电商数据分析基础指标体系(8类)

目录

  • 1.总体运营指标
  • 2.网站流量指标
  • 3.销售转化指标
  • 4.客户价值指标
  • 5.商品类指标
    • SKU
    • SPU
  • 6.市场营销活动指标
  • 7.风控类指标
  • 8.市场竞争指标

构建电商数据分析的基础指标体系,主要分为8类指标。

1.总体运营指标

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,起码对运营的电商平台有大致了解,到底运营的怎么样?是亏了?还是赚了?

  • 流量类指标

    • 独立访客数(UV)
    • 页面访客数(PV)
    • 人均页面访问数
  • 订单产生效率指标
    • 总订单数量
    • 访问到下单转化率 —— 漏斗模型
  • 总体销售业绩指标
    • 成交金额(GMV)
    • 销售金额
    • 客单价
  • 整体指标
    • 销售毛利
    • 毛利率

2.网站流量指标

网站流量指标:即对访问网站的访客进行分析,基于这些数据可以对网页进行修改优化,以及对访客的行为进行分析等。

  • 流量规模类指标

    • 独立访客数(UV)
    • 页面访客数(PV)
  • 流量成本类指标
    • 访客获取成本 —— 获客成本
  • 流量质量类指标
    • 跳出率
    • 页面访问时长
    • 人均页面访问数
  • 会员类指标
    • 注册会员数
    • 活跃会员数
    • 活跃会员率
    • 会员复购率
    • 会员平均购买次数
    • 会员回购率
    • 会员留存率

3.销售转化指标

销售转化指标:分析从下单到支付的整个过程数据,帮助提升商品转化率,也可以对一些频繁异常的数据展开分析。

  • 购物车类指标

    • 购入购物车次数
    • 加入购物车买家次数
    • 加入购物车商品数
    • 购物支付转化率
  • 下单类指标
    • 下单笔数
    • 下单金额
    • 下单买家数
    • 浏览下单转化率
  • 支付类指标
    • 支付金额
    • 支付买家数
    • 支付商品数
    • 浏览-支付买家转化率
    • 下单-支付金额转化率
    • 下单-支付买家数转化率
    • 下单-支付时长
  • 交易类指标
    • 交易成功订单数
    • 交易成功金额
    • 交易成功买家数
    • 交易成功商品数
    • 交易失败订单数
    • 交易失败订单金额
    • 交易失败订单买家数
    • 交易失败商品数
    • 退款总订单量
    • 退款金额
    • 退款率

4.客户价值指标

客户价值指标:主要分析客户的价值,可以建立FRM价值模型,找出那些有价值的客户,进行精准营销等等。

  • 客户指标

    • 累计购买客户数
    • 客单价
  • 新客户指标
    • 新客户数量
    • 新客户获取成本
    • 新客户单价
  • 老客户指标
    • 消费频率
    • 最近一次购买时间
    • 消费金额
    • 重复购买次数

5.商品类指标

商品类指标:主要分析商品的种类(SKU),哪些商品卖得好,库存情况。以及可以建立关联分析模型,分析哪些商品同时销售的几率较高,进行捆绑销售,有点类似啤酒尿布的故事。

SKU

SKU:Stock Keeping Unit(库存量单位)SKU是指一款商品,每款都有出现一个SKU,便于电商品牌识别商品。一款商品多色,则是有多个SKU,例:一件衣服,有红色、白色、蓝色,则SKU编码也不相同,如相同则会出现混淆,发错货。

SPU

SPU:Standard Product Unit(标准产品单位)SPU是商品信息聚合的最小单位,是一组可复用、易检索的标准化信息的集合,该集合描述了一个产品的特性。在商品信息电子化过程中,商品的特性可以由多个“属性|属性值对”进行描述。“属性|属性值对”完全相同的商品,可以抽象成为一个SPU。

