数据分析进阶必看干货！销售额下滑详细分析案例

公司发现汽车销售额自一年前开始逐渐减少，想让你帮忙找找汽车销量下滑的原因，能提出一些解决方案。

电商指标下滑怎么分析 电商指标的一些专用名词

电商指标下滑怎么分析 电商指标的一些专用名词

近感冒了去了医院，和医生发生了下列对话：

医生："感冒了多久了？"

我："一个星期左右, 一直流鼻涕，嗓子疼"

医生观察了一下说："这是风寒感冒哈。"

我："什么原因风寒感冒呢？"

医生："近降温了，可能着凉了"

我:"那如何应对呢？"

医生:"我给你开点感冒，注意多穿点衣服"

首先要将问题定义清楚，这是数据分析的步。

需要注意的两点：如果问题定义错了，后面的分析毫无意义。比如：老板告诉你：“可能是客单价高，近利润下降了”，听到这番话，你将问题定位为“高客单价导致利润下滑了，怎么办”，这样错误的定义会缩小你的分析范围，导致终结果出现偏；另外一种情况，分析者根据自己过往的经验来定位问题，把思考限定在：“我觉得”，数据分析不是主观的臆断，而是一种客观的分析。

不要急于分析，首先要和相关人员确认"下滑"，并有数据佐证。要保证数据本身是准确的，才能进行后面的步骤。在本案例中，可与相关人员沟通，了解清楚"销售额下滑"具体表现为哪些现象。

例如：通过分析业务数据，发现汽车销售额在这两年确实下降了15%左右。

目前要解决的问题是：销售额逐渐下降的原因是什么，怎么解决？

对于业务指标，首先要确定分析指标的含义。

在这个案例中，是用"销售额"这个关键指标，销售额这个指标是怎么定义的？

通过和业务部门沟通，明确了指标的定义：

销售额=销售量 平均单价

销售量=首次购买量 + 再次购买量

再次购买量=客户忠诚度 再次购买人数

影响销售额下降的原因有很多，如果把所有原因都分析一遍，那么这个工作量是非常大的。所以，在分析原因的过程中，要优先分析关键因素。

度拆解分为维度（角度）和拆解，实质上是做加法。比如用户下降了 = 新用户数量 + 老用户数量

拆解整体数据内部各个部分的构成异进行细分

将一个复杂的问题拆分成可以逐渐解决的子问题

可以通过指标构成或者业务流程来拆解

对于本案例，我们是通过指标构成拆解，对问题进行拆解，将复杂问题细化成各个子问题。为了找到"哪里出了问题"，可以对"销售额"这个指标进行拆解。至于拆解到什么程度，没有统一的标准，要根据对业务的理解和实际问题灵活把握，本案例拆解如图所示：

设检验实质上是逻辑推理，使用数据来做决策的过程

可以分析出问题出现的原因，适用于归因分析场景，比如：分析产品DAU下降原因是什么？

根据业务流程，提出设——收集证据——得出结论，在业务中这三步是不断重复的过程。不断重复这个过程，直到找到问题的根源。

接下来使用设检验分析方法对度拆解后的每个业务流程提出设，并加以验证。

得出结论：销售数量与销售总额一样，也减少了近 15%。由此可见，我们应该优先关注 销售数量 的数据， 设成立 。

平均单价在 2 年期间比较稳定，基本在平均值（200 万元）上下 5%（190 万 ~ 210 万元）的范围内。至少在过去的一年里，没有出现过价格明显上升的情况，所以 设不成立 。

得出结论：虽然两者在数量上没有太大异，但首次购买量基本维持稳定，而再次购买量却在过去一年出现了减少。因此，可以确定， 再次购买量 应该是新车销售总额下滑的原因之一， 设成立 。

得出结论：可以发现导致“再次购买量”减少的是 客户忠诚度 的下降所导致， 设成立 。

至此，我们发现了导致销售额下降的关键因素是受到再次购买量以及用户忠诚度的影响。

分析到这儿，可能会有人觉得结束了！实际上并没有，现在的分析结果无法产生实际的意义。仅仅看到用户忠诚度下降还不能决定"接下来要采取哪些具体措施才能解决问题"。所以，接下来要分析为什么客户的忠诚度下降，有什么改进措施。

