本文可以作為獨立電商平臺學習提升轉化率的范例，也可作為一篇提升數據分析思維的實戰教程。

雙11就要來了，我們今天要討論的不是“錢是怎么花掉的”，而是“那些熱賣的電商商家的錢是怎么賺的”？

我們都知道“數據驅動運營”這個大道理，大道理聽多了，反而越來越多的人不知道如何用數據驅動運營，電商行業的案例是最能說明“數據驅動運營”這個大道理的，相信你在看完了這篇文章之后，一定對自己手上的業務數據有了更深的了解。

我們先來看一個獨立電商平臺的案例：

【案例】鮮花訂單交易電子商務平臺A，三個月的時間，利用數據分析提升了業務轉化率從5%-18%。

我們看下過程：

（1）獨立電商平臺A的需求

1. 需對不同商戶位的訪問數據、購買轉化等指標科學定價分配，因商戶位較多，希望獲得各商戶位訪問和轉化數據過程能操作簡單、隨時調整，產品、運營可直接完成。
2. A平臺入駐花店較多，需要監測各花店的接單和配送數據，衡量商戶質量進行優化。
3. A可通過多種路徑進行購買，希望能知道所有購買路徑的轉化率，進行路徑優化。

（2）解決方案

1. 利用可視化埋點功能，A平臺的產品，運營人員直接在頁面上對商戶位，廣告位進行了圈選，完成埋點，節省了與技術溝通支持的時間成本，提高了效率，并在每個廣告位設置了轉化漏斗，月底查看一次多個廣告的對比效果情況?？焖俦憬莸木涂梢圆榭床煌虘粑坏脑L問和轉化數據。
2. 在A平臺的操作系統中添加了自定義活躍事件，這樣運營人員可以看到接單和配送的功能數據外，還能多維度查看每天接單活躍、配送活躍的商家數量和排名，獎勵活躍商家，激活不活躍商家，商戶質量一覽無余。
3. 在統計購買轉化時，通過智能路徑生成所有購買路徑，對關鍵路徑進行多維細查研究，找到每個路徑購買轉化關鍵點，從每一步流入和流出挖掘影響轉化的因素然后調整優化。

通過近3個月的優化和調整監測，A平臺購買轉化率提高了18.1%。

————————————我是分割線————————————————–

大數據時代的任何商業活動，都離不開數據的支撐，那些雙11銷量遙遙領先的品牌不管是依靠平臺，還是擁有獨立電商網站，都需要精細的數據支撐驅動業務增長?！?strong>數據驅動運營”的時代，已經勢不可當。

有哪些數據分析需要做？電子商務網站需要解決的問題有不少，比如：

• 如何投放廣告以尋找合適的客戶人群；
• 如何組織安排網站的網頁內容，以符合訪客的個性化需求；
• 如何找出同一類訪客的特征并預測其未來的購買行為；
• 如何調整商品頁面的安排以提高商品被購買的比例；
• 如何自動地把商品分類，把同時可能購買的貨物放在同一個網頁上，以增加單次購買的商品總值；
• 如何吸引老客戶多次回訪網站，并做反復購買；
• 如何估計購物車被放棄的可能性以及如何降低這一數字。

所有這一切都建立在尋找不同的顯性或者隱含的數據模式之上。

網站流量分析要解答客戶什么時候來，從哪里來的問題要訴諸于電子商務領域最常聽到的一個詞了：流量。

通常說的流量（ Traffic）是指網站的訪問量，是用來描述訪問一個網站或是網店的用戶數量以及用戶所瀏覽的網頁數量等一系列指標，這些指標主要包括：獨立訪客數量（ Unique Visitors）丶頁面瀏覽數（ Page Views）丶每個訪客的頁面瀏覽數（Page Views Per User）。

利用數據采集工具，從多維度來分析流量，例如從時間維度來分析流量，可以得出在什么時間段訪問某類商家的客戶最多，也就是客戶最喜歡在什么時候來到我們的電子商務網站，這對中小型的電子商務網站的幫助是最大的。

在做流量分析和訪客來源分析中，我們最常使用的數據挖掘方法是時間序列。

時間序列是數據挖掘領域中用來分析一段時間里各項指標的變化情況最常用的方法，通過 時間序列我們不光可以從趨勢圖中看出網站（店）流量的大體變化情況，更重要的是我們能夠預測未來一段時間的網站（店）流量情況。

