电商数据分析的基本指标体系有哪些？
2、平均订单价值——用户下单的平均金额。构建电商数据分析的基本指标体系，主要分为8个类指标。
电商大数据仓库模型 大数据仓库经典建模方法有哪些
电商大数据仓库模型 大数据仓库经典建模方法有哪些
电商大数据仓库模型 大数据仓库经典建模方法有哪些
1.总体运营指标：从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商方案概述平台有个大致了解，到底运营的怎么样，是亏是赚。
2.网站流量指标：即对访问你网站的访客进行分析，基于这些数据可以对网页进行改进，以及对访客的行为进行分析等等。
3.销售转化指标：分析从下单到支付整个过程的数据，帮助你提升商品转化率。也可以对一些频繁异常的数据展开分析。
4.客户价值指标：这里主要就是分析客户的价值，可以建立RFM价值模型，找出那些有价值的客户，精准营销等等。
5.商品类指标：主要分析商品的种类，那些商品卖得好，库存情况，以及可以建立关联模型，分析那些商品同时销售的几率比较高，而进行捆绑销售，有点像啤酒喝尿布的故事。
6.市场营销活动指标，主要某次活动给电商网站带来的效果，以及广告的投放指标。
7.风控类指标：分析卖家评论，以及投诉情况，发现问题，改正问题。
8.市场竞争指标：主要分析市场份额以及网站排名，进一步进行调整。
什么是电商仓储？
传统物流一般情况大都存储区和拣配区域共用，其实质就是上述少品种、大批量的出入模式所决定。库内设施一般为平面库(堆垛)，立体高位货架。电商仓储就是第三方的外包仓库，是为电商商家提供仓库服务与发货服务的地方。
是指仓储经营人利用其仓储保管能力向提供仓储保管产品并获取经济收益的商业仓库。
扩展资料：
仓储商务活动的特点可概括为：
(一)外向性
即仓储企业的商务活动总是面向外部的，仓储企业与外界的各种联系主要是通过商务活动实现的。因此，仓储企业的商务管理就是为了使仓储企业能进行尽可能大的产品交换，向提供尽可能多的仓储产品，满足对仓储产品的需要。
(二)多变化
即仓储企业面临的外部环境是不断变化的，仓储企业的商务活动必须经常保持与外部环境的适应性。仓储企业应有效的收集市场信息、跟随市场的需要提品，提高服务水平，降低交易价格。提高企业竞争力。
即商务管理的好坏直接影响到仓储企业的全局，如一项不适当的促销措施可能造成仓储企业产销过程循环受阻；一项错误合同的签订可能导致仓储企业重大损失，等等。
参考资料：
电商仓储是电商行业为应付多品种，小批量的特点用专门的储存区来提高储存利用率，提高拣选效率形成的仓储模式的称谓。
为了应对产品的多样性，客户购买的不同特征，根据不同的商品特征，在成本时间的约束下，研制包装方案，保证在途货物的安全。
电商仓储为了达到仓储上面的帐实合一，而每天的进出库数量大，品类多，这样的条件制约下，为了达到数据的真实准确性，需要进行非常灵活的盘点工作，对异处理要不断通过系统控制进行处理，做到数量，状态，位置的每次变化都系统和实物同步进行。通过对这些工作的严格管控，来弥补无法进行静态盘点的补充。
拓展资料：
B2C仓储物流的有轻公司轻资产模式、垂直一体化模式、半外包模式、云物流云仓储模式、云物流模式等模式。
云物流云仓储模式
借鉴目前热门的云计算、云制造等概念，云物流模式，顾名思义，就是指充分利用分散、不均的物流资源，通过某种体系、标准和平台进行整合，为我所用、节约资源，相关的概念还有云快递、云仓储。
从理论上讲，云物流实现了“三化”：一是化，快递公司、派送点、代送点等成千上万的终端都可以为我所用;二是节约化，众多资源集享一个云物流平台，实现规模效应;三是标准化，一改物流行业的散、乱，建立统一的管理平台，规范服务的各个环节。
云物流模式，希望利用订单聚合的能力来推动物流体系的整合，包括信息整合、能力整合。的问题在于，但目前，云物流只是提供了一个信息交换的平台，解决了供给能力的调配问题，但不能从根本上改变行业配送能力的整合问题、服务质量问题、物流成本及物流效率的控制问题。如何整合和管理好云资源，这也是云计算、云制造面临的共同问题。
换个角度说，如果一个电商企业，把物流服务整成全国老大，那它就可能已经不再是电商企业了。因此，合作才是电商企业和物流企业亘古不变的主题。不在合作同发展，就可能在竞争中相继衰落。
参考资料：
扩展资料
仓储是指通过仓库对物资进行储存、保管以及仓库相关储存活动的总称。它随着物资储存的产生而产生，又随着生产力的发展而发展。仓储是商品流通的重要环节之一，也是物流活动的重要支柱。 [1]
轻公司轻资产模式
轻公司，国内最早的代表企业是PPG。它是指，电子商务企业做自己最擅长的，比如平台、数据，而把其他业务比如生产、物流都外包给第三方专业企业去做，最终是把公司做小，把客户群体做大。
轻公司轻资产模式，减轻了电商企业在物流体系建设方面的资金压力，但对与其合作的第三方依赖度很高，如果第三方的服务出现问题，势必连累电商企业本身。曾有统计数据称，第三方物流的投诉率是电商企业自建物流的12倍。因此，这种合作模式需要具备较高的合作风险管控能力。
参考资料
电商仓储：第三方的外包仓库，为电商商家提供仓库服务与发货服务。
电商仓储：第三方的外包仓库，为电商商家提供仓库服务与发货服务。以数据为核心，以精细化管理为驱动，以效果为目标，结合多年仓配管理和服务的经验，为企业提供高效率，降低成本提供了的仓配托管解决方案。
为电商在仓储、配货、包装、发货、退换货、质检及精准库存上提供的专业第三方托管服务。
扩展资料
电商仓储需要柔性生产与平台化运作，注重商品生产设计及营销，后勤外包，使企业效率提高;润宝仓储降低企业各种风险，优化了仓库设施布局，解决物流瓶颈问题，使企业物流体系更加系统化、标准化、信息化、智能化，其实每个电商仓库，都有自己的运作方式，最主要是看适不适合自己仓库的运作。
管理输出即销售或生产型企业为集中精力，做强主营业务，增强企业核心竞争力，而将仓储管理业务以合同的形式委托于专业的仓储管理公司运作，此种模式是企业间长期的业务委托和合约执行方式仓储管理输出提供仓库的日常管理工作，为企业提供货物的信息化服务、货物的配送服务、快速高效的仓库作业水准服务等
随着市场对仓配业务的要求不断提升，仓配业务逐件成为企业有效竞争力的元素之一，对于库存准确率、配货准确率、货品吞吐量、个性化作的需求在持续增加......
