电商用户指标体系和分析方法

·优质渠道挖掘

电商测试怎么分组 电商项目如何测试

电商测试怎么分组 电商项目如何测试

·引流转化（渠道投放策略优化）

·APP端迁移和转化

·对重要渠道（KA渠道）精细化运营

·对进入流量进行再运营

·渠道防

引流环节重要指标：

新访UV、总访UV是多少

点击率（用户从曝光到进来有一个点击）

跳出率、二跳率（用户进来之后，跳出是进来之后直接退出，二跳是进来页面再次点击，是否因为页面不够吸引或者流量质量问题导致立即跳出）

APP端的新增激活、新增注册量

·在支付前做好有效的行为分析和（能够让用户完成从访问到支付的转化）

· 0-->1的转化提升

· 精准化运营 （异：基于不同的用户画像，场景：基于用户进入平台当时所处的一个场景）

·访问流失的预警和唤醒

拉新重要指标：

0到1的转化率（转化后变成新消用户）、新消人数

7日访问留存，30日访问留存（用户在转化前，至少要保证它在平台是活跃的，它愿意经常回来看看我平台的一些动态）

带来的新消用户的结构和质量（高价值用户有多少，比例和结构是否健康）

带来的新消用户，当天，7天，28天是否存在复购的行为

·重要指标

复购率

高价值用户量

回流率（支付沉默了一段时间后，会对用户做一个预警和唤醒）

用户价值（从变成支付用户到发展过程中的arpu值，就是每用户平均收入）

提升整个运营效率

让运营的措施产品化和自动化，降低运营成本

持续提升运营效益

让每一个措施都能发挥更大的效益，

根据不断的测试来沉淀一些的策略和做法

通过大数据，结合历史的数据来做一个只能决策

①策略预研

为策略制定前期的数据参考

②在策略的执行中

做策略，搭建对应的报表体系，做到适中的效果和反馈

③执行后

做执行效果评估，事后总结分析

发现问题，有哪些点可以提升

发现机会点

④智能化

产品化、丰富数据资产

还可以基于流量、商品、渠道等等

①、总流水指标

基于去年流水，去看去年相比前年的增长幅度

再参考同类竞品，业务的流水营业额同时期的趋势（行业报告）

如果要从百亿级到千亿级，就去看同类竞品在这个时期百亿到千亿间的年增幅系数是多少

去瞎想一个环比去年总流水应该增长多少倍

②、老消流水

按质量分类后，看去年这些分类用户去年的复购率和复购者的ARPU，去预估新一年的各分类用户达到这个复购率的时候，他们各自的流水是多少，找一个增长幅度

（低质量用户是小于20元）

老消用户基本上已经固定，之后就可以分析出新消用户的流水应该是多少了

③、新消流水

新消首单流水：新消人数 首单ARPU

新消复购流水：新消复购人数 人复购年价值

年复购率：从新消人数中可以找出新消

推算逻辑：

新消首单流水：找出去年新消的首单流水和复购流水分别占多例，去年整个用户人数有多少，今年用户人数增长了多少，还有去年整个用户的新老用户的结构和今年的新老用户结构会不会做一些调整，推算出新消首单流水的占比

新消年复购率：找可控因素，新消年复购率和复购年价值，已有去年1月到12月新消人数用户质量的变化和增长，哪个部分的新消质量好，把用户做分层之后，看不同人数的复购率，根据今年的预估目标和实际达到的情况，来预估明年的新消复购人数，年价值同理

