电商运营要关注哪些数据？如何获取这些数据？ 爱开淘 七月 18, 2019 业务发展 15 评论 2215 围观 以天猫平台为例。类目总流量，平均转化率，新客户成本，ARPU, 小到单店的PV、访问深度等等 所有的这些数据哪些是要做好分析的？
评论 ( 15 )
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。
具体的获取方法有阿里的品牌数据银行与数云的大数据银行。
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。
Kent 用户消费指数分析
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。
专业做电商数据分析，下面举个例子来讲一下
本案例所用的练习数据集，采集自淘宝生意参谋家居行业下胶棉拖把类目中的从 2016年 3 月到2017 年 3月的数据，如下图所示。
拿到数据集后要先观察，了解这个数据集的字段。
日期：观测值产生的时间
搜索点击率：统计日期内，从搜索结果页面点击到商品详情页的点击数/搜索结果页的浏览量，即搜索结果中用户点击商品的比率
交易指数：根据统计周期内支付金额拟合出的指数类指标。交易指数越高，表示交易行为越多。
支付金额：买家拍下后通过支付宝支付给您的金额，未剔除事后退款金额，预售阶段付款在付清当天才计入内。所有终端的支付金额为PC端支付金额和无线端支付金额之和。特别说明，支付渠道不论是电脑上还是手机上，拍下为电脑上，就将后续的支付金额计入PC端；拍下为手机或Pad上，就将后续的支付金额计入无线端。
搜索人气：根据统计周期内的用户搜索人数拟合出的指数类指标。搜索指数越高，表示搜索人数越多
卖家数：截至所选日期当天，店铺状态和商品状态均为有效状态的卖家数。
数据是有格式的，时间维度是【年月】，本案例的时间粒度是【日期】，计时单位不同，格式也不同。【年月】字段是文本格式，【日期】字段是日期格式，格式不同处理的方式就不同。我们现在拿到的数据集是【日期】格式，以（天）为单位统计的观测值。这种以时间为单位的观测值，在分析的时候，可以灵活改变观测的时间度量。
第一步、明确分析目的和内容
目的：分析胶棉拖把行业的交易情况。
第二步、数据收集
第三步、数据处理
数据处理，和第一篇的操作过程一样。结果如下图所示。
我们可以发现，行标签是以【年】为时间粒度来观测的。在时间序列分析中，根据不同的分析需求，需要对时间单位进行转换以达到最好的分析效果。如果以【年】为粒度，信息图就会显得很短促，如下图所示
我们不妨把观测的时间粒度转换成【月份】，在图表右下角单击【+】号。效果如下图所示，按月份展示数据就有了可读性。
第四步、数据分析
通过上面这个信息图发现【胶棉拖把】是一个相对比较平稳的类目，它的优点一个爆款可以存活的时间不受季节性的影响，可以生存很久，说人话就是一个爆款吃三年。恰恰优点也是缺点，没有很明显的风口，所以相对来说比较难以切入，因为市场爆款已经形成稳定。这种市场前期推广费用比较高，流量和销量都少。这个行业有一家旗舰店为了打造爆品，通过淘宝客，直通车，聚划算和淘抢购，亏本赚吆喝，大约两个月形成爆品，估计这两个月亏损20万左右，随后通过爆品引流，将全店盘活。
这种行业恰恰和服装行业就形成了鲜明的对比！我们看下图：
通过信息图我们不难发现，【毛衣】是一个具有明显季节性的类目，其销量从 9 月开始快速增长，到 11 月达到最高，12 月销量开始下滑，2 月开始退市。根据这些特征，可以把毛衣的市场趋势划分成 5 个区间，分别是入市期、增长期、爆发期、衰退期、退市期，如上图所示：
入市期：此时流量和销量都比较低，产品是小批量生产，成本较高，市场推广费用高。但在这个时候进入市场，可以优先在销量增长期到来之前准备好产品的基础销量和评价，可以快人一步抢占市场份额。这个阶段心态非常重要，不能急躁，建立在做好市场细分和分析，并且对市场有信心的前提下，坚持低投产的运作。
增长期：此时需求开始快速增长，销量和利润也随之快速增长，也可以在这个时候入市，此时竞争环境良好。
爆发期：此时需求达到顶峰，很多竞争对手涌入，竞争环境恶劣。
衰退期：此时需求开始下降，大多数人已经买好了，商家开始清库存，竞争环境恶劣。
退市期：此时产品过季，需求极低，连清仓都难，产品退市。
因此可以看出，具有季节性的行业对运营节奏的把控要求极高。
除分析【成交商品数】外，在数据集中还有很多字段可供分析。