现在将忠诚度再进行拆解，并不断提出设，作出验证。

得出结论：对销量的构成比例进行比较，发现车型 A 的比例明显小于其他车型，那么如果将问题锁定为车型 A，即使采取了有效的对策，对解决整体问题的影响仍然是有限的。因此 可以暂且降低车型 A 的优先顺序 。

按照不同车型，对客户忠诚度在 2 年期间的平均值进行比较，只有车型 A 的客户忠诚度显著偏低，其他车型之间没有太大别。

接下来，暂且将车型 A 从比较对象中剔除，对其余 3 个车型进行比较忠诚度变化比较。

发现车型 B 和车型 C 的客户忠诚度从年前开始逐渐降低。可能选择了竞品公司。具体数字是 2 年期间从约 80%～90% 减至 50%～60%，降低了 30-40 个百分点。表明： 产品B、产品C的客户忠诚度出现了问题 ， 设成立 。

通过分析竞品公司推新情况，发现并没有新产品上市，设不成立。但是，从客户的综合满意度趋势图看出明显下降了，那么说明综合满意度影响了客户忠诚度。

两者是否具有相关性，如何来验证两种数据的相关性，可以通过相关分析法。如果相关，那么忠诚度和综合满意度有多大程度上的相关，如何衡量。

相关性分析是研究两种或两种以上的变量之间有什么关系。如果变量间有关系，叫作有相关关系；如果没有关系，叫作没有相关关系。比如：学习时长和成绩有相关关系。

在研究变量间有什么关系或者判断某个事情是否受到其他事情影响时，不仅能帮助我们扩大思路，还能通过相关分析来衡量两个变量因素的相关密切程度。比如判断客户忠诚度和客户满意度这两个变量有多大程度的相关？

如何衡量两个变量的密切程度？通过"相关系数"，它就是专门用来衡量两种变量的相关程度的，并且相关系数数值的正负可以反映两种数据的相关方向，也就是说两种变量在过程中是同方向变化还是反方向变化。

通常用字母 r 来表示 。可以用来快速锁定问题。

相关系数 r 介于[-1,1] 之间，相关系数的｜r | 越大，表明变量间的相关程度越强。

如果 r = 1，数据点都在一条直线上，表示两个变量完全正相关（设有a，b两种变量），a的值越大，b的值也会越大；如果 r = -1,数据点都在一条直线上，表示两个变量完全负相关，a的值越大，b的值反而会越小。

如果相关系数>0,说明两个变量是正相关，是同方向变化，也就是一个变量的值越大，另一个变量的值就越大；

如果相关系数<0,说明两个变量是负相关，是反方向变化，也就是一个变量的值越大，另一个变量的值反而越小；

如果相关系数=0,说明两个变量是不相关（性相关），有可能是其它方式相关，比如曲线方式。

业务中，如何计算具体的相关系数？现在excel 或 Python都有相应的功能或函数，我们只要知道怎么用，懂内部原理就够用了。以学习时长和成绩为例，利用Excel 计算相关系数。流程如下：

下面计算本案例中综合满意度（月份平均）与客户忠诚度的相关性系数，同样利用Excel的数据分析功能。计算结果如下：

得出结论：整体客户忠诚度与综合满意度之间的相关系数为 0.64，由此可知一般来说（不区分产品），两者之间存在相关关系。再看不同产品的客户忠诚度与综合满意度的相关性， B 和 C 与综合满意度的相关系数分别为 075、0.69，数值较高，可以确认为相关， 设成立 。

再回到问题，只看综合满意度，还不能决定“应该釆取哪些措施”。这样的话仍然无法对实际业务产生意义，所以接下来还要再次应用相关分析来探讨“服务”、“产品”、“价格”不同维度与综合满意度之间的相关程度。定位产品B和C的综合满意度下降的根本原因是什么。

分别对两种产品的综合满意度和三种不同维度的相关性分析，结果如下：

对于B 来说，同类产品的价格比（相对而言是贵还是便宜）对综合满意度的影响较大。二者的相关系数为 -0.72，表示价格越高，顾客满意度就会越低。需要注意其变化趋势是相反的，也就是说， B 的用户对价格比较敏感。对于C，售后满意服务度对综合满意度的影响较大。二者相关系数为0.59，说明C的用户比较在意售后服务体验。

