如何做商業數據分析

⑴ 電商數據分析怎麼做

電商分析數據方法如下：

一、依據用戶畫像，洞察需求

用戶畫像即用戶信息標簽化，通過收集用戶的社會屬性、消費習慣、偏好特徵等各個維度的數據，進而對用戶或產品特徵屬性進行刻畫，並對這些特徵進行分析、統計，挖掘潛在價值信息，從而抽象出用戶的信息全貌。

二、依據渠道數據分析用戶來源

對電商賣家來說，分析「訪客數」最重要的是分析「流量來源」。分析不同流量來源的「數量」和「支付轉化率」，找出「支付轉化率」比較高的流量來源並想辦法提高，不僅可以提高「訪客數」還可以提高整體的「支付轉化率」。

三、店內轉化率的數據分析

當用戶來到店鋪時，我們就要想辦法將他們轉化成顧客，但眾所周知，並不是每個來店裡的用戶都會點加入購物車按鈕。甚至在加入購物車後，也會有改變主意離開網站的可能。

四、提高營銷推廣的ROI

對店鋪來說，如今流量已進入存量時代，營銷渠道分散且復雜，更需要賣家依據數字化營銷提高推廣的RIO，通過數據分析，加強線上營銷的精準，拓展線下新的營銷場景，利用數據智能完成全場景全鏈路的布局，以達到高效轉化與品效相結合。

五、產品數據分析

1、產品數據分分析

我們可以依據更多和商品有關的數據，比如商品瀏覽頁訪問量、商品詳情頁訪問量、加入/移出購物車的商品，進入結算階段的商品，以及購買人數來對用戶購物行為進行分析。

2、銷量數據分析

我們可以從後台數據分析中找到關於收入，稅費、運費、退款金額，和賣出的商品數量。其中，總銷售額以金額的形式呈現，是衡量我們線上店鋪經營狀況最佳的「整體主要指標」（OMM）之一，可以用它來衡量業務的整體增長和發展趨勢。

⑵ 如何著手商業數據分析

商業分析的流程一般分為5個步驟

明確問題-拆解問題-安排工作任務-推進工作任務-輸出分析報告

1、明確問題

首先在解決問題前，我們一定要知道問題到底是什麼？這樣我們就知道了後期工作的方向，避免了以後出現的沒必要的爭論。對於如何明確問題，可以用SMART法則來說明

S——Specific 具體明確的，不能將問題說得太抽象

比如小米手機想要賣的好，就不能簡單的說成小米手機要做成讓每個人都喜歡的產品，而是應該說成小米手機的出貨量要達到去年的150%

M——Measurable 可衡量的，不管是問題的本身還是目標要量化出來

還是小米的例子，出貨量達到到去年的150%，那麼150%就是可以量化的標准

A——Action-oriented 行動導向 就是說明問題時，必須要有解決的方向

比如小米通過銷售改進、加大市場推廣、增強產品研發能力這三種方式使出貨量要達到去年的150%。

R——Relevant 相關聯的，行動與問題存在相關性

小米通過銷售改進、加大市場推廣、增強產品研發能力對提升出貨量是有相關性的，不能說小米通過進入筆記本電腦領域的方式去增加手機的出貨量，開發筆記本電腦這個產品線這個行動跟提升手機出貨量沒有任何關聯

T——Time-bound 時間限制

計劃使出貨量增加到去年的150%，可能過了兩年手機的出貨量也沒有提升到150%，所以明確時間尤其重要 ，比如我計劃用8個月的時間使手機出貨量達到去年的150%。當然，時間的限定一定要從實際情況出發，要具備一定的合理性

2、拆分問題

拆分問題需要用到邏輯樹模型

邏輯樹分析模型顧名思義，就是把一個已知明確的問題作為樹干，分析哪些問題跟這個問題有關，把相關的問題作為樹枝加入到樹干當中，由此不斷向下拓展，就會將問題拓展成一個邏輯樹