字段与字段之间也可能存在关系，而不是完全独立的。例如，浏览量/访客数=平均访问深度，成交商品数/访客数≈转化率（单个访客可能会购买多个商品），成交商品数?客单价≈成交金额（单个访客可能会购买多个商品），成交商品数/成交店铺数=平均店铺成交量。
下面我们尝试对数据做运算分析。
先选中数据透视表，单击【数据透视表工具】-【字段、项目和集】-【计算字段】命令，
如下图所示。
敲入公式：加购人数/访客数=加购率，如下图所示。
点击确定之后，如下图所示，将加购率所在的C列转换成百分比显示格式：
随后再将加购率的精度设置到小数点后两位
如果我们想把两个不同量级的维度进行对比，例如【访客户】和【加购率】，如下图所示。
那么这个时候可以使用组合图。选中数据透视表，单击【插入】-【组合图】命令，如下图所示。
结果如下图所示。
上面只是简单举个小例子，我这边主要做的有：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。
有想合作的可以找我交流，有这方面的需求的也可以找我交流
想获取电商平台的销售数据，可以联系魔镜市场情报，在http://moojing.com上留言~
魔镜市场情报的MMI系统，可以查询淘宝、天猫、京东、苏宁、国美、拼多多等电商平台所有类目的销售数据：
确定平台后，可以选择具体感兴趣的类目：
比如我们选择“女装/女装精品”，可以查看该类目的销售趋势、销量对比、价格分布、省份列表、子类目列表、品牌列表、店铺列表、宝贝列表等信息。下面是销售趋势：
价格分布如下，也可以自定义价格区间：
省份列表如下：
子类目列表：
品牌列表：
店铺列表：
宝贝列表：
对于品牌，我们还可以看这个品牌的销售趋势：
品牌的价格分布：
品牌下的子类目的销售数据：
该品牌销售额TOP10的店铺：
该品牌销售额TOP10的宝贝：
如需要数据，请在在http://moojing.com上留言哦~
电商运营要关注的数据如下所示：
1、订单数据：每天成交额、客单价等
2、用户数据：新老用户的登录、购买情况等
3、商品数据 ：商品销量、库存、价格数据
4、流量数据：PV/UV、流量分布，访问深度
5、咨询数据：咨询数据也是关注的，转化率多少
6、推广数据：推广渠道的点击、转化情况，筛选核心渠道，新客户获取成本要尽量越少越好
7、营销活动数据分析
那么要如何来获取这些数据呢？
你可以去找一些采集工具，但是每一个平台都有反爬虫的处理，如果你用的采集工具没有定期的维护更新，那么你的采集工具多半是不能够用的，解决办法就是找一个靠谱的技术团队，长期的和他们合作，你可以让他们直接给你现成的数据，也可以让他们给你写一个工具，长时间的维护更新使用
这里简单讲下采集数据的原理
采集数据当然要用到爬虫，接下来我们拿爬取图片来举个例子
直接上代码
最终的效果如下：
这个简单的小例子应该能够让你对爬虫有个大致的了解
技术其实一点都不重要，重要的是如何利用好技术来帮助我们达到目的
如果你有了数据做支撑，相信你在电商运营上一定会事半功倍
我们这里有专门的团队在这个领域深耕，具体服务如下：
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等
如果你有这方面的需求，欢迎你过来咨询
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。其实不管是哪个平台，现在数据分析都是必备的一项能力。只不过说，要看数据分析师能不能解决实际问题而已。最终的执行，靠的还是电商运营。
我自己在大型企业做过5年电商运营，运营平时要看的数据，最关键的就那几个，支付金额、访客数、转化率和客单价，以及围绕这几个指标衍生出去的相关指标。
但是，最关键的就是支付金额，也就是团队业绩。我们看数据的目的，是要知道自己的在行业里头的位置到底在什么地方。
如果说整个行业的平均水平就那个样，那我们只需要再比别人努力一点点就可以了。涉及到如何分析这些数据的问题，首先是先熟悉业务流程。要能够熟悉流量获取的流程、页面转化流程，以及买家回购流程，以及各种营销手法。
如果是在大型公司的话，单独的电商数据分析师是必备的，但是如果是中小型企业，更多适合的是懂数据分析的电商运营。也就是说，对电商运营来说，数据分析是一种必备的能力，但是如何运营好团队，运营好店铺，运营好流量，这就是需要自己去摸索、去学习的。
本质还是资源的问题，电商现在的各种玩法的背后，就是要靠资源。无论什么玩法，没有资源匹配，都是玩不转的。如果是新手，基本上学了玩法也玩不转，除非能得到相应的资源。
