电商数据分析指标都有哪些？该如何进行分析？

此文是对近学习的电商相关知识点做一个巩固

电商商品价格数据_电商商品价格数据怎么查

电商商品价格数据_电商商品价格数据怎么查

电商商品价格数据_电商商品价格数据怎么查

传统零售利用二八法则生存，电商靠长尾理论积累销售。

传统零售是小数据，电商是C类商品：转化率低，位置，核心要把控库存风险，避免库存积压，可做打折搭配。大数据。

传统零售是“物流”，零售过程就是商品的流动；电商是“信息流”，顾客通过搜索、比较、评论、分享产生信息，达到购买的目的。

传统零售注重体验感，电商注重服务和效率。

传统零售是做加法，电商是做乘法。传统零售是通过一家家店扩大影响力，电商通过资金的投入迅速抢占市场。

传统零售的主要成本是房租和人工成本，电商的主要成本是物流和营销成本。

总结：电商和传统零售虽有千万种别，但总归都是零售，融合是二者注定的趋势，即现在火热的新零售。

传统零售的数据主要是进销存数据、顾客数据和消费数据。电商的数据却复杂得多，数据来源渠道也很多样化

2、谷歌分析：包括流量分析工具、内容分析、社交分析、移动分析、转化分析、广告分析几部分内容。

3、Crazy egg热力图：主要特色是对页面热点分析的热力图。

4、CNZZ数据专家（友盟）：包括站长统计、全景统计、手机客户端、云、广告管家、广告效果分析和数据中心等。

还有一些无需埋点监测数据的产品，如GrowingIO、神策数据、诸葛io等。

以下为用思维导图进行梳理的电商数据分析指标，总共包括六大类

对访问你网站的访客进行分析，基于这些数据指标可以网页进行改进

这里需要注意两个点

1）影响因素不同：UV 价值更受流量质量的影响；而客单价更受卖的货的影响；

2）使用场景不同：UV 价值可以用来评估页面 / 模块的创造价值的潜力；客单价可以用来比较品类和商品特征，但一个页面客单价高，并不代表它创造价值的能力强，只能得出这个页面的品类更趋近于是卖高价格品类的。

如果网站是为了帮助客户尽快完成他们的任务（比如：购买，答疑解惑），那么在线时长应当是越短越好；如果希望客户一同参与到网站的互动中来，那么时间越久会越好。所以，分析在线时长是否越长越好，要根据产品定位来具体分析

从注册到成交整个过程的数据，帮助提升商品转化率。

对于一个新电商来说，积累数据，找准营运方向比卖多少货，赚多少钱更重要。这个阶段主要 关注流量指标 ，指标如下：

对于已经经营一段时间的电商，通过数据分析 提高店铺销量 就是首要任务。此阶段的重点指标是 流量和销售指标 ，指标如下：

对于已经有规模的电商，利用数据分析 提升整体营运水平 就很关键。重点指标如下：

数据指标分为指标、分析指标和营运指标，营运指标就是绩效考核指标。一个团队的销售额首先是出来的，其次是分析出来的，才是绩效考核出来的。销售自然是按天、按时段说话，分析一般是以周和月为单位，绩效考核常常是以月为主、以年为辅。

执行人员侧重过程指标，管理层侧重结果指标。对于数据分分析人员来说要学会根据职位提供不同的数据。

1、无流量不电商，对于流量分析，我们常用漏斗图来做分析，几乎每个流量的细分都可以用到漏斗图。

2、漏斗图就是一个细分和溯源的过程，通过不同的层次分解从而找到转化的逻辑。

3、漏斗图的弱点，就是反应一条转化路径的形态，我们可以稍加修改实现漏斗图的对比功能。

1、流量的质量分为质和量两方面，只有质没有量的流量是没有多少实际价值的，流量的质体现在不同的营销目的上，例如获得点击、注册、收藏、购买或者获取利润的目的。

2、可以通过四象限分析图来对比分析流量的质量。下图是针对购买的转化率和流量的四象限图，其中象限的流量应该是高质量的，流量和转化率均高于平均值；第二象限渠道的流量转化率高，但量不大，通过搜索来的流量大部分属于此类；第四象限流量属于质低量高，站外购买的流量这种情况比较多；第三象限属于质低量低的双低流量，不用特别维护，任其发展即可。

