第一部分：数据分析框架

为了分析问题的聚焦，我们具体拿互联网电商来举例子说明，至于其他的比如互联网金融、教育、社交等等，可以依此借鉴。

（1）从互联网实体角度分析。我们可以从以下7个角度构建互联网数据分析体系。

买家：基本特征分析、交易行为分析、流量行为分析、售后满意分析等

卖家：基本特征分析、经营效果分析、流量曝光分析、售后满意分析、产品分析等

产品：基本特征分析、交易行为分析、流量曝光分析、售后满意分析等

行业：基本特征分析、经营分析、曝光分析、售后分析、产品分析、买卖家分析等

设备：移动端分析、PC端分析、访问对象分析、cookie分析、session分析等

日志：访问对象URL分析、cookie分析、session分析等

事件：登录、流量、点击、曝光、下单、交易、支付、物流、评价、纠纷、仲裁等分析

这个实体分析方法，可以称得上是万能的数据分析框架，适用于所有的互联网企业。我曾工作过的阿里巴巴、腾讯、随手记等企业，我个人都是按照这个套路去构建互联网的分析体系。

（2）从用户的关键路径进行分析。

关键路径分析方法是一个行之有效的常用分析方法，也是做数据化运营的常用工具。关键路径分析让我们聚焦于核心环节，排除杂音，定位出业务的核心问题，快速的加以解决。在应用关键路径分析时候，我们往往先把可能的结果、以及最关心的结果梳理出来，以结果为导向追溯行为的根本，当然，也可以从行为的初始出发，梳理出所有可能的行为路径，找出关键行为，导向我们最终设计好的结果中去。下面我们举例子说明下：

在电商网站中，我们假设我们运营目标是让用户购买网站上的商品（在这里，我要插说几句，我们的目标有时候不只是购买，在精细化运营中，往往会根据用户的生命周期，确定关键路径的目标，比如对于一个进入期的新买家，我们通常会发一些购物攻略加以指导，针对流失期的买家，关键路径的结果我们可能导向申领我们的优惠劵之类，等等。关于这一部分数据化精细化运营方面，在大数据应用系列的数据化运营小讲，我们会详细加以分享，敬请关注）。刚才谈到，我们假设我们运营目标是让用户购买网站上的商品，那么我们可以把关键路径，也即，用户的购买路径梳理出来：

a.用户登录/注册》搜索关键词》查看商品详情》加入购物车》点击下单》确认付款》确认收货

b.用户搜索关键词》类目和店铺》卖家交流》点击下单》确认付款》确认收货

通过这种关键路径，我们还常常进行漏斗分析，从而进行流量的转化分析，找出影响到达最终结果的关键环节。

（3）从KPI拆解角度分析。

KPI拆解分析方法也是比较常见的互联网分析方法。核心思想是先定一个总体目标，比如今年营收12亿，那么可以把这个指标拆解到各个业务线去，业务线再进行拆分，比如分解为12个月，每个月需要达成营收额，接着，就是达成该营收额，根据流量的转化情况，估算出需要多少的流量，目前平台已有多少流量，需要外拓引流多少流量才能达成目标，这就可以层层的拆解指标，最终或落地到产品团队或部分到运营团队去承担KPI任务。

第二部分：数据分析常用分析方法

常用的数据分析方法有：PEST分析方法、5W2H分析法、4P营销分析法、逻辑树分析法、指标拆分法、对比分析法、漏斗分析法、用户行为分析法、用户生命周期分析法、金字塔分析法等等，下面我们逐个的简单说明下

（1）PEST分析方法

这个方法主要应用于行业研究中。从政治（Political）、经济（Economic）、社会（Social）、技术（Technical），简称PEST角度对一个行业进行比较分析。下面我们举一个例子：我们小讲开始就谈到数据分析行业前景，那么我们在此利用PEST分析下大数据行业前景如何？

（2）5W2H分析法

这个方法主要应用于用户行为研究和专项问题分析，从时间、地点、人物、事情、原因、方式、价格等7个方面对一个问题进行刻画研究。请看如下案例二：

（3）4P营销理论

这个方法主要应用于公司整体经营状况分析，是比较经典的营销分析方法。该方法从产品、价格、渠道、促销等四方面对企业经营状况进行全面分析。请看如下案例三：

（4）逻辑树分析法

这个方法也称作问题树分析方法，主要应用于针对业务存在的问题进行专题分析，是数据分析方法中非常常见的一种分析方法。请看案例四：

（5）指标拆分法

这个方法也是经常适用的方法，特别是为了达成业务目标，我们往往都会先定一个总的目标，然后再初步的拆解指标。下面我们讲讲案例五：

（6）对比分析法

对比分析法是非常常用的基础分析方法，虽然方法特别简单，但几乎所有的分析报告中，都会采取对比分析方法。比如去年同期相比、上个月环比、目标和实际达成相比、各个部门和业务线相比、行业内竞品比较、营销效果对比，等等。这里需要注意的是我们不管是横向比较还是纵向比较，比较的双方一定要有可比性，并且在同一个维度、粒度上去比较，要不是毫无意义的。

（7）漏斗分析法

漏斗分析方法经常应用于产品的转化分析。举个电商的例子：用户登录网站1千万，浏览商品详情页200万，加入购物车80万，下单支付50万，支付成功40万。每一步都是转化率的问题。针对关键路径进行漏斗分析能够帮助我们快速的定位到问题所在。从而能够及时做出决策。

（8）用户行为理论

也称用户的活动周期理论。该分析方法，往往用于对用户的基础研究中。用户行为过程分为认知、熟悉、试用、使用和忠诚5个步骤。

（9）用户生命周期理论

该分析方法，也往往用于用户基础研究中，在互联网领域应用广泛。用户的生命周期分为进入期、成长期、成熟期、衰退期、流失期。每一个阶段用户的行为特征是不一样的，其价值是不一样的，需要精细化的运营。不可急功近利。

