电商运营怎么做数据分析？

电商数据分析，估量是 80% 数据分析师的启蒙场景；从商品角度动身，从用户角度动身，大概从店肆角度动身，三个偏向都能聊；看似分轻视角，但电商的分析永久只要一个焦点，即若何帮商家打造爆品

爆品！电商永久的焦点。固然要凭空领会电商的马太效应，不轻易；我们还是先说根基法，把握好根基的分析技术，一步步采石才能接近大教堂之愿景

1. 电商数据是什么？若何养成根基的分析才能？

电商数据会分为产物或商品模块、用户模块和店肆模块，这里面的最小数据元，固然就是大师常说的 SKU（Stock Keeping Units）；为保证阅读的流利性，朋友们不用纠结 SKU 的界说；一个简单例子，「300ml 的罐装无糖可乐」，就是一个 SKU，包括了一个产物的规格、包装和味道等特征；而 SPU 在这个例子中，就是「无糖可乐」，更多是描写一个细分的类目

所以不用急着关心工具。领会一下全貌，晓得电商数据长啥样，以及由此衍生的分析场景有哪些；有这些认知在脑海里，比那些只会玩弄 Excel、大概会一点 Python 入门的工具人利害多了；入门的阶段，场景的感化要远大于工具，多听多练多打仗实战

比如从产物角度动身，讲好供货和销售的两个端口的故事很重要

• 行业、类目或单个商品的销量跟踪，by 周/月/季度/年的环比、同比等
• 分歧价格带的销量对照分析，找到同一品类的高中低端产物，以及销量、销售额的高中低散布
• 对照分歧产物的毛利、净利和库存周转率表示，从收益角度看产物畅通
• 关心产物的复购率、跨购率（一般简化为一个产物对一切定单的覆盖率）

能看出来，当说起产物的复购和跨购时，现实上已经从产物的维度跳到了定单或用户的维度；由于「复购」说明数据库能识别同一个用户有屡次采办同一产物；所以产物、用户、店肆三个模块并不是孤立的

回答我们开首讲的电商焦点，「爆品」；假如用这三个模块来了解「爆品」，那就是同类商品中销量 Top 的 SKU（产物角度），或对于用户覆盖率最高的 SKU（用户角度，覆盖率高可以了解为大部分在该店消耗的顾客城市买该产物，类似于必买品），或店肆销售额中占比最高的 SKU（店肆角度）

假如你在口试中被问到类似的题目，解答作甚爆品，你能顿时从以上三个角度解答，那恭喜你，一是你行将经过口试，二是说明你已经具有根基的分析才能；这个工具说起来简单，哪怕很多人看了这篇回答，往后碰到类似题目还是无眉目；由于这不是一个 Excel 公式大概 Python 代码，公式和代码你记下来下次就会用了，但对于分析才能，你看过或听过，一定就是你的

能够很多朋友第一次听到关于电商分析的三个模块，对上面的一些根基概念还不是很领会，比如 SKU、爆品，包括 AARRR 消耗者模子等；这些概念学起来并不难，只是不太倡议全程自学，概念多而杂，多听一些入门和科普课程，能帮助入门同学更结构化地梳理常识

会有很多好玩的实战案例。

关于智能马桶的分析，我应当屡次提到了；我之前被问到过，若何用最快的数据分析方式，论证智能功用对于马桶的必须水平？说白了，就是买一个智能马桶值不值

有两个方式：1）看智能马桶的电商销量占全数马桶的电商销量，比例若何；2）看智能马桶在同价格带里与其他同类商品的电商销量，对照若何

没错，以上两种最快最简单，一个是占比，一个是对照

1）看占比怎样看——关键是找用户的对标

首先对照智能马桶和全数马桶的均匀价，看相差几多，这部分就是溢价（大要差一千元左右）；以及智能马桶的电商销量占全数马桶电商销量的比例是几多，这部分说白了就是 VIP 的占比，图中统计就是 27%；也就是说花一千块的溢价，成为 27% 的 VIP 会员，你能否愿意。有了这个比例你就有了参照，比如你的支出水平是 Top 27% 吗，比如你能否在生活中花过类似的溢价率去买到 27% 左右的会员体验呢，如演唱会买更靠前的座位（各价位段的座位占比是可以统计的）、买常识星球的课加入头部博主的私密群（私密群人数占博主粉丝人数是可以算的）等等

