，设置报表自定义这里有个小口诀叫22411，什么叫22411呢？
花费设置2个：花费、平均点击花费
展现点击设置2个：点击量、点击率
转化设置4个：总成交金额、总成交笔数、总收藏数、总购物车数
点击转化率设置1个：点击转化率
投入产出比设置1个：投入产出比
这就是直通车整体报表的设置方法，把最为完整最为重要的10个指标都设置好。
接着来看下整体报表的点击量和PPC如何，可以看到点击量的趋势在600上下波动，PPC在1.8元上下波动，整体30天趋势是一个稳步的状态，既没有变好，也没有变坏。
这就是一个整体的一个趋势分析，这里我总结出了9种情况，点击量和PPC都有三种可能，反应着你整体趋势的好坏。
点击量上涨，PPC上涨：坏
点击量上涨，PPC持平：好
点击量上涨，PPC下降：好
点击量持平，PPC上涨：坏
点击量持平，PPC持平：稳定
点击量持平，PPC下降：好
点击量下降，PPC上涨：坏
点击量下降，PPC持平：坏
点击量下降，PPC下降：好
这就是整体报表趋势反应的情况，情况好的时候可以不用管，情况坏的时候你就要去分析了。
二、报表的数据分析
1. 趋势分析
点击量分析：持平
PPC分析：持平
转化率分析：从图上可以看见，整体的转化率在1.04左右波动，慢慢的到昨天跌入了0.49，是不是转化率就真的在下滑呢？
这里就要说到转化周期的概念，昨天的点击其实还没有转化完成，0.49并不是一个准确的转化率，因为昨天的点击在今天还会转化，明天还会转化，过两天再看它是上涨了的，所以这就是昨天转化率下跌的原因；看到这样的下滑曲线时暂时不要管，属于正常情况。
ROI分析：ROI=转化率*件单价/PPC，上面已经分析转化率是持平的，PPC也是持平的，件单价是保持不变的，那ROI肯定是持平的。
也可以通过ROI和点击转化率做个对比，他们的趋势基本上是一样的，原因就是PPC是稳定的。
通过整体的趋势分析，说明这个店铺的近30天的数据是保持稳定的。
2. 定性分析
ROI是多少？趋势如何？
ROI=3.76，通过以上数据分析最近30天数据持平。
ROI的盈亏平衡点是多少？处于盈利还是亏损？
投产比盈亏平衡点=（1/毛利率）+0.2，这款产品的毛利率是40%，也就是1/0.4+0.2=2.7，所以投产比的盈亏平衡点就是2.7，整体的ROI是3.76，整体是处于一个盈利的状态。
总结：首先分析点击量、PPC、点击转化率、ROI整体的趋势是如何的，再根据ROI盈亏平衡点的公式计算出盈亏平衡点和整体的ROI作比较，就能明显的看出店铺的是处于亏损还是盈利的状态。
加微信一起交流分享淘宝经验。
淘宝开店和实体开店最大的不同就是营销推广的套路不同。其次淘宝开店还会涉及到数据分析。这个是重中之重。无数据，不电商！
一个合格的运营。每天都需要不断分析各种数据。保持店铺稳定，良性发展。那么具体应该如何分析数据呢？
今天主要分享基础数据分析，竞争对手数据暂时不分享。
首先要利用的就是生意参谋。
很多人问我店铺层级应该怎么突破。需要多少销售额？
如上图，c店是可以直接看到突破下一层级需要的销售额。这里只需要计算出自己30天内销售额的总和。就能知道自己离下一层级还差多少销售额。
但是天猫店铺就不一样了，天猫不像C店可以直接看的，只能看到大概的百分比。 具体数额需要我们去估算。
怎么估算呢？首先同样看到运营视窗。点开支付金额。按照我箭头右下角的框。先计算同行同层优秀水平30天内的销售额总和。（因为如果要突破层级，销售额是从0-平均-优秀-下一层级，那么你需要的销售额肯定至少要比优秀水平总和大一截）
另外还可以看到访客数，同行可以看到你与同行同层平均和优秀水平的差别。
这里重点讲几个数据
1、支付转化率
如果你的支付转化率是有上升趋势的。那么没有问题。如果说支付转化率曲线向下。那么这个时候就要注意了。因为转化率是根据自身产品来的
根据你的价格区间，你的人群，你的行业竞争
比如你是卖500的价格，同行卖的都是200左右，那么他们的转化率肯定是比较高的。那么排在平均以下就不足为奇。但是如果曲线向下。有两种可能
1、同行在和你竞争流量和订单
2、人群出现了问题
接着往后面的数据走，后面比较重要的数据有两个，一个是加购人数，一个是收藏人数
这里其实是可以算出我们的加购率是否合格，在哪根基础线上。在之前我们知道了自己的访客数，知道了同行同层平均的访客，以及优秀水平的访客数。
现在又知道了自己每天的加购人数，同行同层平均的加购人数，优秀水平的加购人数。
而加购人数/总访客=加购率
那么同层同行优秀的加购率，同层同行平均的加购率，我们自己的加购率不就都出来了。
这样就可以知道自己的加购率在哪个水平线上。需不需要补数据。
这样大家注意两个点
一、低客单，顾客的祘购买比较高，侧重看转化率是否高于同行同层平均。
二、高客单加，转化周期比较长，如上图店铺，主要侧重看的就是加购和收藏的数据。
收藏率也可以用上述加购率的计算方式计算，
因为你一定要记住：目前你最需要竞争的就是你的同层同级的竞争对手，而不是比你高一层级或者低一层级的。
我们店铺是在和同行同层在竞争！请一定要理解这个竞争规则，淘宝给每个层级，每个信誉的展示窗口都不一样。
所以很多人一进淘宝就把竞争目标瞄向月销几千几万的产品，我可以肯定的告诉你，你竞争对手都找错了！
那么这里接着往下面看
这里数据可以自由选择一天，一周或者是一个月。通过一个数据整体概况知道自己一个店铺的一个情况，从这个数据就可以看出“我的淘宝”和“购物车”的转化率是最高的，自然搜索转化还行
像跳失率，人均浏览量，平均停留市场。只要箭头向上或有一点向下波动不大都不用太在意，真正你要在意的是右下角的关键词以及转化率！
这里你用生意参谋的市场行情去看数据 那些转化是超过行业平均的 那些是行业平均之下的
超过行业平均的对你的产品来说就是一个很好的词，你要重点去维护好，如果转化偏低的，也要去补单。很多人不知道刷单应该刷哪些关键词，有关键词进店了也不刷销量。这样怎么去维护好关键词的权重呢？
接着往下就是你的访客转化和收藏、加购的转化了
下面这个点就很重要了
客单价分布，很多淘客做多了的店铺，这里的数据是乱的。所以我们就算要推销量，淘客也不要推太多，要不然人群标签肯定会乱！
接着往下
竞店流失
如果店铺流失超过100%,这个店竞争就很大，比较难做起来。流失超过50%还是个小爆款。
100%是哪里的数据呢？
成交金额：你成交了100元，流失了100元，流失100%
道理很简单，你的店铺产品综合竞争力不敌对手，流失的店铺你就要去分析他，学习他，分析他不足的地方，你可以改进。学习他好的地方，这里数据内容点比较多，而且复杂，这里就不一一阐述了。
还有很多的细节，因篇幅问题，无法详细，请见谅；如果哪位朋友对本文，还有哪里不明白，欢迎评论或私信咨询我，我会第一时间帮助你传道解惑。
我在知乎专栏文章中分享过很多关于“淘宝运营”的内容，如果感兴趣，可以点击下方链接学习
花和尚撩电商
各位老铁们，纯手打原创，举手之劳给个“赞”支持鼓励呗，这将是我持续分享的动力！感激不尽。
关于“花和尚”：
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，整理一套完整的、高效的淘宝实战课程，帮助淘宝卖家快速成长、少走弯路！
如果你对电商感兴趣，可以给我留言，我会免费送你一套VIP弟子班视频；相信，你一定会受益匪浅。
如果你是淘宝卖家，可以加入我创建的千人卖家社群一起学习、交流、探讨（无广告）；私聊我回复“社群”，即可获得入群方式！
最近找到了一个数据可视化东西，BIT超级数据剖析渠道，它整合了淘宝、京东、阿里云、鹰眼数据等外部数据运用，大大节省了数据搜集的时间，并且操作简略，还有许多免费的职业模板能够运用。这是我在上面运用的一组模板，就是剖析店肆会员的，你能够参阅一下。
姓名*
网站
评论*
评论 ( 20 )
电商数据化运营是个大坑，说上三天三夜也将不完，今天就讲三种简单的数据运营方法：
标签化用户、RFM 分析、AIPL 分析。
标签化用户
当店铺有新客进入时，一个合格的运营要做的第一件事情就是给这个用户打上标签，确定用户的属性，整理形成用户画像。
合理的标签设置是店铺数据化运营初始也是至关重要的一环，这里数仔会给同学们列举部分标签体系，以及详细的子标签。
采集类标签
– 手机号
– 手机号归属地
– MAC地址
– 移动设备系统
– Cookie地址
– Open ID
– 淘宝昵称
……
– 性别
– 年龄段
– 常住城市
– 婚姻状况
– 子女状况
– 家庭人口
– 所属行业
……
交易类标签
– 入会渠道
– 购买渠道偏好
– 购买时间偏好
– 购买品类偏好
– 支付方式偏好
– 尺码
– 购买颜色偏好
……
– 价格敏感度
– 促销类型偏好
– 退换货偏好
– 回购周期
– 兑换商品偏好
– 会员年限
– 营销状态
……
运营类标签
– 会员活跃度
– 会员生命周期
– 会员价值
– 会员价值分级
– 会员潜在价值
– 会员流失
……
– 会员营销偏好
– 退订短信状态
– 微信取关状态
– 参与活动次数
– 营销成功率
……
除了上述三种标签之外，还有互动类、服务类、模型类等多种标签分类。
记录每个用户的属性数据，形成用户画像，再根据不同标签划分不同用户类别，从用户类别出发有针对的进行精准运营，设置不同的营销活动来刺激用户消费。
数仔这边以用户 Kent 为例，过往数据显示，他的 Y 轴（客单价）为 2194 元，同时 X 轴（ Fashion）在 4.3 左右，由此可见 Kent 是一个注重品牌的用户。在得出这个结论后，我们就可以针对这点进行营销活动策划。
