数据导向的电商运营(附带电商运营数据分析要点)

消费者在电商平台上每一步的浏览、点击、购买行为都产生一系列动作。对电商运营人员来说,每一位客户的特性、消费习惯等都有分析价值。

对传统零售业来说,电子商务最大的特点就是一切都可以通过数据化来监控和改进。通过数据可以看到用户从哪里来,如何组织产品可以实现很好的转化率,投放广告效果如何等问题。基于数据分析进行改变,可以逐步提升你的赚钱能力,所以,电子商务网站的数据分析显得尤为重要。

目前电商平台大多都很注重数据分析,例如世界工厂网就设有针对排名榜的数据分析,通过分析用户在世界工厂网的搜索习惯及搜索记录,免费提供产品排行榜、求购排行榜和企业排行榜,从而更好地迎合用户体验。数据分析能更好地为我们指导改进的方向。

下面来看看电子商务数据分析的一些要点。

1.具有敏锐的商业敏感度

一个商业敏感的数据分析师懂得用什么样的数据来实现公司的目标。比如,乐酷天与淘宝竞争,它们看重的不是交易量,而是流量,即每天有多少新卖家进来,卖了多少产品,因为,此阶段竞争的核心就是人气,而非实质交易量。如果新来的卖家入驻后卖不出产品,只有老卖家的交易量在增长,即使最后每天的交易量都增长,那么整个平台也是有问题的。

再比如,一家刚踏入市场的B2B公司和已经占领大部分市场的B2B公司,它们的目标不一样。前者是看流量赚人气,后者对流量不怎么看重,而是看重交易转化率及回头率。

当下的数据分析师多是学统计学出身的,一堆数据放在那里,大家都擅长怎么算回归、怎么画函数。但是这批学统计学的人才缺乏商业意识,不知道这些数据对业务意味着什么,看不见数据中存在的价值,也就不知道该用什么样的逻辑分析,更无法充当老板的“眼睛”了。

2.转化为第一要素,ROI是最终目标

电子商务B2B网站平台的宗旨就是为企业服务,让买家与卖家的市场销售成本降低,降低交易成本,提高订单利润。因此,电子商务的网站转化率是关键,这就提到一个重要指标——ROI。ROI是Return On Investment的简写,是指通过投资而应返回的价值,它涵盖了企业的获利目标。利润和投入的经营所必备的财产相关,因为管理人员必须通过投资和现有财产获得利润。ROI又称会计收益率、投资利润率。其计算公式为:

数据导向的电商运营(附带电商运营数据分析要点)

投资回报率(ROI)的优点是计算简单,缺点是没有考虑资金时间价值因素,不能正确反映建设期长短及投资方式不同和回收额的有无等条件对项目的影响,分子、分母计算口径的可比性较差,无法直接利用净现金流量信息。只有投资利润率指标大于或等于无风险投资利润率的投资项目才具有财务可行性。

投资回报率(ROI)往往具有时效性——回报通常基于某些特定年份。

3.电子商务数据分析衡量指标的设定

指标可以让我们更好地从数据量化的层面来了解运营的状况,PV、UV、转化率基本是运营监督的指标,网站分析采用的指标可能有各种各样的,根据网站的目标和客户不同,可以有许多不同的指标来衡量。常用的网站分析指标有内容指标和商业指标,内容指标指的是衡量访问者活动的指标,商业指标是指衡量访问者活动转化为商业利润的指标。

电子商务的数据可分为两类:前端行为数据和后端商业数据。前端行为数据指访问量、浏览量、点击流及站内搜索等反映用户行为的数据,而后端商业数据更侧重商业数据,比如交易量、投资回报率,以及全生命周期管理等。

有些网站关心前端行为数据,也有些网站关心后端商业数据,但是没有几家网站把前端行为数据和后端商业数据连起来看。大家只单纯看某一端数据。但是看数据看得“出神入化”的人会明白,每个数据就像散布在黑夜里的星星,它们之间布满了关系网,只要点击其中一个数据,就会驱动另外一个数据变化。

4.异常数据分析能力

网站某些指标的异常变化是外界市场一些变化的客观反应,网站的数据分析人员一定要积极注意。例如,如果PV减少(异常),那我们就要分析用户是搜索来源减少还是直接访问减少?搜索量减少就要观察用户的关键字、搜索引擎等设置是否有问题。

5.利用数据分析用户行为习惯

通过数据可以分析揣测用户的心理和一些习惯。最真实的情况当然是让用户告诉你他需要什么,这些可以利用投票调查及问题提交等来实现。当然,利用数据整合分析也是必然的,然后通过AT来权衡利弊,以改进用户体验和开展一些基本的产品定位及活动。

网站数据分析应该包含两层含义:第一,针对产品来说,围绕产品如何运转,做封闭路径分析,得出产品的点击是否顺畅,功能展现是否完美。第二,研究客户的访问焦点,挖掘客户潜在需求,如果是以交易为导向的电子商务网站,就要研究如何提高交易额,怎样进行产品关联。

6.客户的购买行为分析

电子商务网站数据库中包括客户的购买时间、购买商品、购买数量、支付金额等信息,我们可以基于网站的运营数据针对这些用户的交易行为进行分析,以估计每位用户的价值及针对每位用户的扩展营销的可能性。

客户的购买行为分析包括传统的RFM模型、会员聚类、会员的生命周期分析、活跃度分析,这些对精准运营都是非常重要的。

7.电子商务数据分析需注重实战经验

电商的数据分析还需从日常工作当中总结出来,经验需要积累,敏锐度意识也需要积累,重要的是动手实践才能得出真理。