  • 产品总数指标

    • SKU数
    • SPU数
    • 在线SPU数
  • 产品优势性指标
    • 独家产品收入比重
  • 品牌存量
    • 品牌数
    • 在线品牌数
  • 上架
    • 上架商品SKU数
    • 上架商品SPU数
    • 上架在线SPU数
    • 上架商品数
    • 上架在线商品数
  • 首发
    • 首次上架商品数
    • 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:主要监控某次活动给电商网站带来的效果,以及监控广告的投放指标。

  • 市场营销活动指标

    • 新增访问人数
    • 新增注册人数
    • 总访问人数
    • 订单数量
    • 下单转换率
    • ROI(投资回报率)
  • 广告投放指标
    • 新增访客数
    • 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

7.风控类指标

风控类指标:分析买家评论,以及投诉情况,发现问题,改正问题。

  • 买家评价指标

    • 买家评价数
    • 买家评价卖家数
    • 买家评价上传图片数
    • 买家评价率
    • 买家好评率
    • 买家差评率
  • 投诉类指标
    • 发起投诉(申诉)数
    • 投诉率
    • 撤销投诉(申诉)数

8.市场竞争指标

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。

  • 市场份额相关

    • 市场占有率
    • 市场扩大率
    • 用户份额
  • 网站排名
    • 交易额排名
    • 流量排名

总共从8个方面来阐述如何对电商平台进行数据分析。

当然,具体问题具体分析,每个公司的侧重点有所差异,所以如何分析还应该因地制宜。

原文地址:https://www.cnblogs.com/hider/p/11670680.html

时间: 2024-10-08 06:54:27

电商数据分析基础指标体系(8类)的相关文章

Amazon电商数据分析——数据获取

最近一段时间主要重心在Amazon电商数据分析上,这是一个偏数据分析和可视化的项目.具体来说就是先获取Amazon的商品数据,数据清洗和持久化存储后作为我们自己的数据源.分析模块和可视化模块基于数据进行一系列的操作. 显然,整个项目中最基本,也是最重要的就是前期数据的获取,本篇文章就是针对数据获取和清洗过程进行一个简单的介绍和总结. 整个项目我们采用了Python作为开发语言,其中可视化模块基于Django搭建,当然在数据获取,即爬虫模块,我们也是采用了Python作为我们的开发语言.  对于爬

四周上手BI电商数据分析视频教程

课程下载地址:https://pan.baidu.com/s/1Fkn9HQJstYPOckZ3DypCAA 提取码: 5xss 四周上手BI 电商数据分析(从理论-->业务-->工具-->项目实战 全流程实战) 本课程从经典电商业务分析入手,案例贯穿,注重实操,在较短的时间里教您快速掌握BI数据分析技巧,让"人人都成为数据师"不再是一句口号! 课程特色:1.绝无仅有PowerBI(微软大数据分析工具)独家实战型培训2.采用的是最新MOS-2016微软认证数据分析师标

如何利用BI搭建电商数据分析平台

某电商是某大型服装集团下的重要销售平台.2015 年,该集团品牌价值达数百亿元,产品质量.市场占有率.出口创汇.销售收入连年居全国绒纺行业第一,在中国有终端店3000多家,零售额80 亿.其羊绒制品年产销能力1000万件以上的规模,占有中国的40%和世界的30%的市场份额. 该集团旗下的电商部门主要负责服装公司线上运营工作,涉及的平台有淘宝.天猫.京东.苏宁易购.唯品会等,每年涉及的流水金额大概在1亿RMB左右. 项目背景: 原来该公司旗下各品牌和部门的IT管理部门是独立的,没有归属于服装公司下

[原创]如何利用BI搭建电商数据分析平台

某电商是某大型服装集团下的重要销售平台.2015 年,该集团品牌价值达数百亿元,产品质量.市场占有率.出口创汇.销售收入连年居全国绒纺行业第一,在中国有终端店3000多家,零售额80 亿.其羊绒制品年产销能力1000万件以上的规模,占有中国的40%和世界的30%的市场份额. 该集团旗下的电商部门主要负责服装公司线上运营工作,涉及的平台有淘宝.天猫.京东.苏宁易购.唯品会等,每年涉及的流水金额大概在1亿RMB左右. 项目背景: 原来该公司旗下各品牌和部门的IT管理部门是独立的,没有归属于服装公司下

