起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識電商業務數據分析實踐指南
1月的第4場直播我們邀請到了京東資深數據產品@少東老師，對數據分析、數據產品領域有豐富實踐經驗。曾創新性打造余額寶情緒指數，成為業界衡量金融用戶情緒的標桿；并用數據模型指導基金流動性的安排，提升余額寶收益率。對于電商領域的用戶增長、營銷產品，有著豐富產品落地案例。本文為直播內容整理，內容有刪改。
大家好，我是少東，目前在京東做數據產品經理，之前在余額寶做過很長一段時間的數據分析師。
本次分享主要分為三部分；第一部分是電商數據分析的基礎介紹；第二部分是詳細介紹常用的電商數據分析方法；第三部分是通過具體案例做實踐層面的介紹。
一、電商數據分析的基礎介紹
數據分析落地步驟主要有三個：
第一是描述現狀，通過可視化的指標呈現，深入闡述生意現狀是好是壞，好或不好體現在哪？
第二是分析背后原因，比如生意發展不是特別好的原因或發展比較好的原因，只有知道背后存在的原因，才能更好改善業務，實現業務的增長；
第三是對業務發展提出建議，作為分析人員或業務人員做數據分析的最終落腳點一定是提出專業的意見和建議。
1. 描述現狀
描述現狀是做數據分析的第一步，也是比較消耗精力的一步，需用到很多工具，比如常用的數據提取、數據分析工具：SQL、數據庫、Excel等。作為專業數據分析師必須熟練掌握這些工具，作為業務同學可以著重掌握Excel，掌握后也可以足夠應對數據的處理加工，所以描述現狀的第一步是獲取數據，做數據處理、加工、清洗等。
做完數據處理、加工、清洗后，第二步是確定指標體系，如果生意現狀用生意發展比較好來描述顯然不是很數學化或統計化，所以可以用成交額或下單金額等來描述生意發展好，不同口徑的指標描述也完全不一樣，所以在描述現狀里非常重要的一步就是梳理用怎樣的指標體系去描述現狀。
搭建合理的指標體系有以下步驟：
第一步是確定北極星指標，北極星指標是指業務發展的最核心指標，如GMV是電商業務的核心指標；用戶在APP的停留時長是抖音平臺的核心指標等，不同業務的北極星指標也不一樣，但北極星指標通常只有一個，平臺需要把所有精力都聚焦在北極星指標的發展上；
第二步是確定子指標，當確定北極星指標后，需要對其進行拆解，比如把 GMV 拆解成新客GMV 加老客GMV或者把GMV 拆解為成交用戶數乘以客單價，具體怎么拆解要根據具體業務進行;
第三步是把子指標拆分為過程指標，比如新客GMV可以基于不同渠道來源拆分為廣告、網站等。
通過以上三個步驟，將北極星指標層層往下拆解成多指標體系，有比較完備、科學的指標體系才可以更好描述生意發展的現狀。
描述現狀里另一個重要環節是數據可視化，數據通過圖表的形式表達會更加直觀、清晰，而不同情景下使用的圖表也不一樣，比如做總體比例拆分的描述時用表圖；分析隨著時間變化的內容時用趨勢圖；做對比時用條形圖、柱狀圖等，不同場景具體用哪個圖表才能更科學、準確描述可以參考上圖。
2. 分析原因
數據通過提取、清洗、指標體系，再通過可視化方法的幾個維度后，就可以把生意現狀較清晰描述出來，描述出來后就需要分析數據好或不好的原因，這對分析人員的邏輯性與業務理解要求比較高，如果對業務理解不深入，分析的思路可能會有偏差，分析出來的結果也不受認可。
分析背后原因主要分三個方面：
第一個是對所在行業、公司業務有較深入的理解與沉淀，這是最基礎的；
第二個是套用行業比較成熟、典型的分析模型，比如RFM、留存分析等；
第三個是需要了解數據背后反映的問題、代表的真實含義以及數據的生產過程，比如指標如何從買點流轉到數據庫？在途中做了怎樣的加工等，這個要求也比較高，但如果有能力要盡可能達到要求，因為對指標的口徑定義流轉不清晰很有可能在分析時會走彎路。
如果以上三個方面做得好，分析原因環節就可以做好。
3. 提出建議
很多新手分析或運營同學都會忽略：做完分析后要提出專業性的意見和建議，經常有新手前面做了很多酷炫的數據表格、各種各樣的維度分析和拆解后，忽略了最后一步：提出意見和建議，如果沒有這一步，整個分析報告的價值會大打折扣，因為所有內容最終都是要落腳到業務的發展上，如果只是分析了數據背后的原因，卻沒有落腳到最終建議上，運營或業務也不知道該怎么做，這個報告的價值就沒有完全發揮出來。