另外，获取这些电商数据的方法，根本还是要靠平台提供。比如生意参谋就是其中最重要的一个平台，所有在电商公司做过运营的，或者自己的店铺做得好的，都对这个平台的数据非常重视。总之，先了解，先熟悉，懂业务，边学数据分析，这个才是正确的。
至于那些所谓的数据分析解决不了问题的，本质都是没学通，以为会点Excel，随便拿个数据指标忽悠人的就可以了。
希望我的回答能对您有所帮助，谢谢！
前言
忙了好一段时间，趁着周六，在星巴克写下这篇文章。最近断断续续更新了8节《PowerBIDesktop2019》的课程，目前已更新到“1.8 PowerQuery透视和逆透视”。
我相信，基本上把这套122节课学完，对BI的理解会更加深刻，数据处理能力也会至少提升10倍以上，在任何一家中小型公司，单从数据上来说，最起码也是数一数二的人才了。
当然，学无止境，坚持才是王道！
正文
今天要分享的是数据清洗，数据源由花随花心数据学习群同学提供，并且我会结合最近已经录好的8节课（PowerQuery）进行深入讲解。
从这些数据源的文件名字可以看出，大致可以分为以下几个部分，当然，有些内容有点重复，我就剔除掉了。
ü 产品热销榜单
ü 品牌详情
ü 品牌详情-商家交易榜单
ü 品牌详情-商品交易榜单
ü 行业大盘
ü 关键词点击榜单
ü 关键词交易榜单
ü 关键词搜索榜单
ü 品牌榜单(交易)
ü 品牌榜单(人气)
ü 商家榜单(人气)
ü 商品榜单(交易)
ü 属性分析(分类)
ü 属性分析(风格)
ü 属性分析(功能)
ü 属性分析(价格)
ü 属性分析(镜片材质)
ü 属性分析(框架材质)
ü 属性分析(脸型)
ü 属性分析(人群)
ü 属性分析(形状)
很明显，这些是某东上面的数据，所以这节课也属于某东数据分析的范畴。我们通过这篇文章，需要明白的是，如何利用PowerQuery将这些文件进行快速合并，提取，最终形成可以使用的图表。
直接进入编辑查询界面，在“开始-新建查询”这里，选择“新建源”，选择“文件夹”。这里，文件夹的名字可以自定义，我取名“数据源”。
之后，选择“编辑”，我们需要来好好处理这些文件。只保留这2列“Content”和“Name”。
根据前面所分类的那样，将这些文件进行仔细的分类。但是这里如果大家去实际操作的话，会发现无法顺利的按照我这边的分类进行操作，因为涉及到筛选的问题。如果之前有听过前面的8节课的话，应该还记得我说过的，当排序、筛选数据的时候，实际上往往前台和后台的数据是不同步的，需要进行一个操作才能实现同步。
之后，挨个给每个分类进行数据提取，这里采用M函数（Excel.Workbook()）即可。
提取之后，就可以直接预览里头的原始数据。进行一些必要的操作，诸如文本数字转纯数字等等。因为这里涉及到金额，带小数点，所以统一将所有需要进行计算的都转变成小数，其他的分类依次类推即可！
当然，使用M函数（Excel.Workbook()）提取数据的过程中，也有可能出现Error的报错提示，我们这里需要查明什么原因导致出错。
点击Error之后，发现提示“DataFormat.Error: 外部表不是预期的格式。”。然后我看了一下文件后缀名为“.xls”。于是，我改成“.xlsx”的格式之后，就没问题了。
但是改完之后，点击刷新是没有用的，需要我们手动来修改，跳回去“筛选的列”，将原先出错的文件进行重新选择。
之后，就可以看到数据已经导入进来了。说到这里，其实我建议一开始，就将所有文件格式保存为“.xlsx”，这种格式是官方认可的格式，只需要使用Excle的另存为功能即可进行转换。
但是，如果你要批量转换1000份Excel文档的话，那这里就非常不可行。怎么办呢？还好花随花心数据工具箱已经实现了这个功能。
不到30秒，这批文件就全部处理完毕。之后，重新替换到数据源文件夹里头的数据即可。但是因为之前我说过，为了保证前台和后台数据统一，我进行了一步操作，导致“.xls”已经进入源代码当中，所以只好重头做一遍，这个很不好。
其实也可以像上面一样，跳回去“筛选的列”那一步，然后调整其中的文件名，但是如果遇到的文件名很多，一个一个调整真的还不如重头再做一遍会更快。在这里也是一种建议，就Excel文档的格式，最好提前处理成“.xlsx”，否则数据处理过程中容易报错！
后经发现，属性分析的多个表格的字段名其实是相同的，所以干脆删除掉之前的分类，直接将所有属性分析进行合并，这样子的话整体处理起来会更快。