3、图中的Y轴可以根据具体的分析目的替换成点击率、注册率、收藏率、ROI（单元产出）等进行对比分析。

四象限分析图中，X轴、Y轴、分析对象都可以根据不同的目的进行替换。

4、散点图的品牌存量指标。包括品牌数和在线品牌数指标。品牌数指商品的品牌总数量。在线品牌数则指在线商品的品牌总数量。四象限分析可以结合趋势，或者演变成四象限气泡图，气泡图的大小为ROI，这种四象限图信息量更大。

1、电商的销售针对比传统零售复杂很多，主要复杂在流量的多层次多渠道上，互联网的好处是几乎能将用户的每个动作记录下来，然后我们从中找到关键点进行诊断即可。下图，是一个类似杜邦分析的图，从值（图中红色）和率（图中蓝色）两个方面，订单、新客、老客三个维度将销售额拆成五个层次，每个层次间具有加或乘的逻辑关系。

2、销售额是一个结果指标，图中的20个指标是过程指标，每个指标的变化都会影响终的销售额，基本都是正相关。（折扣和销售额的关联会稍微复杂一些）

3、通过上图，使用对比、细分的原则分析可以判断出哪儿些指标变化对销售额产生了影响。

参考书籍为《数据化管理——洞悉零售及电子商务运营》

现在京东怎么查看历史价

信息流、物流和资金流三大平台是电子商务的三个为重要的平台。而电子商务信息系统核心的能力是大数据能力，包括大数据处理、数据分析和数据挖掘能力。无论是电商平台（如淘宝）还是在电商平台上销售产品的卖家，都需要掌握大数据分析的能力。越成熟的电商平台，越跳失率：指只浏览了一个界面的访问次数除以该界面的总访问次数需要以通过大数据能力驱动电子商务运营的精细化，更好的提升运营效果，提升业绩。构建系统的电子商务数据分析指标体系是数据电商精细化运营的重要前提，本文将重点介绍电商数据分析指标体系。

拼多多电商一天多少单正常

平均在线时间：指平均每个UV访问网页停留的时间长度

拼多多电商一天多少单正常要根据店铺本身的销量情况和流量大小判定。这个不一定，要看店铺本身的销量情况和流量大小，如果一个店铺本身一天只有10单，那50单就算爆单了，如果是一个店铺每天的销量都是百单或者是以上，那50单也是远远没有达到要求的。所以，这个真不一定。

各个指标代表了一个运营方向，也是销售额的达成的组成元素。

一、拼多多电商一天多少单正常？ 拼多多电商一天多少单正常要根据店铺本身的销量情况和流量大小判定。

这个不一定，要看店铺本身的销量情况和流量大小，如果一个店铺本身一天只有10单，那50单就算爆单了，如果是一个店铺每天的销量都是百单或者是以上，那50单也是远远没有达到要求的。所以，这个真不一定。 二、拼多多需要重视什么数据？

1、竞品分析 通过对自身产品和同行竞品的数据对比，来查看我们的产品的好坏，商家很快能知道自己哪里做的不好，哪里需要改进和优化。

2、市场行情 挑选部分类目来检查这个类目的销量和商品数量。销量销售额还有top10类目销量排行榜，从认识全部类目的总体市场行情，及时调整店铺自身的运营风格。

3、订单剖析 这个功能能让商家在销量合适，竞品少的价格区域，设置好合理的价钱，从而提高点击率和转化率。

4、账号探究 这个功能主要关注同行竞品的账号，特别适合小白卖家，能够参考别人的账号的商品数据，销量，价格分析自己的商品价格是设置高了还是低了。

5、类目大盘 检查拼多多平台所有一级类目的销量走势，观察自己店铺产品在类目中的阶层。

6、类目排名 能够通过输入商品的ID，选择类目来检查商品在类目中的排名，方便优化提升排名，以及评估商品的优化潜力。

电商商品价格怎么定？京东产品价格需要考虑什么？

电商数据来源广泛，常规的流量数据、交易数据、会员数据在品牌的交易平台都有提供。一些第三方网站也提供数据源及分析功能。

商品价格作为吸引买家的一大重要因素，合理的定价将会获得更多的买家。想要经营一家店铺，推销商品，商品定价是重中之重。

一、成本归纳核算

二、参考市场的定价

三、分析借鉴同行数据

运营京东店铺需要商家去做很多关于店铺的细节工作，这里就包括了商品定价，合理进行商品定价，不仅利于之后产品的推销，也利于商家的店铺运营规划。

以上就是关于京东商品怎么定价合适的全部内容啦，希望能够对大家有所电商数据分析指标体系分为八大类指标，包括总体运营指标、网站流量累指标、销售转化指标、客户价值指标、商品及供应链指标、营销活动指标、风险控制指标和市场竞争指标。不同类别指标对应电商运营的不同环节，如网站流量指标对应的是网站运营环节，销售转化、客户价值和营销活动指标对应的是电商销售环节。帮助，更多电商干货记得关注店小鱼。

