雙11就要來(lái)了，我們今天要討論的不是“錢(qián)是怎么花掉的”，而是“那些熱賣(mài)的電商商家的錢(qián)是怎么賺的”？
我們都知道“數據驅動(dòng)運營(yíng)”這個(gè)大道理，大道理聽(tīng)多了，反而越來(lái)越多的人不知道如何用數據驅動(dòng)運營(yíng)，電商行業(yè)的案例是最能說(shuō)明“數據驅動(dòng)運營(yíng)”這個(gè)大道理的，相信你在看完了這篇文章之后，一定對自己手上的業(yè)務(wù)數據有了更深的了解。
我們先來(lái)看一個(gè)獨立電商平臺的案例：
【案例】鮮花訂單交易電子商務(wù)平臺A，三個(gè)月的時(shí)間，利用數據分析提升了業(yè)務(wù)轉化率從5%-18%。
我們看下過(guò)程：
（1）獨立電商平臺A的需求
- 需對不同商戶(hù)位的訪(fǎng)問(wèn)數據、購買(mǎi)轉化等指標科學(xué)定價(jià)分配，因商戶(hù)位較多，希望獲得各商戶(hù)位訪(fǎng)問(wèn)和轉化數據過(guò)程能操作簡(jiǎn)單、隨時(shí)調整，產(chǎn)品、運營(yíng)可直接完成。
- A平臺入駐花店較多，需要監測各花店的接單和配送數據，衡量商戶(hù)質(zhì)量進(jìn)行優(yōu)化。
- A可通過(guò)多種路徑進(jìn)行購買(mǎi)，希望能知道所有購買(mǎi)路徑的轉化率，進(jìn)行路徑優(yōu)化。
（2）解決方案
- 利用可視化埋點(diǎn)功能，A平臺的產(chǎn)品，運營(yíng)人員直接在頁(yè)面上對商戶(hù)位，廣告位進(jìn)行了圈選，完成埋點(diǎn)，節省了與技術(shù)溝通支持的時(shí)間成本，提高了效率，并在每個(gè)廣告位設置了轉化漏斗，月底查看一次多個(gè)廣告的對比效果情況?？焖俦憬莸木涂梢圆榭床煌虘?hù)位的訪(fǎng)問(wèn)和轉化數據。
- 在A(yíng)平臺的操作系統中添加了自定義活躍事件，這樣運營(yíng)人員可以看到接單和配送的功能數據外，還能多維度查看每天接單活躍、配送活躍的商家數量和排名，獎勵活躍商家，激活不活躍商家，商戶(hù)質(zhì)量一覽無(wú)余。
- 在統計購買(mǎi)轉化時(shí)，通過(guò)智能路徑生成所有購買(mǎi)路徑，對關(guān)鍵路徑進(jìn)行多維細查研究，找到每個(gè)路徑購買(mǎi)轉化關(guān)鍵點(diǎn)，從每一步流入和流出挖掘影響轉化的因素然后調整優(yōu)化。
通過(guò)近3個(gè)月的優(yōu)化和調整監測，A平臺購買(mǎi)轉化率提高了18.1%。
————————————我是分割線(xiàn)————————————————–
大數據時(shí)代的任何商業(yè)活動(dòng)，都離不開(kāi)數據的支撐，那些雙11銷(xiāo)量遙遙領(lǐng)先的品牌不管是依靠平臺，還是擁有獨立電商網(wǎng)站，都需要精細的數據支撐驅動(dòng)業(yè)務(wù)增長(cháng)?！?strong>數據驅動(dòng)運營(yíng)”的時(shí)代，已經(jīng)勢不可當。
有哪些數據分析需要做？電子商務(wù)網(wǎng)站需要解決的問(wèn)題有不少，比如：
- 如何投放廣告以尋找合適的客戶(hù)人群；
- 如何組織安排網(wǎng)站的網(wǎng)頁(yè)內容，以符合訪(fǎng)客的個(gè)性化需求；
- 如何找出同一類(lèi)訪(fǎng)客的特征并預測其未來(lái)的購買(mǎi)行為；
- 如何調整商品頁(yè)面的安排以提高商品被購買(mǎi)的比例；