最终加载到Excel的表格当中，但是这样子是不够的，我们需要在一开始就直接把这些表格放在同个工作表当中，或者后期调整。那我这里就来个后期调整，将所有表格最终放到同个表格当中。
以此类推，这样子的话就可以在同个工作表查看所有的表格数据，并且一样支持自动刷新。那么这里有同学就问了，如果后期增加的表格越多，查找起来不是很不方便吗？
只需利用简单的查找命令“Ctrl+F”输入表名即可，自动会定位到第一行那里，那么下来的表格就是对应的表格数据。
然后，在这个基础上，我们结合数据透视表来操作即可，当然也可以结合PowerPivot，但是那是后面才学的，现在不需要这么麻烦。
先从产品热销开始入手，我们来看看数据源如何。经过我用PowerQuery的逆透视之后，数据现在从二维变成一维，方便我们结合数据透视表进行分析。
利用“值筛选-前10项”的命令，筛选出每个指标的最高的前30位产品，这里一目了然。并且，随着指标的变化，我们可以看到很多的不同的数据，如图所示。
如果你需要创建一些新的指标的话，建议在PowerQuery里头处理，这里我就不一一演示，以前讲过太多这方面的内容了。
由于这里的品牌详情具体是哪个品牌，已经被屏蔽，所以我们只需要懂这边的操作即可。基本上，通过前面的数据清洗，以及结合数据透视表，我们就可以做到多标签页展示不同的数据图表。这个有点类似于PowerBIDesktop上面的标签页，其实原理是一样的。
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！
大部分的数据，生意参谋等软件都已经提供了，再深一步的数据就需要自己把这些软件的数据整合，分析以后得出。
数据很容易得到，但是要知道数据干什么，为什么需要他，怎么调整才能优化，就会一个系统工程了，运营是和数据打交道的，但是更多的是和数据后面的工作有关，美工、客服、仓库、产品、行业动态等。
反对各种炫技的回答，一上来就是各种高大上的图表，各种脑图等等。
图表是很有借鉴意义，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，实际上可能都没想清楚自己在做什么，为什么这么做。
数据分析的重点，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，认识更多的异性：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：
现在分析电商数据，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。
· 标准版功能够用，专业版功能好用
· 资金允许的情况下，买专业版
借助【市场洞察】这个功能，我们可以实现以下功能：
我让同事帮我录了个介绍视频，如果你觉得文字抽象，可以点开视频看一下（约10min）。
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。
另外补充一点：生意参谋很多的付费功能，都必须要一钻以上才可以购买。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。
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。
—————————————
大概如下（如果要追究每个指标的作用和如何使用，故事就很长了）：
成交金额（GMV）
注册用户数
订单数
销量
销售金额
实付金额
日活跃用户数量(DAU)
月活跃用户数量(MAU)
订单数
销量
销售金额
实付金额
营销折扣比
退货退款金额
销量
活跃UV
UV价值
客单价
件单价
毛利率
下单转化率
购买转化率
支付转化率
商详转化率
次日留存率
7日留存率
30日留存率
次周复购率
商家入账金额
营销金额
毛利/运营补贴
营销ROI
供应商返点
SKU动销率
SPU动销率
新客/老客
新用户/老用户
——————————————
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~
近年随互联网普及；快递、网上银行、诚信系统等几方面的综合发展，电商日益显现出强劲的发展势头。
越来越多传统企业大规模进驻电商领域，结合自身特点及优势，不断涌现出适合企业自身发展需要的电商创新模式与应用。
除了大家熟知的天猫、京东在线购物平台；美团、饿了么生活电商，也有微信内的微商，拼多多等。最近还有不断持续加热的新零售、农村电商、社交电商等等。