电商运营的基本数据指标有哪些

浏览量PV：用户访问页面的总数，用户每访问一个网页就算一个浏览量，同一个页面刷新一次也算一个浏览量

电商运营的基本数据指标四个指标，如下：

用哪个指标

个指标：商品集中度，表示的销售额或者销售量之中，占比80%(具体数字可以自行约定)的商品数量或者比例。一般来讲，商品集中度越高越方便下单和追单，也就是补货更加容易，但是同时也暴露优质商品较少，有潜在风险，尤其季节性快消品类目，一旦处于换季边缘，集中度高的商品不给力，整个销售业绩将受到重挫，所以要联系所处品类的行业参考值，合理观察“商品集中度”;

第二个指标：商品动销率，商品动销率=动销品种数店铺经营总品种数，动销品种数：店铺里有销售的商品种类总数；

第三个指标：库销比，库销比=店铺即时库存或期末库存周期内总销售，其中库存和销售可以是数量亦可以是金额；

第四个指标：客户重合度，现在很多电商公司都是实施全网铺货和多品牌的战略(多品牌定位可以使市场覆盖面更广且抵御风险能力更强)，为了使新品牌更快更有效的启动和成长，通常的做法是在初期把成熟品牌的网站流量导入到新品牌，加速其生长，这时候一定要计算新品牌和老品牌之间的客户重合度，以便达到一定的阈值可以使新品牌与老品牌解绑，让其行走。

电商价格主要有哪些平台可以做到

库存数量为2万8，金额有170万。按照目前销售情况，当前库存是否能支撑？

网上乱价行为一直都是电商企业的隐患，虽然很多软件都可以价格，但是今天慢慢买的价格系统，个电商数据抓取专业，网上搜比价api，很多人都他家的系统。体验下来还挺省心的。

作很简单，完全适合小白上手，想要价格的商品型号禁言一键绑定，高效检索商品信息

除了常规的指标：ROI 计算方式：使用优惠券的销售金额/折损金额商品型号、商品价格、促销信息、店铺名称等，还可以自定义其他维度、可以说说是做到了全方位展现渠道违规行为，满足多样化的巡检场景需求。

不用实时盯着，绑定微信就可以做到价格波动提醒，每当价格超过了商品指导价，就汇总违规商品信息，以H5的形式做推送。

总的来说是比较准确、省心的。

电商价格可有效节省人力， 准确获得全网价格数据所有数据。

如都靠人工收集需要划给大量精力与时间，很可能会漏掉很多重要的数据。开发电商价格不仅能在任意时间段对电商价格进行，还能获取到商品价格，，可以做到24小时监测。下面整理了一些电商价格平台：

1. 八爪鱼采集器

是一款通用的网页采集器，能直接将数据导出EXCLE文件，但是大批量采集的时候很容易出错。

2. 神箭手采集器

基于分布式云爬虫框架，帮助用户快速获取大量规范化的网页数据，快速轻松地获取大量规范化数据。其采集结果以丰富表格化形式展现。

3. 火车头

一款互联网数据抓取、处理、分析，挖掘软件，可以抓取网页上散乱分布的数据信息，并通过一系列的分析处理，准确挖掘出所需数据。

4. 慢慢买

专门处理知名电商平台数据，如京东、天猫、国美、苏宁等b2C商城。小白化作简单易懂，当价格过高会及时通过邮件提醒。

为什么“6·18”“双11”电商平台商品价格先涨后打折？

您好，您这个问题涉及到信息数据。需要征得平台或商城同意，如果未征得同意一但查处或是对商城或平台照成直接或间接利益损失，属于违法行为，题主三思后行

市场监督管理总局日前召开“6·18”网络集中促销活动行政指导座谈会,要求“6·18”网促网络交易平台经营者不得采取先涨价再打折等欺诈行为。互联网协会信用评价中心法律顾问赵占领表示,先涨价再打折属于典型的价格欺诈行为。

有必要。

在“6·18”网促来临之际,监管部门提前给电商平台打“预防针”,禁止先涨后折、虚交易、以次充好、虚宣传等违法欺诈行为,乃是出于历年来的实践经验考虑,防范类似欺诈行为损害消费者利益,值得肯定。我们看到,每年一度的“6·18”“双十一”网促活动,吸引了众多商家和消费者,创造出一个个销售奇迹。同时,每年促销期间,往往也是各种欺诈行为上演之时。对此,除了禁令,还须随时出击处罚,让平台和商家不敢轻易违规。