另外，假设店铺过往数据显示购买用户当中宝妈类用户较多，我们还可以设置一款赠送儿童玩具的礼盒装商品来刺激宝妈用户购买，或者可以和母婴类的异业商家联合营销，互相引流。
建立 RFM 模型分析用户
根据 RFM 模型对用户数据进行分析。
这里数仔简单介绍一下 RFM 模型，该模型主要由用户最近一次消费、消费频率以及消费金额组成。
通过对用户 RFM 模型的建模分析，我们可以将用户细分为初级用户、成长用户、成熟用户，依据用户的不同阶段来制定不同的运营方式。
为了帮助同学们刚好的理解，数仔这边就以数据赢家曾经服务过的一个商家为例，跟大家讲解不同的 R、F、M 值的用户要如何进行运营。
从下图中我们可以清晰的看到针对三项指标不同的人群，数据赢家为商家设计的文案内容是不同的，从活跃客户、沉默客户到流失客户，或从新客户、老客户再到成熟客户等，依据不同的人群数据、不同特点设置相异的文案内容，刺激用户消费。
AIPL 分阶段运营
讲完用户标签与 RFM 模型，最后数仔和同学们讲一下 AIPL 模型的营销要点。
与 RFM 模型按照最近一次消费、消费频率、消费金额的划分方式不同，AIPL 模型从认知-兴趣-购买-忠诚四个方面来对用户进行划分。
每个用户的完整消费链路都是对品牌从陌生到认知再到成交转化，最后到忠实粉丝的过程。
当然并不是每个用户都能到最后一步，大多数用户都只停留在第一步和第二步。
在 A、I 阶段即用户的认知与兴趣，这个阶段我们要做的是加深用户 A、I 池，增加新客留存，同时加深用户对品牌的认识，让用户产生兴趣，具体的操作方法有 0 元入会、联合营销、淘宝群聊等方法。
在《新客留存与扩大，在 A、I 阶段我们应该做这几件事情》这篇文章中，数仔详细的讲解了扩大 A、I 池的几种方法，大家可以阅读了解一下哦。
针对 P、L 阶段的用户，已经发生了购买行为，我们要做的就是让用户复购，并且成为店铺的忠实用户。这一点就要回到 RFM 模型根据用户的最近一次购买、消费频率、消费金额的数据制定精准的营销策略，具体的操作方式有：
引导加购收藏
通过收藏、加购、裂变互动，来提升商品的曝光加权，使用猜价格、投票等互动方式，制造热点话题。
淘宝群聊
淘宝群粉丝运营我们可以通过红包喷泉等方法，在大促前定时进行两场红包雨，提高群打开率，增加渠道群转化。除了红包雨之外还有专属客服、事件关怀（实时催付）等方式促进转化。
作者：易观高级数字营销经理 赵岩
指标是量化衡量标准、衡量目标的单位或方法，例如对网站来说，最常见的指标就是UV和PV，而针对APP来说，最常见的就是DAU，MAU。
有了指标也就知道应该从哪些角度入手开始数据分析，数据驱动已经是我们在做用户增长和产品优化的核心指导方向，我们会把数据驱动从定制数据到使用数据分成三步：
1、根据核心目标制定指标
2、指标还原到埋点方案
3、围绕核心目标开始数据分析
最关键的步骤就是如何制定指标，指标是与业务关联最近的，也是最灵活的一个步骤，因为不同的业务指标完全不同，比如电商业务的指标跟交易有关，软件业务的指标会跟注册有关，虽然都会归结于范交易，但是在指标体系搭建上还是略有不同，我们总结了一些可快速上手的行业通用指标，给你在开始进行网站或APP分析前一些指标体系的建议。
在指标搭建前，先说说，你想看到什么数据？
电商网站（APP）应该关注的数据看板什么样？
从实际业务出发，举例CXO，市场，运营三个核心角色，每个角色需要看的内容不同
CXO：想了解业务数据，只能被动的等待下属的分析报告，需要更直观的方式，掌握真实数据，及时获得洞察。
运营：做了大量的运营活动，无法分析效果如何，现有渠道提供的分析能力不足以支撑精细化运营，缺少体系化的数据支持。
市场：花出去的预算，就像泼出去的水，如何衡量效果？如何进行广告跟踪提高ROI？
（一）根据需求设定的电商基本指标
有了这些指标，等同于掌握了用户在产品上的基本行为。通过这些指标的简单组合就会得到我们需要的数据。
但是在搭建指标的时候，很难一次性的把所有指标都想到，也不应该出发点是大而全。最合适的指标搭建方式是围绕增长计划里的核心转化目标和转化流展开。指标搭建从小到大，由简单到全面。
（二）举例：电商的订单流转化率指标
电商产品运营网站或APP上的北极星指标通常为支付订单次数，从启动（着陆）到支付订单的全流程就是订单流。下图是我们需要的漏斗可视化报表，希望通过这个漏斗看到用户在不同行为之间的转化率及流失情况。
（三）指标：
1、商品详情页到购物车的转化率
2、购物车到提交订单的转化率
3、提交订单到支付订单的转化率
……
当我们有了指标之后，我们就会很清晰应该去关注什么数据，来针对性的制定埋点方案。
指标、埋点、数据报告，所有的后续操作都是围绕着早期的一个增长需求展开的。
那么举例的这个电商订单流增长需求是什么，我猜你已经想到。
那就是降低订单流的流失率，提高转化率。
完成的《电子商务指标体系和看板设计白皮书》可到易观方舟官网下载：
易观 – 数据驱动精益成长
欢迎有数据分析需求的小伙伴，免费使用易观方舟Argo。
由于接触比较多的是电商的数据，所以着眼于电商业务去看看有哪些数据可以分析。
一、销售结果数据
电商的本质是零售的一种渠道，所以电商业务的目标就是把产品卖出去，挣到钱。所以一切的运营手段都是对销售结果负责，销售数据是电商数据分析最重要的数据之一。用于呈现销售结果的数据主要有两类，一类是销售额数据，比如日、周、月、季度、年等周期的总销售额数据，其中有环比、同比的呈现形式；另一类是产品数据，即哪些产品卖得好，哪些产品的利润高，这让我想到了营销学里提到的波士顿矩阵，又称四象限分析法。
在电商产品里，明星类产品主要是一些有竞争力的产品，不单单是爆款，还长期占有市场，对于此类产品应该持续增加投资，充分利用马太效应，牢牢占领市场，是企业的产品基本盘。现金牛类产品：就是电商行业常说的爆款了，利润很高，短时间内能大量带来现金流，为企业其他产品输血，此类产品不必过分关注于拓展市场份额。问题产品：高市场成长率，低相对市场份额，说明市场营销策略出现了问题，需要去调整，最终变成明星类产品。瘦狗产品：低市场份额、低市场份额，不淘汰还留着干嘛？
电商网站最关注的数据指标就是网站总成交额，即Gross Merchandise Volume，反映整个电商平台的业务活跃量。GMV=流量*转化率*客单价，围绕着GMV又细分有流量、转化率、客单价等三类数据。
二、流量数据
何为流量？百科说是在网络指在一定时间内打开网站地址的人气访问量，通俗点讲就是客户量。流量包含日常运营的流量和活动期间的流量。
1.日常运营流量
店铺访问量、关注数：直观体现店铺的人气，都是比较忠诚的客户才会关注。
商品页面访问量：在电商平台做推广最直接体现推广效果的一个指标。
商品收藏量、添加购物车量：商品人气值的体现，也是做产品分析的一个评估指标。
渠道流量：店铺和商品的流量来源渠道有多种多样的，有站外的外链、广告，站内的各种推广位，比如搜索结果（网页端分页、移动端分屏，不同页的价格不同，自然是越靠前越好），banner、相关推荐、活动页面等地方的广告。
2.活动流量
做一场推广活动或者促销活动，最直接的就是要看到流量的增长，比如商品的展示数、活动的参与人数等等。
三、转化率数据
有了流量，就要考虑怎么让客人买买买了，在多个环节是可以提高转化率的。总的转化率是指成交转化率，但是在成交之前还有添加购物车转化率、收藏转化率、下单转化率、支付转化率等等，每一个环节都有流失的客户，如何留住流失的客户需要针对每个环节对症下药。
四、客单价数据
提高客单价有两个目的，一是做高成交额，增加利润；二是进行捆绑销售，如明星产品+瘦狗产品，可以看作是清库存的同时增加收入。
平台提供的客单价指标有产品平均客单价、店铺平均客单价、地区客户客单价等等。
五、用户行为数据
现在的电商行业竞争越来越激烈了，如果是十年前，很容易就能赚到盆满钵满，但是放到现在，马太效应越来越明显，大卖家依旧红火，小卖家夹缝生存。如何应对激烈的竞争，平台和商家也是使出了浑身解数，研究用户行为也称为应对竞争的一大手段。千人千面，每个用户在电商网站上的行为都是独特的，用户行为数据主要有兴趣标签、商品页面平均停留时长、复购率、下单决策时长等等。比如点外卖，有的客户可能刷了很多屏才下单，有的客户可能在第一屏就下单了。只看价格页面，不看商品详情的客户，可能对价格十分敏感。在评论区停留时长较长的客户，可能更信任相同买家的购物体验。
虽然用户体验是个很虚的东西，但是关于用户行为的很多数据还是值得关注的。
六、售后数据
关注哪些售后数据，取决于商家的业务关注重点。一般值得关注的售后数据有退款率、故障率、破损率、客诉率、纠纷率、差评率、好评率等等，这些都是比较大众化的指标。除此之外，可能还有一些诸如利润率、佣金率、物流服务水平等等指标影响销售结果。
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。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。这个话题的范围很广哦，我觉得具体还算针对某一个电商平台的数据来进行了解比较好。
我自己之前做过五年大型企业电商运营，做的是淘宝、天猫，做过的人都知道，数据平台就是生意参谋。基本上在这两个平台上的所有数据，都可以通过生意参谋来获取。
当然，数据获取已经有了，那关键在于分析什么。可以分析流量来源结构，也就是一家店的流量，各自的占比如何。也可以分析关键词的搜索涨幅，和支付转化率，支付件数之间的关系。当然，还可以玩指数换算，分析竞品的实际数据。