（10）金字塔理论

金字塔这个分析方法正好和漏斗分析方法相反，它是基数大，上层小。最初是英国历史学家、政治学家诺斯科特·帕金森(C.Northcote Parkinson)在《帕金森定律》(Parkinson's Law)一书中，论述在行政管理中，行政机构会像金字塔一样不断增多，行政人员不断膨胀，每个人都很忙，但组织效率越来越低下。这条定律又被称为“金字塔上升”现象。后来，人们将这一理论延伸应用，不再只限于本意。大凡是基数大，上层小，符合金字塔特征的研究分析都可以套用到该理论中。所以，金字塔这幅图也常常见于各分析报告中。比如，分析用户群体特征（马斯洛需求层次模型、用户价值模型等等）

综上所述种种数据分析方法，如果在一份分析报告中，能够把这些分析方法都灵活反复体现和应用，那么，这个分析报告一定会比较丰满的。

第三部分：数据分析的流程

数据分析的流程主要分为六步骤，遵循这种方法，一个完整的数据分析项目就出来了。

（1）明确分析目的：我们接到一个分析任务，首先要弄清楚我们分析的对象是什么，要达成怎样的目的，不能陷于为了分析而分析。然后，要熟悉行业和业务，透彻的理解分析的目的，构建起分析的角度和体系。

（2）进行数据准备：我们有哪些数据，通过什么途径可以获取到需要的数据，往往涉及到内部数据和外部数据，内部数据常常是我们的业务库或者基础数据团队建立起来的数据仓库系统，外部数据方面，现在各行各业都有大数据交易源，还有大量的公开市场数据。

（3）进行数据加工处理：主要通过数据清洗工作，对重复值进行去重处理、对异常值错误值进行修正或剔除、对缺失值进行填充修正或删除。如果软件环境为支持大数据量情况下，还需要对数据进行抽样处理。经过这些预处理后，最重要的就是进行数据的计算统计、合并转换，让数据符合目标分析过程。

（4）进行数据分析挖掘：绝大部分的分析目标达成都可以刚才介绍的分析方法外加常见统计分析等达到。主要的分析：整体和组成分析、走势趋势分析、均值方差分析、排序TOP分析、同比环比纵横比较分析、频度频率分析、相关关系分析、数量和比例的双坐标分析、逻辑结构分析、金字塔分析、漏斗图分析、矩阵图分析、指标拆解分析、PEST分析、5W2H分析法、4P营销分析等等。还有一部分分析需要到更高级的数据分析方法才能得到结论。

（5）进行数据结果图表展现：数据分析的目的就是要解决问题的，往往数据分析师不是需求的发起人，那么这就需要数据分析师把分析的数据和结论展现给需求方。最佳的方式就是通过图表，有理有据形象的重点突出且专业的表达出来。根据第（4）步骤的分析，我们可以选取恰当的图标。比如常用的有：折线图、柱形图、条形图、饼图、冒泡图、散点图、矩阵图、雷达图、双坐标图、瀑布图、帕累托图、金字塔图、漏斗图等等。

正如我之前的一篇文章 《图说可视化，报表也能做得如此酷炫！》，讲到帆软报表制作数据可视化的几个关键点。

（6）写出分析报告：数据分析最终的结论全部体现在分析报告中，一个分析师水平如何，只要看他写过的一份分析报告就可以完全清楚了。综合灵活应用这么多的分析方法和各种各样的展示图表，分析报告一定会显得非常丰满。下面一个问题我们再详细和大家讨论数据分析报告的相关事情。

在我们日常工作中经常需要用到数据分析，但一些如回归，聚类、概率分析方法比较复杂，学习成本高，也不一定能用得上。实际分析的时候，有四种很简单的分析方法非常实用，这四种就是：对比、细分、转化和分类。只要掌握了这四种思想，基本上已经可以应付日常的分析工作了。

一、对比

对比又可以分为纵向对比和横向对比，指标间的横向对比帮助我们认识数据的合理性和分析是否有问题，而指标纵向的对比，如在时间维度上的对比，既可以做趋势分析也可以判断是否达到预期值。

如店铺的订单量，可以把最近30天的订单显示在坐标轴上，这样就可以很明显的看到最近的订单数量是否达到了预期，当然我们也可以以周或者月（或者季度，年等等）为单位。做对比一定要考虑实际的场景，因为今天和昨天的性质可能未必一样，例如今天可能是周六，或者恰好是节假日等等。所以我们在做纵向对比的时候，两个对比的数据是否合理，是否是同一性质。比如看最近30天的趋势数据，我们还可以考虑环比和同比，今天和上个月的今天，今年的双11和去年的双11进行对比。横向的对比，比如一个地区这周的成交额上涨了10%，那当地的子公司是不是应该高兴呢？但是例如其它子公司的店铺这周的成交额都上涨了20%！那这个子公司可能已经被其它子司拉大了距离。也就是说，我们对一个数据结果判断好不好，这是需要一个参照物的。

二、拆解

通过拆解方法我们对分析对象进行逐步拆分，最终定位到问题点。拆解的角度可以有很多，越细分越能准确描述问题。比如零售中的人货场分析，就是将零售中的问题，逐步定位某一个或几个细节上的问题，最终找出成本最低的解决方式。举个栗子，通过报表知道了这个月成交额下降了这个问题后，现在我们用拆解来找出问题的所在：

成交额 = 客单价 X 客户数。对比客单价和客户数的趋势，就可以判断出影响成交额变化的主要因素是什么，如果是客户数问题，我们则对客户数进行细分，如果是客单价问题，则对客单价进行细分。