参考资料：
电商仓储简单说，专门为电商提供仓储代发货服务的企业。电商仓储的特点就是，单量波动性大、货品的种类多，发货时效性高，客户群体庞大等。
电商仓储常见的服务内容：
1、仓储服务（装卸作业，出入库管理，库存管理，退换货管理）
2、配送服务（配送组合方案，供应商管理，运输及配送服务，运费结算）
3、订单处理（从下单到出库全程系统化流程化，更大程度保障订单准确性，及时性）
4、系统服务（API跨系统对接，客户端查询及作，系统咨询设计采购及维护）
5、增值服务（贴标，喷码，打包，二次加工，耗材采购）
相对于传统仓储来说，电商仓储有以下不同之处：
1、储存方式
传统仓储多数情况下是储存区和拣配区共同，实质上就是少品种，大批量的出入库模式所决定的作方式。库内多为平面库，立体高位货架。由于大批量的特点，进出以箱数或件数为单位，甚至以托盘为辅助单位和载体。
而电商仓储则要应付多品种，小批量的特点，同时在目前以人工作业为主的前提下，必须用专门的储存区来提高储存利用率，为的就是提高拣选效率。
2、拣它的主要模型框架：通过检测目标流程中起点（用户进入），到完成目标动作。这其中经历过的每个的用户量与留存量，来考核每个的好坏，来找到最需要优化的。可以说漏斗模型是用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。货方式
传统仓储出库批量大，很多是直接使用叉车进行拣运，在考评拣货效率时也是箱或者托来作为主要单位。因为数量大，品种少，可直接大批量重复清点。但是电商需要以规模致胜，品种繁多，但数量少，甚至为个位数，所以这样的精细作是无数使用叉车这样的粗糙工具完成，常见的就是拣货小车，周转箱。
3、包装复杂性
传统仓储自工厂出厂后通常不需要再进行二次包装，所以传统仓储没有明显的包装线，就算需要包装也是以加固或者安全原因进行包装加强。
4、盘点方式
传统仓储的盘点多数为定期进行，而且品类少，数量大，可进行批量重复盘点。
电商仓储则不然，为了达到仓储上面的帐实合一，而每天的进出库数量大，品类多，这样的条件制约下，为了达到数据的真实准确性，需要进行非常灵活的盘点工作，对异处理要不断通过系统控制进行处理，做到数量，状态，位置的每次变化都系统和实物同步进行。通过对这些工作的严格管控，来弥补无法进行静态盘点的补充。
5、配送模式
传统线下仓储主要是以物流配送为主（零担物流、干线物流）、快递为辅；而电商多以快递为主（四通一达）也有少数规模较大的电商平台自建物流配送体系。对于电商来说，通过第三方仓储代发货，可以降低自身运营的管理成本和资产投入，降低自身运营的风险，比起传统线下仓储显然更适合。
电商仓储：第三方的外包仓库，为电商商家提供仓库服务与发货服务。以数据为核心，以精细化管理为驱动，以效果为目标，结合多年仓配管理和服务的经验，为企业提供高效率，降低成本提供了的仓配托管解决方案。
为电商在仓储、配货、包装、发货、退换货、质检及精准库存上提供的专业第三方托管服务。
扩展资料
电商仓储需要柔性生产与平台化运作，注重商品生产设计及营销，后勤外包，使企业效率提高;润宝仓储降低企业各种风险，优化了仓库设施布局，解决物流瓶颈问题，使企业物流体系更加系统化、标准化、信息化、智能化，其实每个电商仓库，都有自己的运作方式，最主要是看适不适合自己仓库的运作。
管理输出即销售或生产型企业为集中精力，做强主营业务，增强企业核心竞争力，而将仓储管理业务以合同的形式委托于专业的仓储管理公司运作，此种模式是企业间长期的业务委托和合约执行方式仓储管理输出提供仓库的日常管理工作，为企业提供货物的信息化服务、货物的配送服务、快速高效的仓库作业水准服务等
随着市场对仓配业务的要求不断提升，仓配业务逐件成为企业有效竞争力的元素之一，对于库存准确率、配货准确率、货品吞吐量、个性化作的需求在持续增加......
/
1 存储方式
由于大批量的特点，进出以箱数为单位，甚至以托为辅助单位;存储和转移多以托盘为载体。而电商的物流则需要应付多品种、小批量的特点，同时在目前以人工作业为主的前提下，必须以专门的存储区来提高存储利用率;专门的拣货区提高拣选效率(配以轻型货架为主，平面托盘库位补充。)
传统仓库的横梁式货架
电商仓库的轻型货架
我们所看到的仓库布局、辅助器械都有很大异。传统仓库品类的ABC分类基本稳定，产品足够成熟，所以其存储方位大致确定。电商物流则由于多种组合和空间压缩让ABC分类极具动态性，所以这种常用方式(分类存储)变得很难上手，亚马逊的随机存储也一定程度上反映了这种困境。
2 拣货方式
概括来讲：传统物流出库批量大，可以用叉车直接拣货，在衡量拣货效率时多以箱数(原包装箱)为主要单位。很少使用RF辅助，因为数量大，但品种少，可重复清点;拣货过程直接摘果，或者摘果后播种;一个订单批量已经足够大，不需要考虑订单如何组建波次。相反，电商需要以规模制胜，品种繁多，但数量多为个位数，甚至多为一件两件，拣货时一个订单显然不足以摘果，需要统筹考虑以波次为单位，边摘果边播种，这种精细是无法驾驶叉车类似的粗糙工具完成的，所以常见的电商拣货多是RF，拣货小车，周转箱。RF代替了人眼做到完成一个动作的校验，周转箱则代替了移动包装单位(托盘)。
这里想特殊强调一下，笔者认为大型电商仓库作业提升潜力的就是拣货，几乎没有之一。
①数量级大，小小改变但收获或许颇丰
②电商的拣货在目前看来，短期无法机械化，执行上存在很大变数。如何建立科学的流程，保证效率仍然有很多工作要做。
③其复杂性更高，比起传统仓储作业，这里更要强调其系统性优化思想。
尽管和传统物流一样，提升拣货作业效率需要从入库规划做起，怎么样组合一个最精明的波次，建立一个什么样的指导路径等等，但电商拣货要实现这些目标就困难多了，因为我们要从大数据中考虑货物的ABC属性，波次如何组合，路径如何优化;
而且这些基础性质可能还是时刻变化的。我想表达的意思是，关于这项工作的背后需要IT技术、数据分析技术，当然也包括物流实践经验完美结合。由于篇幅有限，加之有跑题之嫌，只能后会有期。
仓库作业叉车
电商仓库的拣货小车
如果把这些特征总结一下,那就是电商需做一步就得务必保证正确，怎么做?那就是几乎每一个步骤都要傻瓜验证。传统拣货相对明朗，在笔者从事经历中，很多熟练的拣货人员(传统物流)基本能清楚记得一些常见货物的库位,此时IT系统的作用可见一斑。一句话，还是电商的动态性和作业规模(数据规模)大大超过传统物流。
3 出库复核
传统出库的复核程序重要，但基本上基于数量清点，以及零头箱，以及品种校验，也多为人工单独可以完成，而电商的复核几乎是重新清点，通过电子设备终端一一完成校验。