举个例子，如果我想分析一家店铺为什么搜索流量会出现下滑，我首选会去思考，搜索其实是由关键词组合而得来的，那么这些关键词各自之间的流量趋势如何，然后细化到具体的关键词当中。当然，如果想要快速的，可以直接利用标题分词技术，切出词根，之后根据词根去判断哪些词根流量下滑，然后找出这些重要的词根之后，再细化到某个比较重要的词根下的所有关键词，再具体去分析究竟如何。
我相信，您肯定没听明白，原因很简单。电商数据，本质上分析需要懂业务逻辑。对业务这块没有更深入的了解，是不懂分析的意义的。所以，所数据分析之前，要懂运营。
而我刚好就是从运营转型做电商数据分析。
刚好，今天有点时间，给大家分享一篇之前写过的电商数据分析的文章，如果不感兴趣，可直接忽略。
前言
今天继续来分享有关于新版生意参谋的话题，主要围绕“读者画像”。我相信绝大多数同学对“读者画像”是什么可能都还不清楚。不过呢，因为这是我的学习群提供生意参谋数据的同学的硬需求，因此今天先从“读者画像”展开进行分析。
今天有关“读者画像”的图表技术，其实可以适用于处理生意参谋上所有没有提供“下载”按钮的地方。也就是说，学会这一招，就够你用的了。至于有些同学可能不是做电商，但想学数据分析的，花老师也会提供数据源，反正只要有数据源即可。
另外由于接下来几天我要出差，本来打算本文把“指数还原”也一起讲了，不过看来只能暂时放到一边。还有就是，不懂这个流程是怎么做出来的，即使你拿到我的模板也无济于事，因为我们的所有文件格式都不一定相同，很多时候是非常不同的。等于说，出了问题你也解决不了。
还是那句话，花老师的数据学习群欢迎一切喜欢跟着我学数据分析的同学，不是什么培训班，别误会。如果想多加了解的，也可以直接找我要入群说明，会一直更新。我只不过想接下来能结交一群喜欢玩数据的同学而已。当然入群会有点门槛，没门槛的事情我一般是不做的。
正文
还是那句话，这个模块的功能，官方没有提供任何下载数据的地方，也就是说如果是乖乖看这里的数据的话，基本上也不是很清楚。我们可以看到，只能选择单独一天的数据。其实说到这里，“读者关键数据”这块的内容，相信很多人还不清楚是哪里的数据。其实，说白了就是可以发布文章的渠道数据，比如说微淘。我们自己逛淘宝天猫的时候，上微淘不是经常会看到一些产品推荐的文章吗。
在“读者关键数据”这里，一共提供了4项指标，分别包括“内容浏览人数”、“内容浏览次数”、“7天二次阅读人数”、“新增粉丝数”。而真正会影响到下面的数据计算的，其实是“内容浏览人数”。并且都是当天的数据，还只能看前3个月。
虽然有提供趋势图给我们看，但问题是没有数据源，不懂编程的人是很难去下载的，除非愿意手动记录，但又很容易出错。。。
因此，这里的数据没有经常保存的话，其实是很容易丢失的。
并且，上面的“基础特征”、“地域分布”、“人生经历”和“读者偏好排行”的数据，都只是显示了统计占比，根本没有提供具体的真实人数数据，所以不知道程序开发的人员是不是脑子秀逗了。
最起码，连个下载的按钮都没有，是不是想告诉我，这块数据很宝贵啊。。。
那，怎么解决这个数据问题呢？接下来，花老师带着大家来学习一下，怎么结合PowerBI Desktop去自动化处理这块的难题。
创建一个文件夹，取名“店铺=”，并创建一堆带日期命名的Excel空表格，里头不需要什么东西。
打开其中一个日期，比如“20190228”，并打开“剪贴板”按钮，确保里头没有任何内容。
确保日期“28”选择正确，然后随便选中某几个文字。按住键盘“Ctrl+a”全选，再按“Ctrl+c”复制即可。其实，全选之后，整个网页的所有文本数据就都会被选中，无论底部有没有显示在浏览器上面。如果你的网速不给力的话，可拉动滑竿往下到底部，这样数据就会全部加载完毕。这种操作，几乎是人人都会的。
之后，打开刚刚的“20190228”文件，你就会发现“剪贴板”出现了数据，然后确保“A1”单元格被选中，之后点击左侧的“剪贴板”数据，软件就会自动填充。
之后，点击“全部清空”，删除“剪贴板”里头的数据，并关闭这个文件即可，这样我们就算是下载好了“20190228”这一天的数据，里头的数据我们不需要进行任何操作，全部交给后面的PowerBI Desktop来处理。
然后，以此类推，不断下载各个天数的数据，我们就算是完全了初步的数据下载工作。等后面PowerBI Desktop模板出来后，以后只需要像这样子下载当天的数据即可。
按照以前我所说的，选中“店铺=”文件夹导入数据即可，然后进入编辑查询界面。
… …
利用M函数“Excel.Workbook()”将“Content”列的二进制数据进行处理，并陆续展开，最终呈现出表格里头的数据即可，然后我们把“Content”删除。对于M函数是什么，其实可以等同于Excel的函数公式，只不过这是针对PowerBI Desktop来讲的，并且绝大多数情况下，能用鼠标操作的就尽量鼠标操作，必要时花老师会分享新的M函数。
其实到这一步，我们才开始真正处理数据。新增的“Column1”、“Column2”、“Column3”这3列数据，我们可以发现，有的数据是完全集中在“Column1”，有的是横跨这3列。基本上就分这2种情况而已。
因此，在这里我们需要进行区分，分为“只有1列”和“包含3列”。
当然区分之前，我们先进行筛选，将这些杂七杂八的东西删除掉。经过前面几步筛选之后，剩下来的数据都是我们正常能看到的（请根据实际情况处理）。
… …
是不是这么一路操作下来，就变成了所有数据都有了自己的分类。之后，我们需要将“只有1列”和“包含3列”的拆分成2份表格。
先将第1份表格的自定义列筛选掉“地域分布”、“读者偏好排行”，这样子这份表格的所有数据就变成“只有1列”。
再将第2份表格，按相反逻辑处理，最终剩下“包含3列”数据。
其实看到这里，我们已经知道这些数据是在按照固定分类进行排布的，那么我就干脆让2份表格各自根据所含有的分类，进行各自的拆分。
一共分出了4张表格，现在需要操作的就是针对每1张表格进行单独处理。
… …
… …
最终“读者关键数据-内容浏览人数”这块的“数值”、“环比”、“同比”就全部出来了，这个时候才是一个完整的独立表格。
以此类推，操作其他“读者关键数据”的指标。
通过“关系”我们可以发现，这些图之间其实是可以相互串联的。尤其是刚刚我们看到的一些只有占比的数据，就需要匹配日期来进行计算。
于是，我自己手动创建一张日期表，里头填充了需要的具体日期，嫌麻烦的话可直接在Excel当中用自动填充命令创建这些日期，之后复制粘贴进来这个表格即可。后期如果需要增加新的日期，再回到这张表进行输入即可。
之后，“日期”表经过我的手动连接后，会自动连接上所有表格。当然，前提是这个表格本身的数据在所有表格里头都存在，并且要求这个表格里头的数据不能重复。在接下来的操作中，它充当筛选器的作用，通过这个表格来联动所有表格。这个就是“关系”的价值，可以通过查看数据表格的结构来判断表格之间的关联，然后让你去思考应该采用什么共同的字段来联动所有表格。
最终结果就是如此，通过“日期”筛选器来联动所有图表。
这个是最近14天的数据，可以清楚知道“卡片图”上面的4项基本指标，只不过这里的指标是会随着筛选器而不断变动。
那么，这个位置其实才是“读者画像”的关键数据。这里一共有6张占比图，分析指标都是“内容浏览人数”。通过“最近14天”的统计，很轻易的能知道“城市”、“省份”、“性别”、“职业”、“学历”、“年龄”这6个维度。由于已经获取了“内容浏览人数”这个指标，实际上可以进行二维分析，比如利用散点图将其中任意2个维度串联起来分析。
通过“品牌”偏好、“类目”偏好，可以知道这些潜在粉丝们最关心的是什么品牌、什么行业。问题是，知道这些可以拿来干嘛用？这个是我们要去思考的，最典型的做法就是直接打开这些排名前列的品牌的微淘，看看人家是怎么玩的。
最后，动态观察“内容浏览人数”和“内容浏览次数”的对比，这个比值越大越好，当然实际情况不是这样的，我们由于不知道行业的这2个指标的比值是多少，无法判断。但，可以通过这段时间的走势，去分析我们的文章或者视频，是否有所提升。很明显，这个数据是在不断下降。
以上这部分内容，就是有关PowerBI Desktop结合生意参谋来制作数据图表的过程。其中，有很多细节无法一一在文章当中进行充分讲解，如果感兴趣，欢迎查看视频/音频版本。
希望我今天的分享能对大家有所帮助，谢谢！不废话，关注知乎专栏花随花心，送数据分析工具箱！
下面的内容是根据我司业务咨询专家的演讲总结，在这里简单跟大家说一下常用的分析指标
1.渗透率
其中日活渗透率最常用，即 DAU 里面每天都是什么情况。每天有 10 万人登录，其中 10% 的人做了什么，每天业务产生价值就是 10%，当渗透率提升到 30%，意味着价值提升了 3 倍。所以，渗透率是很多产品梦寐以求实现的大盘基础。
曝光点击率也是常用的数据指标，很多时候，曝光资源非常紧张，尤其是在平台运营位资源有限的情况下，提供什么样的产品内容，对最终价值有着重要的意义。所以我们会评估曝光点击率，如果产品对 100 万用户做了产品曝光，最终只有 10 万人点击，那曝光点击率就只有 10%。另外，在何种入口设计成何种样式，才能让入口展示变得更有吸引力，也是提升渗透率的例子。
2.转化率
转化率直接代表产品功能有没有完成对用户的基础转化，下图的分析工具在转化率中提供了非常重要的功能——窗口期设置。比如电商用户选择购买日用品的决策相对较快，窗口期设置为 1 个小时或 1 天都是合理的，运营人员可以在窗口期看到用户是否完成转化。但如果面对的是理财或投资类产品，涉及比价、实名认证、绑定银行卡等步骤，用户决策周期很长，所以窗口期的设置时间就要从产品本身的特点出发。