电商火热之下，参与者越来越多，如何在众多电商玩家中脱颖而出，是每个电商运营者都不得不关心的问题。
电商发展到今天，已经不是品类缺乏，物流缓慢，操作复杂的那个时代了；你会发现，现在在互联网上，走在路上，分分钟下个单，几个小时就能东西送到家，外卖配送甚至10多分钟就到了。
因而，现在电商化时代。需根据数据来指导团队精准化运营。那么作为电商运营者如何借助数据指导自己的运营？
通过和很多电商运营团队接触过程中发现，很多团队是缺乏数据驱动运营的经验和意识的。
很多人片面以为：产品好，自然卖的好；有个商城，广告打出去，自然就有人买；或者别人什么卖的好，我们就卖什么等等。
那么在开篇之前，先问下各位：
有多少朋友做过电商运营？
你们在做电商运营过程中会关注哪些数据？
很多电商朋友可能只关注这几个数据：用户量、订单量、商品利润、广告转化成本等。
其实上面的数据，有些只是最终的结果。
其实，电商人要想实现电商系统精细化运营，数据是必不可少的一个环节。
团队要提高运营效率，至少需要六大关键指标：获客成本、活跃用户量、转化率、留存率、复购率和交易额。
（1）获客成本：获客成本是指企业开发一个顾客所付出的成本。包括为吸引客户，向客户销售、服务客户及保留客户而花费的各类资源，涵盖花费在宣传促销、经营、计划、服务以及营销部门的某些销售活动上的费用；
（2）活跃用户量：活跃用户量是一个基本的指标，有 DAU（日活跃用户）、WAU（周活跃用户）和 MAU（月活跃用户）三个层次；
（3）转化率：转化是一个非常重要的指标，电商运营需要关注主路径、次路径甚至精细到每一个品类 / SKU 的转化率；
（4）留存率：留存要从不同的时间周期上研究，包括次日留存率、3 日、7 日、30 日留存；
（5）复购率：复购则要从 3 个角度去看，复购用户量、复购率和复购金额比；
（6）交易额：交易额就是常说的GMV，是电商财务最重要的指标，我们的运营最终是围绕这个来进行的。GMV = UV *转化率*客单价。
获取数据的渠道有很多，譬如“生意参谋”，“生e经”等常规的数据平台。而关键在于，作为运营人员要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。
数据分析
对于数据的解读，每个人都有不同的方式。如果我们要简单的总结，数据分析的方法，无非是：
确定数据的准确性
这里包含了选择数据维度的合理性、数据统计的准确性。如果数据维度选择不合理、数据统计结果不精确，我们可能是无法得出正确的分析结果的。这是基础。
明确影响数据的因素
一个数据，会收到多种因素的影响，这些因素有内部的，有外部的，运营人员应当尽可能多的了解所有层面的影响因素，以利于我们对于数据的解读是在一个相对正确的范围内。
重视长期的数据监测
在运营数据分析中，经常会使用环比和同比方式来对比数据。简单的说，环比是本日与前一日的对比、本月与上月的对比、本季度与上季度的对比；
同比是今年当日与去年当日的对比、今年当月与去年当月的对比、今年当季度与去年当季度的对比。环比帮我们看短期的数据波动，而同比帮我们了解大环境下的数据波动。
保持客观的视角
数据分析的过程中，客观非常重要，不以物喜不以己悲，做了错误的操作，带来了不利的影响要承认，获得了超出意料的成果要心平气和，切忌挑选有利于自身的结论。这是职业道德的问题，也是职业发展中非常常见的问题。
注意剔除干扰项
实际的工作中，我们会碰到很多问题，这些问题是干扰项，例如，在一个相对平稳的曲线中，突然出现了一个点上的强烈波动，这时候我们需要全面的了解个波动产生的原因，如果无法确认原因，就剔除这个波动，否则我们很难去获得一个正确的结论。
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。也可以通过我知乎专栏找到相应的文章学习。
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！
赚点零花钱也好、创业养家糊口也罢，都需要“专业”！
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！私聊我回复“学习”，我会送你相关vip课程学习
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。针对这个问题，实际上电商运营最重要的是先熟练掌握业务层面上的处理能力，之后才是开始研究数据化运营。也就是数据分析和电商运营的结合。