通过相关分析，发现跟销售总额相关度的因素是用户满意度，尤其是产品B，优先调整同类产品价格比；产品C提升售后服务水平，可以显著提升整体销售额。

现在复盘一下这个案例是如何分析的。分析流程如下：

前面我们根据度拆解、设检验、相关分析方法终定位到销量下滑的根本原因。接下来也就是根据找到的原因提出建议。那么在提出建议这一步经常用的分析方法之一是回归分析。比如本案例知道需要提升满意度，但是将满意度具体改善到什么程度，才能提升销售额。这时候就需要用回归分析来计算出某个原因能够对目标造成多大程度的影响。

回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。

这个方程可以理解为：Y(利润) = 0.1445X(销售额)-31.938。前面说过期望的利润目标是5000万，也就是利润Y = 5000万，代入回归方程就可以算出具体销售额= 34,823.41万元。u额就是说，根据公司下半年想要实现5000万的目标，我们需要将销售额达到34823.41万元。

以上就是使用回归分析的整体流程。简单回顾下回归分析：回归方程里面有一种自变量的，这种回归叫一元线性回归；那么使用线性回归的前提是两个变量（因变量和自变量）要有相关关系，这样才能使用一元线性回归；线性回归实质上在帮助我们解决资源合理分配的问题。比如销售案例，知道了Y值，想知道X的值是多少。还有另外一种情况就是咱们的汽车销售额下滑的案例，例如Y是综合满意度，X是售后满意度，这样我们就知道售后满意度达到多少分时，综合满意度才能提升。当决策者有多种方案要选择的时候，就可以根据回归分析，知道把有限的资源投入到哪里才能发挥出的效果。

回到案例中：继续解决产品B 的价格满意度提升到多少；产品C的售后满意度提升到多少，才能提高综合满意度，进一步提升客户忠诚度。首先制定业务目标，也就是回归方程的Y值。那么我们可以追溯到客户忠诚度，会发现客户忠诚度75%才是一个正常趋势，所以我们确定过了要将产品B 和 C 的忠诚度提升到 75%。

通过回归方程，得出产品B 要想达到忠诚度到75%的目标，必须将综合满意度达到75以上。

接下来提升B产品客户忠诚度：综合满意度与同类产品价格比的关系

提升C产品客户忠诚度：客户忠诚度与售后服务满意度的关系

如何提高售后服务满意度？

到这里，分析结束。通过回归分析，终得出可落地的建议如下：

影响销售额下滑的主要定位到B产品的同类价格比 、C 产品的售后满意度出现问题

1）产品B ： 价格波动不要高于同类产品 2%

2）产品C ： 要重点抓售后服务，尤其是服务态度要达到76分

以上是本次通过汽车销量下滑案例，映射一个完整的在工作中利用数据分析解决问题的过程。

亚马逊销量下滑原因分析有哪些？

近有不少的亚马逊卖家和我们反馈说，店铺不止流量下滑，并且出现很多原本正常的订单却持续下降。大家都对原因不明，感到迷茫，但其实重要的一点：要把握好顺应亚马逊变体和算法规则的变化而却调整自己的这一个原则。

除了季节性的因素，还可以从其它3方面分析：

点，可以从对手身上找原因

因为对手销量增加的同时就会容易导致我们的销量下降

1) 推广是一个很有效的方法，可以在亚马逊的各个广告位和渠道多关注和留意，看看对手有没有投放广告，用广告来增加自己的店铺曝光率和产品订单量。自己也可以结合自身营销费用的实际情况后，考虑适当的做一些推广。

2) 在各大社交平台去搜索对手的品牌或者一些热卖产品的标题，去留意看看对手近期有没有合作的投放广告或宣传。

3) 还可以借助亚马逊第三方产品分析工具，对对手产品近期的评价增长幅度进行详细分析，看对方有没有使用其它运营手段，例如：测评、直评等等，可为自己的需求做一个参考性的数据。