图片来源：神策数据
3.留存流失率
我们的分析师及咨询团队在做具体功能诊断时，除了关注上述两个数据指标外还会关注产品的留存与流失情况。留存通常意味着用户的整体体验是较好的，所以最终价值的传递效果也是较好的。留存率一般作为这种长期综合评估产品价值的指标，所以如果客户做产品的增长体制，相比留存率而言，上述提到的转化率可能并不是很好的综合指标。
4.用户路径和分布
这两种分析指标相对少见，因为这样的应用场景非常强调对数据的理解。客户可能发现转化率与渗透率表现都不太好，所以特别希望知道表现不佳的原因，希望能看到用户流量在各环节发生了什么，以及流失点在哪，所以这是相对微观的数据指标。而分布是黏性价值的体现，用户今天登录 10 次与登录 1 次、使用 1 个小时和 10 秒钟的价值不一样，所以分布能较好的衡量用户整体质量与黏性的分类维度。
欢迎关注我的个人主页和专栏，我会定期分享学习心得，谢谢大家。
上述图片的体验场景传送门：
神策数据 | 在线大数据用户分析产品 | Demo体验
个人主页：研如玉
用户研究那些事儿
这个是我的专栏。
更多信息请关注：公众号——用户行为洞察研究院
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。
—————————————-
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~
做了快4年的电商运营，从商家运营到代运营再到平台运营，深刻地感觉到电商数据分析能力对电商运营的重要性。如果一个电商运营没有数据分析能力，对数据敏感度不够高，那么他的运营计划都是空中楼阁，很难达到想要的效果。
那么，电商数据分析应该关注哪几个点呢？
这里从最普遍的商家运营进行分析，给大家分享下我的经验和心得：
1.流量数据
我认为这方面的数据是电商或者互联网的核心数据，互联网红利本质就是流量红利，没有流量就像小巷子里的美食店，无人看到就无人关注。
分析流量数据，就要分析它的来源、它的去向、它在各个渠道的表现。
它是从搜索来的，还是从首页来的？
它在这些来源渠道中，成交、收藏、加购各个数据表现怎么样？
在这些数据的解读中，你慢慢就能理解这个平台不同流量入口的特性是怎么样的，最关注的点会是什么？
2.转化数据
产品转化率也是非常关键的一点，这代表着你的产品受欢迎程度。实际上，收藏率和加购率也属于转化范畴内，它们代表消费者觉得你的东西不错，但是有个点不是特别满意或者有相对来说更好的选择，所以先放进考察名单，买不买看情况。
那么像这种转化数据，有什么作用呢？举个例子，比如你的产品价格相对同行较贵，转化率一般，但是收藏加购率很高，那么在一些活动节点，做一些促销降价活动并且短信你的顾客，可能就会有不错的成交。
总之，收藏、加购和转化代表了消费者对你产品的接受程度，需要重点关注。
3.客单数据
客单数据有好几个指标，常用的是客单价、件单价等。这代表了单位客户或者单件商品的价值和流水，这个数值越高，就越容易产生更高的销售流水。
客单数据的高低与很多因素有关，一方面是产品本身的价格，洗衣机的客单数据总是要比零食客单数据来得高的。另一方面，这个也和运营的销售手段相关，比如产品做买2送1的客单总会比没有买多优惠的客单来得高。还有，价格折扣、促销力度等，这里也不赘述了。
4.CRM数据
这个数据主要是针对一些中大型电商，因为积累了较大的消费者数据，如果能够充分挖掘这些数据的价值，也能给电商销售带来巨大帮助。
一家店铺的顾客，他多久会进行复购？复购的金额有什么特点？顾客的生命周期有多久？
通过对这些数据的研究，你对你电商的消费者会有更深入的研究，更能明白他们的想法和特点。所谓知己知彼百战百胜，你那么了解你的消费者，还怕挣不到钱？
5.行业数据
无论一家店铺在什么层级，都需要关注行业整体的趋势和风向。如果没有这方面的敏感度，那么很容易被淘汰。一般情况下，需要关注行业的整体销售额，本店铺在行业里的控盘率，竞争对手在行业里的控盘率。这部分数据有可能不好拿，但是店铺达到一定量级后，就算花钱也要买过来。
要玩转一个行业，你至少要知道自己是老几，行业里有哪些玩家。
6.活动数据
实际上，活动就相当于一次次考试，能够检验出店铺和运营人的水准。活动期间，流量增大、促销措施增多、玩法增多，那么通过对数据的分析，对往届活动的分析，你就分析清楚这次活动是否成功，玩法、促销措施是否有效，以后活动要怎么做。
另外，真实的运营过程中，还要注意很多数据是混杂综合起来进行分析的，比如问你各个渠道的流量转化率和UV价值是多少？活动期间和日常的数据有无差别？这就需要运营耐心下来，抽丝剥茧一点一点分析了。
以上，还请看完觉得有收获的朋友，不吝点赞关注。
电商平台应该分析哪些数据？具体怎么去分析？
请各位准备做电商或者已经在做电商的小伙伴，本篇回答会带大家了解的是最详细的各种数据和分析。并不是概念和公式，而是具体的在工作当中的操作各类数据的意义。可以参考本文作为基础，再到其他的答案里面找到公式等等；
懒人目录：
1.店铺数据指标：
2.生意参谋工具的使用：
店铺数据指标：
行业大盘：
3.生意参谋核心数据的分析：
（1）我们首先来看流量分析：
流量分析的路径是：生意参谋—>经营分析—>流量分析流量；
其中流量分析的四个模块分别是：流量概况、流量地图、访客分析、装修分析；
（2）再来看流量概况：
流量概况是把整体店铺的流量分析情况，把最重要的数据替我们先找到，更直接直观的了解整体店铺的流量情况；
我们可以很直接的和行业访客数、浏览量、跳失率、人均浏览量、平均停留的时间进行对比，发现自己的不足
（3）流量地图
流量地图的数据包含流量来源、店内路径以及流量去向的三大模块。在流量来源里面，可以看到“我的”和“行业”的来源情况，通过百分比的战士可以看到我们自选日期的来源对比，在这里我们要和行业进行对比，看看是否正常：
店内路径可以很好的帮助我们进行页面的调整和促销活动。我们可以对整个数据进行排序
例如：商品详情页—>店铺首页—>搜索结果页—>店铺自定义页—>商品分类页—>店铺其他页
这样就可以进行正确的页面调整，装修进行分级别，抓住客户的浏览习惯，就可以把整个店铺装修贯穿的比较好，提高的是转化和浏览的深度。这也是最直观的数据提升。
（4）流量去向：
我们也是按照刚刚说过的方法排序：
商品详情页—>店铺首页—>搜索结果页—>店铺自定义页—>商品分类页—>店铺其他页
流量来源主要分为了5个板块：淘内免费、自主访问、淘外流量、付费流量、其他；
淘内免费：最主要的来源是“淘宝搜索”和“天猫搜索”，这些是自然搜索的流量，如果这两个来源非常的低，我们就要思考在标题关键词优化、宝贝上下架时间等下功夫，同时跑起销量，增加搜索排名。
自主访问：主要为消费者直接访问，如加购物车，收藏等等，我们可以明确的感受到这波消费者的购买意图更强，转化率相对来说更高
淘外流量：大多数是来自搜索引擎的流量，这样对于一些定期投放这类搜索引擎的中大型卖家来说，可以更好地有方矢的挑选转化高、成交多的来源渠道，更加大力度的推广。
付费流量：来源就是淘客、直通车、钻展等，可以简单明了的了解这些来源的表现。看到哪些付费渠道带来的转化率更高，就可以加大力度推广，把钱用在刀刃上。
其他：指的是这些上述渠道以外的渠道，其他渠道进入我们的店铺。这部分流量来源量相对来说比较小，可能是一些临时的页面、活动等等带来的。
（5）访客分析：
访客分析包括了分布和访客对比。通过访客分布，我们可以找准访客高峰时段，找到了高峰时间段的话，那就果断上新就可以了，记住兼顾PC端和无线端访客访问的习惯：
（6）地域分布：
包括访客数的占比排行和下单买家数的排行。注意兼顾，重点对于访客和下单比较高的数据地区重点投放。
特征分布以及行为分布，是进行人群画像刻画的重要数据。通过上面这张图的特征分布，结合访客对比，我们可以很好的知道我们店铺的人群画像。知道了我们客户的人群画像，我们从而可以对我们的店铺、主图、详情页进行针对性的优化。这样是对转化率有很高的帮助。
访客对比：
（7）装修分析
这块的装修分析是很使用的，分为PC端和无线端。对自己店铺整体装修一目了然。
码字不易暂时分享这些。还有一些商品的分析，都是分模块的。其实了解一下，基本的就可以到电商领域。很多时候经验都是在操作中获取的。如果可以自己开一个网店，先了解一下这些数据，打造个爆款。有了一定的基础可以在去看挖数那个老师的回答哦。
要成为一名合格的电商数据分析师其实是有难度的。你需要付出很多的时间和经历，要有一定耐心和承受力。懂产品是基本的，你还需要拥有清晰的逻辑思维能力。很多商家经常说不会数据分析，不知道该怎么分析，其实是因为没有一个清晰的逻辑结构。
@华天清 的回答已经把数据分析的纬度和结构写的很清楚了，包括总体运营指标、网站流量指标、销售转化指标、客户价值指标、商品类指标、市场营销活动指标、分控类指标。基本覆盖了电商数据分析的常用指标。
@挖数 也基本讲了具体的数据分析方法，比如AB测试法，杜邦分析法，对比分析发，5w2h分析饭，漏斗图分析发，问题数分析法等等。
你会发现，电商数据分析师需要兼顾的数据太多了，淘宝提供下载的就有119项。当然这些很多生意参谋上都有备注。
建议你可以把这些分析方式用看板清单的方式列出来，进行梳理。
这些数据分析方法前面的人已经答的很详细了，推荐一本书叫《谁说菜鸟不会电商数据分析》，对分析方法，数据运营、市场行情、店铺流量与转化等都做了分析，我想讲一个书中提到的被很多商家忽略，但对店铺重中之重的数据规划——就是全店年销售额的规划：