所以乍一看买一个智能坐便器值不值，题目很虚；但经过题目一转化，就能变到可以量化的标准，你便可以拿着这个量化标准去反问需求方

2）看对照怎样看——关键是找产物的对标

别的一个，看对照怎样看；这个更间接。同价格带里总有些同类产物是必须的，比如油烟机；假如在该价格带里，智能马桶的销量接近油烟机，甚至跨越；能否是就说明智能马桶已经是很多人的必须品了

固然这个案例，可以往深了做；比如你从用户模块切入，先找到和消耗者（向你提问的那小我）画像类似的群体，按照支出/性别/年龄/消耗观等等画像做一个聚类，假如智能马桶在这个聚类群体里定单覆盖率很高（比如大部分都买过智能马桶），那智能马桶对于阿谁向你提问的消耗者来说，大要率就是必须品了

大要率？多大呼大要率，假如设这个群体中有能够买智能马桶的几率为 p，反之则为（1-p），则完全又可以酿成一个 p-value 的题目，大概 Wald-Test 题目；固然这样就把题目往参数估量、置信区间的偏向引了，完全走向了技术化；这一段你没仔细看也没关系，我前面都不会提艰涩的数学了，也就这里说到兴起提一嘴，别跳转别跳转
究竟除了技术进阶，数据分析的进阶还有很多维度。

2. 电商数据分析的进阶

电商运营的脚色，一个很焦点的职能就是帮助商家组货，在分歧的季度、分歧的大促节点下调剂选品战略，同时还能帮商家排好秒杀品、引流款、利润款的坑位及定价战略；这一切的行动都是围绕阿谁最底子的焦点，尽能够帮商家卖出爆品，继而经过爆品为商家带来流量沉淀，为商家的其他商品引流，为电商平台拉新粗活

所以判定一个电商运营的数据分析才能凹凸，实在就是看他能不能从海量的电商平台数据中找到自己的爆品方式论；从一路头的读报表找信息，到学会简单的分析和销量业绩的跟踪，再到搭建一套完整的数据分析系统用于识别爆品、定选品战略，实在就是一个电商运营做数据分析的进阶之路；这个进阶途径不是一挥而就的，出格是入门的阶段有专人指导、能在现实利用处景中打好根本，会少走很多弯路

假如感觉上面的内容都比力熟悉了，咱便可以接着聊几个进阶模子；假如对于产物、用户和店肆侧三个分析模块的根本常识还想再领会领会，可以翻回我开首的部分，也可先体验一下我保举的练习营，究竟接下来的内容还是有些小难度的

2.1. ECR 模子

ECR（Efficient Cusmter Research）是很典型的产物模块和用户模块相连系的分析模子，这个模子在帮助电商商家在选品组货、排布坑位（秒杀品、引流品、利润款等）的进程中，能起到很高文用

选品组货，焦点原则是找到产物中不成或缺的 SKU 或 SPU（对 SKU 概念还不清楚的小伙伴请翻回第一部分），所谓镇店之宝

镇店之宝有四个维度，1）合作焦点——该品牌与同业合作的招牌；2）消耗者喜爱——该品牌焦点消耗群体的心头之爱；3）供给充沛——有充足多的规格和细分 SKU 供挑选；4）消耗者虔诚——消耗者只挑选该品牌的 SKU