电商出库的复核
4 信息元素
传统物流货物上的信息元素要求不高，因为货物本身外表或物理属性可以区分，例如可以不贴标签也行，也不需要有票据一一对应，即可以和货物异步流通;然而电商物流却严格要求标签信息规范性和完整性，在同一时间的订单内容如果没有标签、条码信息就如石沉大海，也必须和货物同步流动，如果分开不仅是费用的问题更是对核心“顾客体验”的伤害。
流转货架
5 包装
电商包装的复杂性
传统物流自从运出工厂后包装一般不需要再行调整，所以传统物流没有明显的包装线，其包装的起因是加固或安全;而电商物流则因为商品经过重组，“新产品”则处于无包装状态，电商仓库包装线则需要有设计包装能力，并进行响应作，需要根据不同的商品特征，在成本时间的约束下，研制包装方案，保证在途货物的安全。这点上，包装环节 是仓储物流其中又一专业性和行业技术含量的一环。
6 盘点
传统物流的盘点定期进行，由于没有强系统约束，盘点也成为库存管理或者问题暴漏的重要手段。传统物流可以停止运作进行盘点，而多级库存分布也保证了停止作业的可行性。电商物流则无法达成这样的静态盘点，724小时的服务一直让仓库处于运转中。
那如何保证账实一致呢?的确在电商的仓库首先要重点控制过程，杜绝异产生，(传统过程可以偏离系统要求，事后补救。)其次，异的处理要不断通过系统控制进行处理，做到数量、状态、位置的每次变化都系统实物同步进行。通过这些方面的严格管控，来弥补无法进行静态盘点工作的不足。较为可行的是局部盘点，分类盘点。
电商仓储通俗来讲，就是很多电商的商家不需要自己去发货，而是将商品转到第三方，由第三方进行仓储和发出货物。小红象，在仓储物流这一块就做的很好。
京东物流为什么能创造全球运营效率
语：京东有今天是因为敢打敢拼、肯干“傻大黑粗”的活，一不小心将其他电商企业不愿意碰的物流配送做成了京东“前端用户体验、后端成本效率”的核心竞争力。——刘强东
50座城市建仓，用空间换时间
“早上在京东上给千里之外的父亲买两瓶二锅头，老人家中午就喝上了。”这就是消费者口中的“京东速度”。
事实上，直到现在还有人将京东自建物流视为一场豪。2007年京东决定自建仓储配送，给业内的个感觉就是“他们疯了”，因为物流配送行业的高度分散、复杂，对于刚刚崭露头角的京东来说，如一座难以逾越的高山。2007年，京东的年营业收入只有不到5亿元。如今，京东配送条线的员工已经发展到60000人，京东也拥有了宏伟的总部大楼，这让许多质疑者认识随之转变。
“在京东之前，网络购物从下单到收，等个十天半个月是很正常的事，消费者的速度预期并不强烈，更没有用户体验的概念。”京东配送体系的一位高管回忆当年的情景还不禁感叹，当时很多人都为京东自建物流捏了一把汗。
业内认为，京东自建物流的出现从根本上改变了消费者对配送速度与服务的认识，让“用电商物流和传统物流都做过，感觉整体向电商物流的运作标准化是走在前头的，电商物流所有作都是成体系，可的，行业内各企业管理异不大，而传统物流的各企业异很大，理论上是以箱为基本单位，但是在通讯行业的仓储上，拆箱分拣的作业依然存在很大，也有使用RFID的，不过比较少，个人感觉传统物流特别是零售店的配送网络跟电商物流是有异曲同工之妙的 。户体验”一词在电商和快递行业切实可感。
2010年，自建仓储配送启动仅仅3年后，京东开始在部分城市具备当日达、211限时达能力(上午11点前下单，当天收到;晚上11点前下单，可在次日下午3点前收到)，次日达、隔日达能力开始全面铺开。受其带动，速度成为电商的一个共同追求目标。
2015年底，京东仓储配送已经可以满足大约98%的京东自营商品配送，其中超过85%的订单实现当日达和次日达配送，京东的配送服务实现的211、夜间配(晚上7点至10点配送)、极速达(2小时内送达)、当日达、次日达、隔日达等满足不同客户群体的多种时效需求。第三方调查机构所做的消费者满意度调查显示，消费者对京东送货速度的满意度领先行业整体近20个百分点。
在“京东速度”的背后，是大量的基础建设和资金投入，规模在当时的快递行业属于天量投资。但这种巨额投入并非盲目的扩大地盘。与顺丰、“四通一达”等企业网状式的结构不同，京东的仓储配送体系是轮轴式，自控力强。京东将全分为7个大区，建立7个物流中心，每个大仓有自己的服务半径。“用空间换时间，都是京东自己做，完成供应链体系搭建，成为客户体验的电商物流履约平台。”京东配送部副总裁王辉说。
截至2015年12月31日，京东已经在50座城市运营213个大型仓库，6个“一号”智能物流中心已经投入使用，仓储设施占地约400万平方米，全国拥有5367个配送站和自提点。京东的物流体系已经覆盖全国2356个区县。在这9年中，京东的年营业收入增长了近400倍。期间京东成功在美国纳斯达克上市，成为的自营式电商。
4月12日，刘强东对前来视察的邮政总局马军胜表示，京东正在全国中小件和大件两个物流网的基础上，建设第三张冷链生鲜物流网，发力生鲜快递。下一步将更好地促进电商和快递渠道下沉，大力发展农村电商，推进工业品进农村战略、农村金融战略和生鲜电商战略，同时走出国门，推进海外仓建设。
驱动“京东速度”靠技术
2007年京东日处理订单只有3000多个，2016年日均订单近400万个，天量的增长不仅没有影响物流配送的速度，用户体验反而越来越好。
其中，技术驱动在发挥着核心作用，当外界还在对京东自建物流配送持怀疑态度时，京东已悄然变身“技术控”。很容易理解的一个道理：对亿元级的企业，单纯挖掘人的潜力或许能不断提高效率，但面对数千亿级的庞然大物，人的力量显然已难以掌控局面。
京东从成立之初起就一直在自主研发数据系统，十多年来一直在不断发展完善，京东称之为“青龙物流配送系统”，简称“青龙系统”，这是京东高效物流配送背后的核心支撑。
据了解，青龙系统让传统的等单送货的工作方式发生了巨大改变，京东可以预测订单，提前调配力量。预测订单就是根据大数据模型，判断某个地域中某类商品直至某个商品未来一段时间的销量，以便于精准备货。目标是一方面有效缩短库存周转率，提高运营效率;另一方面不会让用户遭受缺货的困扰。
2014年青龙系统迈向了3.0时代，这一阶段“对外开放，构建生态系统”成为了重要的战略方向。至此青龙的业务模式也开始从京东内部物流系统转变为化物流。消费者在京东购物的流程从下单开始，每个点击动作之后都是一套复杂的计算程序，系统分拣模块会将货物根据订单地址进行区分，分配至同一地区的不同地点的仓库。