以下引自《谁说菜鸟不会电商数据分析》：
我发现很多商家在做淘宝的时候从来都没有考虑过年销售额的规划，
他们每天都在想怎么弄到流量、怎么研究最新的获取流量的方法、
怎样找到黑车或者黑搜索的淘宝系统漏洞等。
其实，如果没有做全店的年销售额规划，
就好比你在大海中没有方向的划船，你虽然用尽了所有的力气在划，
但是，你可能永远都达不到想要的目的，甚至可能会在阴沟里翻了船把自己淹死。
没有规划，你会像无头苍蝇一样胡乱行动，
你永远都是在明天重复今天的事情，明年重复今年的事情，所有的事情都不在自己的掌控之中。
很多电商老板都有一种听天由命的感觉，他们总会感觉做淘宝有时候就是完全靠运气，
能不能起来就看运气够不够，运气够了自然就起来，运气不够就起不来。
无规划的人生就像随波逐流的船，这样今日不知明日事的漂泊其实只会让你非常累，也没有效果。
因此，我们做淘宝必须要做好规划。
我以年销售额为案例规划一个店铺应该如何做好规划，让我们有方向的行动。
要做全店的销售额计划，首先要有一个完整的脑图指导，就是需要做哪些纬度的规划，根据目的决定。
根据电商销售额通用公式：销售额=流量*转化率*客单价，要想提高销售额目标，
就需要将策略制定指向：
之后所有的行动都围绕这三点展开，万变不离其宗。
2）、拆解可以细化的目标。
我们可以在日事清的思维导图中，针对提高访客数、转化率，进行思维的发散，具体、可衡量、可执行的目标。可以从三个纬度进行拆解：自主访问、免费渠道、付费渠道。
销售额可能会包含所需uv、平均转化率、平均客单价、日均销量、日均流量等小的方面；
成本可能会包含推广费用、人员开支、办公成本、物流费用等多个小的方面。
因此，以这三个大的方面和多个小的方面构建一个框架图。
当把大概的思维规划图绘制出来之后，我们需要完善数据，要把每个目标数据都确定下来。
先从销售额开始。我们应该如何规划1～12月份的销售额？
这是需要预估的，但是预估不能一拍脑袋就决定，不能心里想着要做到多少销售额就填写多少销售额，这个需要根据实际情况和规律预测和评估。
当然，预估的方法是有很多的，不同的情况下使用的方法不一样，但是最常见的可能就是根据历史数据预估。比如根据18年和17年的年销售数据，来预估2019年的销售目标。
二、目标规划细分拆解
有了年度规划之后，我们就有了大致的方向，就好比在大海中已经明确了方向一样，但是毕竟年度规划只是一个大致的方向，具体应该如何执行，对于很多人来说还是很迷茫的，
例如，假设我们规划2019年1月份要做300万元的销售额，通过年度规划表知道了大概要多少流量、多少转化率和多少客单价才能完成目标规划，可是这个时候还是有很多商家会很迷茫，那就是到底应该如何操作、做哪些。
每时每刻，我们都需要思考一个问题：我们要实现什么样的目标？为了这个目标，我们需要怎么做，需要哪些资源？我们怎么获取这些资源？
因此，针对很多商家这种迷茫的情况，我们学习如何细分拆解目标。
很多时候我们面对整体的大目标时是很迷茫的，但是如果把大目标细分之后就会发现简单了很多。例如，我们的规划是2018年1月份要做500万元的销售。面对500万元这个概念，我们可能会比较迷茫，但是如果把它细分到商品就会明显感觉不一样。
我们可以先规划1月份需要做的类目有哪些。
例如假设1月份主打毛呢外套、毛衣、牛仔裤三个类目，那么可以把这500万元销售额分配350万元给这三个主打类目，因为可能我们全店不只做这三个类目，另外的150万元分配给其他类目。当然，如果全店只做三个类目，那么可以把300万元都规划到这三个类目下。
这350万元肯定不是平摊给这三个类目，要根据实际情况分配。例如，根据历史数据，每年毛呢外套、毛衣、牛仔裤销售额占比分别是40%、40%、20%，那么250万元可以分给毛呢外套和毛衣各100万元、牛仔裤50万元。
假设根据历史数据和实际情况，毛呢外套外套转化率大概是0.8%，客单价大概是280元，毛衣转化率大概是1%，客单价大概是89元，牛仔裤转化率大概是2%，客单价大概是79元。
当然，这些规划的数据一定要参考过去历史数据和今年的实际情况规划好，否则，如果这个地方偏差大，那么整体也会偏差很大。
根据销售额、客单价、转化率，我们就可以推算出每个月需要成交多少件、每天需要成交多少件、每月需要多少流量、每天需要多少流量。
例如，我们要完成100万元的毛呢外套销售额，而毛呢外套的客单价是280元，那么意味着一个月需要卖大概3571件左右，一天需要卖115件左右。因为转化率是0.8%，有了这个细分拆解数据之后，我们瞬间感觉轻松多了，毕竟每天卖100多件对于很多店铺来说是很简单的，只需要想办法做到日均1.4万个左右的流量或者卖115件左右的毛呢外套就可以达到毛呢外套的目标销售额。同样，也可以推算出毛衣和牛仔裤每天需要多少日均销售量和日均流量。
要做115件/天的销量，可以继续拆分，因为最常见的有免费流量和付费流量这两个渠道，假设根据历史数据和实际情况得出免费流量渠道销售一般会占70%的销量，付费流量渠道销售会占30%的销量。当然，这个数据要根据你的历史数据
假设根据历史数据和实际情况，一般免费流量渠道销售占70%的销量，也就是说，每天需要有大概81件左右的销量来自免费流量渠道销售。
免费流量渠道又有很多的细分渠道：
例如最常见的有手淘搜索、手淘首页、生活研究院、其他流量等。
这几个渠道的转化率和销量占比都是不一样的，所以要根据历史数据和实际情况评估和预算。
假设按照历史数据和实际情况，
我们可以根据这些把每天的销量分配到这几个渠道，分别是手淘搜索渠道大概需要每天成交33件，手淘首页渠道大概需要每天成交25件，生活研究院渠道大概需要每天成交12件，其他流量渠道大概需要每天成交11件。
根据每个渠道的转化率可以推算出它需要的流量。例如，在1%转化率的手淘搜索情况下，要成交33件大概需要3300个流量，
也就是说，要想达到100万元的毛呢外套月销售额目标，需要每天手淘搜索流量3300个以上、成交33件以上。
用同样的方法可以推算出其他流量渠道需要的日均流量，有了这些数据之后，要做的就是如何完成这个日均目标。
如果规划预算和实际结果差距非常大，这就是因为他没有很好地了解他的产品和根据实际情况规划每一个渠道的销量占比和转化率。
例如，有很多店铺是基本没有手淘首页流量的，那么在规划的时候就不能规划，或者要规划得很少，而不是直接像我的案例一样规划成30%。
做这种数据规划，一方面依赖于经验，一般经验越丰富，特别是长期从事一个行业，你基本上也就很清楚地知道每个渠道大概会占多少销量、会有多高的转化率。
另一方面，要学会分析历史数据，这也是为什么我经常说要保存我们店铺的历史数据的原因，因为很多预测和分析需要参考历史数据，然后要根据实际情况调整，在日常的运营过程中，要学会总结和发现规律，这些都会变成后来的经验。
而且最关键的是可以帮助你总结，总结哪些地方做得比较好，已经达到了目的，哪些地方做得不够好，没有达到预期，做得好是什么原因，做得不好又是什么原因。
先放一张电商行业的指标体系图，很经典的“人货场”+互联网
1.场景
按照场景，如果是运营经常会分析四类场景：
2.指标体系
上述4种场景，前3种是“点”分析，遇到问题了/发生事情了，就通过数据分析的手段来找出原因，监控结果。而如果将运营分析的工作都连接起来，形成一个体系，就是“面”的分析。比较成熟的做法是搭建运营指标体系。
以分析体系最为复杂的互联网电商公司为例，来逐一分解，哪些数据需要分析，怎样分析，分析的价值是什么。
电商类公司的收入是由一个个订单堆出来，由用户购买相关的商品或服务产生，可以说用户和商品或服务为订单的两大基本元素，公司收入下降、增长、异常最终都可以追踪到用户与商品这两大元素上。这样我们将收入相关的数据拆解为三大类：用户、商品和订单。
一、运营模块
从用户的消费流程来看，可以划分为引流-转化-消费-存留。我们一般将用户分为新老用户，无论新老用户，都会关注两块内容，一个是引流（拉新），一个是转化，最终以数据的形式体现出来，就是流量与转化率。
引流
通过分析PV、UV、访问次数、平均访问深度、跳出率等数据来衡量流量质量优劣。目的是保证流量的稳定性，并通过调整，尝试提高流量。
进一步，按照流量结构还可分为渠道结构、业务结构、地区结构。
在渠道中，流量可来自于自主访问、搜索引擎、淘宝付费、京东付费等等。按设备可分为PC渠道和APP渠道；按照付费与否可分为免费流量和付费流量。有人会通过渠道流量占比来分析各渠道的质量。下面的折线图可以对各渠道的流量情况进行追踪，分析占比不合理是短期内出现的，还是长期存在的，辅助问题的分析。仅仅根据流量情况来衡量质量是不全面的，需要配合转化率和roi。
按地区划分，这个很好理解。
按照业务结构，最典型的比如举办一场活动，例如双十一，可定要对活动的流量追踪。观察活动前、活动中、活动后的变化情况，评估活动效果。
转化
完成引流工作后，下一步需要考虑转化，这中间需要经历浏览页面->注册成为用户->登陆->添加购物车->下单->付款->完成交易。每一个环节中都会有用户流失，提高各个环节的转化率，是这一块工作的最核心，转化率的提升，意味着更低的成本，更高的利润。
转化的分析：
1.观察各环节转化率，分析其合理性，针对转化率异常环节进行调整
2.追踪转化率变化，用于异常定位和策略调整效果验证
3.观察各渠道转化情况，定义渠道价值，并依此适当调整运营策略
4.分析各环节转化周期，分析用户习惯，为制定运营策略提供依据
最直接的分析成果就是转化漏斗。
留存
