只需三步,电商运营的数据分析轻松搞定

文|数据大牛

很多第一次做电商运营的人都不知道要看什么数据,我之前也做过互联网运营,一开始无非就是看看PV、UV,分许分析流量就完事了,但是很快老板就会发现我的分析结果根本没有任何价值,因为分析这些东西根本毛用都没有!

后来我才知道,不是分析方法和内容不对,而是没有关注到重点的数据

本文将以店铺运营为例子,简单介绍一下如何对电商运营进行数据分析。

一、店铺的流量分析

在如今流量越来越珍贵的运营环境中,要清楚地知道店铺的流量从哪儿来,到哪儿去,流量最常经过哪儿,以及流量路径如何构建与优化,是所有电商从业者关注的焦点。

要知道流量从哪来,首先,先来科普一下基础知识,来了解店铺流量来源及转化质量

如图,我们能了解到店铺的主要来源有站内搜索、站外搜索、硬广、直通车、直接访问、活动流量等。这其中,每一种来源的流量都有巨大的特征差异。其中直接访问类的流量转化率较高,直通车与搜索次之,硬广与活动流量的转化率较低。

当在分析天猫,淘宝流量时这些都是我们经常参考的数据

最后,我们还可以使用类似的方法,在店铺有大型促销活动时,为店铺建立每日流量跟踪记录,以便及时发现并把握最有质量的流量渠道

通过上表,我们可以发现:

1 )无线端的流量占到全店的74%,但转化率却远远低于PC端,因此这家店铺的问题是应该想办法优化提升无线端的成交转化率。

2 ) PC端中,来自男装会场和聚划算的流量较高,占全店铺流量的18% ,因此这两个渠道来源的流量应被视为重点流量,认真检查好承接页的商品及页面效果。

二、店铺的流量分析

在数据分析时,商品一般有两种状态:已销售商品和库存商品。因此,有关商品的分析也可分为两大方向:销售分析和库存分析。

1.商品的销售结构分析

商品的销售结构是指对店铺某段时期内的所有销售商品进行分类汇总,然后再进行数据统计与分析。通过商品的销售结构分析,可以为店铺运营者梳理清楚店铺当前的主销商品,以及其销售表现,从而为运营者及时调整和优化销售策略提供可信的数据支撑。

在分析商品的销售结构时,可以按照商品年份、季度、波段、大类、小类、价格带、折扣带等指标来进行分类汇总。具体使用哪些指标和维度,需要根据实际分 析需要来选择。

下面我们通过两个案例来说明:

案例一:销售品类综合分析

如图所示是三家电商店铺在第三季度的商品销售情况

这是按商品品类(衬衫、T恤等)对第三季度销售商品进行分类汇总的,同时每个品类均从销售金额、销售数量、件单价三个指标进行统计,并且为了便于分析,三个指标都加上了同期数据供参考。

从图中,我们可以获得以下信息:

  • 仅以”衬衫”与"T恤”而言,Q3季度衬衫的销售额是T恤的2~3倍;
  • T恤的件单价全线都比去年高50 ~ 100元。其中京东渠道的较高,达到102元;
  • 衬衫的件单价在唯品会渠道出现了全季度同比下跌,而京东渠道则全季度同比上升。应与两个渠道不同的销售策略有密切关系;
  • 如果将上表扩大到所有类目的数据,则可以对所有品类按销售贡献进行排名,然后据此判断各个品类的销售表现是否在应有的品类生命周期表现之内。

根据这些信息,我们可以进行“运营复盘”, 以销售结果来反推前期的运营策略是否正确,并加以调整与优化。

譬如根据上表中"衬衫的件单价在唯品会与京东两个渠道中截然不同的表现”, 我们便需要反思,在前期运营中唯品会渠道的商品折损是否没有控制好?抑或是有意将两个渠道衬衫上的商品款式”完全错开”的策略所导致的?

案例二:销售与退货分析

如图所示是某时间段内,店铺销售与退货分析的数据表。这份表是根据品类( T恤、半截裙、毛衣等)来分类汇总,并且按价格带细分之后统计的销售与退货数据。

这些表格数据能为我们带来哪些信息呢?!