在这一系列环节的高效运转首先给了“京东速度”以保障，同时也极大提高了京东仓库的人效。以上海“一号”(一期)在2014年双十一期间的表现为例，该仓库员工仅500人，在双十一当天发货10万件。据京东统计数据，同样体量的分拣和出库，另一家服装物流公司雇佣了3000多人花了7天才完成。而2015年双十一当天，投产不到半年的广州“一号”完成单仓50万单的生产，创下了纪录。
为了进一步提高效率，目前固安分拣中心正在测试智能手环和智能中控系统，管理人员在办公室就能通过大屏幕查看配送车间的动态，流程中每个错都会显示在中控屏幕上，同时出错点上的工人能在其所佩戴的智能手环上收到错误提示。
商品出库后的传站和配送环节，也依据京东大数据的支撑，/">/"对运输和配送路线进行优化，使得配送员的配送效率得到了提高。2015年双十一期间，京东配送员将总重约8万吨的货物及时送到了用户的手中。京东内部的运营管理人员可以实时每一辆车、每一位配送员所处的位置和任务完成的情况，对于任何异常的发生都可以时间及时反应、迅速调配力量支援。
京东在仓储配送领域的技术绝大多数都是自己研发，这一块已经成为了行业的。京东仓储的另一个就是“一号”，2014年京东个位于上海的“一号”仓库一期投入使用，这座面积达10万平方米的高智能化大型仓库成为当时国内的仓库，此后两年间，沈阳、武汉、广州、贵阳的一号都陆续投入使用。而现在，京东的物流配送“飞”起来了。2016年初，京东开始测试无人机送货，未来无人机送货将覆盖大量乡村。
“一公里”的价值
随着京东业务的快速增长，“京东红”已经覆盖了全国的大部分地区，如今偏远的山区、海岛、沙漠都有“京东红”。
在京东，很多配送员将公司当作了自己的家，将配送做成了终身职业。京东配送从2007年正式开始运营，最早只有10名员工，来自安徽的徐文义就是其中之一。此后徐文义一直在京东做配送员，他的兄弟、连襟、儿子也都成了京东配送员。徐文义的儿子1993年出生，17岁就开始做配送员，现在23岁，已经在的一个配送站做了两年站长了。儿子跟着自己在京东工作，徐文义觉得心里踏实。
刘强东有和一线员工把酒言欢的习惯，2012年8月17日徐文义次和刘强东当面说话，也喝了酒。当天是京东五员工宴会，刘强东和到场的72名老员工挨个喝了酒。徐文义觉得刘强东是个正直、重视承诺的人，不会亏待一线干活的员工。像徐文义这样一家多人在京东干配送的例子还有很多，这些人在京东的共同感觉就是稳定、温暖，只要用心工作，就会有回报。他透露说，京东从来没有拖欠过一线员工的工资，即便是在资金链紧绷的时刻，刘强东宁可压缩其他开支，也绝不亏待一线员工。
京东鼓励多劳多得，2007年京东配送员的基本工资是1500元，2016年京东配送员平时人均月工资是7000多元，销售高峰期，部分配送员收入在万元以上，大幅超过行业平均水平。此外，京东还为不同地区的配送员提供了各种类型的.补贴。
据介绍，在京东，配送员可以通过学习圆自己的大学梦，也可以通过努力走向管理岗位。2015年京东启动县级服务中心，许多乡村主管就来自一线配送员。华北配送固安分拣中心负责人岳广权加盟京东之前是在其他配送公司工作，谈起别，他说，“京东追求快更追求用户体验。”
在刘强东看来，加盟制的快递模式中间环节太多，无法保证各环节的有效衔接，更无法确保“一公里”的良好体验。因此京东选择自建。
京东仓储物流副总裁傅兵认为，物流快递是相对基础性的行业，要保证各环节的高效衔接和“一公里”的通畅，一定要“强运营”，分散的加盟式快递模式很难做到。
“强运营”在京东是通过技术和管理共同实现的，京东配送员在国内率先使用POS机，这个POS机带有青龙系统，有定位功能，系统能到所有包裹的运行轨迹，如果出现异常，可调取数据，质控人员马上能发现哪些包裹不合规。系统能自动生成报表，配送系统副总裁、总监、片区、站长，每一层管理层都能对下属的工作情况、绩效一目了然。
京东要啃好自己的“甘蔗”
京东的物流设计的核心是减少物品的流动次数，通过大数据，在产品还在生产的时候就告诉供应商市场在哪里，客户在哪里。
2015年已经成为全球的电子商务市场，有预测认为将在2018年占据全球电子商务市场一半的份额，这对于竞争激烈的电商行业来说既是机遇也是挑战。市场还在持续扩大，不断有创新的企业加入竞争，谁能持续做大做强，既是对商业模式的考验，也是对企业价值追求的考验。
2015年，京东的营业收入达到1813亿元，成为的B2C电商平台，也是收入规模名的互联网企业。如今，京东已经在积极参与“电商平台级竞争”。京东近几年一直在有序地向开放电商平台和物流配送系统，目前已经有99000家第三方商户进驻京东，极大地丰富了商品的种类。
未来电商竞争中，供应链管理、物流配送等方面是各家角逐的重点，京东认为这正是其长处。京东的物流设计的核心是减少物品的流动次数，通过大数据，在产品还在生产的时候就告诉供应商市场在哪里，客户在哪里。一次就搬到正确的库房，第二次就到了终端消费者手里。因为搬运次数少，所以成本低，这对于供应商和电商平台的利润获取都意义非凡。
财务数据显示，京东的整体运营费用率大约在10%，单看电子产品的综合成本，京东不到8%，比同行低50%-60%。
2015年京东供应商的平均账期是44.6天，即一年能周转8次，远高于其他电商平台。用高效的供应链为供应商服务，帮助更多商家实现“品质、品牌、品商”的水准，是京东未来的战略布局。刘强东针对消费品行业，提出了“十节甘蔗”理论，即零售、消费品行业的价值链分为创意、设计、研发、制造、定价、营销、交易、仓储、配送、售后等十个环节，其中前5个归品牌商，后面5大环节则归像京东这样的零售商。京东在未来的开放平台竞争中要啃好后五节甘蔗。
“专业的人做专业的事”，这是京东所推崇的，也是刘强东提出要实现品质、品牌、品商的路径。这与“工匠精神”不谋而合。
在与京东合作之前，上述某合作企业一度受到库存的困扰，京东的高效供应链解决了这家企业的库存“尴尬”。在京东物流的解决方案中，引入了“调拨”作为库存，提高需求稳定程度，将全国分成两个子网络，加倍主力商品在主力销售区域的备货量。京东利用在全国的200多个大型仓库，可以根据不同销量区域选择京东不同地区的仓库，省去转运环节，缩短了货品抵达用户手中的时间，在运输途中保证了产品安全抵达。与其他化物流相比，京东物流都是自营，仓配一体，不仅保证速度，也能保证安全。
随着京东中小件、大件、冷链生鲜“三张大网”的建成和完善，加上京东日益成熟的大数据、云计算，持续不断的运营创新，京东的物流配送体系将成为一个巨大的零售供应链平台，海量的商品将会在这个平台上快速流动。 ;
京东分享 企业大数据的新认识与应用
京东分享：企业大数据的新认识与应用
大数据和我们每个人日常生活已经非常紧密地联系在一起了。