客户数 = 新客户 + 老客户。老客户 = 二次成交客户 + 多次成交客户

一段时间内的新客户反映的是电商的引流效果，而老客户反馈的是电商的产品质量，服务质量和客户维护营销等。

客单价 = 成交价 X 人均成交数。 均成交数这是电商中一个非常值得关注的指标，它能最直接地反馈出电商的服务质量和客户维护营销等方面的效果，如果该值过小表明电商的客户流失率很大，应该重点关注。

成交价 = 件单价 X 连带率。 成交价反馈的通常是导购的能力，促销活动的效果等，成交价的上升或者下跌，反映的问题可能很多，对其进行分解后就很明确了。件单价的变化通常是有促销的力度，商品结构和消费结构（例如季节因素等）变化引起的。带率这个反馈的是店铺内导购的能力，或者促销手段（例如买一送一等）的效果，也是店铺管理人员重点要关注的指标。

拆解的方法其实就是不断用更小的量化指标去细分一个大的指标，从而达到定位问题的目的。

三、转化

拆解的方法可以从纵向定位问题，但是单单细分是不够的。这些指标是从哪里来的，每一个步骤的转化率怎么样，哪一个步骤的转化不好，可以改善？这些通过转化都可以分析出来。

例如我们要分析本周的活跃客户数（有成交的客户数），那么我们就要分析这些活跃的客户数是从哪里来的，梳理一下可以简单分为以下4个步骤：进入平台的客户数 ==》浏览过商品的客户数 ==》下单的客户数 ==》支付成功的客户数。这里4个步骤就会有3个转化率，哪些步骤转化率比较高，哪些步骤转化率比较低，历史趋势怎么样，是否合理，是否有改进的空间等等。通过应用转化的思想，能够有效的指导和优化实际的运营工作。转化的思想就是一种漏斗，每一步其实都会有转化率，通过改善我们的转化率来提高我们的运营业绩。

四、分类

分类就是把一些对象，按照某种规则，划分为若干个类别，然后分析各个类别的特征，并以此来指导我们的行动。分类思想的应用很多，例如对客户的分类，我们可以用RFM分析模型，也可以用简单的利用某个指标的值（例如渠道标识，这样我们就可以分析到各个渠道客户的质量等）。基于这些客户的分类，我们就可以进行精准的客户营销了。在电商或者零售业上，我们经常做的分类还有商品分类，经典的有按照品类分类，或者ABC分类，这些对于我们做商品运营都是非常重要的。

总结：

以上四种其实都是很简单的数据分析思想，而且在日常的运营中也非常实用，但需要注意的是一定要了解自己的业务，只有深入了解业务，才能很好的运用数据分析，并不是自己知道几种统计学的算法，就能做好业务数据分析了。

代运营公司新人一枚，入行三个月，专业知识不深不浅，从简单的运营部客服到现在的运营助理，就谈客服到运营助理到运营店长所要接触的知识和实操

刚入电商，一定会迷茫，因为你会发现，从仓库发货到客服到美工和运营，都是初中高中中专等学历不高的人（说得自己不是一样，诶）各种三观不正，缺乏深度思考，跳跃性思维，工作态度和学习态度不明确，所以如何保持不被外界因素打扰以达到最优最快的进步（前期知识很少）是你要学会的。跑题了诶。

前期淘宝规则的了解是必不可少的，客服的语言规范，售前回复雷区（售前回复错误客户立马下单被投诉坑钱喜闻乐见我会告诉你吗？） 简单的打折工具（打折输少一个零十分钟下千单，另一种发现的早，没设置限购，一个ID拍上千件，三个月前被两个人坑六百块钱，当时店长脸色就不好了，企业托管啊，感觉走了一趟鬼门关）基础的规则，售后处理雷区（中差评投诉，退换货理由），软件熟悉（天猫营销工具，欢乐逛，数据魔方，生意参谋，淘指数等等），知道了这些简单之后，才会接触真正的运营知识。

运营入门前你得知道，运营是什么，运营做什么。前期工作无非流量，做完流量做转化，转化做完做客单价，基础的框架就这三个，回购率高做老客户营销。

流量：免费：上下架时间，优化标题，动态评分，橱窗推荐。自然搜索，收藏，主图，关键词，关联销售，站内免费活动（和流量挂钩）

付费：刷，直通车，淘宝客，站外，硬广，淘金币等等 影响到流量的因素

转化：复购，客服，店铺装修，详情页，促销区，销量，客单价，评价，赠品，包邮，店内活动，差异化。影响到转化的因素

知道了哪些因素影响到流量和转化后，才知道哪里需要优化。

晚上没思路，诶

个人理解的运营思路是：年目标年策划，季度目标，月目标，周工作计划，日工作流程。

每日工作流程：每日数据报表（排名，PC端流量，无线端流量，询单人数，询单转化，停留时间，成交关键词，流失客户等等），每日直通车调整，关注站内活动，每日团队会议。

周工作计划：观察上一周的数据统计，流量呈现下降分析排名和主图，测主图点击。询单转化率低于50%客服需要培训，停留时间优化详情页，成交关键词看自己那个关键词权重高，流失客户分析流失到那家，并且分析为什么流失到他家。周直通车报表，周计划总结会议。

月计划：分析上个月的销售额，同行做出分析并做出下个月销售目标，整个计划的预算，直通车月报表。月计划会议，落实到每个人，并且让每个人都有一个明确的目标。

季度计划：没做过诶。

年计划：好遥远诶。

聊点题外话：这些知识可以从多个渠道了解到，规则在变化，今天学到的，后天估计就没用了。如何让自己充满动力，都是普通人，想一下想要的生活，做个简单的目标，知道自己想要什么才会为之努力，身边的同事太多这样的了，没目标，不努力，不知道想要什么，诶。现在我遇到的问题无非是，电商淘宝规则不够熟悉，运营专业知识理念不够强，思路不清晰，打算多了解运营理念，多看书多交流（诶，本人在公司话很少， 领导都不喜欢我这种喜欢安静思考的，所以比较担心被公司同事看到），一不小心扯远了，如果形成了压力请思考如何将压力转化成动力，早日发现自己不足并作出改变。

