电商平台需要分析哪些数据？又该怎么去具体分析？
一个电子商务运营分享了自己的亚马逊电子商务数据分析运营报表：
在热评第一分享的应用模板中，可以扒出一个清晰的电子商务数据管理框架（以运营角色区分）
（纯手打，所以图有点长，为了方便大家，把原图放在文末了）
一般来说，整个数据运营分析的过程是这样的：
电商分析会使用到和整个用户路径相关的指标，从发现到获取、转化、留存以及推荐，大致过程可以简化为以下：
- 数据抓取：从线上店铺的各个方面抓取数据
- 数据分析：分析任何可能对销售有影响的数据，理解当前趋势和消费者行为的转变
- 数据决策：做出数据驱动的决策
详细来说下。
01 数据抓取
即从线上店铺的各个方面抓取数据指标，电商运营分析的数据指标是一个很庞大的体系，主要分为8个类指标，120个细分指标。
如下图所示：（纯手打，图有点长，原图文末自取）
数据抓取就是要找准需要分析的数据指标，从店铺运营的各种数据中将这些目标数据指标抽出来，进行专门的检测和分析。
注：但并不是说这么多指标都要挨个抓取，到底该选择哪些指标往下看。
02 数据分析
即分析任何可能对销售有影响的数据，其目的是理解当前趋势和消费者行为的转变。
上面我列出了总共120个数据细分指标，但在实际运营过程中，是不需要将这些指标全部分析的，当然这也不现实。
建议：根据店铺实际运营情况，结合当下的关注点&目的等为出发点，选取其中2-3个大类指标垂直拆解、深度分析。
做电商数据运营必须要分析的几组数据：
- 日常数据：流量相关数据、订单相关数据、转化率相关数据
- 流量数据：IP、PV、在线时间、老用户比例、新用户比例。
- 订单数据：总订单、有效订单、订单有效率、总销售额、客单价、毛利率。
- 转化率数据：下单转化率、付款转化率。
- 网站数据：IP、PV、平均浏览页数、在线时间、访问深度比率、访问时间比率。
- 运营数据：总订单、有效订单、订单有效率、总销售额、客单价、毛利润、毛利率、下单转化率、付款转化率、退货
- 会员数据：会员总数、所有会员购物比率(新会员，老会员)
下面详细讲一下，上述几组数据按分析角色可以划分为：
- 用户方：需求洞察、渠道来源、用户留存、用户推荐
- 店铺方：营销推广ROI、店铺转化率
- 产品方：产品整体数据、销量数据
（1）运营方
- 依据用户画像，洞察需求
通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，并对这些数据进行分析统计，抽象出用户的信息全貌。
比如这种：
- 用户渠道来源
对电商数据运营来说，最基础的一步是分析“流量来源”，即用户是通过哪些渠道进到店铺中的。具体操作方式如下：
- 分析不同渠道来源的“客户数量”及“支付转化率”
- 找出“支付转化率”比较高的流量渠道，增加该渠道的投入。
这样可以做到高流量的精准转化，提高整体的“支付转化率”。可以利用数据分析工具能为不同渠道的表现提供总览，并给出目标转化率。
- 用户留存
获取新用户比留住老用户成本大得多，因此分析用户留存数据非常重要，研究显示，用户留存率提升5%就能带来25%到95%的利润。
分享几个测量用户留存的指标：
- 购买频率：消费者在给定时间段（通常是一年）内进行的购买次数。
- 留存期：顾客保持活跃状态的平均时间长度。一般是1~3年。
- 顾客生命周期价值=平均订单价值*购买频率*留存期。
- 单次转化费用：获得一位新顾客所需花费的成本，需要监控所有的营销活动数据（包括搜索引擎优化）。CPA必须＜顾客生命周期价值。
销售行为中对客户留存的监测一般是采用销售漏斗，以该模板为例：CRM客户管理：