这份表我们可以分别用’平均折扣‘’退货率’ ‘销售额’ 来做一个倒序排列,根据这种方式,可以找出店铺的'高利润款’ 高退货款’ '畅销款’ 。 然后针对不同的款来制定不同的销售策略。

  • 在图中,400元以下的恤衫和400元以下的半截裙,平均销售折扣分别是0.78和0.84,毛利率足够高了。可是销量却没有起来,两者的销售占比还不到2%。
  • 从“高退货款”的角度来看,实销价高于800元的毛衣和恤衫,其退货率高达47%和54% ;而同样是售价高于800元的半截裙退货率却只有32%。有可能这家店铺的毛衣与恤衫与其他竞品相比优势并不明显,而半截裙却是这家店铺的优势品类。
  • 从畅销度的角度来看,销售额靠前的分别是800元以上的外套、400 ~ 800元区间的毛衣、400 ~ 600元区间的半截裙;而且,除外套外,毛衣与半截裙的退货率与销售折扣都在合理范围之内。因此可以确定这三者的主推地位。

在图表中,从“利润、销售与退货“的角度分析,就能够从商品的运营角度来平衡三者关系。

三、店铺的用户分析

在电商的用户分析中,活跃度分析是非常重要的分析内容。用户的活跃性越高,店铺的复购率就越高。因此,店铺运营人员其中一个非常重要的工作就是要关注店铺的“活跃用户群体”。

尤其是大型促销开始之前,店铺运营者便会通过微淘、短信、邮件以及其他传播工具进行“客户唤醒与激活”。在此场景下,我们便需要为其提供“用户清单”, 以便运营者能够有针对性地唤醒用户。

下面,我们以某电商店铺的大促活动为例,验证如何通过数据来为运营提供指导。

首先,在大促开始前7天,我们需要统计出店铺最近12个月内的用户活跃度数据分析表(见下图) , 通过此表可以对店铺的”活跃用户””沉睡用户””即将流失客户” 进行分类统计,以便于我们对店铺用户结构建立整体的认知,并且为接下来制定“用户唤醒”与“用户挽回” 方案提供数据性参考。

图为某店铺最近12个月内用户活跃度分析表

"关于‘活跃度’ ,每家公司都有不同的分类标准。一般的做法是:最近30天内有过消费的客户称为 ‘活跃用户’, 最近(连续) 60天内没有消费记录的客户称为'沉睡用户’, 最近 (连续) 90天内没有消费记录的用户称为'即将流失客户’。

其次,当店铺运营人员看到上图所示的数据后,便需要考虑如何为本次大促活动设置适合的用户激活方案。

针对不同类型的用户,刺激的力度与文案的企划也应该有所不同。其中针对沉睡客户主要以“唤醒”为主,常见的举措是告知本次促销力度,以及提供适量额度的优惠券;针对即将流失客户,除了告知促销信息与力度外,还需要提供较高额度的优惠券,另外,最好再配上走心的文案。

同时,根据”待唤醒”与”待挽留”人数,还可以推算出本次优惠券的使用率以及折损金额。譬如根据笔者在运营某渠道电商店铺时,曾多次根据以上逻辑,在大促活动中向约5000名即将流失客户发送”情怀短信”以及“高额优惠券”,发现挽回率可达1.8%左右。

也就是说, 5000名目标用户中,每次大促活动中激活约90名用户。

按客单700元计算,在当次大促活动中被挽回用户可以为店铺贡献约6.3万元的销售额,但是更重要的是,本次挽回成功,可以使用户在接下来的一段时间内成为”沉睡用户”或者”活跃用户”,相对而言 ,这种隐形的意义对店铺来说要更大一些。

而90名用户即使人人都使用50元的代金券,店铺的折损也不过是4500元而已。虽然相比于直通车等收费流量的推广成本,这种手段的”获客成本”更高,但是胜在更精准,挽回的客户更符合品牌调性,也就更有质量。

最后,既然运营人员需要进行唤醒与挽留计划,自然便需要与这些长时间不来店铺消费的用户建立起某种连接通道才可以。最直接的“通道”是用户的购买记录,找到客户的收货信息(手机号) , 然后进行短信营销。