先涨后折,就是在促销来临之前提高商品售价,再采取打折的方式吸引消费者。如此一来,看似优惠多多,实际上并未真正降价让利,甚至部分商品折后价比之前还要贵,属于典型的价格欺诈,暗坑消费者。从各地消协和工商部门公布的调查数据能够看出,先涨后折,顽固难除,已经成为行业流行的“潜规则”了。

难除,并非除不掉。之所以如此,首先跟违法成本过低、执法力度不够有关。对于平台和商家先涨后折等商业欺诈行为,监管部门往往采取批评教育、经济处罚等措施,真正遭到处罚的商家很少,这让大多数商家心存侥幸,并不畏惧监管本身；而且,就算遭到处罚,通常处罚金额也不多,与所获得的销售利润和宣传效应相比,二者距悬殊,难有震慑效果。

其次,证据锁定存在一定难度,也是监督不力的重要原因。对于监管部门来讲,认定平台和商家有价格欺诈行为,就需要明确的证据支撑。可由于电商平台销售的商品种类繁多,均有数千万种商品,价格亦随行就市变动频繁,要是对每一种商品都进行跟踪取证的话,难度很大,需要庞大的工作量和过硬的技术支撑。因此,出于工作需要,监管部门需尽快加强技术力量,对平台和商家实现实时,对重点商品价格采取数据搜集、回溯、跟踪等措施,发现问题及时锁定证据,以便将来查处佐证。

另外,还要看到,电商行业的整体规范性亟待提高。电商大促期间的销售问题集中爆发,侧面暴露了电商行业整体的不规范性。在电商业逐步趋于成熟之际,行业规范、自我监管和法律法规需要及时跟进,对价格欺诈等行为清晰界定,施以重责,释放规范的力量。,大促之际,也要提醒消费者有所警惕,一旦遇到坑损,及时向监管部门、电商和媒体积极,压缩、投诉流程,降低成本,通过内外监督机制,共同对平台和商家进行全方位的监管,让价格欺诈越来越少。

来源： 法制日报观察

电商数据分析基础指标体系

电商数据分析基础指标体系

1.电商总体运营指标电商总体运营整体指标主要面向的人群电商运营的高层，通过总体运营指标评估电商运营的整体效果。电商总体运营整体指标包括四方面的指标：

（1）流量类指标

访客数（UV），指访问电商网站的不重复用户数。对于PC网站，统计系统会在每个访问网站的用户浏览器上“种”一个cookie来标记这个用户，这样每当被标记cookie的用户访问网站时，统计系统都会识别到此用户。在一定统计周期内如（一天）统计系统会利用消重技术，对同一cookie在一天内多次访问网站的用户仅记录为一个用户。而在移动终端区分用户的方式则是按设备计算用户。

页面访问数（PV），即页面浏览量，用户每一次对电商网站或着移动电商应用中的每个网页访问均被记录一次，用户对同一页面的多次访问，访问量累计。

人均页面访问数，即页面访问数（PV）／访客数，该指标反映的是网站访问粘性。

（2）订单产生效率指标

访问到下单的转化率，即电商网站下单的次数与访问该网站的次数之比。

（3）总体销售业绩指标

网站成交额（GMV），电商成交金额，即只要网民下单，生成订单号，便可以计算在GMV里面。

销售金额。销售金额是货品出售的金额总额。

注：无论这个订单终是否成交，有些订单下单未付款或取消，都算GMV，销售金额一般只指实际成交金额，所以，GMV的数字一般比销售金额大。

客单价，即订单金额与订单数量的比值。

（广告投放指标。包括新增访问人数、新增注册人数、总访问次数、订单数量、UV订单转化率、广告投资回报率。其中，下单转化率是指某广告所带来的下单的次数与访问该活动的次数之比。投资回报率（ROI）是指，某广告产生的交易金额与广告投放成本金额的比值。4）整体指标

销售毛利，是销售收入与成本的值。销售毛利中只扣除了商品原始成本，不扣除没有计入成本的期间费用（管理费用、财务费用、营业费用）。

毛利率，是衡量电商企业盈利能力的指标，是销售毛利与销售收入的比值。如京东的2014年毛利率连续四个季度稳步上升，从季度的10.0％上升至第四季度的12.7％，体现出京东盈利能力的提升。