首单ARPU和年复购率都有增长，要评估要达到这样的水平，要去开拓一些新的拉新渠道？要做哪些时期来提升年复购率？通过月分解的这些指标去验证年指标是否合理

三、用户的质与量

①、用户画像

出处：用户调研和购买行为数据

②、拉新用户体系

两种健康度评估方式

③、拉新渠道运营

底部渠道：做优化，如果效果不好就淘汰

中部渠道：还不错的渠道，定位优点和问题，对于这些渠道做不断的渠道优化

KA渠道：非常好的渠道，深耕继续提升

④、拉新渠道评价体系和性价比

考量渠道

拉新成本测算 - 另一种渠道测算方法

⑤、拉新质量评估体系

⑥、拉新拓展，增量用户和存量用户增长方式

⑦、拉新路径和要素

⑧、拉新转化提升方式

其他、渠道案例：

案例一、AB测试

案例二、用户路径转化路径

案例三、投放优化

①、活跃类型

②、促活策略

活跃度提升：能定期到平台上买一单

③、促活执行闭环

四、相关案例

回访干预时点：找到回访用户在两次回访之间的间隔天数，5天12天25天等等

转化提升重点人群：比如当时加购了但是没有支付，针对对应的场景做一些策略，针对这样的场景和行为去做对应的，比如购物车里同类产品的降价，或者优惠券等

一、用户价值提升

用户复购率：让用户买的更多

用户响应预测模型：预测用户在接下来X天（7）他会不会来回访会不会来支付

用户购买迁移：用户在平台中购买越丰富，购买次数和金额都会提升，研究用户购买的类目变化的节奏是怎么样的，有没有什么规律，是不是可以对用户做类目迁移

价格敏感度分析：研究用户对产品的价格敏感度，研究价格在什么位置，对整体平台流水效果

购物篮分析：买A的时候B

凑单提升分析：购物车达到288，提示你再买12元，就可以用满300减10元的券了

做电商的怎么测图测标题？

一、测图方法

测图其实就是测试的受欢迎程度，是一个试错的过程。测图的方法很简单，主要是利用直通车增加曝光度。通过多款对比点击率选出更受欢迎的来。

1、前期准备和制作

对于大类目而言，例如服装，鞋子等商品数量较多，且季节性较强的类目，由于其市场竞争饱和。就需要先进行测款，等款式符合整体的市场趋势，受到了客户喜爱之后，再进行测图工作，筛选出适合的。

大类目要想做到高点击率，就要做到主图好看，且有自己的特色，能快速从大量主图当中脱引而出，集中展示产品特点，弱化营销文案的展示。与大类目不同的是，小类目的产品多以功能取胜，因此在主图的设计中要更着重于体现产品的功能。做好前期准备工作，就可以开直通车测图了。

2、布局好测图的具体内容

对于直通车测图，可以只投放PC端，关闭端（端太多时候竞争太大，花费太高，对于大多数中小卖家来说费用太多承受不住，PC测图测款原理一样，只是基数较小花费也较小）。

测试阶段的产品需要至少达到30个点击。测试周期控制在5-7天为合适。直通车出价选择同行业的平均价格，并且乘以1.5倍。通过比别人高的出价快速获得展现，可以迅速完成测图工作。

3、建立推广

利用自定义推广，选择适合我们产品和店铺的标题，同时这一推广也可以在测图的时候有效的实现测款的部分工作。创意标题尽可能涵盖所有与宝贝相关的大词（例:外套、女装、纯棉等）。

要与宝贝的密切相关，这样有助于我们在测款的时候监测是否合适。

4、设定日限额

建议勾选智能化投放，先根据点击量制定一个7天的日限额预算，然后再平均到每一天。因为是在测试阶段，日限额的设置并没有太多，这是简便的办法。

阅读：

数据分析项目——电商平台用户画像分析

包括用户行为数据和用户基本信息数据：

重复值处理

缺失值处理

数据格式处理：

日期格式的转换 astype()

查看有无重复值：首先看使用df.查看各个字段的记录数，再看去除重复值后的数量。以此判断有无重复数据。

去重重复值可以使用函数drop_duplicates()

通过df.查看数据格式

看到time是object类型的，不适合处理。同时我们一般将数据分为日期和时间格式，因此对其进行拆分处理。

为各个时段打标，将时段分为'凌晨'、'上午'、'中午'、'下午'、'晚上'

知识点：pd.cut函数，区间分割

查看空值，并计算数量。可以看到并无空值。

在订单表中按照（用户，时段）分组，取每个时段的记录数（订单数）：

这里的作流程与hive-sql类似，我们需要先把max算出来，再去关联。

将生成的标签加入标签表：

同理，可统计出用户购买的活跃时间段，在此不赘述，仅展示结果

分析用户喜欢的类目，从而便于我们为其进行。

终得到标签表：

通过分析用户分析近的行为，来判断该用户是否活跃、流失

分析近30天的活跃天数，只要有浏览、收藏、加购和购物四种行为之一就认为是活跃。

结果如下：

我们可以通过查看所有用户30天活跃天数的分布情况，来确认一个分类的标准，判断某个用户是否活跃。

用户30天活跃天数分布图如图：

同理，可分析用户近7天的行为，包括其购物次数和活跃天数。

与上述作类似，展示结果:

明确今天的日期，在本项目中，“今天”指“2014-12-19”，然后统计订单表中用户某种行为的日期与当前日期的值。

使用的函数是：datetime.strptime： new datetime parsed from a string (like time.strptime()) ，将字符串转为date格式，以方便我们做日期运算