中国互联网的发展虽然时间尚短，但是却带动了相关产业的发展比如网购平台的发展壮大，因为比较方便足不出户就能收到自己心仪的东西，根据相关机构统计，中国目前有8亿多上网的人数，这个人群里有5.7亿人是经常网购的，这么庞大的网购人群把中国变成了全球最大的电商市场，更有业内人士大胆预测我国的电商行业将会超过美国的2.5倍，这是完全有可能的。

电商行业的迅猛发展也造就了国内成长了出强大的互联网科技公司，而其中电商业内最负盛名的两大巨头就是阿里巴巴和京东商城，根据数据显示，去年的阿里和京东销售额已经达到了2.1亿万元、1.29万亿元，国内做实体业的公司都开始转型到了线上电商行业中，但都没得到什么好的结果，唯独有一家不仅在线上做出了极高的成绩，在线下的成绩也是火爆异常，它就是让阿里巴巴和京东都感觉到了压力的苏宁易购。

苏宁在上个月的30号公布了Q3财报，根据报表显示今年苏宁达到了1730亿的营收，比上一年增长了31.15％，利润也非常可观达到了6.27亿，苏宁和传统的电子商务平台有着本质上的区别，苏宁的销售模式是属于线上和线下结合的模式，所以苏宁已经转型为了智慧型零售，增强了现在苏宁线上店的用户体验，让苏宁成功在电商业站住了脚跟，在那么多的实体企业纷纷转型为线上都失利时，只有苏宁成功了，这是有其诀窍的。

虽然现在电商市场上有阿里巴巴和京东两座大山在压着，但还是阻挡不住苏宁自身的发展，根据相关的数据报表显示20.18年的中国新零售的百强里面，苏宁就排到了第3，前两名当然是阿里巴巴和京东包揽，苏宁作为后来者能够迅速上到第3是进步神速的，而这新崛起的电商巨头未来也是一片光明。看京东现在做好线上之后又转到线下零售就能看出线下店以后也会是趋势，而苏宁一开始就是线上和线下店并行的，所以这方面也非常有优势，但京东现在可就不好说了，京东大哥刘强东出事之后，京东极力想要撇清和刘强东的关系，显然是受影响不小，但要我说还不如挺刘强东到底呢，就算是被扒层皮，你京东永远都有刘强东的影子。

苏宁现在还处于上升的阶段，你觉得它有能力超过京东吗？毕竟京东现在也算多事之秋，对此刘强东应该也是压力颇大，感觉到不安。苏宁作为势头强劲的后浪能不能把京东拍在沙滩上呢？

电商数分是什么？

电商数据分析是指运用数据统计分析的方法收集大量的关于电商市场、产品、评价、推广、订单、客户等等各方面的数据加以研究和概括总结的过程，在电商实战中能够指导运营作出正确的运营判断和方向决策，进而实现销售额增长，利润最大化。

电商数分为什么？

线上电商进入洗牌时期，线上线下的大融合，简单粗暴的玩法时代已然过去，人人都在讲数据化精细化运营，那么什么样的做法才是真正的数据化运营呢，本文结合实践，从理解电商、分析市场数据、分析产品数据、分析推广数据、分析客户数据几个方面入手，总结了电商数据分析各方面应该注意的问题和思路，做到真正的可落地，可赚钱。

电商数分怎么做？

理解电商（电商即零售，对比实体来了解）

做电商数据分析，首先要“一发入魂”彻底理解电商，电商零售其实跟传统线下零售无区别，为什么说没有区别的呢，因为都是一样的“流量思维”同样都是在面对客户层层筛选中的被动选择，同样一个淘宝店铺和一个线下门店一样，都是获取的被动流量居多；线下我们开店要选择好的位置，人流集中的地方，线上我们要占据更好的流量入口。

两条线进行对比，传统零售与线上零售的差别只是载体不同，而线上零售多了物流和评价环节；

这一条我称之为“购物链条”的流程，每一个环节都值得淘宝卖家们去研究，因为每一个环节都涉及到电商数据的不同领域；把整个链条进行反推，你会发现：

淘宝人为的制造了买家和卖家的障碍，卖家需要把更多的产品展现在自己的潜在客户面前，以期达成成交，就要翻过淘宝制造的种种障碍，所以说赚钱的本质就是制造障碍，你制造得障碍越大赚钱的可能性就愈大；

话归原题，看明白了整个购物链条，作为卖家你要让你的产品占据有利的流量入口位置展现在卖家面前，以期待获得买家的关注，进而促成成交，那么就涉及到你所选择的推广方式，你的创意，你的产品，你的服务各个方面，在下文会展开来说；

分析市场（选择市场方向其实是个伪命题，在大产品方向确定之后再来选择和分析市场缝隙以及受众心智才是正确之选）

为什么说选择市场方向是一个伪命题呢？

因为，受限于资金、人员、供应链等因素，即便你知道了某些领域或类目有潜在的巨大机会，你依然只能空流泪，所以在基本确定自己所经营的类目之后再来进行细分选择，分析消费者的需求是正道；在选定大类目范围的前提下，我们以女鞋为例来讲线上电商市场分析；