电商商品中心类目体系

淘宝目前在线商品数超过 10 亿,如何精准的帮助用户找到他想要的商品呢?经过多年的探索,淘宝通过建立一套完整的类目属性体系,终于较好的解决了这一问题,今天就跟大家一起来谈谈淘宝的类目属性体系. ▍一点点历史和架构 2003 年淘宝刚上线时,商品量很少,没有分类. 后来,商品量上百,开始有了对商品进行单级分类,有点类似于现在的一级行业类目. 等到商品上万的时候,商品的单级分类已经不能满足需求,开始有了多级分类,就是一颗类目树了.从 06 年开始引入了属性,商家按照属性模板填写属性,用户可以按照属性

电商类网站类目体系

淘宝目前在线商品数超过 10 亿,如何精准的帮助用户找到他想要的商品呢?经过多年的探索,淘宝通过建立一套完整的类目属性体系,终于较好的解决了这一问题,今天就跟大家一起来谈谈淘宝的类目属性体系. ▍一点点历史和架构 2003 年淘宝刚上线时,商品量很少,没有分类. 后来,商品量上百,开始有了对商品进行单级分类,有点类似于现在的一级行业类目. 等到商品上万的时候,商品的单级分类已经不能满足需求,开始有了多级分类,就是一颗类目树了.从 06 年开始引入了属性,商家按照属性模板填写属性,用户可以按照属性

数据分析&大数据分析如何应用于电商行业?

这几年想做电商和进入电商行业的人越来越多了,不管是自己开的淘宝店还是微店,你会发现自己朋友圈里面,总会有那么几个已经在做电商的.电商这么火,那对于做电商而言什么是最重要的呢?答案毫无疑问是数据·大数据.今天我们就来好好聊聊数据分析·大数据分析在电商行业中的应用. 电商行业相对于传统零售业来说,最大的特点就是一切都可以通过数据化来监控和改进.通过数据可以看到用户从哪里来.如何组织产品可以实现很好的转化率.你投放广告的效率如何等等问题.当用户在电商网站上有了购买行为之后,就从潜在客户变成了价值客户.

1号店陷高层风波 超市类电商前景难明

别看目前电商是互联网行业中堪与智能手机.支付工具.即时通信应用等媲美的热门领域,但具体到每一家来看,却大都有自己的酸楚和无奈.淘宝假货风波层出不穷.京东亏损严重.当当发展缓慢.苏宁模式混乱.国美几被遗忘--但要说最惨的,还是挂着"超市类电商"名头,以全品类超市商品为卖点的1号店. 在接连被平安.沃尔玛或投资或收购,且发展战略始终摇摆不定,得不到贯彻之后,1号店原本气势恢宏的快速增长局面已然不复存在.亮眼的光鲜数据散去之后,内部矛盾开始凸现出来.1号店内部人士透露,沃尔玛高管在1号店内部

上海远丰:大数据时代 电商如何做好运营数据分析

2015年深圳互联网领袖论坛上,马云阐述了“DT时代”概念,提出我们已经从IT时代进入了数据时代,数据让一切变得透明.直观.大数据时代,依托于电子商务快速发展,数据分析已成为企业在电商混战中脱颖而出的关键.但很多企业意识到网站数据分析的重要性,往往却不知道怎么办. 互联网时代,用户习惯正在发生变革,只有充分了解用户才能打造符合用户预期的产品.电子商务相对于传统零售业来说,最大的优势在于一切都可以通过数据化来监控和改进.通过数据可以看到用户从哪里来.如何组织产品可以实现很好的转化率.投放广告的效率