中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

作為一個電商PM，我們需要數據，需要一系列的數據支持運營更好的“輸出”。

在電商企業中，PM往往都不是主導性的崗位，例如：在淘寶的主導是運營，唯品會的主導是能夠拿到什么樣的商品放到平臺上（采購選品型）。

簡單的產品設計（功能設計），一個大學畢業生接受培訓后都能做到。作為PM，我們只有更貼切的了解市場，剖析業務，才能更好的服務企業。

如何留住用戶，是一個老生常談的話題。對于電商企業來說，最好的數據莫過于高復購率，高客單價。所以我們需要活動，需要運營，去引導新老用戶消費。

那如何切入這個活動滿天飛的電商時代，為企業獲得更好的收益和發展？

我們需要數據，需要一系列的數據支持運營更好的“輸出”。畢竟每一個產品都會經歷技術為王、產品為王、運營為王、商業模式為王的過程，電商行業的商業模式已經有人驗證是可行的，剩下的就是如何更好的運營。

說回本章的重點——“數據”。作為一個電商PM，你需要知道下面這些數據代表什么。

數據統計系統

如果說，一個電商平臺要建設一套數據統計系統，一定少不了上面任何一個數據。大家都知道電商包羅萬象，一個電商平臺的誕生，所涵蓋的基礎模塊非常多，關于數據統計的工作量可想而知。

在統計數據前，需要給各個模塊添加數據埋點，所以必須清晰每個數據對應的含義，定下的規則避免后期反復修改，影響數據的準確性。

數據統計系統

對于平臺型電商而言，需要統計的數據大致分為平臺數據與商家數據，接下來我們則一一為大家分享這些數據對應著什么。

1. 平臺數據

從上圖可知，平臺數據一般會統計“用戶數據”、“流量數據”、“渠道數據”、“商家概況”、“商家數據”。

（1）用戶數據

平臺-用戶數據

作為平臺方，我們關心的用戶數據如上圖所示，一邊是來自社交平臺的粉絲，一邊是來自平臺自身的用戶。

• 關注數：指用戶對（平臺的）社交平臺關注數，包括對微信，微博等的關注；
• 凈增長粉絲數：指新增的粉絲量與流失的量之間的差額；
• 流失粉絲數：指流失的粉絲數；
• 環比增長率：同比上期，增長粉絲數的比例，公式算法：（（這期-上期）/上期）*100%；
• 注冊用戶數：指已注冊了平臺賬戶的用戶數；
• 會員數：指成為平臺會員的用戶數（各個平臺規則不同，例京東會員則￥198/年）；
• 非會員數：指未成為平臺會員的用戶數；
• 新注冊用戶：篩選期間內，同比此前新增的注冊用戶數；
• 日活躍用戶：（一般對APP而言）以設備ID為依據，1天（00:00-24:00）之內，訪問App的不重復用戶數；
• 月活躍用戶：（一般對APP而言）以設備ID為依據，指1月之內至少訪問一次APP的獨立用戶數；
• 用戶性別：用戶性別，一般分為男，女，未知；
• 用戶年齡：用戶年齡；
• 用戶地域：指用戶的設備定位區域；
• 消費水平：指用戶在平臺消費后平臺給與的等級劃分（基礎建設可先不計算這一數據）；
• 渠道用戶：指來自不同渠道的用戶（例網紅直播從快手引流至淘寶，則該部分用戶為淘寶的渠道用戶）；
• 訪問時段：指用戶訪問的平臺的時間段分布。

（2）流量數據

平臺-流量數據

• 獨立訪客（UV）：（一般針對H5/PC）指訪問平臺的一臺電腦或客戶端算為一個訪客，00:00-24:00內相同的客戶端只被計算一次；
• 頁面瀏覽量（PV）：（一般針對H5/PC）指頁面訪問量，每打開一次頁面PV計數+1，刷新頁面也是
• 訪問次數：指用戶從開始訪問平臺到最終離開平臺，計為1次訪問。若用戶連續30分鐘沒有訪問新頁面和刷新頁面，或者用戶直接退出（關閉瀏覽器等），則定義為本次訪問結束；
• 跳出率：指用戶只訪問了首頁就離開的訪問量與所產生總訪問量的百分比；
• 訪客地域：指用戶訪問平臺時設備/客戶端定位的區域；
• 訪問頁面：指用戶訪問的頁面；
• 訪問品類：指用戶訪問的商品品類；
• 訪客年齡：指訪問平臺的用戶的年齡；
• 訪客支付轉化：指用戶在每一個頁面的訪問量的占比率（例訪問首頁100人，詳情頁50人，購物車30人，支付頁10人，支付成功9人）。