通过各个渠道或者活动把用户吸引过来，但是过一段时间就会有用户流失走掉，当然也会有一部分用户留下来，留下来这部分用户就叫做留存用户。关于留存，这里要关注的就是日活和留存率。
关于留存，无非就是：
1.日活监控，观察用户活跃数据，分析日活健康度
2.观察存留规律，定位存留阶段，辅助市场活动、市场策略定位等
3.对比不同用户、产品功能的存留情况，分析产品价值、辅助产品调整
复购
有调查数据显示，一个满意的用户会带来8笔潜在生意，不满意的用户可能会影响25个人的购买意愿，可见回头客多么重要。
复购率可以分为“用户复购率”和“订单复购率”，此外，“用户回购率”意义与复购率相似，也在此范围内。
用户复购率＝单位时间内：购买两次及以上的用户数/有购买行为的总用户数
订单复购率＝单位时间内：第二次及以上购买的订单个数/总订单数
用户回购率＝单位时间内：有购买行为的老用户数/有购买行为的总用户数
分析复购率的目的：
1.综合指标展示，分析用户黏性，辅助发现复购率问题，制定运营策略。
2.横向维度(商品、用户、渠道)对比分析，细化复购率，辅助问题定位。
流失
流失是无法避免的，但也有可以挽留的。
流失可以分为
关于流失的定义，各公司定义不同，可能是7天内没有登陆行为，也可以是几个月之内没有交易行为。（回流率＝时间周期内流失的再回访的人数/时间周期内流失的人数）
关于流失的常规数据监控，一般都是和存留一起的，本身两者也是分不开的。单独针对流失的，最多看到如下图样式的监控：
再者，流失率结合存留率也可以评估渠道的价值。
二、销售模块
1、指标跟踪：销售模块中有大量的指标，包括同环比、完成率、销售排行、重点商品占比、平台占比等等，可以从人、货、场三个视角进行分析跟踪。
2、店铺分析：具有小b级用户，或者入驻平台式，需要针对各店铺经营指标进行分析，包括各店铺效率指标、完成率指标、业绩指标、客单价等，实现店铺价值评定分析。
3、销售活动管理：线上销售中，活动是非常重要的一块，从事前、事中、事后三个层面实现销售活动的闭环分析，其中包括事前投入分析、目标预测；事中用户参与度、客流分析、销售单分析；事后目标完成情况、活动对比、费销比、活动衰减度、活动爆发度等。
三、商品模块
1、采购管理：包括供应商数据分析、采购匹配度分析等。
2、供应链环节管理：供应链服务情况分析（响应周期、交货及时率、订单执行率）、管理指标分析（物资成本占比、客户投诉率等）。
3、库存管理：商品库存天数、存销比、有效库存比、库存周转率等数据分析。
4、重要指标分析：分析包括货龄、动销率、缺货率、结构指标、价格体系、关联分析、、畅滞销等分析指标，评判商品价值，辅助调整商品策略。
5、异常商品分析：包括对退货率、残损率、异常商品等数据进行分析，发现异常商品，及时处理。
四、用户模块
1、重点指标分析：包括新增用户数、增长率、流失率、有效会员占比、存留率情况等。
2、用户价值分析：根据rfm模型，再融入其他个性化参数，对用户进行价值的划分，并针对各等级用户进一步的分析。
3、用户画像：根据固有属性、行为属性、交易属性、兴趣爱好等维度，来为用户添加标签与权重，设计用户画像，提供精准营销参考依据。
具体怎么分析？
私以为数据分析的需求可以分为三类：
对于第1类和第2类需求，有用开源报表的、有用商用报表的、有用bi的、有写echart的也有用excel的。对于第三类需求，有用sas的、spss、python的、r的甚至有用c++的。
数据报表设计
具体怎么去分析？数据报表的魂在于上述的业务分析思想，跟随分析目标的牵引。
一个数据报表要能讲好一个故事。
背景：产生这样一个数据报表的原因是什么？源于最近一周流量下降的分析？提升交易额的决策探索？或是围绕二八定律筛选优质客户？
那么基于上面一个背景，就开始你的分（biao）析（yan）。比如分析流量下降，你假设有哪些可能的原因？又是基于哪些事实数据去验证的假设的正确性（注意数据清洗的说明，排除了哪些数据）。结论归因/（寻找）共性，建议和决策是什么？预计的结果是怎样？
做dasnboard，选用正确的图表，注意美观就行（图表的使用网上有一堆），至于动效（联动钻取）都是锦上添花的事。
公众号：数据分析不是个事儿
常年分享数据分析干货，不定期分享好用的职场技能工具。
我也待过大厂和独角兽电商公司，不说是谁了。他们那些高赞给的通常运营或者数据分析方法，都没有问题。然而，互联网死亡，第一核心是什么？
用户体验和用户痛点！
那么电子商务不过是整合传统商务，并没有改变商务的核心:买卖商品和服务。仅仅是，可以更加便捷，和统计目标客户群的需求喜好。
说一千道一万，一次交易的完成，消费者只关注两个核心(普通消费者)，质量和价格！
因此，数据和运营的前提是，你的经济体在这个行业，有核心竞争力！
你能做的商品服务，别人也能做，质量没有根本差别，那就是打价格战！
或者在质量和价格之间取得一个平衡，也能走起来流量，比如拼多多。
那么，一切数据分析和活动运营都是伪说！
消费者只要物美价廉的东西，企业核心竞争力自然回到企业生产力是否有行业优势了！
在生产力没有优势的情况下，大家只能玩差异化经营！这种差异化经营，也不过是伪的！除了个别行业，有准入门槛(政策，行业垄断，关系垄断)之外，没有什么是复制不了的。
互联网已经下半段了，消费互联网转向产业互联网。电商现在不过是传统行业，不是新兴行业。
考虑好企业核心竞争力是啥，数据分析和活动运营是如虎添翼，而不是老虎本身。
电商数据分很多种，具体需要分析什么数据，主要取决于你的岗位是什么。
如果是产品大哥，重点关注产品生命周期和迭代数据、客群反馈数据；如果是技术方面的攻城狮兄，需要分析数据运算法的优劣和合理性；如果是运营大咖，更多的关注的是销售数据，销售额等于流量乘转化率乘客单价，围绕这三个数据做分析。比如影响流量的因素有哪些，如何低成本过去精准流量等等。
强行喷一波，假装很专业……
这个电商应该考虑消费者的需求，
场景1-销售归因
用户从启动APP到最终下单购买，中间会有一系列步骤，最初的那个步骤可能是点击搜索框，可能是点击首页Banner图，也可能是点击收藏页面，总之是这个步骤让用户最终下单购买的，把这部分销售归属到最初那个步骤所在的模块就是销售归因。
这是电商平台非常重要的一个数据场景，他的作用是找到整个平台产生业绩的关键模块，然后有主次地进行改版优化。其次，通过监控销售归因数据的变化，也可以了解用户行为的变迁，比如2016年的时候首页推荐位的销售归因占比最大，因为当时用户网购的主动性还不够强，容易被广告引导，到了2018年，搜索的销售归因比重超过了首页，这表示用户网购的主动性变强了，原因可能是用户群体变了，也可能是用户习惯变了，总之你要开始优化搜索引擎了。
销售归因还有一个很重要的应用是根据销售归因比重的不同来调整品类的页面布局，举个栗子，对于女装，用户可能看到什么好看点什么，他们的购物意愿是被品牌、搭配、颜色牵着走的，那这个品类销售归因最大的可能是有很多靓丽硬照的推荐页面。
另外的品类比如母婴，用户的购物行为是主动且分层的，比如家有1岁娃的用户，看的是XL的纸尿裤和三段奶粉，家有三岁娃的用户，看的是婴幼童装和童鞋，那么这个品类销售归因最大的可能是明确指向商品的分类页。通过销售归因来优化不同品类的页面布局是很重要的数据场景。
要实现这个数据场景就需要分析师好好下功夫了，需要与开发沟通设计一套很好的轨迹埋点，从而准确记录用户的每一步跳转，也需要业务导向地跟产品经理或者运营沟通，从而敲定什么样的行为组合最终会把产生的业绩归到哪个模块。
场景2-转化漏斗
通过销售归因，我们知道APP里边哪个模块会重点促成用户的下单购买，然后呢？如何进一步分析？这个时候就要用到转化漏斗了。
把焦点放在APP首页，用户从浏览到最终下单，需要经过以下几个步骤：
以上每个步骤之间都有一个转化率，可能是1-2:50%，2-3:20%，3-4:5%，有了这几个数据，运营就有目标了，如何更好地优化页面，使每一步的转化率都高那么一点点，那么公司就能赚更多的钱。其次，通过监控转化率数据也能及时发现业务异常。
电商公司经常会把转化率做成实时数据，这样大促期间发现某个页面或某款商品的转化率不高才能及时针对性调整。
场景3-AB测试
不仅电商，这个数据场景其他APP也会用到，具体做法是发版前先切一拨用户，比如10%，再把这10%分两拨，确保这两拨用户的属性相近（很多时候是随机分配），然后发2个版本的APP，看哪个版本的APP数据表现更好，再把表现好的版本全量发布。
在电商公司，你看到的每一场促销的宣传页面，都是经过多次AB测试调出来的，一旦发现转化率不好就下掉上新的页面，确保展现在您面前的页面拥有最高的转化率。
AB测试是一个非常高频的数据场景，基本每天都会用到，因此很多大公司会把它做成一套系统，可以实时地看数据调整页面。
场景4-千人千面
这个就偏高端了，千人千面指的是每个用户看到的APP界面都是适合他的，或者说最能激起他购买欲望。举个栗子，一个25岁左右的男性用户打开APP更愿意看到的是NIKE、阿迪等运动潮牌，但对于一个35岁的男性，可能是车载用品，或者名牌商务男装更吸引他，千人千面能够最大化APP的转化率，从而极大提升销售额。
要实现这个数据场景需要数据分析师在用户标签方面下很大的功夫。
场景5-销售预算
电商公司每个月都会做预算，预算关系到这个月要备多少货，关系到货值的合理安排从而在大促等关键时刻货量充足，作为一个数据分析师，合理地预估每个月的销售预算是很考基本功的。
做预算需要回溯过去的数据，比如同个时间段，或相同级别相同类型的促销活动，需要尽可能地把每个大促的节奏考虑进去，同时需要把每个时间点的销售情况都考虑仔细。
