一、了解数据指标

对于电商行业来说，数据分析显得尤为重要，GMV、转化率、复购率等等都需要电商人员实时关注，精细化运营和数据驱动的理念是目前电商行业自身增长重要的因素。

首先我们需要了解，电商行业的数据分析都需要关注哪些指标。

以上是我整理的电商行业需要关注的基本指标体系，根据大家负责的部分不同，需要重点关注的方向也不同，这里主要详细介绍总体运营指标及核心数据仪表盘的重要可视化内容。

1、流量类数据

用户增长及整个消费流程的第一步就是用户对网站的访问情况，通过PV、UV、访问次数、访问时长、跳出率等流量类指标，可以关注到用户对网站的感知情况，从而通过调整提高流量。

在这个部分，也可以加入关联分析的数据分析思维，将流量数据与不同时间、不同渠道、用户分布等进行关联分析，从而更清晰准确的找到问题，进行调整。

2、销售类数据

销售类数据是最直观反映一段时间业务增长变化情况的，其中最重要的关注指标GMV（成交金额GMV=UV *转化率*客单价），在销售类指标中，为了精准化运营，要关注销售流程中，用户从加入购物车到下单、支付，再到最终订单完成的每个阶段的数据和转化率，才能准确的找到问题，提高转化率。

3、用户类数据

用户类数据的分析中，包括用户行为、用户画像和用户价值分析，例如注册用户数、活跃用户数、用户平均购买次数、用户留存及用户复购等。用户价值分析可以建立RFM价值模型，找到高价值用户进行精准营销。

二、数据分析方法

数据分析的关键点除了上面讲到的关键指标外，基础技能必备的还有常用的分析方法，结合行业数据分析场景，给大家总结了一些常用的数据分析方法，希望会有帮助～

1、漏斗分析法

漏斗分析模型是业务分析中的重要方法，最常见的是应用于营销分析中，由于营销过程中的每个关键节点都会影响到最终的结果，所以在精细化运营应用广泛的今天，漏斗分析方法可以帮助我们把握每个转化节点的效率，从而优化整个业务流程。

其中，我们往往关注三个要点：

第一，从开始到结尾，整体的转化效率是多少？

第二，每一步的转化率是多少？

第三，哪一步流失最多，原因在什么地方？流失的用户符合哪些特征？

漏斗分析通常帮我们解决的不止是转化率的问题，精细化的漏斗分析，还可以帮助我们：

1、漏斗对比分析，从差异中找到优化方法 对比不同用户群体、不同营销方式等的漏斗分析，可以帮助我们快速发现用户特点、营销方式的转化优势，找到在转化环节中，针对不同用户可优化的步骤，或营销方法中可强化的地方。

2、通过转化率定位转化最有效的关键方法 绝大部分的商业变现流程，都可以梳理出漏斗，通常我们会采取多种方法希望增加转化，漏斗分析可以帮助我们很好的梳理整个业务流程，明确最重要的转化节点，所以在分析的过程中，可以找出是否有其他不重要的过程参与，影响了主要流程的转化，从而进行取舍优化

漏斗模型典型案例

AARRR分析模型

Acquisition、Activation、Retention、Revenue、Refer，即用户获取、用户激活、用户留存、用户收益以及用户传播。

通过图可以看到，这是一个典型的逐级减少的漏斗图，通过对于每个环节转化率的分析变化，来确定实现最终转化的关键方法，不断进行优化迭代。

在目前的互联网产品普遍红海的情况下，增长专家们也对模型进行了新的思考和优化，在AARRR模型中，最为关注的是用户的获取，通过扩大漏斗顶端的流量池，实现最终转化的提高，在目前市场情况下，获客已经很难成为增长实现的最重要指标了，重新定义的RARRA模型，帮助人们把关注重点从用户获取转移到用户留存上，这就需要更多的去关注用户活跃和留存数据，这个也是后面我们会说到的用户分析方法中重要的分析指标。

漏斗分析方法的图表制作

小草莓玩数据 | 如何轻松制作漏斗图​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247483708&idx=1&sn=da76361620eba36bfed63294b5c1745b&chksm=97624deaa015c4fc4a4f7e49de7fbbcce167b45ad9d4d5a01f0b83afada7ca7754ad4fdc6487&scene=21#wechat_redirect​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247483708&idx=1&sn=da76361620eba36bfed63294b5c1745b&chksm=97624deaa015c4fc4a4f7e49de7fbbcce167b45ad9d4d5a01f0b83afada7ca7754ad4fdc6487&scene=21#wechat_redirect