随便举个场景的例子，比如说，早上醒来的时候我通过智能手表的数据，发现昨晚的睡眠质量并不是太好，早上洗脸刷牙吃过早饭，步行1000多步来到六道口地铁刷卡坐地铁，两站3块钱到达奥林匹克公园，在地铁上我通过京东手机客户端发现一双我之前浏览过的Nike篮球鞋降价了，京东将这条商品信息主动推送过来，我立马下单购买，节省了100多块钱，并且我把这条信息通过微信分享到了朋友圈。
而我们生产的这些数据，企业尤其是互联网公司拿到后，通过数学统计和挖掘的算法将其进行聚类、拆分和预测得到更多相关数据，通过这些数据对我们每个人进行标签化的描述。如性别，婚姻状况，兴趣爱好，收入情况，是否喜欢运动，促销敏感度等等，这样就得到了我们每个人的很多属性，如人口基本属性、购买能力、行为特征、社交网络、心理特征、兴趣爱好等等。
企业掌握了这些数据之后，他们如何来利用这些数据呢？是通过这些数据来做营销，如精准营销，广告的精准投放，商品的精准？还是通过这些数据精细化企业内部运营管理？又或是通过这些数据改善生产工艺流程、指导产品的二次研发？那就看企业大数据修行的层次了。大数据应用的好，可以真正提升到战略高度，用的不好，大数据也就是锦上添花，可有可无的东西。
按照数据挖掘的聚类思维6促作为电商行业全年重量级活动，更需要将用户群体精准化，配合个性化的营销策略，才能实现效果化，为全年目标的完成打下良好基础。，企业数据可以分为内部数据和外部数据，内部数据又可以简单分为财务数据和供应链数据（大供应链概念）。当然不同行业的企业经营内容别很多，如金融行业，涉及到投资、融资、管理等财务方面可能多一些，涉及到供应链很少，而生产制造或流通服务行业，涉及供应链的数据就会多一些。
财务数据主要是以财务报表，尤其是财务发布的三大报表为主，资产负债表、利润表以及流量表。之后是总帐，总帐里面记账会涉及到科目、科目不够用我们也会设置辅助核算，还有大多企业每年都会做预算，预算大多也是围绕财务指标制定的，或者是以财务预算为主倒推业务预算。当然财务管理中其中一大块还有资金管理。
供应链的数据种类就会更多一些，从供应链上游的供应商到下游的消费者，包括采购，仓储，物流，生产，销售，售后等数据。当然每个环节我们还是可以再进一步去细化。
另外，相信没有一家是自己关起来门来做生产，做营销的，都要积极地去参考外部数据，这其中就包括政策、经济环境、股市行情、竞争对手、主要原材料价格等。
大数据整体架构大多数企业应该实施了BI系统或报表自动化系统，如果这些系统是由乙方单位负责规划建设，他们在规划或者实施过程中制定的系统方案架构图无非就是分三个层次顶多四个层次。
从下往上说，个层次元数据层或者数据源层，就是我们业务应用系统的数据，财务，供应链，人力资源，预算等等。
第二层次叫做大数据存储层，就是把下面每个层次的数据源采集到一个数据仓库里面去，之后就到了第三个层次，分析模型层，基于数据仓库构建分析模型，有的方案甚至将分析模型层直接省略掉，直接到了一个层次数据展示层，将分析模型中的数据展示出来。根据笔者多年从业经验，这样的组织形式顶多称之为BI系统，还不能称之为大数据系统。
京东大数据并不是一个单独的系统或产品，京东大数据应用已经融入到每个业务应用系统当中了。我们的大数据采集平台在不影响系统或产品效率以及客户体验的前提自动将所有数据定时、实时采集到Hadoop平台上，以大数据平台为核心，将经过加工、处理、分析和挖掘后的结果分发后各个业务系统以及数据产品中，如商城、采销、数据罗盘、领航等。下图仅供参考：
企业大数据应用层次不是每家企业都是京东，也不是每家企业都是互联网公司，不是每家企业的业务都必须需要大数据的支撑。在满足自己业务需求的前提下，企业是不是也能玩一玩小数据应用呢？是肯定的，大数据应用也是可以分层次的，每个层次满足企业对数据不同层次的需要。大致分为5个层次，每个层次是逐级递进的关系。
1.业务监测
这是大数据应用的初级阶段，即传统的DW/BI阶段。在这个阶段，企业部署商业智能(BI)解决方案，其实就是一套自动化报表系统，用以监测现有业务的运行状况。
业务监测，有时也被称为业务绩效管理(Business Performance Mament)，指企业使用基本的分析手段，来预警业务运行低于或高于预期的情况，并自动发送相关警示信息给相应业务和管理人员。企业业务和管理人员可以根据之前制定的预警规则，提前掌握业务经营情况，实现提前预警，帮助他们有针对性、有预见性的采取一些措施和手段，来防范于未然。
这个阶段最关键有两个要点，一个是预警规则的设计，经常采用的方法包括参照方法(同期比较、同类营销活动比较、同业比较)或指标方法(品牌开发、客户满意度、产品绩效、财务分析)，指标分析法就是选择合理的指标，当然这里合理指标的选择说起来容易，其实做起来也要费一番脑筋的，给大家举个我之前碰到的例子，当时是给一个做离散制造的企业做方案设计，他们在库存管理方面绩效考核一个非常重要的指标就是存货周转率或存货周转天数，这本来是一个非常正常也是经常使用的指标，但是这家单位的库存管理存在出库、入库的情况，这种情况就造成了存货周转率这个绩效指标看起来非常好看，后来我们经过考虑改用动销比，存销比作为指标，将库存指标和销售指标联合起来组合使用，就避免了出库、入库的情况。举这个例子的目的，就是想说明我们在做业务的时候，指标选择很重要，既要准确、公正地反映出该块业务运营情况，同时还要避免人为造的情况。
2.业务洞察
业务洞察意味着系统不只是提供数据报表，而是“智能”报表或“智能”仪表盘，需要根据历史数据进一步预测、挖掘出我们通过前面分析还不知道的一些数据了。
比如说，笔者以前在给杭州某家连锁酒店做项目的时候，我们需要根据该酒店在全国范围内投资过酒店的经营情况数据来做些更好玩的东西出来，如我们需要根据之前投资过的酒店的装修投入情况，不同档次当前出租率，酒店餐饮部门的上座率和翻台率，营业收入，成本费用以及当地城市竞争对手酒店情况来预测新投资一家酒店的投资回报率和投资回收期。另外，还有就是财务分析中经常会用到的杜邦分析，简单说下杜邦分析，杜邦分析就是从财务的角度对整个企业财务绩效情况进行综合分析的一个模型，他基本原理就是顶端是ROE，针对ROE我们可以分解为ROA×权益乘数，ROA又可以分为销售净利率×资产周转率，之后再次分解，成一个全是财务指标的树形结构。由于这些财务指标都是通过财务报表项目，会计科目和辅助核算计算出来的，所以他们之间存在着非常紧急的逻辑关系，这样的话，我们可以计算一些技术手段实现模拟预测，如做下一年预算或规划的时候，想让某些财务指标达到什么水平，我们事先将其进行调整，和他相关的指标也会联动，比如将净利润提高1%，销售收入、营销成本、管理费用等其他指标就需要达到什么程度?这样可以帮我们做到事先预测，更好地做规划和预算。