1、 分析市场容量、缝隙和机会

通过生意参谋-市场分析（也有其它第三方分析工具），导出近一年女鞋市场数据，进行分析整理，得出如下数据（分析过程简单的加减乘除此处略去）：

以上，分析了线上女鞋市场容量、对手情况、线上女鞋产品情况，由此，我们可以得出如下结论：

（1）女鞋类目无论同比环比都是高增长，说明瓜分线下市场份额和线上增量市场都在大幅增加，女鞋类目电商进入高速增长期；

（2）成交指数增幅远高于搜索指数增幅，说明线上品牌集中度增强，新进品牌需要投入更多的资源以获得市场份额；

（3）对各个价格段分析和卖家份额可见全年客单价平均400元左右的品牌机会非常大

（4）卖家数量多，且品牌集中度较高，传统品牌在线上的运营逐渐成熟；

（5）二八定律明显，小卖家基数很大，但只能强大20%的市场；

（6）除了传统品牌，有理念、调性，有风格、溢价能力的专业女鞋品牌屈指可数

（7）真正在互联网上成长起来的85后，90后正是女鞋消费的大军，而这群网购的原住民正在从消费层

2、 分析受众心智

分析受众心智，他们喜欢买什么、想要什么样的，这些东西当然不会告诉你，淘宝也不会告诉你，最简单直接的办法来弄明白你的目标客户到底想要什么，那就是分析他们搜索什么，顾客都是用脚投票的，分析潜在顾客搜索什么且方向正确得出的结论基本八九不离十；

具体方法：生意参谋---市场行情----搜索词查询，输入品类关键词

如上图，搜索之后导出搜索结果，保留搜索人气和支付转化率两项指标，然后对数据进行清洗分析；例如车品类目生意参谋搜索词数据分析：导出搜索数据并进行清洗，保留日均搜索30以上数据，进行需求分类并汇总

得出初步结论：在做挂件、述求性状、产地、香型、功能的车载香水还有机会。

分析产品（产品结构、新品数据、产品评价反馈、产品取舍）

1、 根据淘宝天猫类目推荐，组合你的产品结构，以及推广节奏，不定期监控；

2、 分析往年产品热销情况，决定你下年的产品结构，最好用莫过于数据魔方，可惜已经下线，现在只能依靠生意参谋市场行情来查询，例如下面两图，统计分析了女鞋往年的销售属性

得出整个销售属性统计之后一是能指导你选择空白市场进行布局，二是能够迅速读懂一个类目，操作起来得心应手；

3、 分析单品数据；两个率决定你的淘宝能不能做好，一个是点击率，决定了你的流量获取能力，一个是转化率，决定了你的流量消化能力；那么单品数据分析的重点就凸显出来了：

第一、 点击率，也就是你的宝贝首图创意如何，直接决定了在整个“购物链条”里面的展现环节与竞品相比你的竞争实力；

（1）在新品上架之后，利用直通车通过AB测试法，快速测试出点击率最好的创意，点击率没有最高只有更高；

（2）众多新品当中，利用直通车或钻展，同样看点击率，选择出最具竞争实力的新品；

第二、 转化率，这里所说的新品转化率包含了收藏加购率，新品表现期，如果收藏和加购率不错，那么即便暂时不成交也是很有潜力的宝贝的；

4、 分析产品反馈，产品上架销售一段时间之后，会有一批客户反馈的评价出来，把评价整理成文档，通过blueview-词云工具分析评价印象；也可导入Excel表格进行手工提取；

看到客户说那些好，那些不好，了解客户所需，用来指导你的促销活动，赠品搭配，详情页改进等等；

5、 分析产品取舍，这一块很简单，直接看关键数据，点击率、转化率、销售额；好的留差的去，好的加大推广力度，差的缩小预算；

分析推广数据（淘系电商钻展、直通车、淘宝客）

1、 分析直通车数据：淘宝直通车现在已经傻瓜式的操作，在单品推广上参照产品分析的几项数据，另外直通车自带报表，每日根据报表反馈，调节经费预算，增删词等等；

2、 分析钻展数据，直通车钻展都一样，重点都在点击率，根据推广工具自带报表以及推广经费预算选择是否更换创意，调节出价和推广位置；

3、 分析淘宝客数据，淘宝客在淘宝的推广中一直都是锦上添花的事情，为什么这样说呢，因为淘宝客不同于直通车（CPC）钻展（CPM）的计费模式，属于CPS计费模式，也就是按照成交付费，基于羊群效应的道理，你本身店铺实力越强，销量越高，淘宝客们更愿意帮你推广，因为你的强实力和高销量代表着高转化，直接影响淘宝客们的推广收益。

所以，淘宝客得这么玩：制定独立佣金计划，吸引淘客加入推广，取得联系，再对淘宝客进行分类和进一步刺激计划，刺激他们为你推广。根据阿里妈妈后台淘客推广成交数据，进行一轮一轮的筛选，精益求精，是一个日积月累的过程。

分析老客户（CRM数据）

客户管理至关重要，在流量获取成本极高平台方刻意截断商家与客户联系的今天，更要想办法积累老客户，建立自己的老客户“鱼塘”；鱼从哪里来？从自己店铺成交客户里面来，所以，建立客户管理表格，细化到姓名、地址、联系电话、兴趣爱好、店内消费金额、上次购买时间等你能细化到的每一个数据，作用有三：

第一、 做客户白描，统计处最大金额付款客户之后，百度搜索客户账号、姓名、电话号码、地址、姓名+地址、姓名+电话等组合，深挖客户信息，最后得出客户白描如：某某某，女，25岁，山东青岛人，未婚，使用互联网经验中等，经常使用淘宝，微博，平均每天在线2小时，在某某处有一套自己的住房，按揭贷款正在进行，平时喜欢和朋友小聚，爱好跑步，典型正在奋斗的都市白领。

做出客户白描之后，用语指导你的钻展推广维度选择、直通车推广人群选择、客服服务话术设置、详情页利益点撰写。

第二、 打造自己的社群，如果你的产品风格足够独特，产品品质过硬，在众多老客户当中甄选出优质客户，逐渐养成自己的产品社群，粉丝的力量可想而知的，曾结实一些风格独特的小众店铺，在统计出客户列表之后，一个一个给客户打电话，加微信，最终形成自己的产品社群，可见效果都是执行出来的。

