電子商務數據分析因素

電子商務數據分析因素

　　電子商務相對于傳統零售業來說，最大的特點就是一切都可以通過數據化來監控和改進。下面由小編為大家整理的電子商務數據分析因素，歡迎大家閱讀瀏覽。

　　1、電子商務數據分析需要商業敏感

　　今天電子商務公司的數據分析師，有些像老板的軍師，必須有從枯燥的數據中解開市場密碼的本事。比如，具有商業意識的數據分析師發現，網站上的嬰兒車的 銷售增加了，那么，他基本可以預測奶粉的銷量也會跟上去。再比如，網站上的產品發揮的作用并不一樣，有的產品是為了賺錢，有的產品是為了促銷，有的產品是為了吸引流量，不同的產品在網站上擺放的位置是不一樣的。

　　一個商業敏感的數據分析師，是懂得用什么樣的數據實現公司的目標。比如，樂酷天與淘寶競爭，它們重點看的不是交易量，而是流量：每天有多少新的賣家進 來，賣了多少東西。因為此階段競爭最核心的就是人氣，而非實質交易量。如果新來的賣家進來賣不出東西，只有老賣家的交易量在增長，即使最后每天的交易量都增長，也還是有問題。

　　再比如，一家剛踏入市場的B2B公司和已經占領大部分市場的B2B公司，它們的目標不一樣。前者是看流量賺人氣，后者對流量不怎么看重，而是看重交易轉化率及回頭率。

　　當下的數據分析師多是學統計學出身的，一堆數據放在那里，大家都擅長怎么算回歸、怎么畫函數。但是這批學數學的人才缺乏商業意識，不知道這些數據對業務意味著什么，看不見一堆數據中彼此的關系，也就不知道該用什么樣的邏輯分析，也就無法充當老板的眼睛了。

　　2、電子商務的網站轉化率是關鍵，ROI是最終的目標

　　電子商務B2B網站平臺的宗旨就是為企業服務，讓買家與賣家的市場銷售成本降低，降低交易成本，提高訂單利潤。因此，電子商務的網站轉化率是關鍵，這其中就提到一個指標的重要性——ROI。ROI是Return On Investment的簡寫，是指通過投資而應返回的價值，它涵蓋了企業的獲利目標。利潤和投入的經營所必備的財產相關，因為管理人員必須通過投資和現有財產獲得利潤。又稱會計收益率、投資利潤率。

　　其計算公式為：投資回報率(ROI)=年利潤或年均利潤/投資總額×100%

　　投資回報率(ROI)的優點是計算簡單;缺點是沒有考慮資金時間價值因素，不能正確反映建設期長短及投資方式不同和回收額的有無等條件對項目的影響，分子、分母計算口徑的可比性較差，無法直接利用凈現金流量信息。只有投資利潤率指標大于或等于無風險投資利潤率的投資項目才具有財務可行性。

　　投資回報率(ROI)往往具有時效性--回報通常是基于某些特定年份。

　　3、電子商務數據分析衡量指標的設定

　　指標是讓我們更好的從數據量化的層面來了解運營的狀況，現在的PV、UV、轉化率基本是運營監督的指標;網站分析采用的指標可能有各種各樣的，根據網 站的目標和網站的客戶的不同，可以有許多不同的指標來衡量。常用的網站分析指標有內容指標和商業指標，內容指標指的是衡量訪問者的活動的指標，商業指標是指衡量訪問者活動轉化為商業利潤的指標。

　　電子商務的數據可分為兩類：前端行為數據和后端商業數據。前端行為數據指訪問量、瀏覽量、點擊流及站內搜索等反應用戶行為的數據;而后端數據更側重商業數據，比如交易量、投資回報率，以及全生命周期管理等。

　　目前有些人關心前端行為數據，也有些人關心后端商業數據，但是沒有幾家網站把前端行為數據和后端商業數據連起來看。大家只單純看某一端數據。但是看 數據看得“走火入魔”的人會明白，每個數據，就像散布在黑夜里的星星，它們之間布滿了關系網，只要輕輕按一下其中一個數據，就會驅動另外一個數據的變化。