在BDP中可以通过拖拽生成漏斗图，根据漏斗数据顺序排列，自动生成各级转化率，也可以根据需要调整每级数据颜色。

2、对比分析法

对比分析法不管是从生活中还是工作中，都会经常用到，对比分析法也称比较分析法，是将两个或两个以上相互联系的指标数据进行比较，分析其变化情况，了解事物的本质特征和发展规律。

在数据分析中，常用到的分3类：时间对比、空间对比以及标准对比。

时间对比：

最常用的就是同比和环比，通过时间周期的数据对比，了解目前数据水平的高低

同比：某个周期的时段与上一个周期的相同时段比较，如今年的6月比去年的6月，本周的周一比上周的周一等等。

环比：某个时段与其上一个时长相等的时段做比较，比如本周环比上周等等。

在BDP中可以一键生成同环比分析，分为基于日期维度和非日期维度的，具体操作可参考下方文章

https://mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247485187&idx=1&sn=d2f3e29a1c9fe040122334a17850e769&chksm=97624bd5a015c2c31235d6999e63dd1a9269de7c82cd4c717ef8654d371e20a8dc906ed5941c&scene=21#wechat_redirect​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247485187&idx=1&sn=d2f3e29a1c9fe040122334a17850e769&chksm=97624bd5a015c2c31235d6999e63dd1a9269de7c82cd4c717ef8654d371e20a8dc906ed5941c&scene=21#wechat_redirect​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247485187&idx=1&sn=d2f3e29a1c9fe040122334a17850e769&chksm=97624bd5a015c2c31235d6999e63dd1a9269de7c82cd4c717ef8654d371e20a8dc906ed5941c&scene=21#wechat_redirect

空间对比：

即在相同时间范围内与不同空间指标数据进行对比

例如：不同部门、不同业务人员、不同地区等进行对比，比如各省份订单销售数据的差别对比，可以得出产品的优势地区重点突破，平衡人力物力等。

在BDP中可以通过对比拆分，实现同类数据不同维度的对比

小草莓玩数据 | 多项目还能进行拆分对比？怎么可能嘛！​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247483861&idx=1&sn=7c2fdb7f6a59f9432f055912447b4de8&chksm=97624d03a015c415a7af143cfc4d5ad47f478b99a3cc5afe6115197687e37e3a4120d52d550a&scene=21#wechat_redirect​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247483861&idx=1&sn=7c2fdb7f6a59f9432f055912447b4de8&chksm=97624d03a015c415a7af143cfc4d5ad47f478b99a3cc5afe6115197687e37e3a4120d52d550a&scene=21#wechat_redirect

标准对比：

业务数据通常会设定目标计划，标准对比可以通过目前数据与设定的目标计划之间的对比，了解目前发展进程，完成进度等，了解差距后可以及时调整策略。

另外，BDP中，也可以设定一定的基准目标在图表中，清晰的展现达成情况，对于未达标的及时把控调整。

3、用户分析法

用户分析是互联网运营的核心，常用的分析方法包括：活跃分析，留存分析，用户分群，用户画像等。在刚刚说到的RARRA模型中，用户活跃和留存是非常重要的环节，通过对用户行为数据的分析，对产品或网页设计进行优化，对用户进行适当引导等。

通常我们会日常监控「日活」、「月活」等用户活跃数据，来了解新增的活跃用户数据，了解产品或网页是否得到了更多人的关注，但是同时，也需要做留存分析，关注新增的用户是否真正的留存下来成为固定用户，留存数据才是真正的用户增长数据，才能反映一段时间产品的使用情况，关于活跃率、留存率的计算，可以参考下面的文章

谁才是你的“潜力股”用户？活跃率来告诉你！​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247485551&idx=1&sn=a78b55007556d424f5e7fd10735b100f&chksm=976244b9a015cdaf2680d663c22a493d135698ea1c396702b20406e489e040cf429623ffe608&scene=21#wechat_redirect​mp.weixin.qq.com/s?__biz=MzIxMDU0MjAwOQ==&mid=2247485551&idx=1&sn=a78b55007556d424f5e7fd10735b100f&chksm=976244b9a015cdaf2680d663c22a493d135698ea1c396702b20406e489e040cf429623ffe608&scene=21#wechat_redirect