结果如图：

使用日期的diff函数

返回结果

RFM分组是指按照近一次消费 (Recency)、消费频率 (Frequency)和消费金额(Monetary)进行分组

近一次消费，我们按照后一次购物距今的天数进行分组，同样是观看用户的一个分布情况，然后看如何进行分类。

消费频率，这里放宽要求，按照用户的30天活跃天数进行分类

消费金额，本次不涉及金额的统计。

因此，我们可以根据活跃度分类和近一次消费将用户划分为四类：

结果如图

可以看到在第8天前后，用户有明显的分层，因此按照8天对其进行划分，后一次消费距今天数小于8天的，认为近有消费，大于8天的认为近无消费

返回结果：

通过value_counts查看每个值的出现次数：

上述返回的结果值是：

如果值为空，说明无相应的行为，对浏览未购买的数据记录进行打标

以上的步骤到商品粒度，下面对用户进行统计，即只要用户有浏览未下单的行为就对其进行打标

返回的结果如图：

加购未下单同上述步骤

分析平台用户的年龄、学历、性别、城市、职业、婚姻情况等，以便于我们去分析我们的典型用户是什么。

从上图可以看出，平台用户中男性居多，女性较少。

值的分层可以使用pd.cut函数

从年龄分布图中，可以看出平台的用户以25岁-40岁的用户居多。青年人和中老年用户较少。

返回结果如下图，从结果中可以看到来自北上广深的用户占绝大部分比例。

从婚姻分布情况中可以看到，平台用户中有超过60％的用户为已婚。

使用该平台的用户大部分拥有大学及以上的学历

使用该平台的用户大部分为互联网从业人群

首先查看这一个月的时间跨度用户每天的购物情况：

从上图可以看出，该平台每天的下单用户数比较平稳，有一些周期性因素在其中，可能是每周周中和周末的购物情况不同。同时，注意到12.12这一天购物用户激增，可能是12.12购物节的因素。

再分析下用户喜欢在周几下单，哪个时间下单

从图中我们可以看到用户的喜欢的购物时间：周五，晚上9点。上午购物的人数都比较少，主要集中在下午和晚上。

通过用户的下单情况，我们可以对每周的下单用户进行分层，将其分为活跃用户、不活跃用户和回流用户。

终结果

通过面积图看一下每周不同类型用户的比例情况：

复购率：一周内购买多次（＞1）的用户占总用户的比例

从中可以看到，5周的复购用户都在50％以上，47周和51周的复购率较低，可能是因为数据不完整的原因。

用户喜欢购买的品类？

用户多收藏的品类？

从结果可见，用户喜欢购买的品类前五名是6344、12189、5232、1863和4370，用户收藏多的品类是13230、5894、1863、6513和5027。

转换率=浏览该商品的用户数/购买该商品的用户数

终结果如图：

查看转换率的分布情况：

电商测评是什么意思

电商评测，就是通过数字化、标准化的评测方法和客观中立的立场，对电商平台的产品、服务、售后、模式、等维度进行全方面的分析评测，并通过中心网站、十余家家自媒体平台以及3000+媒体库进行全渠道发布，是用户消费决策的重要参考。

电商测评整体来讲属于软件测试行业里面的，只是测试更偏向于电商行业。

现在的电商在网页端和移动端基本都会有这个软件，因此需要具备Web端、移动端（Android、iOS）项目测试经验

电子商务行业大数据分析采用的算法及模型有哪些?

、RFM模型

通过了解在网站有过购买行为的客户，通过分析客户的购买行为来描述客户的价值，就是时间、频率、金额等几个方面继续进行客户区分，通过这个模型进行的数据分析，网站可以区别自己各个级别的会员、铁牌会员、铜牌会员还是会员就是这样区分出来的。同时对于一些长时间都没有购买行为的客户，可以对他们进行一些针对性的营销活动，激活这些休眠客户。使用RFM模型只要根据三个不同的变量进行分组就可以实现会员区分。 第二、RFM模型

这个应该是属于数据挖掘工具的一种，属于关联性分析的一种，就可以看出哪两种商品是有关联性的，例如衣服和裤子等搭配穿法，通过Apriori算法，就可以得出两个商品之间的关联系，这可以确定商品的陈列等因素，也可以对客户的购买经历进行组套销售。 第三、Spss分析