（3）渠道數據

平臺-渠道數據

• 廣告投放數據：指平臺投放廣告數據（指廣告曝光量、曝光人數、點擊量等，此處不細化）；
• 渠道分布數據：指平臺各個渠道的分布情況；
• 渠道數量：指平臺的渠道數量；
• 點擊量：指從渠道導入的用戶點擊平臺次數的累計；
• 導入UV：指從渠道導入流量的UV數據；
• 導入PV：指從渠道導入流量的PV數據；
• 導入訪問次數：指從渠道導入流量的訪問次數；
• 平均訪問時長：指從渠道導入的用戶的平均訪問時長；
• 訂單筆數：指從渠道導入的用戶的總下單筆數；
• 付款筆數：指從渠道導入的用戶的總付款筆數；
• 訂單金額：指從渠道導入的用戶的總下單金額；
• 付款金額：指從渠道導入的用戶的總付款金額；
• 轉化率：指從渠道導入的用戶付款訂單數與下單數的比率，訂單轉化率（計算公式：付款筆數/訂單筆數）；
• 跳出率：指從渠道導入的用戶的跳出率。

（4）商家概況

平臺-商家概況

1. 商家數量：指平臺的商家總數量；
2. 地域分布：指平臺的商家區域分布（根據入駐時填寫的地址統計）；
3. 品類分布：指平臺的商家的品類分布概況（例家電數碼100家，服裝服飾5000家等分布情況）；
4. 商家類型：指平臺的商家類型分布情況（例品牌店1000家，廠家200家，經銷商300家）；
5. 投放模塊：指商家在平臺投放流量的模塊；
6. 投放金額分布：指商家在平臺投放流量的金額分布；
7. 投放占比：指投放流量的商家占比平臺總商家數量。

商家數據

商家數據

上面我們逐個介紹了平臺統計數據的要點，我們接著講商家統計數據的要點。

1. 交易數據

商家-交易數據

1. 下單筆數：指商家的下單筆數（可按某個商家篩選，不篩選則指整7個平臺商家的下單筆數）；
2. 付款筆數：指商家的付款筆數（可按某個商家篩選，不篩選則指整個平臺商家的下單筆數）；
3. 下單金額：指商家的下單金額（可按某個商家篩選，不篩選則指整個平臺商家的下單筆數）；
4. 付款金額：指商家的付款金額（可按某個商家篩選，不篩選則指整個平臺商家的下單筆數）；
5. 復購人數：指不小于1次在商家購買商品的用戶累計總數；
6. 訂單狀態分布：指訂單狀態的分布情況（例待支付50單，待發貨60單等）；
7. 訂單金額分布：指訂單金額在多個區間范圍內的分布情況（例訂單均額在300-500的500單，500-1000的200單等）；
8. 訂單渠道分布：指訂單來源于不同渠道的分布情況；
9. 訂單地域分布：指訂單的收貨地址區域總體分布情況；
10. 轉化率：指用戶付款訂單數與下單數的比率，訂單轉化率（計算公式：付款筆數/訂單筆數）；
11. 復購率：指用戶購買次數大于1次的次數占比總用戶購買次數（還有另一種算法，此處不細說）；
12. 支付率：指付款用戶數占比下單用戶數，訂單支付率（計算公式：付款人數/下單人數）；
13. 支付金額：指用戶在商家支付的金額總和；
14. 支付方式：指用戶在商家支付的方式總和（例支付寶、微信支付、信用卡支付等）；
15. 幣種類型：指用戶在商家消費支付的幣種類型（例現金、積分、消費券等）；
16. 支付結果：指用戶在商家消費支付的結果分布情況；

2. 商品數據

商家-商品數據

1. SKU數量：指商家SKU的數量；
2. SKU銷量：指商家SKU的銷量；
3. SPU數量：指商家SPU的數量；
4. 一級類目數量：指商家一級類目的數量；
5. 二級類目數量：指商家二級類目的數量；
6. 三級類目數量：指商家三級類目的數量；
7. 品牌數據：指商品所屬品牌的數據情況。