那对活跃率和留存情况等数据的监控，要如何发现是否正常呢，需要关注数据变化的几种指标：

1、波动幅度：短时间内是否有大幅度波动

2、变化持续性：数据波动是否呈现持续性

3、变化规律性：数据变化是否是有一定规律的

4、各指标变化关联性：关注的各指标的变化间是否有一定的关联，比如相同时间升降、变化趋势相同等

4、细分分析法

在数据分析概念被广泛重视的今天，粗略的数据分析很难真正发现问题，精细化数据分析成为真正有效的方法，所以细分分析法是在本来的数据分析上做的更为深入和精细化。

例如分析北京地区课程转化情况，要细分到学生类型不同，小初高中不同阶段学生，细分到北京不同地区，海淀、朝阳、西城各地区情况不同，细分到不同学科等等，在数据分析的过程中，由粗到细，通过粗略的数据展示整体情况，细化到局部，分析具体原因。

在BDP中，可以通过几种方式，将整体数据和细分数据都进行分析，实现细分分析方法

1、多层钻取

通过多层钻取，直接在图表中点击查看细分数据，每层数据均可选择适合的图表类型进行展示

2、聚焦下钻

在整体分析中，想要查看特别关注的部分数据详情，可以使用聚焦及下钻的功能，进行自由分析

5、指标分析法

在实际工作中，这个方法应用的最为广泛，也是在使用其他方法进行分析的同时搭配使用突出问题关键点的方法，指直接运用统计学中的一些基础指标来做数据分析，比如平均数、众数、中位数、最大值、最小值等。在选择具体使用哪个基础指标时，需要考虑结果的取向性。

平均数：可以表现同类数据在不同的时间段的数据情况，用于总结趋势和在普遍规律中发现问题。另外，也可以对比在不同地区、不同情况下的同类数据的差异情况，比总量或者单独值更具有说服力

中位数：又称中值，是指按顺序排列的一组数据中居于中间位置的数，代表一个样本、种群或概率分布中的一个数值，其可将数值集合划分为相等的上下两部分。因为是通过排序得到的，它不受最大、最小两个极端数值的影响。例如在统计本季度市场招聘薪资时，由于可能有少部分属于最大值或最小值，用中位数呈现更为有意义。

部分数据的变动对中位数没有影响，当一组数据中的个别数据变动较大时，常可以用它来描述这组数据的集中趋势。

最大（小）值：

最大（小）值常可以用来展现数据中的“异常”情况，在某些数据分析中，异常值可以忽略，但有些最大（小）值的分析，可以研究影响因素，从而找到突破性的动作或可避免的方法，从而推动业务的增长。

三、数据分析工具

电商数据分析的特点是数据量大、数据更新要求较高，所以一般不会仅使用excel来进行分析工作，借助一些分析工具，可以极大提高工作效率

1、excel

需要掌握：

excel教程网上较多

2、SQL

如果做专业的数据分析，SQL也是必须的技能之一，需要了解各数据库类型，创建数据库，常见的查询增删等等

学习：《SQL必知必会》/牛客网

3、BI工具

BI工具是Business Intelligence，商业智能，通过BI工具，可以较好的完成各类数据的整合、处理，以及更加美观的可视化图表看板的制作

对于不同基础的同学都适用，例如上面我们提到的BDP个人版，可以很方便的制作数据看板，实现图表的实时更新，提高工作效率

数据接入方面（支持接入多种数据源，包括本地数据，公开数据，网站统计、广告推广等各种第三方平台数据，同时还能连接各类数据库和同步工具）

可视化图表方面，提供几十种可视化 图表类型，拖拽分析，操作简单

数据处理：关联分析、比Vlookup好用的多表关联、追加合并、SQL合表等都可以轻松完成

操作步骤：

1、数据上传

在数据源界面选择-添加数据源，支持本地表格、数据库等多种数据源类型

这里以本地excel表格为例，点击‘上传文件’，选择一个本地数据表，进行上传

2、数据处理

更好用的多表关联、数据聚合等

3、制作可视化看板

在仪表盘界面创建一个看板，点击右上角「添加图表」，一个看板可以添加多个图表，并进行自动排版

将要展示的字段分别拖至维度和数值栏，选择所需图表类型，即可自动生成直观的可视化图表，返回即可自行保存