主要是针对营销活动中的精细化分析，让针对客户的营销活动更加有针对性，也可以对数据库当中的客户购买过的商品进行分析，例如哪些客户同时购买过这些商品，特别是针对现在电子商务的细分越来越精细，在精细化营销上做好分析，对于企业的营销效果有很大的好处。 第四、网站分析

访问量、页面停留等等数据，都是重要的流量指标，进行网站数据分析的时候，流量以及转化率也是衡量工作情况的方式之一，对通过这个指标来了解其他数据的变化也至关重要。

电商怎么做

一、 流量1、 搜索流量工具：搜索诊断助手

A—基础条件：不违规，可在“卖家工作台”-“搜索诊断助手”-“宝贝诊断里”检查。

B—相关性：类目属性相关性、标题关键字相关性。C—人气分：是否橱窗、是否加入消保、DSR评分、支付宝使用率、旺旺效应速度、拍货与发货的时。

D—：很多卖家在优化主搜流量时，经常会忽略的优化，然而点击率的距，直接影响了后的搜索流量。买家不是直接搜索进来的，而是被吸引进来的，优化就显得非常重要。建议可以用直通车来测试(方法下文会介绍到)。

E—价格与销量：销量相当的产品，价格高的有更多展示的机会;价格相同的产品，销量高的有更多展示机会。而检查该项指标主要检查自己与直接竞争对手的距，尤其是7天销量的距，以做调整。

F—标题优化：在销量相对低的时候多使用长尾词，销量高的时候多使用泛词、中心词，并反复测试，得出搜索流量 搜索转化率的值。

2、 付费流量工具：各付费工具的数据报表、店查查。

—淘客：淘客诊断只要看自己与竞争对手的销量和佣金有何距即可。

二、 转化1、 转化率工具：店查查、数据魔方

A— 内页：首先看销量，其次看评价质量，再来看单品转化率、页面停留时间和询单率。如果连基础销量都没有，评价，转化率是不可能好的。两个先决条件解决了，再看单品转化率、页面停留时间和询单率是否不低于行业均值(或店内卖的好的宝贝)。若低于，则一一优化USP卖点、逻辑顺序(是否都做到围绕USP)、展现内容多样化、展现方式。

B—访问深度：由于80%的顾客入店都是从内页进来，所以主要优化内页可导流的位置，分别为店招、宝贝页关联、宝贝页侧边栏、店尾进行优化。再优化首页。查看工具：量子-销售分析-销售总览-平均访问深度、量子-流量分析-宝贝被访排行、量子-流量分析-首页被访数据(停留时间、点击率、跳失率)、量子-店铺装修。优化办法：将店内20%的产品用导航、促销、关联等的方式做集中展示。

C—支付率：是否做到了80%以上。

D—营销活动：定期举办营销活动可提升转化率。

E—询单转化率：是否至少做到了行业均值。查看工具：如店查查等第三方工具。优化方法：顾客的每一个问题都建立标准。2、 DSR工具：淘宝DSR评分计算器。优化办法：a、淘宝原有服务的升级(7天无理由升级为30天、3天发货升级为24小时发货等);b、淘宝未有服务的创新(围绕客户与商家接触点的创新，如SNS、游戏)。3、 CRMCRM主要查看老客户占比、老客户转化率、二次购买率、客户分组短彩邮的ROI。工具：卖家工作台-会员关系管理、数云、客道等第三方软件。优化的办法：建立老客户分组，根据分组创建老客户的不同特权。越高级的客户拥有越高级的特权。

耳机申请电商质检报告测试项目有哪些

随着移动通讯的不断发展，作为手机配件中重要的组成部分，耳机的市场需求也不断在增加。从整个音频行业的发展来看，仍然算是新生事物，发展时间并不长，目前仍处在上升期，用户对的期望值也在提高。针对普通有线耳机想要在国内或电商销售，需要申请 耳机质检报告 ，下面钜特检测为大家详细介绍。

一、耳机质检报告及测试项目

耳机适用的标准是 GB/T 14471-2013 头戴耳机通用规范，测试项目如下：

1、外观及标识

2、互联配接（机械连接、电的配接）

3、听音检验

4、电声参数（额定阻抗、电压、频率、声压级）

5、其他参数

二、耳机质检报告办理流程

1、填写申请表：确认检测标准，签订合同填写申请表；

2、安排寄样：将样品快递或直接送至钜特实验室 ；

3、产品检测：实验室安排测试，出草稿报告；

4、确认草稿报告，发正式报告。

三、认证周期：5-7个工作日，可加急