简单来说，实际上您提到的这几项指标，这样子单独来讲是没有任何意义的 ，因为不是落在具体的某一个电商环节上面。好比如，关于流量下滑怎么解决这种问题，就可以通过倒金字塔思维模型进行反推，然后找出最重要的一些数据指标，根据数据指标进行逻辑分析，然后通过数据进行验证。这样子的电商数据分析，才能够解决具体的业务问题。
所以，如果您想做好电商数据运营，就必须先把经常会遇到的问题，罗列出来，然后将所有可能涉及到的指标的数据下载好，之后才开始运用数据分析的能力去挖掘出一些重点结论。
当然，这么说比较笼统，我平时会分享一些关于电商数据分析的文章，现在从自己的知乎专栏摘取一篇相关性极强的文章，由于内容较多，只选一部分放进来方便观看，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06课，核心关键词正如本文名字一样，关键词、多维度、市场分析。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5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；
《PBI系列 京东 词根分析 时段流量 05》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，所谓的市场分析，无非就是让你在某个渠道下找出多个产品的共同特征。而这些共同特征，就是进入市场的先决条件。比方说，我点击销量排序，首页48个位置，那么搜索引擎就会认为产品在这个关键词下，销量必须排名在前48位的才有资格进来，那么这个就是所谓的条件。
同理，在无线端默认排序下，是否产品进入某个关键词的前几屏，都是有意推荐的呢？很多人可能会说一定是啦，不然市场就乱套了。没错，所以，一定要记住，进入任何渠道之前，要了解所谓的规则，分析出进入的条件究竟是什么？之后，一旦能够触发这些条件，也就等于领了入场券。
这是关键词红酒在无线端的销量排序下的结果，我找了200个产品，抛出一些数据不全或者异常的数据，最终得到159个产品数据。
数据下载来自于我自己研发的数据分析工具箱当中的其中一项功能，如图所示
OK，接下来让我们正式进入图表讲解的环节当中。
从价格区间来看，大部分还是定价在87-365，这个阶段的价格所对应的产品数量几乎是27-87价格段的2倍，也说明目前在无线端卖红酒，好卖的都是那些中端价格段的产品。
从评论累计来看，大多数产品的评论都在500以上，500以下的产品几乎没有，这也说明了这个行业的竞争很激烈。
以此类推，可以看收藏人气、付款人数等等，通过这几个图，可以快速判断这个词能不能做。尤其自己是新品，是不是一定要主推这个词，就应该值得考虑。
虽然产品只有159个，但整体数据量不小，全部付款人数、月销件数、收藏人气、累计评论，甚至连人均件数都可以看得到。
通过后期不断的更新数据，我们是可以看到这些数据的变化的。
B店和C店的对比上看，B店的优势非常明显；并且主要成交省份在上海、山东跟湖北。大多数人还是比较喜欢87-365价格段的产品，并且累计评论超过2000的产品的销量最高。
每一款产品都有一些相关的资质，我们都知道。比如一些什么正品保障、极速退款、破损包退等等。由于产品总数是159，因此我们可以看出，大多数资质都基本超过一半以上。也就是说，这些资质，能加入的尽量加入。
一键刷新，后期不断更新数据，或者增加不同关键词，这样就可以很方便的剖析一个行业我们应该关注的一些重点指标了。
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！
一、生意参谋
1、流量
流量来源，搜索流量占比，内容流量占比、付费流量占比，流量在店内的点击分布，访客时段，访客地域，成交访客地域，搜索来源关键词
2、转化率
主销产品转化率，主销商品评价
3、客单价
4、交易
支付金额，支付买家数
二、直通车、钻展
CTR点击率，PPC点击单价,ROI投入产出比，转化率，成交笔数，购物车数，收藏数，点击率
每天重点分析这几项核心数据的趋势变化，及时作出调整
至于如何获得这些数据，我们是专业的
1、数据采集
通过大数据采集技术抓取信息，定位电商
2、数据清洗
通过页面结构等技术自动去除垃圾信息，人工核查
3、数据编码
将文本数据统一编码进行标准化，形成结构化数据
4、数据分析
数据分类，运用统计模型进行品牌提及、产品、价格、服务等方面的分析计算