使用邏輯樹模型的優點：

● 保證了解決問題的完整性

● 理清了所有的思路

● 避免了重復和無關的思考

除此之外，還有2個法則能更好的幫你理清思路，分別是MECE分析法和二八法則

MECE分析法即把一個工作項目分解為若干個更細的工作任務的方法

它主要有兩條原則：

完整性

分解工作的過程中不要漏掉某項，要保證完整性

比如市場推廣和提升產品研發能力就是2個不同的解決問題方向，漏掉某一項都會使解決問題的方向不完整

獨立性

每項工作之間要獨立，每項工作之間不要有交叉重疊

比如小米手機想要增加出貨量可以提升產品研發能力和把手機設計得更好看，那麼這2個子問題就重合了，因為產品研發能力包含了手機設計能力

二八法則，通俗理解就是在任何一組東西中，最重要的只佔其中一小部分，約20%，其餘80%盡管是多數，卻是次要的

邏輯樹分析模型中也是一樣，要時刻關注重點問題，對於一些非重點的問題舍棄掉，減少工作量的同時集中力量解決重點問題

3、安排工作任務

將相互關系緊密的問題作為一個獨立項目-確定項目負責人和工作推進計劃表；特別是重要節點-負責人不時檢查工作，按計劃推進工作

4、推進執行任務

既然是商業分析，那麼我們就要知道從哪幾個維度去分析，以及如何獲取有用的信息。明確這兩個問題，我們就能很好的推進執行任務

3個分析維度

市場分析-競爭者分析-用戶分析

以小米案例說明：

首先我們要了解整個手機市場的概況，對於手機市場的規模多大，供應鏈上下游的情況一一了解清楚，根據手機市場的環境來預測未來手機市場的發展趨勢，做到快人一步

對於競爭者分析，我們要知道整個手機市場的幾個大的玩家，以及他們的市場佔有率是多少，還要具體分析每個競爭對手的概況和優劣勢，包括渠道、供應鏈、產品等等方面。對於手機行業來說，蘋果、華為、OPPO、vivo這幾個大玩家是一定要仔細研究

最後是用戶分析，要從用戶屬性、購買產品的決策等等因素上精準定位粉絲，了解用戶需求，抓住用戶痛點，幫助公司獲取和留存用戶。手機行業，OPPO和vivo因為渠道優勢，對於目標人群的需求抓得非常精準

3種獲取信息的方式

案頭研究-用戶調研-實地考察

案頭研究，互聯網時代，我們可以從網路獲得相關新聞和一些專業的資料庫，但是由於信息量極大，我們也要注意篩選出可靠准確的目標信息

用戶調查可以分為線上調查和線下調查，線上我們可以通過網路/電話的形式調研，能得到大量的一手信息，但是不一定能得到你想要的全部信息。線下我們可以通過拜訪的形式交流調研，線下調查能直接觸達用戶，了解到你想要的全部信息，但是時間經濟成本太高

實地調研一般會和用戶調查相結合，能得到一些隱藏但是非常重要的信息，當然，時間經濟成本也是非常高

5、輸出分析報告

這一步是整個商業分析過程的復盤總結，決定著你的分析結果是否能給企業做出正確的決策

一般來說，輸出分析報告可以分為4個步驟

總體概要-整個商業分析的主要內容，包公整體的框架和邏輯

填充整理PPT信息-將信息填充到每個獨立的項目，清楚解決問題的細節

溝通優化-內部溝通保證報告的完整性，用戶溝通包含用戶想要的信息

定稿匯報-對報告內容做到瞭然於胸，根據不同受眾，報告稱顯得內容和形式不同。

⑶ 電商怎麼做數據分析

電商數據分析的常用方法有：邏輯樹分析法；PEST分析法；多維度拆解法；對比分析法；假設檢驗分析法。

1、邏輯樹分析：邏輯樹分析法的目的是把復雜的問題變簡單，即把一個問題當成樹干，然後找出所有充當樹枝的子問題，並以此類推，逐步找到一個個具體而直接的子問題，從而找到解決復雜問題的方法。

2、PEST分析法：用於做行業分析，是通過政治Politics，經濟Economy，社會Society和技術Technology四個因素來分析宏觀環境的方法，其應用領域有公司戰略規劃，市場經營規劃，產品發展規劃，撰寫研究報告等。

3、多維度拆解法：目的是從多個維度思考問題，即從多個角度出發，把一個復雜問題拆解成多個簡單的子問題去解決，其把問題整體拆解成多個部分，通過對比可以看出不同整體之間部分的差異。