網站流量分析，是指在獲得網站訪問量基本數據的情況下對有關數據進行的統計和分析，其常用手段就是 Web挖掘。Web挖掘可以通過對流量的分析，幫助我們了解 Web上的用戶訪問模式。

那么，了解用戶訪問模式有哪些好處呢？

在技術架構上，我們可以合理修改網站結構及適度分配資源，構建后臺服務器群組，比如輔助改進網絡的拓撲設計，提高性能，在有高度相關性的節點之間安排快速有效的訪問路徑等。

• 幫助企業更好地設計網站主頁和安排網頁內容；
• 幫助企業改善市場營銷決策，如把廣告放在適當的 Web頁面上；?幫助企業更好地根據客戶的興趣來安排內容；
• 幫助企業對客戶群進行細分，針對不同客戶制定個性化的促銷策略等。

商品銷售分析在電子商務網站上對商品銷售進行分析是定時定期需要做的事情。我們可以做的商品銷售分析種類很多，比如各個不同商品的訪問量、熱點分析、性能數據等。我們在做分析時，也要考慮到行業、時間和地域等各種方面的因素，并和平均及基準的數據做對比。

做商品銷售分析，需要從時間和空間的維度以及商品的類別丶價格等多個維度來做分析，這里可以做的報表類型非常多。

我們單純從時間維度上來看，常用的報表是同比和環比的報表，而時間區間的選擇可以是年丶季度和月，而當一個電子商務網站在剛剛開始的時候，周數據的報表也是偶爾會用的。

除了分析商品的銷售之外，我們還需要做的分析是潛在的銷售，也就是客戶到網站來，瀏覽了哪些商品和分類，搜索了哪些商品，從而了解客戶的興趣點和將來可能購買的商品。

定期數據分析要想做好電子商務網站的運營，需要做各種分析和報表，定期展示丶對比網站數據和運營數據。而對于大部分 CEO來說，周期的銷量增長量可能是他們最為關心的數據分析。

以增長量為例，下面列出的這些數據是電子商務公司的董事長丶總經理和各級銷售管理人員經常需要查看的與業務相關的增長量數據。這些數據都可以是負數。

• 增長量：所分析的業務在一定時期內增長的數量，是分析期與對比期的差額。
• 同比增長量：當前值與去年同期值之間的差值，用同比增長量來統計消除了周期變動和季節變動的影響，所用時間期間通常是月或者季度。
• 環比增長量：是指當前值與上一期數值之間的差值，所用時間期間一般是季度丶月或者星期。
• 增長速度：是用來反映業務成長性的相對指標，用以查看當期增長量和對比期的數據對比。
• 同比增長速度：是當期增長量與去年同期值之比，說明當期業務水平對去年同期業務水平增長的相對程度。
• 環比增長速度：是當期增長量與前一期水平之比，說明業務分析期與相鄰前期業務水平的相對增長程度。 項目增收貢獻率：某項目增長量和所有項目總的增長量的比例。

內容分析我們所述的電子商務網站上的內容分析和其他分析一樣，也都是需要從數據出發的。

商品分析和頁面分析從一定的角度來說，也都屬于內容分析。這里所說的內容分析的對象是在商品頁面之外的內容。

我們通過分析流量和客戶興趣點匹配相應的內容。通過數據，我們可以看到不同的內容所吸引的點擊關注，從而對內容做出相應的調整。

在做內容分析之后，網站的內容需要從下面三個方面做優化：

1. 內容專業化；
2. 內容差異化；
3. 內容質量化。

數據分析的本質，是要結合業務指標，分析用戶行為數據，得出結論，進行調整優化，然后再推動業務增長，這是一個正向循環的過程。

最后給大家留一個啟發思考題，文章看過了一定要轉化成你的思考，這樣看過的文章才沒有白看。

【思考】你是否能夠舉一反三，將電商平臺的整個數據分析邏輯套用到自己的業務場景中呢？

歡迎留言，寫出你的思考。

作者：老衲，（微信公眾號：ifenxipai）數據分析師，資深新媒體運營，專注互聯網運營及營銷，品牌運營，數據分析。

本文由 @老衲 原創發布于人人都是產品經理。未經許可，禁止轉載。