- 如何自動(dòng)地把商品分類(lèi)，把同時(shí)可能購買(mǎi)的貨物放在同一個(gè)網(wǎng)頁(yè)上，以增加單次購買(mǎi)的商品總值；
- 如何吸引老客戶(hù)多次回訪(fǎng)網(wǎng)站，并做反復購買(mǎi)；
- 如何估計購物車(chē)被放棄的可能性以及如何降低這一數字。
所有這一切都建立在尋找不同的顯性或者隱含的數據模式之上。
網(wǎng)站流量分析要解答客戶(hù)什么時(shí)候來(lái)，從哪里來(lái)的問(wèn)題要訴諸于電子商務(wù)領(lǐng)域最常聽(tīng)到的一個(gè)詞了：流量。
通常說(shuō)的流量（ Traffic）是指網(wǎng)站的訪(fǎng)問(wèn)量，是用來(lái)描述訪(fǎng)問(wèn)一個(gè)網(wǎng)站或是網(wǎng)店的用戶(hù)數量以及用戶(hù)所瀏覽的網(wǎng)頁(yè)數量等一系列指標，這些指標主要包括：獨立訪(fǎng)客數量（ Unique Visitors）丶頁(yè)面瀏覽數（ Page Views）丶每個(gè)訪(fǎng)客的頁(yè)面瀏覽數（Page Views Per User）。
利用數據采集工具，從多維度來(lái)分析流量，例如從時(shí)間維度來(lái)分析流量，可以得出在什么時(shí)間段訪(fǎng)問(wèn)某類(lèi)商家的客戶(hù)最多，也就是客戶(hù)最喜歡在什么時(shí)候來(lái)到我們的電子商務(wù)網(wǎng)站，這對中小型的電子商務(wù)網(wǎng)站的幫助是最大的。
在做流量分析和訪(fǎng)客來(lái)源分析中，我們最常使用的數據挖掘方法是時(shí)間序列。
時(shí)間序列是數據挖掘領(lǐng)域中用來(lái)分析一段時(shí)間里各項指標的變化情況最常用的方法，通過(guò) 時(shí)間序列我們不光可以從趨勢圖中看出網(wǎng)站（店）流量的大體變化情況，更重要的是我們能夠預測未來(lái)一段時(shí)間的網(wǎng)站（店）流量情況。
網(wǎng)站流量分析，是指在獲得網(wǎng)站訪(fǎng)問(wèn)量基本數據的情況下對有關(guān)數據進(jìn)行的統計和分析，其常用手段就是 Web挖掘。Web挖掘可以通過(guò)對流量的分析，幫助我們了解 Web上的用戶(hù)訪(fǎng)問(wèn)模式。
那么，了解用戶(hù)訪(fǎng)問(wèn)模式有哪些好處呢？
在技術(shù)架構上，我們可以合理修改網(wǎng)站結構及適度分配資源，構建后臺服務(wù)器群組，比如輔助改進(jìn)網(wǎng)絡(luò )的拓撲設計，提高性能，在有高度相關(guān)性的節點(diǎn)之間安排快速有效的訪(fǎng)問(wèn)路徑等。
- 幫助企業(yè)更好地設計網(wǎng)站主頁(yè)和安排網(wǎng)頁(yè)內容；
- 幫助企業(yè)改善市場(chǎng)營(yíng)銷(xiāo)決策，如把廣告放在適當的 Web頁(yè)面上； 幫助企業(yè)更好地根據客戶(hù)的興趣來(lái)安排內容；
- 幫助企業(yè)對客戶(hù)群進(jìn)行細分，針對不同客戶(hù)制定個(gè)性化的促銷(xiāo)策略等。
商品銷(xiāo)售分析在電子商務(wù)網(wǎng)站上對商品銷(xiāo)售進(jìn)行分析是定時(shí)定期需要做的事情。我們可以做的商品銷(xiāo)售分析種類(lèi)很多，比如各個(gè)不同商品的訪(fǎng)問(wèn)量、熱點(diǎn)分析、性能數據等。我們在做分析時(shí)，也要考慮到行業(yè)、時(shí)間和地域等各種方面的因素，并和平均及基準的數據做對比。