第三、 配合店铺促销以及营销活动，对自己的老客户情况了如指掌，那些买了，那些没买，客户回购的规律是什么，怎么刺激再次购买，再配合直通车钻展优惠券投放等推广手段，销售额翻一番不难。

分析财务数据

生意参谋-财务分析，可以直观的看到店铺财务状况

回看上面五点，从分析市场，分析产品，分析推广数据说到分析客户，分析财务，最重要的是什么？从商业本质出发，最重要的是要赚钱，做好财务数据分析，降低成本，增加收益尤为重要，很多老板一年做到头都是一头雾水，到年终连自己赚了多少，亏了多少都搞不清楚，实在是不应该。

对数据敏感，能够通过数据预判临界点的到来，从而调整业务变化，从数据中来到数据中去，密切关注数据变化；最后，弄清楚自己的真实目的，不要被情感和假数据左右了你的决定。

数据平台的建设可以当做一个产品来设计。从广义上来讲，所有以数据驱动为核心的都可以称为数据产品（如数据报表平台，DMP，BI平台），从狭义上来讲，就是公司内部的数据平台。今天我们要讨论的，主要是在公司内部搭建数据平台。

公司的内部数据平台，主要是给各业务提供数据处理、分析、展示，供内部所有部门人员使用的，涉及数据的收集（填报）、数据的整合、业务报表制作、业务员数据分析以及可视化数据展示，目的是让公司内部的所有业务都能通过数据来驱动和辅助决策。简单点讲就是通过数据平台来驱动公司内部的数据化运营。

那么如何设计符合企业实情并能解决实际问题的数据平台呢？

1. 平台建设主导人需要对每一块业务需求有深刻的了解，知道每个业务部门想要看什么样的数据，需要什么样的分析报表；这些数据是否现在就可以获取到，是否需要收集；业务部门通过这些数据分析，是如何推进和改善业务，是否有提升的价值意义。

2. 平台的设计需要根据业务的要求设计符合使用者需要的内容，产品要有层级和结构。如果设计的一张数据报表既要满足管理层的需求又要满足一线业务人员的需要，那么这样的数据产品体验很大可能是比较差的。因为领导和业务人员的关注点不一样，看数据的视角也不一样。领导往往需要一些能帮助把握大方向的关键指标，并且希望知道这些指标之后的问题是什么？原因是什么？所以给领导设计的报表需要直观易懂，并且能够基于这些指标的一场定位到问题。而业务人员更在乎业务的执行，关注的数据往往粒度很细，需要知道各项指标的明细。

领导关注的报表（FineReport制作）

销售领导关注的指标明细（FineReport制作）

3. 数据平台一定要注意数据质量、规范、统一。因为数据平台是面向所有业务的，怎么保证公司的所有部门人员对于数据的理解是一致的，这点特别难。（比如服装行业的“断码”，从领导层来讲，公司仓储的服装全部尺码如果不完整就是断码；从仓库的仓管员角度来讲，仓库内的服装尺码不全就是断码；从门店的业务员角度来讲，客户需要的尺码当前门店无货就是断码）。公司的业务系统各有不同，数据口径不一，数据孤岛问题，导致数据的质量和结构也千差万别，越是这样，数据仓库的数据建设就显得尤为重要。平台的数据质量依赖于数据仓库底层的数据模型，所以一个好的数据仓库很大程度上决定了数据平台的数据质量。

4. 工具选型上，有报表平台、BI。报表平台适合构建基础的规范化的数据平台，从明细报表（表格类）的，项目档案，文件报备，数据填报，数据报表，业务主题分析，文中的所有demo就是用FineReport制作，侧重于展示和报表管理。BI侧重于分析，拿到数据可以自己拖拽维度来分析，不同于报表受模板框架的限制，涵盖简单的明细报表、分析报表和主题分析，制作要简单很多，大数据量的处理性能也强劲很多，代表：FineBI、Tableau.

下面我们就从实战的角度来加以阐述。

某公司是一家电商公司，那么该公司的各部门需要看哪些数据呢？首先收集日常常用的数据指标，哪些是经常要查询的，哪些是要日常填报的，这些在过往的经营中都有备案，好收集。这就构成了日常的基础查询类报表，这类报表最占大头。

其次，我们可以观察一下各部门的KPI是什么？下放到团队以及个人的KPI是什么？是否能以具体的数字来量化？如果对负责支持的部门的KPI不了解，就去寻求部门领导帮助（使用者最懂要什么），不落实指标如何能设计出好的数据报表？通常粗略的，例如采购部门的KPI基本就是销售额、订单数、销售毛利润、采购成本；运营部门的KPI就是新老用户述、留存率、复购率、用户流失、转化率，市场部门的KPI就是PV/UV、新客数，这就构成了各部门日常管理的报表。

那么知道各个部门的核心KPI后，下一步就是针对一些特定场景的主题报表。主题报表往往是记录某一事件，其中的指标都是相互关联的。

比如，我希望知道这个月我的绩效完成的怎么样？在团队内排名是提升还是下降？每个人的绩效结果明细是怎样的？——这就构成了日常考核报表。

又比如在分析产品时，需要重点关注某些产品的相对市场份额和市场增长率，则要建立波士顿矩阵分析，以便让资源有效地分配到合理的产品结构中（当然还有其他分析角度）——这就是品类分析。

产品分析（FineReport制作）

再从业务分析和使用场景入手，拿采购部门的小王来说，他是怎样看数据的呢？

每天早上，我希望知道昨天的销售情况怎么样？所以这时候应该设计一张基础查询报表给到他，这张数据报表应该具有以下功能和内容：

1.能够查看昨天以及过去各时段的数据；能够按照产品、地域来统计；能够与过往的平均值做比较，看看是不是某区域某产品的趋势上有大的变化，是不是广告投放，活动推广带来的，影响大不大。其次，每个月，每季度的数据是多少，能够选定时间段自动展示。