第二点，就需要从自身身上找原因了

1) 其实亚马逊和我们国内淘宝是大同小异的。每一位买家在购买之前都会浏览该产品的评价，特别是评。所以不定时检查自己的详情页有没有出现评，或出现多少个评，是非常有必要的。再者，退货率的突然飙升，也是十分影响产品的权重和转化率。卖家需要仔细分析每一条评的原因，是因为质量问题、物流问题还是产品描述不符问题导致的，需要具体问题具体分析再具体优化。如果是被有心人恶意黑，则可以通过投诉评问题或使用其它正当手法去覆盖评。如果实在有需要，也是可以考虑找服务商删除评的。。

2) 还是可以借助第三方行业分析工具，时刻关注行业内近期的热销产品，吸取别人的优点，多点升级自己的产品，根据热卖产品的特点调整自己的选品倾向，也是比较好的一种方法。当然，也要做好自己，增加客户的好评数和星级，这样对店铺是有很大的帮助的。

，我们可以从整个行业去看待问题

如果行业的整体表现是呈上升状态的，但自己的店铺却不太好，就需要好好分析一下近行业内卖家的平均转化率和自己的转化率进行对比，数据指标上的距是很直观清楚的告诉你别在哪里，问题在哪里，再结合自身情况去提升和优化。

在现在电商这么激烈的时代，亚马逊卖家是不能有事不关己高高挂起的心态的。除了运营号自己的店铺之外，更重要的是也要多关注整个行业动态、自己的竞争对手还有亚马逊的规则变化，只有这样才可以及时对各种问题作出相关应对方案，调整自己，优化自己，进而提升自己。

希望以上回答对大家有帮助，麻烦点一下采纳哈~

关于近期亚马逊产品销量的下滑，大概有以下几个原因：

1.淡季来临。很多商品都有旺季和淡季之分，如果你的亚马逊商品销量变得的话要确定现在是不是处于产品的淡季。

2.受到评。评对于一件商品的销量起很大的作用，评过多的话销量肯定会受到很大的影响的。买家可以在亚马逊平台留下feedback和review评价。因此，在收到买家的评后，要及时处理评。对于评的处理，你可以先检查评价内容是否符合亚马逊评价规则，若不符合，向亚马逊申请移除，否则联系买家解决问题尽量修改评内容。这是十分重要的一点

3.产品曝光量跟不上。产品曝光量也是直接影响销量的一个重要因素。销量下降时，你可自己在亚马逊搜索相关产品，看看自家的产品展示位置如何。如果展示不多而且靠后的话，那你要检查下产品页面的浏览量是否出现较大的变动，还要确保自己的产品正确刊登，选择适合的，使用清晰的，否则你的产品需要重新刊登。

4.促销活动结束的影响。许多跨境电商卖家会通过促销活动进行库存商品的清理，如果商品销量骤然下降了，要及时确定你的商品促销活动是否已经结束。

5.广告停止。Ppc广告的停止也会影响到产品的销量，所以要及时检查。

销售数据下滑增长乏力，怎么办？

近听了夸克学院王磊老师分享的课程《销售数据下滑增长乏力，怎么办》，学到了一些考虑问题的思路和方法，于是赶快来这里认真做笔记。

首先，必须清楚的是，没有任何一个行业，一个产品，销售数据会永远增长不出现下滑，因为有周期的存在。比如宝洁公司的产品，基本是每五年一个周期，也就是产品到第4、第5年，都会出现一些下滑的情况。对下滑的情况进行分析调整后，产品才能继续出现活力。

其次，对销售数据下滑的定义要明确，只有当连续三个月对比上一年的数据，出现数据下滑，才能认为是销售下滑了，要开始关注。如果只是一个月出现数据降低，不一定是下滑，可能只是正常的波动，需要继续观察。

另外，下滑的幅度也是指标之一，如果数据变化幅度在正负10%以内，都认为是可接受范围的波动，如果大于这个范围，才认为是需要关注的下滑。

行内有句话叫“宏观靠市场，微观靠销售”。所以，如果是一个小的阶段出现的下滑，比如一个季度，要看销售的问题，如果是全年的下滑，那问题可能是出在市场方面。

记住一个公式： 销售额=客户数平均客单价。

客户要进一步细分为老客户和新客户，比如，快销品行业，主要依赖的是老客户。

耐用品行业，主要依赖新客户。

首先来看客单价。

产品决定了客单价，或者说产品的组合，决定了客单价的高低。

销售的重担不应该压在某个产品上，而应该是通过产品组合。新产品引入是带来销售增长的重要的力量。客户到底会从你这买多少钱的产品，取决于你的产品种类是否丰富，是否能满足他的需求。