要想提出比較有價值的建議：需要依賴對業務的深入理解，可以通過走進業務、了解業務慢慢進行積累，有了業務敏感度后，才能提出對業務發展比較好的建議，這個需要慢慢沉淀。
二、詳解常用的電商數據分析方法
電商常用的數據分析模型和方法主要有五種：RFM分析、留存分析、漏斗分析、路徑分析、歸因分析。
1. RFM分析
RFM三個英文字母代表三個具體維度：
- R代表用戶最近一次的消費時間，比如A用戶最近一次在平臺上發生購買是1月1號，離現在的時間是24天，該指標衡量的是用戶近期消費熱度的數據，如果最近一次消費時間離現在已經過了好幾年，大概率該用戶已經流失；
- F代表的是用戶在一段時間內在平臺上的消費頻率，通常用戶消費頻率越高，用戶越忠誠；
- M代表的是用戶在一段時間內在平臺上的消費金額，該指標代表用戶的購買力，比如有的用戶購買頻率非常高，但總消費金額一共只花了一百塊錢，說明消費率可能有問題，通過這三個維度可以對用戶進行劃分。
通常也會對每個維度設定一個閾值，把高于或低于閾值的用戶劃分成兩個群體，所以整個用戶群體可以劃分成八個細分人群（上圖左邊所示），而閾值的設定通常會用平均值或其他更科學的方式，比如B用戶在消費時間、頻率和金額上都比閾值高，說明該用戶是一個重要的價值客戶。
這八個細分人群也有不同的運營策略，該流失召回的召回，該做保持的保持，該發展潛力的發展潛力等。
RFM分析具體過程如下：
第一，做RFM分析需要用到數據表，這張表指訂單交易表，核心字段是用戶ID 、消費時間和消費金額，有訂單交易表即可進行RFM分析；
第二，在訂單交易表的基礎上，進行三個維度數據的加工，字段是用戶ID、最近一次消費時間間隔、消費頻率、消費金額，這樣即可對每個用戶進行加工生成比較詳細的RFM加工表；
第三，進行閾值劃分，常見方式是直接求均值，還有比較特殊的如階段打分等；
第四，對閾值劃分后就可以判定用戶屬于八個細分人群里的哪種，然后對用戶進行打標識，屬于重要發展客戶還是維系客戶等。
RFM分析的優缺點：
RFM分析的優點主要有兩個：第一個是數據的獲取性好，主要用訂單交易表即可，只要有成交數據，即可進行RFM分析，這是最大優勢；第二個是模型的分層可解釋性強，此模型是直接基于邏輯進行分解，因為有很多模型如算法模型等分析很難對業務解釋清楚，但通過RFM分析模型劃分成八個用戶類別的解釋性很強。
缺點：第一個是滯后性，因為其分析的是購買行為，只有用戶發生購買后才能進行分析；第二個是不同行業應用起來有差別，比如耐消品冰箱，用戶購買后可能十年內都不會再復購，這種情況下，RFM分析就喪失分析的價值和意義。
2. 留存分析
留存分析在電商里非常常見，常用于分析用戶在獲取后的一段時間內，在網站或APP的留存情況，這里需注意的是留存分析一定要加上日期，比如很多網站留存率50%的數據沒有參考性，是因為其并沒有說明是次日留存還是30日留存，這是有明顯差別的，網站一年后的留存率肯定比網站一個月的留存率或次留存率含量更低，時間越長留存越少是很正常的，如果只提留存率高低，而不提時間，這個留存是沒有任何對比分析意義的。
留存分析還需要關注開始行為和結束行為，比如通常網站分析留存是用戶第一次登錄后在多長時間內再次登錄；或者開始行為定義為用戶第一次注冊后在多長時間內再次登錄，不同的開始結束行為定義對留存分析也完全不一樣，如果把開始行為定義成第一次購買，結束行為就可以定義為復購。
還需關注分析周期也就是時間力度的問題，比如統計的是天利率還是月利率，這是有明顯差異的。
3. 漏斗分析
4. 路徑分析
5. 歸因分析
三、電商數據分析案例實踐
在接下來的部分，少東老師分別講解了漏斗分析、路徑分析、歸因分析以及分享了電商數據分析案例實踐。
囿于篇幅有限，想要觀看完整視頻的朋友可掃描下方海報的二維碼添加會員學習顧問@betty老師的微信，并備注“少東”，即可獲得觀看鏈接。
四、本月直播回顧
本次會員直播課程，少東老師為大家詳細講解了電商業務數據分析實踐指南，希望大家都能有所收獲~
每周三/四晚上8點，起點課堂會員平臺都會邀請一線的互聯網產品、運營實戰派專家，與大家分享最新的產品行業動態、運營玩法和干貨知識。
每個月的會員直播都有月度主題，每周直播圍繞月度主題展開。本月主題如下：
來了！