3. 用戶數據

商家-用戶數據

1. 下單用戶：指在商家下單的用戶數；
2. 付款用戶：指在商家付款的用戶數；
3. 會員數據：指商家的會員數據（會員數、會員畫像等）；
4. 客戶留存率：用戶在某段時間內訪問商家，經過一段時間后，仍然訪問商家店鋪的用戶，被認作是留存用戶。而留存率則是該部分用戶占比此前的某段時間訪問商家的用戶數；
5. 店鋪收藏用戶數：指收藏過商家店鋪的用戶數總和。

4. 流量數據

商家-流量數據

1. 訪客數（UV）：指訪問商家的一臺電腦或客戶端算為一個訪客。00:00-24:00內相同的客戶端只被計算一次；
2. 瀏覽量（PV）：指商家頁面訪問量，每打開一次頁面PV計數+1，刷新頁面也是；
3. 瀏覽次數：指用戶從開始訪問商家到最終離開商家，計為1次訪問。若用戶連續30分鐘沒有訪問新頁面和刷新頁面，或者用戶直接退出（關閉瀏覽器等），則定義為本次訪問結束；
4. 瀏覽時長：指用戶瀏覽商家店鋪的平均時長；
5. 訪問時段：指用戶訪問商家店鋪的時間段分布情況；
6. 訪問品類：指用戶訪問商家店鋪的商品品類分布情況；
7. 分享次數：指用戶分享商家店鋪或商家商品的次數總和。

5. 營收數據

商家-營收數據

1. 總營業額：指商家的總營業額；
2. 待結算金額：指商家等待結算的金額（有些平臺會將資金控制在平臺內，等待結算后才到賬）；
3. 待退款金額：指商家店鋪下待退款的金額；
4. 已退款金額：指商家店鋪下已成功退款的金額；
5. 已到賬金額：指商家已到賬金額(一般用于提現，屬于商家真實收入）；
6. 退款率：指商家收到退款的訂單筆數與同期成功交易（付款）的訂單筆數的比率。

6. 物流數據

?商家-物流數據

1. 待發貨數：指商家還未發貨的訂單數；
2. 已發貨數：指商家已經發貨的訂單數；
3. 已收貨數：指用戶已經簽收的訂單數；
4. 平均發貨時長：指所有商家的平均發貨速度（計算公式=所有商家發貨時長/商家總數）；
5. 快遞公司分布：指所有商家所使用的快遞公司的分布情況；
6. 未簽收：指用戶未簽收的包裹數；
7. 已簽收：指用戶已簽收的包裹數；
8. 已拒簽：指用戶拒簽的包裹數；
9. 待退回：指用戶已申請退款，但包裹還未退回的包裹數；
10. 已退回：指用戶已經完成退貨的包裹數；
11. 簽收時長統計：指所有用戶的平均簽收時長；

總結

到此我們就把所有基本的元素講完了，如果你愿意花點時間閱讀，你會發現這些數據并不難以理解，也不繁瑣。作為電商PM，凡事都要能做到模塊化，就以這個數據為例，將數據分塊后，每一塊的數據其實并不繁瑣，所以我們只要記住一個模塊，其他模塊便能舉一反三。

有人會問：即使看了這么多數據，也不知道怎么去建設一個數據統計系統。

其實很簡單，這里的每一個模塊都是并列的關系，在把模塊關系確定下來后，用各種可視化的結果來豐富你的模塊，例如下圖所示：

可視化圖表

這些數據網上都有，為什么我又要重新寫一遍，我覺得原因有兩個：

• 其一，對于數據而言，人的大腦記憶力不夠強，當你能夠完整的整理一遍后，能夠更有利于你清晰的理解和界定數據的規則；
• 其二，應該還是有很多童鞋需要這樣一份完整的數據統計列表，在功能建設中，可以參考分享改進，也達到我的目的了。

最后的最后，再推薦給大家一款圖形插件：百度的ehart，很好用，里面有很多案例選擇，不必麻煩前端大神重新去寫一遍。

本文由 @野蠻非先生 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自 Pixabay，基于 CC0 協議