这一块很多电商公司都是人为用Excel计算，相信未来在自动化方面有很大优化空间。
场景6-商品比价
很多电商公司会频繁搞促销，而每次促销都会宣称自己的商品是全网最低价，怎样做到全网最低价呢？这就涉及到商品比价这个数据场景了。
很多电商公司自己会有一个比价系统，这个系统的作用就是不断去爬取各大电商平台商品的价格，通过外网比价来制定价格策略。比如你要打一个单品，为了冲量你必须做到全网最低价，于是这个系统就派上用场。
除了外网比价还有内网比价，也就是将当前商品的价格跟过去不同时间段进行对比，通过内网比价相应地调整货品策略，比如将更具价格优势的商品进行更多的曝光，同时调低价格高商品的曝光，这就可以避免商品卖得比过去贵消费者不买账的情况。
价格分析是电商公司重要的数据场景，怎样制定一场促销的优惠政策，是用满几件减多少钱，还是发折扣券，还是满多少钱减多少钱，还是买一送一，如何在吸引用户的同时确保毛利不受影响，都免不了做一番数据分析，于是数据分析师的作用就体现出来了。
送人一赞，手有余香~
恬不知耻放上我的公众号，每周2-3更，踏实写干货
哪个大神不是从菜鸟过来的？所以题主你0基础不用怕，就怕不用心学或者学习方向错了。
其实数据分析，重点是要了解数据之间的关系和逻辑，这样遇到问题才知道要看哪些数据，做到有的放矢。
这么说你可能没有什么概念。简单，举个例子让你瞬间明白数据分析的重点为什么是要理清数据之间的逻辑。
你把这个当成追女孩子，理解就很简单了。怎么追？
你要做几件事情：
1.扩大交际圈，认知更多的异性，这样找到喜欢的人的概率才会更大。主动一些，多约多交流。总能有意中人。
2.找到意中人后，需要了解她，了解能了解到的她的一切。然后想办法，找机会，各种主动约。
3.当然也得掂量掂量自己实力。比如颜值、才华、有没有钱、兴趣爱好，谈吐等等。
长的丑的找大明星，这个就不可能
然后约的时候，也得把自己梳理的干干净净的。
以上只是举例说明。。。
讲了那么多，其实对应到电商分析上，也就是这三点：
1.扩大交际圈，认知更多的异性：你得去分析市场，也就是对产品市场整个大环境进行分析，明确以你目前的情况，可以切入哪部分的市场，且在哪个市场里更有机会脱颖而出。
2.了解竞争对手：即分析同行的经营状况，学习的同时也能看到自己的发展空间。同时可以针对同行变化做出针对性调整。
3.掂量自己实力，拾掇好自己：这个叫评估自己实力。比如店铺的转化率怎么样、产品有没有竞争力，视觉水平如何等等。
好了，以上都是前菜。明白这个道理后，下面开始上干货：
1、市场分析
市场分析即对你产品所在的整个大环境进行分析。分析包括市场容易多大、利润多少、以你的实力能挣取到多少流量。也就是判断一个产品能不能在淘宝卖。
那么如何去分析呢？一共三步：
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。
3）寻找细分市场
思路如下：
a）到你做的类目当中找细分类目，拿子类目关键词去搜索相对好做的关键词。
b)在行业粒度，看子类目中，竞品流量，关键词，成交量，利润。
c)在淘宝搜索框搜索关键词，看类目是否有主流品牌，价格带利润分析，销量分析。
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。
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：
1、首先把产品的1~3个主要的核心关键词，拿到生意参谋搜索词查询里面搜一下， 看看行业大盘搜索量、转化率有没有变化，有的类目受季节因素、地域因素、节日因素影响;
2、打开生意参谋流量地图，或者市场行情行业粒度，看下是哪个流量来源下滑的，然后有针对性的具体分析。付费流量下滑去分析直通车钻展和淘宝客。免费流量下滑去分析自然搜索和猜你喜欢等;
3、分析近期竞争环境变化。如果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链接，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;
4、分析自己链接近一周的转化率波动、日产出波动、加购收藏量波动，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。
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。针对电商数据分析这个话题，实际上如果没有业务逻辑，业务背景的话，是无法进入电商数据分析领域的。数据分析本来就很重视业务层面的东西，如果连业务都不懂，自然就无法分析什么。
很多时候，我们在做运营的时候，就已经知道要做哪些事情，比如写标题，比如报活动，比如分析竞争对手的单品操作数据等等，只不过数据分析师比较专业而已。
我自己平时也会写一些电商数据分析方面的文章，虽然写了十几万字，但也不见得已经把电商数据给写全，因为我知道，学无止境，数据也是无止境。
既然说到这方面的文章，我现在就摘取自己知乎专栏上一篇相关文章的其中一部分内容进来方便观看。如果您不喜欢，可直接忽略。
商业智能数据分析师，花随花心。
大家好，我是花老师。今天，这堂课是整个PBI系列的第05课，核心关键词正如本文名字一样，京东、词根分析、时段流量。当然，这么讲肯定是不好理解的，不过没关系，稍后我会好好给大家分享。
还没有看过上4堂课的同学，要记得提前预习，文章名如下：
《PBI系列 车图 色彩搭配 数据分析 01》花随花心著；
《PBI系列 竞品评论 流量 词云分析 02》花随花心著；
《PBI系列 快选 人气新品池 品质档 03》花随花心著；
《PBI系列 天猫国际 搜索 属性分析 04》花随花心著；
那么，接下来，就让我们正式进入主题。
正文
实际上，真正的词根数据，必须进入到京东后台获取单品数据之后才能分析出来，不过呢，我最近发现，实际上通过评论数据结合词根数据，也是可以看出来一个产品标题当中，究竟哪些词根是买家真正关心的。
这个方法不仅仅适用于京东，也适用于其他电商平台。那么，原理是什么呢？我们先来看看今天的案例效果图，如图所示
数据源来自关键词【红酒】搜索结果页，销量Top10的评论数据，每1款单品的评论数据下载了100页，也就是总共1000页数据，由于每1页数据有10条评论，因此整体算下来就是10000条评论数据。当然，去重之后，可能稍微会少一些。
我这里要说明的是，为什么要100页数据，一个是因为软件在这个功能的下载速度还可以，另外由于我们没有直接查到单品的词根数据，因此务必让数据源来的更可信一些。
至于是软件的哪个功能下载的数据，如图所示
上面案例图当中，一共有4个图，第1个图是某一款单品的词根以及这些词根在Top10全部评论当中的占比情况，另外3个图，都是Top10的整体宏观数据。
这个图表的好处是，只要自己喜欢，随时可以更换词根，以及更换单品。不足之处在于，我只做了一个产品的词根，毕竟时间有限，大家自己应该懂的。
先让我们来好好看看这个产品，实际上每个产品的标题，都写的很饱满，但究竟哪些词根是买家真正关心的，实际上我们光看这个是没法知道的。这里牵扯到一个问题，为什么要找出买家关心的词根？是为了流量吗？
答对了一半，我更关心的，是最重要的词根可以拿来做主图要表达的重点。正如上面案例图所示，如果说除了红酒这个词根之外，6支装这个词根是频数占比最大的，那么我就会在主图或者短视频里头，不断表达这个卖点。
这个也许才是这篇文章的价值所在吧。话不多说，我们继续来看看这个案例当中的几个图有什么用途？
词根频数对比图
通过词根频数对比图，是不是可以很容易知道竞品的标题，究竟哪些词根才是重点？除了红酒、葡萄酒之外，另外一个最重要的词根就是干红。因为我们的数据是来自于评论数据，因此如果买家没有反复提到这个词，是不是这个词出现的频数就没那么多了，反过来说，是不是这里的词根频数越大，说明在买家评论那里出现的频数越大，也就是越强调这个卖点。
由于红酒这个类目的标题词根比较少，来来回回就是那么几个，如果换成非标品，比如服饰鞋包，那是不是又不一样了？
当然，只要大家喜欢，可以每日下载数据，然后自动刷新，那么这里头的数据就会越来越多。由于我这个图表已经做了自动去重，所以不用担心数据会重复。
时段流量趋势图
这里的时段都是买家评论的时间节点，既然有时间来评论，自然有时间购物。因此，也可以看做这个类目下大部分买家一般购物的时间节点。为什么数据可以这么靠谱，就因为数据源来自Top10单品总共10000条数据，当然我说的是红酒这个关键词的市场数据。
很明显，基本上在16-18点这段时间是买红酒的高峰期，从上午到中午这段时间的流量还不如晚上，说明晚上我们的广告投放应该是重点。
会员等级，可以看出来一般来说在买红酒的人当中，究竟这些人的购买力如何，很明显，占比最大的是铜牌会员。如果对京东购物了解的同学，应该知道铜牌会员代表支付了多少金额，说实在的，我平时很少上京东。
终端使用占比图
可能平时喜欢用苹果的人更喜欢去京东购物吧，这能说明什么呢？购买力？还是品质追求？我不知道，我只知道，赠品可以送点什么，手机壳？大家可以自己猜想。
希望我今天的分享能对大家有所帮助，谢谢！不废话，关注知乎专栏花随花心，送数据分析工具箱！
电商平台应该分析哪些数据呢？又该怎么去分析呢？下面我们一起来了解一下。