如果是客单价出现下降，就要赶快升级产品组合，更新产品。

能不能通过提价来提高客单价？20%以内的提价，通常客户还能接受，超过这个范围，客户是无法接受的，通过提价来提高客单价并不是健康有效的策略。

其次来看客户数的问题。

是新客户减少了，还是老客户流失了？

如果是新客户减少了，那主要是品牌和广告宣传的问题，说明传播的概念有问题，或者媒体媒介投放覆盖率不够，消费者看不见。

如果是老客户减少了，这是很危险的，反应了产品和服务的质量，相对竞争对手下降了。是客户满意度出现了问题，要把产品和服务全环节检查一下，找到出现懈怠的环节。

有时不一定是自己做的不好了，而是竞争对手更强了。

还有的情况是出现了品牌，比如代言的明星人设崩塌，导致品牌受影响。

小结一下：

如果是客单价的下降，要立刻进行产品的升级，迭代，更新。

新客户如果减少，要加强推广，包括广告概念和媒体触达。

老客户减少，要找到产品和服务出现的懈怠环节，赶快改正。

销售下滑了，抱怨环境是没有意义的，一定要好好分析原因。

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

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

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。

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。

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》

淘宝运营解析流量下滑解决方法！

天猫运营与创业

专业介绍：

天猫平台目前已经拥有4亿多消费者，6万多家商户，7万多个品牌；多种新型网络营销模式正在不断被开创。加入天猫，将拥有更多接触前沿电子商务的机会，也将为全新的B2C事业创造更多的奇迹。

天猫平台强大的的视觉冲击力，层出不穷的运营方式，是天猫商城吸引客户的主要方式，而懂得设计和运营的人才早已成为各类企业疯抢的对象。

选择江西新华电脑学院天猫与创业专业，你将学到：商品视频拍摄及后期处理、Dreamweer网页设计、天猫商业广告美化、HTML5+CSS3、SEO优化技术及推广、网店装修、移动端页面装修与详情页、天猫全案营销、天猫数据化管理、阿里巴巴国内贸易营销、淘宝天猫规则、百度SEM、天猫客户管理与营销、天猫团队建设与企业流程化管理、电子商务安全与网上支付、电商战略规划和平台规划、天猫运营产品可视化包装、爆款打造流程及作（实课）、电子商务仓储及物流管理、微营销平台与实战技巧等。

电商数据分析怎么做

电商分析数据方法如下：

一、依据用户画像，洞察需求

用户画像即用户信息标签化，通过收集用户的属性、消费习惯、偏好特征等各个维度的数据，进而对用户或产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。

二、依据渠道数据分析用户来源

对电商卖家来说，分析“访客数”重要的是分析“流量来源”。分析不同流量来源的“数量”和“支付转化率”，找出“支付转化率”比较高的流量来源并想办法提高，不仅可以提高“访客数”还可以提高整体的“支付转化率”。

三、店内转化率的数据分析

当用户来到店铺时，我们就要想办法将他们转化成顾客，但众所周知，并不是每个来店里的用户都会点加入购物车按钮。甚至在加入购物车后，也会有改变主意离开网站的可能。

四、提高营销推广的ROI

对店铺来说，如今流量已进入存量时代，营销渠道分散且复杂，更需要卖家依据数字化营销提高推广的RIO，通过数据分析，加强线上营销的精准，拓展线下新的营销场景，利用数据智能完成全场景全链路的布局，以达到高效转化与品效相结合。

五、产品数据分析

1、产品数据分分析

我们可以依据更多和商品有关的数据，比如商品浏览页访问量、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，以及购买人数来对用户购物行为进行分析。

2、销量数据分析

我们可以从后台数据分析中找到关于收入，税费、运费、退款金额，和卖出的商品数量。其中，总销售额以金额的形式呈现，是衡量我们线上店铺经营状况的“整体主要指标”（OMM）之一，可以用它来衡量业务的整体增长和发展趋势。