2.网站流量指标（1）流量规模类指标

常用的流量规模类指标包括访客数和页面访问数，相应的指标定义在前文（电商总体运营指标）已经描述，在此不在赘述。

（2）流量成本累指标

单位访客获取成本。该指标指在流量推广中，广告活动产生的投放费用与广告活动带来的访客数的比值。单位访客成本与平均每个访客带来的收入以及这些访客带来的转化率进行关联分析。若单位访客成本上升，但访客转化率和单位访客收入不变或下降，则很可能流量推广出现问题，尤其要关注渠道推广的问题。

（3）流量质量类指标

跳出率（Bounce Rate）也被称为蹦失率，为浏览单页即退出的次数/该页访问次数，跳出率只能衡量该页做为着陆页面（LandingPage）的访问。如果花钱做推广，着落页的跳出率高，很可能是因为推广渠道选择出现失误，推广渠道目标人群和和被推广网站到目标人群不够匹配，导致大部分访客来了访问一次就离开。

页面访问时长。页访问时长是指单个页面被访问的时间。并不是页面访问时长越长越好，要视情况而定。对于电商网站，页面访问时间要结合转化率来看，如果页面访问时间长，但转化率低，则页面体验出现问题的可能性很大。

人均页面浏览量。人均页面浏览量是指在统计周期内，平均每个访客所浏览的页面量。人均页面浏览量反应的是网站的粘性。

（4）会员类指标

注册会员数。指一定统计周期内的注册会员数量。

活跃会员数。活跃会员数，指在一定时期内有消费或登录行为的会员总数。

会员复购率。指在统计周期内产生二次及二次以上购买的会员占购买会员的总数。

会员平均购买次数。指在统计周期内每个会员平均购买的次数，即订单总数/购买用户总数。会员复购率高的电商网站平均购买次数也高。

会员回购率。指上一期末活跃会员在下一期时间内有购买行为的会员比率。

会员留存率。会员在某段时间内开始访问你的网站，经过一段时间后，仍然会继续访问你的网站就被认作是留存，这部分会员占当时新增会员的比例就是新会员留存率，这种留存的计算方法是按照活跃来计算，另外一种计算留存的方法是按消费来计算，即某段的新增消费用户在往后一段时间时间周期（时间周期可以是日、周、月、季度和半年度）还继续消费的会员比率。留存率一般看新会员留存率，当然也可以看活跃会员留存。留存率反应的是电商留住会员的能力。

3.网站销售（转化率）类指标（1）购物车类指标

基础类指标，包括一定统计周期内加入购物车次数、加入购物车买家数、加入购物车买家数以及加入购物车商品数。

转化类指标，主要是购物车支付转化率，即一定周期内加入购物车商品支付买家数与加入购物车购买家数的比值。

（2）下单类指标

基础类指标，包括一定统计周期内的下单笔数、下单金额以及下单买家数。

转化类指标，主要是浏览下单转化率，即下单买家数与网站访客数（UV）的比值。

（3）支付类指标

基础统计类指标，包括一定统计周期内支付金额、支付买家数和支付商品数。

转化类指标。包括浏览-支付买家转化率（支付买家数/网站访客数）、下单-支付金额转化率（支付金额/下单金额）、下单-支付买家数转化率（支付买家数/下单买家数）和下单-支付时长（下单时间到支付时间的值）。

4.客户价值类指标客户指标。常见客户指标包括一定统计周期内的累计购买客户数和客单价。客单价是指每一个客户平均购买商品的金额，也即是平均交易金额，即成交金额与成交用户数的比值。

新客户指标。常见新客户指标包括一定统计周期内的新客户数量、新客户获取成本和新客户客单价。其中，新客户客单价是指次在店铺中产生消费行为的客户所产生交易额与新客户数量的比值。影响新客户客单价的因素除了与推广渠道的质量有关系，还与电商店铺活动以及关联销售有关。

老客户指标。常见老客户指标包括消费频率、近一次购买时间、消费金额和重复购买率。消费频率是指客户在一定期间内所购买的次数；近一次购买时间表示客户近一次购买的时间离现在有多远；客户消费金额指客户在近一段时间内购买的金额。消费频率越高，近一次购买时间离现在越近，消费金额越高的客户越有价值。重复购买率则指消费者对该品牌产品或者服务的重复购买次数，重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。重复购买率可以按两种口径来统计：种，从客户数角度，重复购买率指在一定周期内下以“无门槛50元”的优惠券为例，这是员在活动期间的几小时冲刺业绩所用的，因此可以看到它仅在活动结束前3小时才推出。单次数在两次及两次以上的人数与总下单人数之比，如在一个月内，有100个客户成交，其中有20个是购买两次及以上，则重复购买率为20%；第二种，按交易计算，即重复购买交易次数与总交易次数的比值，如某月内，一生了100笔交易，其中有20个人有了二次购买，这20人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。