请点击此处输入图片描述

2. 指标越丰富越好，如果销售额下降了，看看是不是订单数下降了，订单数没变是不是客单价的问题，是由于商品结构的原因还是活动门槛调整导致的。

3. 数据分析的能够下达的粒度越细越好。比如数据粒度可以从全国下钻到省份，从省份下钻到城市，这样交易额下降了就能知道是哪个省哪个城市出了问题？就能针对性的解决。

请点击此处输入图片描述

经过以上几个步骤，即可形成平台雏形，形成规划文档。但一个数据平台，无论前期规划得多么丰富，也不可能一蹴而就。公司的业务在不断变化，分析的内容也越来越丰富，在这过程中总需要不断磨合和调整，只有不断完善之后，才能形成一个更加量身定制的实用平台。

电商网站对用户行为数据进行分析，可以进行用户画像并分类管理，目的就是把商品信息推送给那些真正需要的用户。

可是，如何高效的进行用户行为数据分析呢？固定报表、传统BI、敏捷BI都很努力的尝试，国内几乎全部与数据分析服务相关的公司都号称他们的产品能够做到让业务人员自主分析，可是很不幸，从一个既不懂数据库概念更不会写SQL的真正业务人员的角度来看，这些东西与二三十年前的固定报表相比起来，唯一的进步就是图炫了一些。

其实，数据分析的应该是非常简单的，业务人员只需要将脑洞开的大一点然后正常的去思考并提问就可以了。

今天小编就使用易用性最佳的数据分析平台 Phoenix Analytics 演示一下如何快速进行用户行为分析。

Phoenix Analytics 使用起来极为简单！只要会玩连连看，就可以轻松驾驭数据分析！

废话到此为止，现在我们开始玩数据吧。

运营部门的小A想要找出一些土豪，就是近3个月内每月消费金额都在5万元以上的用户。

要找出这些土豪非常简单，小A使用KPI模板功能，选择一个相应的模板，然后数据金额并将时间和度量拖放到指定位置就OK了，一个能过滤出土豪用户的集合就创建好了。在多维分析中可以看到刚刚创建的这个集合，拖拽它到指定位置，就可以看到这些土豪的消费情况啦。

最后，当然少不了数据可视化。小A新建一个数据海报，只需轻轻拖拽一下，就把刚才的查询信息用图形展现了出来，并且可以使用各种各样的图形进行尝试，直到找到最适合的那个。

运营经理认为那些购买商品的次数和浏览次数差不多的用户也属于土豪，因为这些人基本上是看到什么就买什么。小A很快领会了经理的想法，并且分分钟找出了第二种土豪。

小A先假设一个用户的购买次数除以浏览次数如果大于0.3，那么则判断这个用户具备看了就买的特征。

这时BOSS路过并加入了讨论，他非常同意小A和经理的想法，并且指出同时具备这两种特征的用户是超级土豪，需要格外关注。

要找出这种土豪同样so easy，小A花两分钟时间使用KPI模板创建了超级土豪集合，然后用不到半分钟时间进行了数据查询。

最后，使用数据海报非常轻松的把三种土豪的相关数据以可视化方式展示。为了将图做的好看，小A进行了一些试探性的图标展示。

此时，更多的同事也纷纷提出了自己的意见：

有人说应该将大量购买日用消耗品的用户排除，他们很可能是保洁公司的采购而非土豪；也有人说以前消费能力不强而最近半年突然显得很壕的用户符合暴发户的特征，可以将一些奢侈品多多推送给他们；还有人说突然购买包包、口红、化妆品、首饰等商品的男性用户可能是恋爱了，可以将更多女士礼品推送给他们。大家思维如此活跃，Boss非常开心 :)

Phoenix Analytics 可免费下载使用。点赞、评论、转发，关注并私信小编，就可以获得下载地址。

前言

二类电商的特点有两个：第一个首先就是非品牌，不是什么知名品牌；第二个就是短时爆款，包括非标品。从15年做到了16年，直到现在越来越多的团队在操作，这个项目流程比较的简单，不需要特别麻烦的团队管理，中间也没有什么复杂的环节，就是比较简单的投钱买产品，运营得好，月入20万是真的。

一步步教你如何玩转二类电商运营，老司机将逐一为大家解开二类电商运营的奥秘，带你入门。老司机将从如下方面进行分享：

一、 爆品选择方法

二、 落地页设计技巧

三、 信息流广告平台分析

四、 开户渠道选择

五、 创意计划配图技巧

六、 广告投放策略

七、 广告投放优化技巧

八、 账户架构搭建攻略

九、 SEM用户画像数据分析

十、 签订物流

十一、 发货/退货处理

十二、 资金收回及循环启用

十三、 相关工具网站

九、SEM用户画像及数据分析

1）.用户画像的思维导图

用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。

构建用户画像的核心工作即是给用户贴“标签”，而标签是通过对用户信息分析而来的高度精炼的特征标识。从而让二类电商运营团队成员在产品选型和落地页设计的过程中能够抛开个人喜好，将焦点关注在目标用户的动机和行为上进行设计。