- 用户推荐
用户推荐对于电商来说非常重要，他们是品牌天然的品牌大使。主要包括：
- 推销型用户 ：他们是你最忠实的顾客；
- 消极型用户：他们对你的产品还算满意，但没有意愿推广你的产品；
- 厌恶型用户：他们不仅不愿再来购买，还会劝身边的人也不要来买。
很多电商企业会密切关注着这一阶段的指标并及时做出反应。
（2）店铺方
- 营销推广ROI
依据数字化营销提高推广的RIO，是做电商数据运营最重要的环节之一，通过数据分析达到高效转化与品效相结合。
通过对ROI的分析，可以生成以下几种报告帮助决策者决策：
- 内部营销报告：内部推销点击率、交易数量、收入、内部推广点击后产生的交易数等等。
- 订单优惠报告：提供订单优惠和收入、交易量、订单平均价值的关系分析。
- 产品优惠报告：提供有关产品优惠和收入、购买人数、每次购买产生的产品收益。
- 折扣码报告：分析合作商 / 品牌大使 / 博主对你店铺销量的贡献。
- 店铺转化率
店铺转化率=(产生购买行为的客户人数 / 所有到达店铺的访客人数)× 100%，可以用以下指标来跟踪和优化：
- 销售转化率：已购买的用户和全部来到店铺的用户比值
- 平均订单价值：用户下单的平均金额
- 放弃购物车率：在所有产生的订单中，未完成订单的占比
给个参考：电商行业的平均转化率为 2％，业绩最好的店铺通常会达到平均水平的两到三倍。
（3）产品方
- 产品整体数据
产品整体数据分为两个部分：销售表现和购物行为。
- 销售表现：各个商品带来的收入，至少购买过一次的用户数，平均订单价格、数量，退款数目等等。
- 购物行为分析：商品浏览页访问量、商品详情页访问量、加入/移出购物车的商品，进入结算阶段的商品，以及购买人数等。
- 销量数据分析
销量数据几乎反映了所有电商运营环节的效果：市场营销、流量积累、商品优化、产品迭代等。总销售额是衡量线上店铺经营状况最佳的“整体主要指标”（OMM）之一。
注意：不要只关注短期效果，要检测长期变化
03 数据决策
数据分析完成后就需要进行数据决策了，而做数据决策最重要的一环——生成业务数据报告。
数据报告的目的在于说明现有业务的优势与不足，并提出对于业务的合理优化建议，指导后续发展。
数据报告的生产可以借助一些数据分析工具，会比用Excel来的更简单一些，比如这种：
数据分析仪表盘
另外还有一些其他工具网站，按照自己的需求来就可以了，工具的选择也不要贪多，够用就行。
注意：数据报告不能只是简单的罗列数据，要实现业务知道的需求，还需要做到以下三点：
- 对业务的改进优化；
- 帮助业务发现机会；
- 创造新的商业价值。
而这三点，也是数据分析的价值根本所在。分享几个数据报告常用思维：
（1）对比：把数据放在一个合理的参考系中，通过对比来说明问题。比如：
对比数据，为什么订单数减少了?但销售额增加了?这是否是好事? 对比数据，为什么客单价提高了?但利润率降低了?这是否是好事? 对比数据，能否做到销售额增长，利润率提高，订单数增加?怎么做
（2）转化：梳理整个业务流程和环节，计算分析各个环节的转化率并思考如何提高转化率。
（3）公式：从公式的角度进行指标拆分。比如：
销售总额=客单价*用户数。所以想要业绩增长就需要：吸引更多的用户；从每一个用户身上得到更多的钱。
（4）分类分析：电商中常见的分类分析思路就是拆分类目。比如：
平台的销售总额可以拆分成各一级类目的销售总额，一级类目再拆成二级类目，二级类目再拆分到店铺。
以上，数据分析是一个非常庞大而复杂的体系，靠我短短这几千字是说不完的，因此只能跟大家讲一些基本的。