5.商品类指标产品总数指标。包括SKU、SPU和在线SPU。SKU是物理上不可分割的小存货单位。SPU即Standard Product Unit （标准化产品单元），SPU是商品信息聚合的小单位，是一组可复用、易检索的标准化信息的，该描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。如iphone5S是一个SPU，而iPhone 5S配置为16G版、4G手机、颜色为金色、网络类型为TD-LTE/TD-SCDMA/WCDMA/GSM则是一个SKU。在线SPU则是在线商品的SPU数。

产品优势性指标。主要是产品的收入占比，即销售的产品收入占总销售收入的比例。

上架。包括上架商品SKU数、上架商品SPU数、上架在线SPU数、上架商品数和上架在线商品数。

首发。包括首次上架商品数和首次上架在线商品数。

6.市场营销活动指标市场营销活动指标。包括新增访问人数、新增注册人数、总访问次数、订单数量、下单转化率以及ROI。其中，下单转化率是指活动期间，某活动所带来的下单的次数与访问该活动的次数之比。投资回报率（ROI）是指，某一活动期间，产生的交易金额与活动投放成本金额的比值。

7、风控类指标买家评价指标。包括买家评价数，买家评价卖家数、买家评价上传数、买家评价率、买家好评率以及卖家评率。其中，买家评价率是指某段时间参与评价的卖家与该时间段买家数量的比值，是反映用户对评价的参与度，电商网站目前都在积极用户评价，以作为其他买家购物时候的参考。买家好评率指某段时间内好评的买家数量与该时间段买家数量的比值。同样，买家评率指某段时间内评的买家数量与该时间段买家数量的比值。尤其是买家评率，是非常值得关注的指标，需要起来，一旦发现买家评率在加速上升，一定要，分析引起评率上升的原因，及时改进。

买家投诉类指标。包括发起投诉（或申诉），撤销投诉（或申诉），投诉率（买家投诉人数占买家数量的比例）等。投诉量和投诉率都需要及时，以发现问题，及时优化。

8、市场竞争类指标市场份额相关指标，包括市场占有率、市场扩大率和用户份额。市场占有率指电商网站交易额占同期所有同类型电商网站整体交易额的比重；市场扩大率指购物网站占有率较上一个统计周期增长的百分比；用户份额指购物网站访问用户数占同期所有B2C购物网站合计访问用户数的比例。

网站排名，包括交易额排名和流量排名。交易额排名指电商网站交易额在所有同类电商网站中的排名；流量排名指电商网站访客数量在所有同类电商网站中的排名。

总之，本文介绍了电商数据分析的基础指标体系，涵盖了流量、销售转化率、客户价值、商品类目、营销活动、风控和市场竞争指标，这些指标都需要系统化的进行统计和，才能更好的发现电商运营健康度的问题，以更好及时改进和优化，提升电商收入。如销售转化率，其本质上是一个漏斗模型，如从网站首页到终购买各个阶段的转化率的和分析是网站运营健康度很重要的分析方向。

以上是小编为大家分享的关于

如何做电商数据分析

1、百度统计：包括流量相关的网站统计、推广统计、移动统计三部分内容。分析内容包括趋势分析、来源分析、页面分析、访客分析、定制分析和优化分析。

目前我也从事数据分析，主要用到的是数据表；主要是提供一些报表供参考。其实我感觉应该用到了5W2H分析法，还跟我说过SWTO矩阵分析法，让我下去仔细研究。

指标：度量-发券量，领取量，使用量，领取率（复合指标），使用率（复合指标）

据说数据分析要有以下的一些步骤：明确分析思路，数据收集，收集存储，数据整理，数据分析，数据呈现，报告撰写等。

电商的数据分析，我个人以为，应该至少有销量分析，包括销量，销售额，客户人数，地区分布，top30等，我们公司还有页码分析；仓库分析，包括库存表，库存预警表，销售渠道分析；购买意向性分析，季节性，促销活动等对销售的影响等。具体问题具体分析，我知道的另一家电商分析却采用的是数学模型分析预测的。电商数据分析，往往可以通过这样几个步骤：

1. 建立完整的数据体系

2. 对获取到的数据报表进行分析，找出其中问题

3. 针对从数据中找到的问题提出解决方案，评估解决方案的实现成本，并着手改进

一、首先建立数据体系。

电商网站中比不可少的是网站的点击流数据，这个数据通常可以通过安装数据工具来实现：如Google Analytics， CNZZ等。需要注意的是，电商网站中往往会涉及到网站销售，因此需要对网站数据统计工具进行配置，获得销售订单数据。