当然这个阶段可以做预测的还有很多，比如零售行业，大多品类的销售是有销售周期的，基于销售周期我们可以对销售进行预测。也可以根据历史用户对不同营销方式的响应程度、营销费用、营销商品以及营销效果之间的关系，较为准确的锁定目标人群进行有针对性的营销，提高营销效率，降低营销成本。
3.业务优化
业务优化对于绝大多数企业来说还是很具备吸引力的，这也是很多企业日思夜想的目标。其实在这个阶段我们可以一步步来，一点点来做，至少企业是有能力将分析技术嵌入到业务运营之中。这里举个我们之前给传统企业做过一个案例，像大多数企业一样， 这家企业也有ERP系统，在采购环节，我们可以将供应绩效模型引入进来，当然这个供应商绩效模型可能要考虑的因素会比较多，如供货质量、供货效率，次品率，售后服务等等很多因素，采购人员在进行采购的时候可以根据供应商绩效模型自主选择合适的供应商，这是一个例子，另外还可以将主要原材料的市场价格进行实时接入到采购界面，让采购管理人员可以自己掌握采购周期，合理安排采购。
在零售行业我们都知道，商品和商品之间，用户和用户之间，用户和商品之间是存在着很强的关联关系，就像大伙常说啤酒和尿布的例子，巧克力和的例子。这里可以大家稍微说下，大多电商是怎么做的，我们通过这些商品在被购买的记录中找出每两个商品之间的关联关系，这种关联关系并不是对等的，比如说购买了手机的用户一般也会同时购买手机壳，而买手机壳的人不一定也买手机，这就说明手机和手机壳之间是有关系的，而且是强关系。手机壳和手机之间关系是弱关系，这里关系的强弱我们用系数来说明。所以商品和商品之间的这种关系，我们就形成一个商品模型。基于这个商品模型，我们就可以更好向用户他浏览过、购买过、收藏过、评论过的商品了。说完商品，我们再说用户，用户通过类似的浏览行为，搜索行为，评论行为以及购买行为，我们可以找到用户和用户之间的关系。基于用户之间的行为关系，我们可以向用户其他和他相关度很强的用户购买或感兴趣的一些商品。这也就是好多互联网公司做广告，商品，促销信息等常用的做法。
4.数据盈利
数据盈利也就是我们经常谈到数据变现，数据盈利的3、信息化管理，信息化管理是如今行业发展的必然趋势，采用相应系统，有效将仓储公司与客户连接在一起，减少一些不必要的流程，加快运作效率，减少成本的支出。一种方式就是数据产品化。目前有很多数据服务类公司，可以采集到移动端游戏， app使用情况，用户行为等数据，通过他们数据挖掘和分析的技术，再通过产品或服务的行为进行输出即可实现变现的目的。另外，手机厂商，如小米、华为等，他们都拥有几亿的活跃用户，掌握一手用户在手机的行为数据，甚至包括支付数据。能变现的方面就有很多了，限制他们的就是他们的想法了。另外也越来越多的传统厂商将产品数据化了，如汽车+大数据 变成了特斯拉，家居+大数据变成了智能家居，当然这里能举的例子还有很多。
5.业务重塑
业务重塑应该是大数据成熟度模型的阶段。在这个阶段，某些企业希望利用对客户使用方式、产品效能行为及总体市场趋势的分析，将商业模式转换到新市场的新服务，例如：京东的新开展的业务，京东金融、京东智能。此外，我们可以发挥一下想象力，BAT有哪些业务是以主营业务数据为基础开拓出来的，是不是能想到很多？
乃至世界真正拥有大数据的企业不多，我们是幸运的，拥有电商全价值链的大数据，如何挖掘这座金矿？限制我们的只有我们自己的想法。
以上是小编为大家分享的关于
电商对仓储的需求有多大
在电商领域，面对需求，“一刀切”是行不通的。当品牌提供个性化体验时，80%的消费者更有可能进行购买，90%的消费者表示他们觉得个性化很有吸引力。新世界的规则里，个性化远远不止是简单地分类定制，而使用电商数据分析，能够预测消费者个体的需求，并提出相关的产品建议。电商对仓储的需求有多大，取决于你自己，例如：
京东商城页面的主色调是红色，京东配送员的工作服也是红色，这些配送小哥们被消费者亲切地称为“京东红”。（1）你的物流规模多大，客户群体在哪里；
（2）你的每日进出库存多少，SKU数量，是否有特殊需求？
（3）你的商品周转率，时效要求和配送范围；
（5）你的预算范围是多少？
电商数据分析
总结来说，在漏斗模型建立完成后，我们对数据要从如下三个维度去进行分析：如今，消费者比以往拥有了更多选择和控制权，选择过多从而导致更高的期待。作为店铺，需要更快速地提升竞争力来跟上加速增长的期待值，因此通过数据掌握消费者喜好和厌恶的信息，并在产品开发过程中利用这些知识，是创造出消费者喜爱的产品的关键。
如今 ，客户体验是新的“品牌通货”。除了价格和质量，我们还需要提供电商仓储就是专业第三方电商仓储服务平台,仓库托管服务,仓储布局覆盖全国30多个省市.是目前国内规模首位的仓储配送服务商,一站式仓配让您的货物高效准确送达到消费者手中。吸引人的用户体验来保持客户的兴趣。而通过数据分析，我们可以看到客户在网站上花费了多少时间，哪些特性吸引了他们的注意力，以及可以改进哪些方面来创建独特、有趣、简单、无障碍的用户体验，以满足客户不断变化的需求。
电商数据分析是什么
电商数据分析包括了大行业大平台的数据状况，也可以是小到店铺、单品、sku的某个某个维度详细数据分析。
除了常规的商品型号、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。
从流量、订单、总体销售业绩、整体指标进行把控，起码对运营的电商平台有个大致了解，到底运营的怎么样，是亏是赚。
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”最重要的是分析“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”。
这时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。当涉及到有机搜索时，分析一些像搜索量和排名的指标能帮你获得更多的见解，比如该将广告预算花在哪儿，如何让用户更容易搜索到你等等。
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。所以这一步我们可以用下面的电商转化指标来跟踪和优化线上购物体验：
1、销售转化率——已购买的用户和全部来到店铺的用户比值。