5、报告撰写
根据数据结果撰写分析报告，将报告发送客户，或上传系统后台，随用随看
作为电商运营者，我们都在好几个电商平台进行维护，那以一个平台为例，看看到底电商平台需要分析维度。
1、订单数据：每天成交额、客单价等
模板：https://me.bdp.cn/share/index.html?shareId=sdo_ec43665084d4e2d90d36f066b892093a
2、用户数据：新老用户的登录、购买情况等
模板：https://me.bdp.cn/share/index.html?shareId=sdo_a77fa6b9e48a19e02cc2923f46618344
3、商品数据 ：商品销量、库存、价格数据都要很清楚的
模板：https://me.bdp.cn/share/index.html?shareId=sdo_9e4ae63d9e781a2b8d9dd85af3212060
4、流量数据：PV/UV、流量分布，访问深度什么的都要分析
https://me.bdp.cn/share/index.html?shareId=sdo_21da3336cbb4f63292375df98494b891
5、咨询数据：咨询数据也是电商最关注的，转化率多少
模板：https://me.bdp.cn/share/index.html?shareId=sdo_40f607d5b15157efb5a432ddd29157e6
6、推广数据：推广渠道的点击、转化情况，筛选核心渠道，新客户获取成本要尽量越少越好
模板：https://me.bdp.cn/share/index.html?shareId=sdo_1aca4cbbcad96dc7559d0ba1ad2be5a1
7、营销活动：活动在电商运营中完全避免不了，做了活动不进行分析，简直是白费精力
模板：营销活动数据分析模板
这些数据模板在BDP个人版的模板库中都有，只要思路掌握了，电商分析还是不难的。
我来说说第一个问题吧，就是一天猫淘宝为例，怎么获取类目总流量：
一．宝贝权重的累积
1.要从类目获取流量，首先产品肯定要有一定的权重，所以在策划获取类目流量的时候，选取的都是有一定销量的宝贝，一般我们都要选我们的爆款宝贝。通过各种途径来提升宝贝的权重。
大家在积累权重的时候，可能第一想到的就是30天销量，不错，目前这个因素确实还是站到很大的权重，但我们也发现，动态评分的权重也在持续的提升，特别是在最后争夺爆款位的时候，此权重会更加重要。
这个是用血的教训获得的，图中宝贝最后的销量已经拉到了30天销量接近7000件，销量早已进入前三名，但由于三项动态评分都为持平，主词排序一直进不了前三名。（前三名的动态评分平均都要高于同行10%以上）。
2.权重的积累，不得不考虑的转化率因素。排序是淘宝的一种资源，好的排序都是有限的，淘宝只会把这些有限的资源尽可能多的转化成销售额，如果您的宝贝转化率明显比同行的低，淘宝是不会给你很好的排名的，即使你的销量足够的高，因为你会浪费淘宝的资源。这个道理跟直通车的原理是一样的，如果您是直通车高手，肯定懂得！
二．如何从获取类目流量的角度优化标题
1.类目流量从何而来，有什么特点
大家都知道，类目流量都是首页的导航进入的，流量很精准，比如我们在首页点击 美容护发>>护肤>>面部保养>>化妆水/爽肤水
2.第二步，优化标题
得出类目搜索关键词后，就要检查自己宝贝的标题，是否含有此关键词。结果是，我的标题中少了一个似乎不太热的词，化妆水，此前一直忽视了这个词，标题里也没有加。
数据问题一直是很多运营人员头疼的问题。之前的回答说了一些，但都没有展开说，我也不知道进阶篇能说到啥程度，但先说着吧。
1 数据的定义
数据，其实就是一堆数值。
但这些数值，是从用户的行为统计而来。用来便于需要使用数据的同学进行研究和分析之用的基础素材。
2 有哪些数据
我们在入门篇的最后，列出了一些核心数据，我用一张脑图来简单的归纳一下，并进入我们这一节的内容：
这张脑图，仅仅简单的展示了可能是通用的部分运营数据，但如果我们仔细去看，会发现三个数据类型，是所有运营都需要具备的：
渠道、成本、收益。
如果要我简化上面这张脑图，我会告诉你，做运营，需要获取的数据，就是这三大类数据：
渠道数据、成本数据、收益数据。
渠道数据，是用来衡量渠道质量、渠道作用的，它由产品本身的定位的客群和产品的特性所决定。我们其实很容易可以推倒，一个理财产品如果投放游戏社区这种渠道，其运营效果可能并不会太好，可如果换成彩票、博彩，可能效果就很好；同理，传奇这一类的游戏的宣传与活动如果投放到女性社区平台，其效果几乎也可以无视，而如果换成一款Q版小游戏，或许效果就很好。