• 合作焦点：一般用品牌的 Loyalty Index，就是这个品牌在同类产物的市场份额，所以 Loyalty Index = 该品牌响应 SPU 的销售额 / 响应 SPU 的市场总销售额，这个比例越大，说明该品牌在响应 SPU 的市场份额越高，在这个 SPU 类目里合作上风越大
• 消耗者喜爱：每个品牌城市有焦点群体，这个焦点群体在响应 SPU 中带来的销售总额，就是这个 SPU 最间接的代价
• 供给充沛：这个维度主如果讲供给柔性，就是消耗者既可以选 300ml 的易拉罐装可乐，也可以选 500ml 的瓶装可乐，可以选无糖的，也可以选香草味的；总而言之就是在可乐这个 SPU 下，消耗者有充足多的挑选，能满足分歧的场景、分歧的偏好
• 消耗者虔诚：这个利害了，在电商场景里能获得消耗者高虔诚度，是很难很难的工作；消耗者虔诚了解起来倒简单，就是消耗者只要一想喝可乐，只会选某品牌的某特定产物，这就是虔诚；虔诚的消耗者人数比例（占买过这个品牌响应产物的总人数比例），就是消耗者虔诚度

ECR 模子很常用，也是很多平台内嵌的系统模子，虽然综合了产物和用户模块，但整体来看还是以产物为主导；接下来再分享一个用户视角主导的模子

2.2. 客户满足度模子

图的左侧先不要看！左侧不要细看！都是些偏算法模子。假如你不太关心技术向的内容，想把更多精神放到营业了解上，只看图右侧即可

消耗者满足度由三个方面组成：对品牌的形象认知、对某次消耗的期望、消耗和产物的体验；顾客满足度就是基于认知→期望→体验→反应，全部链路，把每一步都量化到数据库和模子算法里，帮助电商运营持久跟踪品牌健康度和消耗者反应

这现实上就是消耗者 AARRR 模子的延申，仔细的读者必定发现我第一章就提到了 AARRR 模子，没发现的小伙伴倡议再次回保全文

关键是，认知→期望→体验→反应，每一步有哪些量化目标，以及每一步怎样关联起来、怎样权衡相互影响；比如反应，系统便可以抓取用户对于店肆的评分、对于产物的评价停止定量以及定性的自然说话处置分析，综合这些目标停止因子分析，先获得一个初步的满足度目标

其他的环节也同理，最初模子会再应用到线性回归和协方差矩阵，把因子分析同一到结构方程模子中；总而言之这里头就是技术细节，从营业了解上，大师只要熟悉了 AARRR 模子，就能把握

2.3. 选品优化模子

最初再提一下选品优化，照应一下我们全文的主题，帮商家选爆品！

选品优化一般有两个优化方针，进步销售额和进步毛利率（Revenue and Profitability）

逛超市的朋友都晓得，一般大品类上，超市结构会有大致的分门别类；到具体区块的类目中，每一个架子分歧层怎样排布，都是有学问的，比如消耗者站立的时辰能平视的几层，就是黄金展位；哪些产物应当放在黄金展位，选价格廉价的还是选最畅销的，还是选利润最高的，这里头都有设想

选品优化模子基于分歧的方针（比如销售额或毛利率的最大化），会经过模子肯定三个方面——定品、定价和定位；定品就是要上哪些品类大要要上几多量，定价就是综合利润空间和优惠促销之间去平衡，定位就是选货架的暴露

这里头会触及很复杂的模子，还会触及分歧产物间的转化关系；比若有些消耗者在超市中没找到可口可乐，能够就会选百事可乐，这就是一个转化；但有些消耗者就是不选，买不到可口可乐就掉头走人了，这就是一个转化失利，一次消耗者流失

仔细的朋友必定发现了，这里头提到的，就包括了上面 ECR 模子中的消耗者虔诚度；没错选品优化自己就包括了 ECR 模子和顾客满足度的版块，这个庞大工程偶然辰不能全由模子处理， 还会相当一部分的野生经历停止调校
明天先说到这里了， 今后有机遇再具体展开每一个模块。不嫌烦琐可以关注本人的知乎号和专栏，固然也接待报名我保举的课程，总会学有所成、孰能生巧

本文作者：国贸加糖少冰