除此之外，除了点击流数据还需要其他数据，比如不同的销售渠道会涉及到不同的数据：

1. 搜索引擎优化，搜索引擎站长工具后台数据，其他SEO数据

2. 搜索引擎营销（竞价）竞价后台数据

3. 社交媒体：社交媒体后台数据

4. 展示类广告投放 广告投放平台数据 等

从这些后台中拉出报表，看趋势，按照不同的维度细分，找出问题

三、提出解决方案

根据数据中发现的问题，结合业务需要，给出解决的方法。重要的是需要评估好工作量和成本，不可以做盲目的改动。电商数据积累的越来越多，人工处理分析很苦难，这就要借助大数据分析工具了，大数据可视化分析工具大数据魔镜，有5个版本，云平台版本，免费，基础企业版离线安装使用也是免费的，另外还有标准企业版，高级企业版和hadoop版，可以针对大数据的企业的需求定制解决方案，做的很专业。谢谢采纳也是学徒级别，学习中！经济基础环境（网络可达性、物流可达性、支付可得性）；

市场活跃状况及供需关系（网络活跃度指数、网络消费价格指数、网络经营价格指数、网络融资环境指数）；

经济规模走势（网络消费指数、网络投资指数、网络贸易指数）；

经济总量（电子商务经济增加值、电子商务就业量）

洛阳儒墨科技公司——产业电商经济数据监测、预测与政策模拟平台

电商数据分析与数据化运营

A类商品：高库存高转化率（转化率>2%） 该类产品既畅销，又有库存保障。但作为主推产品还需要：访客数，要保障正常水平。为了进一步保障访客数可以尝试在增强视觉效果（不涉及调价）等手段。

关键字：整体、运营结果和状态、结果指标、核心指标（三基分析）、运营优化、预期

如何分析这个指标？

< 1>

核心指标 ：销售额 也可以称之为结果指标（考核指标，因为用户数等等可能不被考核）

分析方法 ：对比-拆分

< 2 >

三基分析 ：用户数、平均购买金额、复购率

整体分析

1.1 案例① 销售品类综合分析

核心指标：销售金额，销售数量，件单价。

涉及维度： 品类 、 渠道 、月份交叉分析。

分析方法：主要是看同比，环比。

1.2 案例② 销售与退货分析

这份表是根据 品类（ T 恤、 半截 裙、 毛衣 等）来分类汇总，并且按价格带细分之后统计的销售与退货数据。

核心指标：退货率 在文章里其实用了三个指标：退货率、销量、利润。

利用这三个指标，对商品做了分类，类似用户分析的RFM。每个维度衡量的是一个商品的一个角度表现，比如退货率衡量商品质量，折扣率衡量毛利情况。

在每次看一个商品的情况，使用了单一维度外，还可以结合一些有关系的维度。三个维度其实有一些是有关联的，比如销量和折扣的角度，是一对正向关系的维度，平均折扣衡量的是让利程度，如果折扣高，正常来讲销量占比就应该高。

同时也有些维度要在其他维度的基础上分析才有意义，比如退货率，如果是一款销量仅为个位数的商品，高退货率其实无关紧要。也就是三个维度间也是有轻重缓急的。

分析方法：

一是确认标准：即通常情况下应是怎样的，如果出现了反常就需要分析

二是同类相比：站在商品的角度，取其一个维度上相同的不同产品，对比分析

2.1 案例③ 备货表（结合了聚划算活动，所以有活动款和非活动款）

度量-库存量，库存金额，库存占比，动销率，消化率

比如上例：

2.2 案例④ 新品上市表

指标：维度-上新周期

度量：spu数，库存额，消化率，消化率，落（完成率）

上新能力：主要是spu数，也就是开发新品的数量

分析基本按上新周期：分析每个上新周期的动销情况，主要是与预期相比，当然也可以跟同期相比（同比），销售进度是否正常。

单品分指标：维度-活动与否、品类析

商品ABC分级法只应用于活动分析，原因一是spu太多。还有另一个原因：只有店铺在大型促销活动时，每个单款商品所承载的流量与成交数据才足够大，ABC分级才更有意义。