　　4、某些指標異常變化的原因分析

　　網站的某些指標的異常變化是外界市場一些變化的客觀反應，網站的數據分析人員一定要積極注意。例如PV減少(異常)，那我們就要分析用戶是搜索來源減少還是直接訪問減少?反連接過來的減少?搜索減少就要觀察用戶的關鍵字、搜索引擎等。

　　例如2011年的上半年，曾出現阿里巴巴與慧聰發生爭論，而在那幾天，另一個B2B網站--世界工廠網的會員注冊量批量上升，每天超過千個以上的注冊 量。當然這只是一部分的猜測，在兩個B2B巨頭不穩定之時，企業會選擇第三方的平臺，這是符合常理推斷的。不過就此以后，世界工廠的注冊量一直是穩中有升 的，難道這是會員發現一個免費“新大陸”的口碑宣傳嗎?事后發現，是因為世界工廠網的一個新項目--全球企業庫的上線吸引了大量企業會員的青睞，注冊量猛 然提升的。對于一些數據的異常增加或減少，一定要分析其產生的原因與市場時機，這對平臺以后的發展及政策導向非常有借鑒意義。

　　有一天，linkin(一個社區網站)忽然發現來自雷曼兄弟的來訪者多了起來，但是并沒有深究原因。第二天，雷曼兄弟就宣布倒閉了。原因何在?雷曼兄弟的人到linkin找工作來了。谷歌宣布退出中國的前一個月，筆者在linkin上發現了一些平時很少見的谷歌產品經理在線，這 也是相同的道理。試想，如果linkin針對某家上市公司分析某些數據，是不是很有商業價值?

　　5、利用數據分析用戶的行為習慣

　　再次說，得到數據來分析是在揣測用戶的心理和一些習慣，最真實的是讓用戶告訴你，需要什么，這些可以利用投票調查及問題提交等來實現，當然利用數據整合分析也是必然的，然后做出來AT來權衡利弊來對用戶體驗驚醒改善，和一些基本的產品定位及活動。

　　裝備制造負責人認為，網站數據分析應該兩個層次：第一，網站數據分析，是針對產品來說。就圍繞產品如何運轉，做封閉路徑的分析。得出產品的點擊是否順 暢、功能展現是否完美。第二、研究客戶的訪問焦點，挖掘客戶潛在需求。如果是以交易為導向的電子商務網站，就是要研究如何高效的促成交易，是否能出現聯單!

　　6、客戶的購買行為分析

　　當用戶在電子商務網站上有了購買行為之后，就從潛在客戶變成了網站的價值客戶，電子商務網站一般都會將用戶的交易信息，包括購買時間、購買商品、購買 數量、支付金額等信息保存在自己的數據庫里面，所以對于這些用戶，我們可以基于網站的運營數據對他們的交易行文進行分析，以估計每位用戶的價值，及針對每位用戶的擴展營銷的可能性。

　　客戶的購買行為分析，如傳統的RFM模型，會員聚類，會員的生命周期分析，活躍度分析，這些都精準的運營都是非常重要的。

　　7、電子商務數據分析需注重實戰經驗

　　以上所談到的電子商務數據分析的幾個重要因素，筆者個人感覺倒是有點套路，電子商務的數據分析更多的是實戰，網站分析的本質是在了解用戶的需求、行為，以開發用戶體驗良好的功能與服務，制定擴展營銷的策略及附加功能的推廣服務等等。

【電子商務數據分析因素】相關文章：

兒童舞蹈創作的因素分析10-11

IBM大數據分析07-09

影響生化檢測的常見因素分析08-01

web數據挖掘技術分析與研究09-06

加拿大留學數據分析07-29

網站優化常見幾點影響因素分析10-15

SEO網站排名的基本因素分析10-18

市場營銷實踐教育因素分析09-20

單因素敏感性分析步驟11-02

去法國留學影響就業的因素分析06-01