1.总体运营数据：从流量、订单、总体销售业绩、整体指标进行把控，对自己运营的店铺数据要了解，到底运营的怎么样，是亏是赚。 2、买家用户行为数据：不同属性的用户，兴趣与审美观念以及消费能力会有不同。我要做的就是要对这些数据进行统计分类。再通过该数据分析和了解客户特征，了解客户特征，为客户维护和回购刺激提供决策依据。 3、网站流量指标：顾名思义就是对网站的访客进行分析，看一下跳出率和访问时间等，分析访客对网站哪些页面感兴趣等等。可以根据这些数据对网站内容和排版进行改进。
4、推广投入数据：做电商运营少不了会在推广平台中投入一部分资金，我们要对付费推广平台的数据进行统计，看一下这些平台导入到我们网站的流量效果，决定后期是否继续投入资金。
5、销售转化数据：分从下单到支付整个过程的数据统计，可以帮助运营人员提升商品转化率。
6、竞争对手数据：知己知彼，百战百胜。我们可以分析比我们做的好的竞争对手标题、店铺设计以及促销活动等等，对我们自己的平台进行改进。从而提升店铺流量和销量。
7、商品数据：这里所说的数据主要是指商品种类，畅销产品、滞销产品等等，分析哪些商品同时销售的几率比较高，而进行捆绑销售，提高产品销量。
8、市场营销活动数据：促销活动必不可少，比如每年的节假日、店庆等等。这时我们要统计分析活动给网站带来的效果，确定后期是否再继续此类活动。
9、售后相关数据：电商类平台售后的相关数据也不能忽视。比如差评、退货退款等等。我们要了解出现此类状况的原因，研究对应的解决方案，毕竟买家的一个差评，就会拉低店铺的整体形象。
通过数据化来监控和改进，通过数据分析用户，可以看到用户从哪里来、如何组织产品可以实现很好的转化率、投放广告的效率如何等等问题。不过，具体问题还要具体分析，我们从自己的侧重点制定自己的数据分析体制。
前面大佬们讲了很多，我就讲讲直通车应该分析哪些数据和怎么去分析 。
做为淘宝卖家直通车是必不可少的推广工具，解读直通车报表是第一步，没有能力通过数据报表发现问题，形成解决问题的思路，是不可能把直通车开好的，下面就讲讲如何解读直通车报表。
一、报表的查看方式
打开直通车报表选择日期段过去30天，转化周期15天累计数据，设置报表自定义这里有个小口诀叫22411，什么叫22411呢？
花费设置2个：花费、平均点击花费
展现点击设置2个：点击量、点击率
转化设置4个：总成交金额、总成交笔数、总收藏数、总购物车数
点击转化率设置1个：点击转化率
投入产出比设置1个：投入产出比
这就是直通车整体报表的设置方法，把最为完整最为重要的10个指标都设置好。
接着来看下整体报表的点击量和PPC如何，可以看到点击量的趋势在600上下波动，PPC在1.8元上下波动，整体30天趋势是一个稳步的状态，既没有变好，也没有变坏。
这就是一个整体的一个趋势分析，这里我总结出了9种情况，点击量和PPC都有三种可能，反应着你整体趋势的好坏。
点击量上涨，PPC上涨：坏
点击量上涨，PPC持平：好
点击量上涨，PPC下降：好
点击量持平，PPC上涨：坏
点击量持平，PPC持平：稳定
点击量持平，PPC下降：好
点击量下降，PPC上涨：坏
点击量下降，PPC持平：坏
点击量下降，PPC下降：好
这就是整体报表趋势反应的情况，情况好的时候可以不用管，情况坏的时候你就要去分析了。
二、报表的数据分析
1. 趋势分析
点击量分析：持平
PPC分析：持平
转化率分析：从图上可以看见，整体的转化率在1.04左右波动，慢慢的到昨天跌入了0.49，是不是转化率就真的在下滑呢？
这里就要说到转化周期的概念，昨天的点击其实还没有转化完成，0.49并不是一个准确的转化率，因为昨天的点击在今天还会转化，明天还会转化，过两天再看它是上涨了的，所以这就是昨天转化率下跌的原因；看到这样的下滑曲线时暂时不要管，属于正常情况。
ROI分析：ROI=转化率*件单价/PPC，上面已经分析转化率是持平的，PPC也是持平的，件单价是保持不变的，那ROI肯定是持平的。
也可以通过ROI和点击转化率做个对比，他们的趋势基本上是一样的，原因就是PPC是稳定的。
通过整体的趋势分析，说明这个店铺的近30天的数据是保持稳定的。
2. 定性分析
ROI是多少？趋势如何？
ROI=3.76，通过以上数据分析最近30天数据持平。
ROI的盈亏平衡点是多少？处于盈利还是亏损？
投产比盈亏平衡点=（1/毛利率）+0.2，这款产品的毛利率是40%，也就是1/0.4+0.2=2.7，所以投产比的盈亏平衡点就是2.7，整体的ROI是3.76，整体是处于一个盈利的状态。
总结：首先分析点击量、PPC、点击转化率、ROI整体的趋势是如何的，再根据ROI盈亏平衡点的公式计算出盈亏平衡点和整体的ROI作比较，就能明显的看出店铺的是处于亏损还是盈利的状态。
加微信一起交流分享淘宝经验。
淘宝开店和实体开店最大的不同就是营销推广的套路不同。其次淘宝开店还会涉及到数据分析。这个是重中之重。无数据，不电商！
一个合格的运营。每天都需要不断分析各种数据。保持店铺稳定，良性发展。那么具体应该如何分析数据呢？
今天主要分享基础数据分析，竞争对手数据暂时不分享。
首先要利用的就是生意参谋。
很多人问我店铺层级应该怎么突破。需要多少销售额？
如上图，c店是可以直接看到突破下一层级需要的销售额。这里只需要计算出自己30天内销售额的总和。就能知道自己离下一层级还差多少销售额。
但是天猫店铺就不一样了，天猫不像C店可以直接看的，只能看到大概的百分比。 具体数额需要我们去估算。
怎么估算呢？首先同样看到运营视窗。点开支付金额。按照我箭头右下角的框。先计算同行同层优秀水平30天内的销售额总和。（因为如果要突破层级，销售额是从0-平均-优秀-下一层级，那么你需要的销售额肯定至少要比优秀水平总和大一截）
另外还可以看到访客数，同行可以看到你与同行同层平均和优秀水平的差别。
这里重点讲几个数据
1、支付转化率
如果你的支付转化率是有上升趋势的。那么没有问题。如果说支付转化率曲线向下。那么这个时候就要注意了。因为转化率是根据自身产品来的
根据你的价格区间，你的人群，你的行业竞争
比如你是卖500的价格，同行卖的都是200左右，那么他们的转化率肯定是比较高的。那么排在平均以下就不足为奇。但是如果曲线向下。有两种可能
1、同行在和你竞争流量和订单
2、人群出现了问题
接着往后面的数据走，后面比较重要的数据有两个，一个是加购人数，一个是收藏人数
这里其实是可以算出我们的加购率是否合格，在哪根基础线上。在之前我们知道了自己的访客数，知道了同行同层平均的访客，以及优秀水平的访客数。
现在又知道了自己每天的加购人数，同行同层平均的加购人数，优秀水平的加购人数。
而加购人数/总访客=加购率
那么同层同行优秀的加购率，同层同行平均的加购率，我们自己的加购率不就都出来了。
这样就可以知道自己的加购率在哪个水平线上。需不需要补数据。
这样大家注意两个点
一、低客单，顾客的祘购买比较高，侧重看转化率是否高于同行同层平均。
二、高客单加，转化周期比较长，如上图店铺，主要侧重看的就是加购和收藏的数据。
收藏率也可以用上述加购率的计算方式计算，
因为你一定要记住：目前你最需要竞争的就是你的同层同级的竞争对手，而不是比你高一层级或者低一层级的。
我们店铺是在和同行同层在竞争！请一定要理解这个竞争规则，淘宝给每个层级，每个信誉的展示窗口都不一样。
所以很多人一进淘宝就把竞争目标瞄向月销几千几万的产品，我可以肯定的告诉你，你竞争对手都找错了！
那么这里接着往下面看
这里数据可以自由选择一天，一周或者是一个月。通过一个数据整体概况知道自己一个店铺的一个情况，从这个数据就可以看出“我的淘宝”和“购物车”的转化率是最高的，自然搜索转化还行
像跳失率，人均浏览量，平均停留市场。只要箭头向上或有一点向下波动不大都不用太在意，真正你要在意的是右下角的关键词以及转化率！
这里你用生意参谋的市场行情去看数据 那些转化是超过行业平均的 那些是行业平均之下的
超过行业平均的对你的产品来说就是一个很好的词，你要重点去维护好，如果转化偏低的，也要去补单。很多人不知道刷单应该刷哪些关键词，有关键词进店了也不刷销量。这样怎么去维护好关键词的权重呢？
接着往下就是你的访客转化和收藏、加购的转化了
下面这个点就很重要了
客单价分布，很多淘客做多了的店铺，这里的数据是乱的。所以我们就算要推销量，淘客也不要推太多，要不然人群标签肯定会乱！
接着往下
竞店流失
如果店铺流失超过100%,这个店竞争就很大，比较难做起来。流失超过50%还是个小爆款。
100%是哪里的数据呢？
成交金额：你成交了100元，流失了100元，流失100%
道理很简单，你的店铺产品综合竞争力不敌对手，流失的店铺你就要去分析他，学习他，分析他不足的地方，你可以改进。学习他好的地方，这里数据内容点比较多，而且复杂，这里就不一一阐述了。
还有很多的细节，因篇幅问题，无法详细，请见谅；如果哪位朋友对本文，还有哪里不明白，欢迎评论或私信咨询我，我会第一时间帮助你传道解惑。
我在知乎专栏文章中分享过很多关于“淘宝运营”的内容，如果感兴趣，可以点击下方链接学习
花和尚撩电商
关于“花和尚”：
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，整理一套完整的、高效的淘宝实战课程，帮助淘宝卖家快速成长、少走弯路！
如果你对电商感兴趣，可以给我留言，我会免费送你一套VIP弟子班视频；相信，你一定会受益匪浅。
如果你是淘宝卖家，可以加入我创建的千人卖家社群一起学习、交流、探讨（无广告）；私聊我回复“社群”，即可获得入群方式！
最近找到了一个数据可视化东西，BIT超级数据剖析渠道，它整合了淘宝、京东、阿里云、鹰眼数据等外部数据运用，大大节省了数据搜集的时间，并且操作简略，还有许多免费的职业模板能够运用。这是我在上面运用的一组模板，就是剖析店肆会员的，你能够参阅一下。