3、放弃购物车率——在所有电商分析的过程大致是从线上店铺的各个方面获取数据，利用任何可能对销售有影响的信息，理解当前趋势和消费者行为的转变，做出数据驱动的决策来提升更多的线上销售额。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。产生的订单中，未完成订单的占比。
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
①整体分析：分为两个部分：销售表现和购物行为。销售表现包括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，你可以看到浏览了产品详情页的用户里，加入购物车的人数；或浏览产品详情页后最终下单的人数。
②购物行为分析——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。
六、用户留存数据分析
聪明的商家知道忠诚顾客的价值。能够留住用户给你长期带来收入。永远要记住的是，获取新用户比留住老用户成本大得多。研究显示，用户留存率提升5%就能带来25%到95%的利润。
七、用户数据分析
对卖家来说，我们要识别出哪些用RFM中三个维度的阈值并不是一成不变的，它需要随着最终划分的人群以及相关的运营效果、活动规律，调整阈值的设定，最终达到一个最合理的划分。因此我们会通过“二八法则”对RFM值进行划分，这也会方便我们在后续迭代优化中根据业务反馈调整相应的阈值比例。户是你的真爱。他们不仅爱你的产品，也愿意向家人和朋友，他们简直是你的品牌大使。成功的电商企业会密切关注着这一阶段的指标并及时做出反应。
神策数据618系列篇丨电商平台大促之目标用户精准营销
在上篇《电商平台大促期间精准营销“五步”走法则》中，我们整体概述了6促的精准营销流程，并详细阐述活动目标拆解和完善埋点设计。本期我们将进一步讲述如何将用户群体进行精细化分层，并对精细化分层的用户制定异化营销策略。
注：文中数据均为模拟。
一、精细化营销策略的原理
当你对某个细分用户群做策略触达，并收获比此前更好的反馈时，整体的运营效果也会大幅提升，这就是精细化营销策略的价值。因此，需要有效地对用户进行精细化分层，才能获得大盘上的运营效果。
二、用户分层的方法
当你比较看重整体用户的运营效果时，可以选择「用户生命周期」的分层方法。因为不管你的业务和产品形态如何，用户必然会属于生命周期分层中的某个阶段。使用这种分层方法，可以确保每个用户都能获得针对用户所处阶段最合适的运营策略。
1、用户生命周期
（1）用户生命周期的定义
用户生命周期就是用户从开始接触产品到离开产品的整个过程，通常分为五个阶段：导入期、长大期、成熟期、沉默期和流失期。不同的产品形态定义各个时期的方法也是不同的，要深度结合自身的业务情况进行判断。通过对用户生命周期的划分，不仅可以宏观管理全量用户，而且可以明确用户的价值，通过运营手段让用户趋于停留在价值的阶段。
（2）用户生命周期的维度
以电商为例。一般来讲，用户生命周期的划分维度如下：
导入期：没有发生过购买行为，但存在购买意向的顾客长大期：已经完成首次购买流程成熟期：发生多次购买行为沉默期：曾经有过付费的用户，但在一段时间内未登录访问流失期：超过一段时间未再访问过产品
（3）在京东极速扩张的情况下，保证快而不乱是“京东速度”的骄傲之处。用户生命周期的标准
在定义用户生命周期标准的时候，我们可以通过用户启动产品的时间间隔的趋势来判断。某电商客户时间范围为10-300天，其用户启动产品的时间间隔在时间范围大于天往后趋于27小时。也就是说，只要超过天后，无论时间范围如何扩大，用户使用产品的情况基本不会有太大变化。
在确定时间范围后，我们首先看下沉默期和流失期用户的标准。
通常情况下，「启动产品」这个关键行为动作能够帮助我们衡量用户是否沉默和流失。因为用户只有发生「启动产品」这个动作后，才能发生「浏览商品」「购买」等后续一系列行为。当用户在一段时间内未发生「启动产品」行为时，这就表明用户可能对平台失去兴趣，发展到一定时间后用户或许已经删除我们的产品。所以「启动产品」这个行为能够帮助我们很好地判断用户是否沉默以及流失。当然，我们也可以根据公司所处的阶段或者业务形态的不同选择用户的其他行为，比如「登录」「浏览」「加购」等来定义用户的沉默和流失。
那在付费后多长时间未「启动产品」的用户会进入沉默期，以及间隔多长时间未「启动产品」的用户会进入流失期呢？我们可以用“二八法则”来确定用户沉默和流失的时间。如下图：
从「支付订单」到「再次启动产品」的时间间隔趋势图来看，80%的用户在「支付订单」后会在18天内重新「启动产品」。因此我们可以将沉默期定义为在支付订单18天后「未启动产品」的用户。
从两次打开App间隔时间趋势图中可以看到，80%的用户会在27天内重新启动产品，因此我们可以将流失用户定义为超过27天没有「启动产品」的用户。那么，我们对用户生命周期的五个分层的明确定义可以如下：
2、用户价值区分
用户生命周期可以有效覆盖全盘用户，但是当用户体量较大且业务发展已步入成熟阶段时，我们的用户群体已不仅仅是行为相对简单的导入期或新用户群体了。长大期、成熟期的用户行为更加复杂，也值得我们根据创造价值的不同投入异化的精力去做维持和转化；针对沉默流失期的用户，往往也需要面向不同价值的用户实施异化的召回策略。此时用户价值分层恰好能够解决这个问题，它能够对需要认真投入精力运营的核心用户群体进行价值细分，实施异化的营销策略，保证运营手段的有效性和针对性。
3、价值分层：RFM
用户价值的RFM分层是指对于已经在产品内转化的用户，根据用户在产品中最近一次消费、消费频率、消费金额来做好用户群体价值界定。
（1）RFM的定义
RFM模型通过用户最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary）三个维度划随着电子商务行业竞争的白热化，物流–这个电子商务中的瓶颈环节，已经成为电商巨头们决心打造的新的核心竞争力，甚至一度有人喊出，“得物流者得天下”。分出来8个用户价值群体，将群体用户进行价值细分，如下图所示： （2）RFM标准制定
按最近一次消费（Recency）对用户进行排序，的购买者排在首位，再根据用户数的累计占比发现80%的用户最近购买时间距今为18天，从而选择18天作为划分最近一次消费高低的阈值。同理，消费频率（Frequency）取3次作为划分购买频次高低的标准。消费金额（Monetary）普遍会出现20%的用户创造大部分营收的情况，所以我们取购买金额0元作为划分消费金额高低阈值。
通过对用户的消费数据进行分析确定RFM的相应的阈值之后，我们可以建立RFM用户分层如下： 三、不同人群精准营销策略