做商品銷(xiāo)售分析，需要從時(shí)間和空間的維度以及商品的類(lèi)別丶價(jià)格等多個(gè)維度來(lái)做分析，這里可以做的報表類(lèi)型非常多。
我們單純從時(shí)間維度上來(lái)看，常用的報表是同比和環(huán)比的報表，而時(shí)間區間的選擇可以是年丶季度和月，而當一個(gè)電子商務(wù)網(wǎng)站在剛剛開(kāi)始的時(shí)候，周數據的報表也是偶爾會(huì )用的。
除了分析商品的銷(xiāo)售之外，我們還需要做的分析是潛在的銷(xiāo)售，也就是客戶(hù)到網(wǎng)站來(lái)，瀏覽了哪些商品和分類(lèi)，搜索了哪些商品，從而了解客戶(hù)的興趣點(diǎn)和將來(lái)可能購買(mǎi)的商品。
定期數據分析要想做好電子商務(wù)網(wǎng)站的運營(yíng)，需要做各種分析和報表，定期展示丶對比網(wǎng)站數據和運營(yíng)數據。而對于大部分 CEO來(lái)說(shuō)，周期的銷(xiāo)量增長(cháng)量可能是他們最為關(guān)心的數據分析。
以增長(cháng)量為例，下面列出的這些數據是電子商務(wù)公司的董事長(cháng)丶總經(jīng)理和各級銷(xiāo)售管理人員經(jīng)常需要查看的與業(yè)務(wù)相關(guān)的增長(cháng)量數據。這些數據都可以是負數。
- 增長(cháng)量：所分析的業(yè)務(wù)在一定時(shí)期內增長(cháng)的數量，是分析期與對比期的差額。
- 同比增長(cháng)量：當前值與去年同期值之間的差值，用同比增長(cháng)量來(lái)統計消除了周期變動(dòng)和季節變動(dòng)的影響，所用時(shí)間期間通常是月或者季度。
- 環(huán)比增長(cháng)量：是指當前值與上一期數值之間的差值，所用時(shí)間期間一般是季度丶月或者星期。
- 增長(cháng)速度：是用來(lái)反映業(yè)務(wù)成長(cháng)性的相對指標，用以查看當期增長(cháng)量和對比期的數據對比。
- 同比增長(cháng)速度：是當期增長(cháng)量與去年同期值之比，說(shuō)明當期業(yè)務(wù)水平對去年同期業(yè)務(wù)水平增長(cháng)的相對程度。
- 環(huán)比增長(cháng)速度：是當期增長(cháng)量與前一期水平之比，說(shuō)明業(yè)務(wù)分析期與相鄰前期業(yè)務(wù)水平的相對增長(cháng)程度。 項目增收貢獻率：某項目增長(cháng)量和所有項目總的增長(cháng)量的比例。
內容分析我們所述的電子商務(wù)網(wǎng)站上的內容分析和其他分析一樣，也都是需要從數據出發(fā)的。
商品分析和頁(yè)面分析從一定的角度來(lái)說(shuō)，也都屬于內容分析。這里所說(shuō)的內容分析的對象是在商品頁(yè)面之外的內容。
我們通過(guò)分析流量和客戶(hù)興趣點(diǎn)匹配相應的內容。通過(guò)數據，我們可以看到不同的內容所吸引的點(diǎn)擊關(guān)注，從而對內容做出相應的調整。
在做內容分析之后，網(wǎng)站的內容需要從下面三個(gè)方面做優(yōu)化：
- 內容專(zhuān)業(yè)化；
- 內容差異化；
- 內容質(zhì)量化。
數據分析的本質(zhì)，是要結合業(yè)務(wù)指標，分析用戶(hù)行為數據，得出結論，進(jìn)行調整優(yōu)化，然后再推動(dòng)業(yè)務(wù)增長(cháng)，這是一個(gè)正向循環(huán)的過(guò)程。
來(lái)源：微信公眾號：ifenxipai 成都商城開(kāi)發(fā)