指标是：维度-spu款号，吊牌价

度量-访客数，支付转化率，商品库存

为什么要用这三个指标？其实这个是核心。背后考虑的是流量、销售保障。访客数是流量保障，转化率和库存是销量保障。

在这两个维度上，划分出三类商品：

B类商品：转化率中等（0.65%-2%），一般商品。

消化率：重要指标，用于判断此款是否继续作为主推的一个重要标志。如果消化高接近消化率，则此款（如款2、款5等）可以考虑暂时停止付费，以便节省成本提高利润。如果主销转化率较低，则需要考虑是否要调整推广渠道。

实销价：用于判断此主推款的消费群体与定位，一般而言，单价高的商品不适合使用直通车等付费工具进行推广（因为高单价商品无法走量）

总UV、直通车占比、搜索流量占比：用来判断此主推款的推广效果，流量越多，说明当前推广策略与推广渠道的选择越正确，反之就要考虑更换推广渠道或策略了

梳理流量来源

作者将流量拆分为：流量来源-流量去处。前者用于分析店铺引流渠道建设、roi。后者用于分析流量在店铺流转、留存情况。

指标：各渠道（平台、平台活动）的访客流量数、支付数，支付转化率（复合指标），访客占比（复合指标）

问题：流量进去平台后，访问深度如何？那些情况下用户更愿意深度访问？（不跳出）

为什么流量分析会用于确定主推款？因为我们通过对流量去处（商品页面）的分析来了解每一件商品对用户的吸引程度。

指标：维度-款号、波段、类别、活动价、库存

度量：加购数量、备货数、加购倍率

表中需要包含款号、波段、类别、活动价、库存等基础资料，同时需要对其中的重点数值“加购数量”进行记录与分析。譬如表中加购倍率（ =加购数/备货数）如果高于，则可视为预热表现良好的商品：若低于，则视为预热表现非常：而若是高于500%，则可判断为非常热销的商品。据此分类，可为商品的预热策略调整提供指导意见。

一方面分析哪些产品更容易吸引用户浏览加购

另一方面通过对库存的分析来确保主推产品不断货，超卖。

关于流失用户挽留，讲的挺少的。其实就是用户生命周期管理。

找出流失用户，针对性提供折扣卷

预测使用率，估算成本

活动运营的几个要素：

优惠券一般分为无门槛，满减两类

价格设置

跟踪优惠券的 领取 与 使用 情况来判断店铺需要承担的 折损 与能够带来的 销售业绩 。

维度-（也就是要分析的主体和他的属性）面额&档位（券本身）、展现位置、发放时间，类型

：明确各个券的目的。第二：核心指标领券率，使用率。

运营上：综合“类型”“面额&档级”“展现位置”“发放时间”四列信息，可以了解到店铺员对优惠券的定位与运营手段。

在 预热期 时，可提醒业务部门增加优惠券的 发放数量 。

根据 领用率 来评估优惠券的投放位置与投放时间是否正确有效。

譬如在表4-18中所示的“无门槛50元”优惠券，便分别投放了“首页”与“活动二级页” 两个位置，但是“首页”的领用率达到了，而“活动二级页”的领用率仅43%，说明同样的优惠券，在首页投放的效果比在二级页中投放的效果更好。因此，若下次再有类似优惠券时，在折损允许的范围内，可以建议员在“首页”上投放更多的优惠券。

而在 活动开始 后，则需要跟踪优惠券的使用量与使用率。根据优惠券的使用率来计算本次活动中优惠券所导致的折损，以此评估本次活动中优惠券的折损是否在预算范围之内

问题：如何根据优惠券的使用率算折损？roi多少算合理？

合理是一个经验值：roi为15是一个门槛。

可以通过分析该价位的净利润来评估，因为折损的算是促销费用。

业绩达标率 ：经营业绩考核时经常用到的指标：达标率、滚动达标率、 YTD%、

达标率：销售额/销售 在特定周期内，比如下面的3月份，3月份的销售额/3月份的销售

滚动达标率：年度滚动达标率=1～3月销售额/1～3月销售目标×（与前面的达标率在一起，当初达标，滚动不达标）

YTD%：YTD%=1～3月销售额/全年销售目标×

电商产品在日本的数据占比

四、合理利用工具

国产品进入到日本，受到广泛好评，例如格力的空调，美的的冰箱，以及小伙伴们都玩的（TIK TOK）。据相关数据显示，来自的服饰、3C家电产品、鞋靴、箱包成为了近年来电商征服日本消费者的“杀手锏”，鞋靴、伞、箱包等产品在日本电商市场的占有率更是在60%以上。

这是应该是非常简单的一件事了，只要说搜一个网上查询平台，都是可以快速的找到合适的。那么我一般是用慢慢买这个的，相对来说也是好多年了，数据上面也更加的靠谱一些。如果说对于