用户分层后，一定会有一个“理想”的分层是我们“梦寐以求”的用户。比如，电商企业都希望能有大量的成熟期用户，持续在产品上产生交易。然而，初级分层的用户想要跃迁到下一层，会存在一些用户视角的阻塞点，让他们存在疑问不想转化。运营策略就是要解决这些用户当前存在的阻塞点，帮助初级分层的用户更容易跃迁到下一个理想的阶段。而对于成熟用户，需要增加他迈向流失的阻塞点，以留存理想中的用户。以下为我们列出的电商行业中用户视角常见的阻塞点，以及配套的一些运营策略：
将「用户生命周期」和「价值分层」结合起来后，不仅对不同阶段用户的策略更有针对性，也可以根据用户的价值分层有优先级地投入有限的资源。在活动预算有限时，对于重要分层的用户，可以做一定的倾斜，对于一般分层的用户，则可以不做太多额外的动作，节省资源。以下为我们列举的用户分层和策略，以供参考：
点击放大查看高清图
产品数据分析模型实战
电商需要以规模致胜，品种繁多，但数量少，甚至为个位数，所以这样的精细作是无数使用叉车这样的粗糙工具完成，常见的就是拣货小车，周转箱。本篇文章分为两个部分，部分介绍产品数据分析中最基础的两个分析模型；第二部分结合案例来谈谈这些模型在实战中要注意的关键点。
模型一：漏斗模型
个我们要介绍的模型是漏斗模型，所为漏斗模型其最早起源是从传统行业的营销商业活动中演变而来的，它是一套流程式数据分析方法。
漏斗模型框架是什么？
实战案例
在这之前我们要先说一个前提：所有漏斗模型的建立一定要是在产品的主流程之上，只有这样数据量才会有足够大样本性。
让我们拿一个电商中从进入网站到购买的过程漏斗数据集来看，如下：
图1. 购买过程数据漏斗
在步我们要先明确我们的目标：分析用户从进入网站到最终转化购买这个过程中，用户从进入以及到最终实现目标的各个环节的转化率，并最终找到这个路径中用户流失最多的环节。
根据这个目标我们在上面的例子中，可以直观的看到这样的一个事实：用户从网站首页到商品详情页的这一环节转化率相对于其他环节是的。
好，那到这我们就算分析完毕了吗？找到产品的症结所在了吗？显然，是否定。
谈到漏斗模型的转化率这里就有两个实战中关注点是需要注意的：
1. 最重要一点数据怎么看？
我们不能说某个环节的转化率，就一定是某一个环节出现了问题，比如上面的例子，在访客进入到商品浏览这个流程中，其转化率有90%是所有环节中的。
但是这能说明什么呢？设上个月这个环节是，那这里反而成为产品此时的问题所在。此外如果和同行业比的话，发现行业同类产品的这个环节平均转化率是95%，那还是说明这个阶段不是足够好的。
这就是说在我们拿到数据后，要按照一定的对比维度去进行分析，得到的结果才是有意义的。
纵向对比：也就是让产品与自己历史同期进参考资料：/">百度百科--B2C仓储物流行对比，这种对比适用于对某程或其中某个步骤进行改进或优化的效果；横向对比：通过将本产品的同程转化率在竞品中进行横向对比，定位自身产品出现的问题；来源分类：细分来源或不同的客户类型在转化率上的表现，从而完成客户群体划分。在日常分析中我们通常用于网站广告或推广的效果的评价。
大家可以根据自己的需要去挑选维度来分析。
2. 漏斗模型的漏斗颗粒度定义
在实际的场景中同一款产品会有各种各样的用户类型，比如用户来自于不同的区域、不同的生命周期、不同的性别，不同的年龄，他们在漏斗中的表现都是不一样的，也就造成了在用户漏斗中的转化率往往是有很大的异的，因此我们需要将不同的人群拆分成一个个小的漏斗去逐一分析，一点点去分析结果。
让我们再总结一下所谓漏斗模型将任意产品流程抽象成一个个的关键步骤，如案例中的购物流程。然后用转化率来衡量每一个步骤的表现，通过异常的数据指标找出有问题的环节。从而解决问题优化该步骤，最终达到提升转化率的目的。
用一句话来说漏斗模型的核心思想就是分解和归类量化。
在定位了产品出现问题的环节后，接下来让我们来看看，如何具体定位指标。
模型二：杜邦分析模型
让我们先来看下百科中的定义
“杜邦分析法（DuPont Analysis）是利用几种主要的财务比率之间的关系来综合地分析企业的财务状况。具体来说，它是一种用来评价公司赢利能力和股东权益回报水平，从财务角度评价企业绩效的一种经典方法。其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩。”
如果用一张图来表示，就是如下：
图2. 杜邦分析核心模式
一般的我们将指标分为如下三个角色：
核心指标子指标（若干层级）孙代指标（让抽象的指标与APP中动作进行关联上的指标）
那为什么要这么做呢？直接看指标不行吗？
其实是这样的产品本身涉及到的各种指标类型非常的多，但产品无法对这些指标面面俱到。往往此时产品只能去关注本业务核心指标，而这些指标已经远远脱离了现实APP中可以直观感受到的部分。
举例来说，当我们讨论销售额的时候讨论的是什么？这不是一句俏皮话，这是一个现实的问题。如果直接谈销售额我们很难有直观感受，但往往通过指标拆分后，我们拿到的结果告诉我们销售额其就是一个产品中支付界面的流程或者投放中产品触达的组合。
正是因为存在如此大的抽象层级距，也就导致了在我们看到产品核心指标（注意一定要产品业务核心指标，而不是笼统的DAU等数据，如果对这个概念不太理解可以去我的主页看我本系列的篇文章）发生变化的时候，很难清楚到底是什么原因导致本指标的上升或下降呢？
拿一个电商的产品案例来说，对于电商类的产品来说核心指标就是成交金额。
而当我们发现在我们某次日常运营活动投放后，产品的成交金额不增反而出现了下跌，这个时候问题就出现了到底是什么让我们的产品出现这样的问题了呢？
那么这个时候就需要通过杜邦分析模型来寻找了。
首先我们将电商成交额做如下拆分：
图3. UV拆分结果
我们拿此处UV的例子来看，经过层层拆分，我们看到了和产品相关的是我们本次活动用户步骤与步骤奖励数这两个指标。
因此我们就可以根据如上的图中的指标去看数据来一步步寻找产品的问题；
我们拿到的数据如下：
Part 1. 核心指标：
从这我们就能看到核心指标中付费人数出现了问题，那么我们就找到了入手调查的地方，让我们继续拆分付费人数这个指标。
Part 2. 子指标拆分：
在付费转化率几乎没有变化的情况下，UV就成了这的问题。
Part 3. 孙代指标拆分：
Part N. 中间省去若干个孙代指标的最终对比
那么在这我们就能清楚的看到了，由于我们本次的活动要求用户过多，长达7步导致了用户很多程度下不愿意参与本活动，导致了流失与交易金额的下降。
到这我们产品的解决方案也就出来了需要对活动进行修改，减少活动用户步骤或者增励。