成本数据和收益数据，则会从不同层面反映出运营的效果。
在这里插一句，千万不要相信网上流传的各种《XX高管教你不花钱做运营》这种鸡汤文，运营一定有成本，必然有成本，如果认为运营高手可以不花钱办成事儿，那不如去相信男人可以怀孕生孩子。运营的效率可以通过经验、熟练度、创意等各种手段来提升，但运营的成本是必然存在的，并且和运营效果一般来说是成正比关系的。很简单的一个道理：
两个活动，一个活动送100台iPhone6，一个活动送1台iPhone6，哪个效果会好？
做运营的同学，请一定要认真的去评估每一个运营动作背后的成本。
而所谓“收益”，并不等价于“收入”，获得金钱是收益，获得用户也是
收益，获得口碑同样是收益。
如果我们了解了渠道、成本、收益这三类数据，是指导运营的核心数据，我们就可以根据自身的产品特性去设定需要获取哪些数据。
我们拿最近很火的那个App——足记来举个例子吧。
“足记”因为一个非核心功能火了，但作为这样的应用，它会关注哪些数据呢？
从产品的层面，它会去关注：
1）App每日的打开数
2）各种功能的使用次数和使用频次
3）各种Tab的点击次数和对应页面的打开频次
从运营的层面，它可能会去关注：
1）App每日的活跃用户数
2）每日产生的UGC数量（区分新老用户）
3）每日分享到社会化媒体的UGC数量（同时考虑单位用户的产生内容数）
4）分享出去的UGC带来的回流新装机、新激活用户数
等等。
而我们需要注意的是，这些关注的数据点，并不是一成不变的，它会因为产品的不同阶段而调整，如果我们假设未来足记有盈利模式，那么它关注的核心数据，就会从内容转向收入，这时候，转化率相关数据就会变的重要了。
我们需要的数据，根据实际的需求来进行设计，并没有一个完全通用的标准，当然，如果你做的越多，你会发现，你的数据感觉在不知不觉中获得了提升，这一点，非常重要。
同样，我们在本篇的第二章举过这样一个例子：
某个旅游网站，发起了老用户邀请新用户加入，老用户和新用户都可以获得100元的代金券，如果活动期间，新用户完成了一笔旅游订单，不论金额大小，作为邀请人的老用户还可以获得100元的代金券。
我们当时分析了活动流程，并针对活动流程做了关键点梳理，这些关键点就是需要获取的数据：
[图片]
3 如何获取数据
获取数据的渠道有很多，而方式基本就是自己做和使用外部工具两种方式。
自己做的话，App可以选择“埋点”、log等方式，而Web可以通过log、日志与按钮埋点等方式去做记录。
外部工具，则有很多第三方会提供服务。
获取数据的方式其实各种各样，而关键在于，作为运营人员要了解什么样的数据是重要的，对于这些数据的前后关联，是怎样的，这是一个联动的过程，不是一个单一的行为。
4 如何分析数据
对于数据的解读，每个人都有不同的方式。如果我们要简单的总结，数据分析的方法，无非是：
1）确定数据的准确性
这里包含了选择数据维度的合理性、数据统计的准确性。如果数据维度选择不合理、数据统计结果不精确，我们可能是无法得出正确的分析结果的。这是基础。
2）明确影响数据的因素
一个数据，会收到多种因素的影响，这些因素有内部的，有外部的，运营人员应当尽可能多的了解所有层面的影响因素，以利于我们对于数据的解读是在一个相对正确的范围内。
3）重视长期的数据监测
在运营数据分析中，经常会使用环比和同比方式来对比数据。简单的说，环比是本日与前一日的对比、本月与上月的对比、本季度与上季度的对比；同比是今年当日与去年当日的对比、今年当月与去年当月的对比、今年当季度与去年当季度的对比。环比帮我们看短期的数据波动，而同比帮我们了解大环境下的数据波动。
4）保持客观的视角
数据分析的过程中，客观非常重要，不以物喜不以己悲，做了错误的操作，带来了不利的影响要承认，获得了超出意料的成果要心平气和，切忌挑选有利于自身的结论。这是职业道德的问题，也是职业发展中非常常见的问题。
5）注意剔除干扰项
实际的工作中，我们会碰到很多问题，这些问题是干扰项，例如，在一个相对平稳的曲线中，突然出现了一个点上的强烈波动，这时候我们需要全面的了解个波动产生的原因，如果无法确认原因，就剔除这个波动，否则我们很难去获得一个正确的结论。
关于数据的内容，我个人其实说不出更多有价值的东西，抱着负责任的态度，写到这里，希望对此感兴趣的同学通过专业渠道去认真学习，并在实操中提高水准。