二类电商的核心就是精准营销，用户画像是二类电商最直接和最有价值的应用，分析产品潜在用户，针对特定群体利用特定的表达等方式进行营销。

2）SEM数据分析主要内容及关键报表

分析数据逻辑：确定分析的目的—>收集数据—>整理数据—>分析数据—>得到一些分析的结果和改进思路

数据分析的常用四种方法：

a、趋势分析方法：有时段趋势、逐日趋势、逐周趋势、逐月趋势、逐季节趋势……这个分析法比较简单，一般通过百度指数、百度统计就能掌握这些趋势。重点是根据自己行业，针对不同时间的趋势进行广告策略调整。

b、比重分析方法：分析部分与总数比例关系。快速掌握企业的核心推广业务、主要推广渠道、主要推广地域等主要比例。

c、TOPN分析法/二八原则：指基于数据的前 N 名汇总，与其余汇总数据进行对比，从而得到最主要的数据所占的比例和数据效果。二八原则，找到消费/效果占比 80%的数据，有效帮助定位问题。

d、四象限分析方法：把数据切割为四个小块，把杂乱无章的数据切割成四个部分，然后针对每一个小块的数据进行针对化的分析。

数据分析主要内容：

a、昨日账户数据的分析:统计账户的消费展现点击点击均价，商务通的有效对话，统计预约系统的预约量和订单量。计算预约率和到站率，然后经常查看和之前的对比和变化，找出问题所在，进行优化。

b、昨日计划消费数据:根据一个一个细分别的小项目进行分类，统计小项目的对话，预约和订单数据，还有计划消费，方便直观看出对话成本，预约成本和到诊成本。

c、单元层级消费数据:查看前一天的消费情况和点击的数据是不是异常，单元结构划分的是不是有不合理的地方。

d、关键词层级数据分析:把关键词报告，搜索词报告，商务通的数据进行合并分析，这样统一分析，既简单又有效。

e、创意报告的数据报表:查看是不是有一些不适合推广的内容，点击率是不是正常，是不是拉低了总点击。

f、预约搜索词报表:一些搜索词产生的预约，在登记的时候除了登记一些订单的基本信息之外还要标注上搜索词，每周进行分析，并在账户进行标注好的。

关键数据报表：

b、搜索词报告:这个报告是作为数据分析与优化最为重要的数据报告之一。推广流量精准度与否都可以利用这个搜索词报告一目了然。

但是搜索词报告大部分人都是基于后台搜索词报告直接进行否词操作，而且有很多人都是看见一个不相关的搜索词马上否定掉。最后会发现我们计划否词数或者单元否词数不够用了。

其实对于搜索词报告我们一般都是将每天搜索词报告做一份excel透视报表，可以透视清楚哪些搜索词垃圾流量触发点击数最多的，超过2次以上点击垃圾流量进行否定处理。触发一次搜索垃圾流量一周集中累计再集中做出透视数据分析，最后看出那些单次点击一周内累计垃圾流量多次触发的搜索词再进行否定关键词。

c、关键词报告:关键词是SEM广告投放核心，关键词报告一定是要结合其他数据报告一起分析，才能筛选出我们有效的数据。

d、地域报告数据:主要作用是明确各地域消费占比与各个地域推广数据。如果对于此数据调整，可以结合后端转化数据进行地域消费占比调整。

3）、数据分析案例分享

从账户数据表现来看怎样通过数据分析，判断账户的问题及解决思路。以下图数据为例（设定该行业CPC均价为8）:

CTR是关键词点击率=点击数/展示数；

CPC是关键词平均价格=消耗/点击；

从上表可看出“营销”这个词CPC高过8，那么可能存在的原因是什么呢？

1、 行业竞争激烈；

2、 关键词出价高；

3、 关键词质量度低；

4、 创意相关度不高；

5、 排名是否有问题；

“推广”这个词，CPC低，CTR高，有哪些原因？

1、 行业竞争度不高；

2、 排名不高；

3、 匹配方式；

4、 被恶意点击；

我们添加有效客户数据后再分析：

这里有两个计算公式：

客户成本=消耗/有效客户；

客户转化率=有效客户/点击数；

从数据中来看“推广”这个词，从客户转化率来说，非常差，客户数少、客户成本高，这是什么原因呢？一般可以从如下几个维度分析：

1、 客户意向度低；

2、 关键词页面不相关；

3、 竞争度很低；

接着我们用四象分析法来分析：

1、 高成本高产出：“推广”这个词，从ROI(投资回报率)来说，就是很好的词了；

a) 拓这一类的词

b) 抢占排名；

c) 调整关键词链接；

d) 增加消费；

e) 质量度差；

2、 高成本低产出：“营销”这个词，从ROI来说，就是个代表词了；

a) 降低排名；

b) 降消费；

c) 优化创意；

d) 调整关键词链接；

e) 放弃；

3、 低成本低产出：

a) 排名低；

b) 修改匹配方式；

c) 搜索量低；

d) 创意不吸引人；

4、 低成本高产出：

a) 将这部分关键词为核心，拓展关键词；

b) 抢占排名；

c) 增加消费；

从上面的一系列数据来看，如果只有账户数据来进行调整，那么我们的很多词都会出现调整错误，导致最后的ROI不知道哪里出现问题，更不知道该怎么去调整了。

如果有账户数据+有效客户的数据，也是同一个道理，一调整就容易出现：有效客户数很多，ROI降低、甚至出现ROI为负的情况。

下面我们再来讲讲还要结合哪些数据来分析？

1、日报表、周报表、工作日报表、假日报表、半月报表、月报表、周月对比数据，这些都是基本的需要做的（PS：不是做了就算了，需要进行查看对比，找出问题）。

2、关注竞争对手：查看竞争对手投放了哪些词、关键词用的是什么匹配模式、有几个账户、网页的改变、营销活动等等；

3、市场的变化：政策的变化、行业的变化、突发的热点新闻等等；

4、针对不同的地域，建立不同的地域数据，查看哪些地域，成交好、成交一般、成交差；

5、推广时间段：需要做出一个数据来分析不同的时间段转化的效果，最好每天都做；就像下面这种，甚至当时还做过小时的数据；知道哪些时间段效果非常的好，哪些时间段差；如果平时这个时间段效果很好，今天却很差，那就说明有问题了，需要去查看问题；还做了关键词的小时转化数据，来调整时段调整策略；

6、词性数据：来分析哪些词性好，去拓展，去优化，调整；

7、根据每天做的数据找出高成本的词（可以以“有效客户成本”为标准），分成高成本、中成本、低成本、无转化等等。