4、對比分析法：通過對比找差異，從而追蹤業務是否存在問題的方法。使用對比分析法，要搞清楚兩個問題，一是和誰比，二是如何比。

5、假設檢驗分析法：歸因分析，即分析問題發生的原因，其底層邏輯是邏輯推理，分為3個步驟，分別是：提出假設，收集證據，得出結論。

⑷ 電商運營如何做數據分析

電商一般有這些數據指標，差不多就夠了，可以參考下：

1、網站整體運營情況；

2、銷售數據（訂單數據）；

訂單模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_

3、用戶行為數據；

用戶模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_

4、商品數據；

5、客戶咨詢數據；

咨詢模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_

6、售後服務數據；

7、推廣投放數據；

投放模板分享：

https://me.bdp.cn/share/index.html?shareId=sdo_

8、營銷活動數據；

9、財務數據：盈利、成本等

--> 基本指標篇 <--

1、銷售數據

商品方面：

1、總銷售額，總銷量

2、熱銷商品top N，熱銷品類top N （這些是件數，也就是銷量）

3、商品銷售額貢獻top N，品類銷售額貢獻 top N （這些是金額，有些大件商品）

還可以看的更細一點，每件商品的利潤不一樣，可以算出來：

4、利潤額貢獻top N，品類利潤額貢獻 top N。

——以上有助於你劃分哪些商品來引流，哪些商品來促銷。

5、瀏覽量商品最高 top N，瀏覽量品類最高 top N。

——看看有啥商品瀏覽量高卻賣不出去的，要調查原因是價格不好還是什麼？

客戶方面

總訪客、新訪客、新注冊用戶、客單價

用戶地域分布、用戶設備來源分布（瀏覽器或設備）、用戶渠道來源分布（訪問網站、網路推廣、券媽媽之類的……）

活動期間訪問趨勢（一般是個線圖 橫軸是時間 縱軸是訪問量 多線圖還可以加一根銷售額）

2、運營數據

客戶行為數據

1、每日uv、pv等等……

2、熱區圖（把用戶的行為做一個簡單的可視化呈現，看看哪裡點的最多，活動頁面下面幾屏有沒有熱度，如果下面有想要主推的利潤高的產品，要及時往上挪）

3、轉化漏斗（從訪問、注冊、加購、下單、付款做一個漏斗，看到底哪個環節流失客戶最多，有bug修bug，有流程不順要改善）

推廣數據

1、推廣總費用，總收入，ROI

2、各渠道費用，點擊量，收入，ROI（可以用分組條圖或柱線圖來展示各渠道的費用與收入，投入高的渠道效果不一定好，通過對比可以篩選性價比最高的推廣渠道）

--> 工具篇 <--

說完基本指標，說說工具好啦。我看到題主問除了excel還有啥，當然不能靠excel。

原始數據辣眼睛～

做表比較慢，而且相對不太智能，數據多的時候，絕對不能手抖～

傳遞起來太慢了，動不動好幾十兆，要是做成ppt或者pdf吧，又要費好幾個小時的時間。

在效率為王的時代，我們不是為了在活動過程中就強化好的地方、修正不好的地方嗎？

等ppt做好了黃花菜都涼了。

看看要是數據直接成這樣了會不會很好看？

就是有這樣的神器～滑鼠拖一拖、拽一拽，左邊的excel就變成右邊的可視化圖表了！

然後看（領）表（導）的人就不用暗自運氣了，

只要看看顏色，比比大小、長短、高低，哪裡需要整、哪裡需要改，哪裡需要贊，一目瞭然！

分析工具就是 運營|整合分散的運營數據，實時分析、精準洞察

追蹤客戶行為的工具可以用： GrowingIO 官網－矽谷新一代無埋點用戶行為數據分析產品

線上表單工具： 夥伴辦公 - 領先的移動辦公與數據管理平台

項目協作工具： Team Collaboration Solutions

⑸ 怎麼做商業數據分析

商業數據分析一般分為5個步驟：收集、清洗、對比、細分、溯源。

1. 數據收集
   

當我們在做數據分析時，第一步要解決的問題肯定就是數據源的問題。Allen通常把數據分為二大類。第一類是直接能獲取的數據，通常都是內部數據。無非就是從網站後台或者是自己家的資料庫裡面導。第二類就是外部數據，需要經過加工整理後得到的數據。

典型的數據來源有：網路指數、阿里指數、梅花網、cnzz等。

2. 數據清洗

清洗數據（篩選、清除、補充、糾正）的目的是從大量的、雜亂無章、難以理解的數據中抽取並推導出對解決問題有價值、有意義的數據。清洗後、保存下來真正有價值、有條理的數據，為後面做數據分析減少分析障礙。

3. 數據對比

對比，是數據分析的切入點。因為如果沒參照物，數據就沒有一個定量的評估標准。通常情況下我們從二個點去切入進行數據對比分析：1.橫向對比 2.縱向對比

橫向對比，與行業平均數據，與競爭對手的數據進行比對。舉個粟子，比如你家的APP用戶留存率是60%，而行業平均留存是70%或競爭對手的用戶留存率是70%，那就說明你家的產品在留存率方面有待加強！

縱向對比，與自家產品的歷史數據進行對比，圍繞著時間軸來對比。還是用用戶留存率來進行舉粟子吧，比如，APP改版前30天，新用戶留存率是70%的，而新版APP發布後，新用戶留存率降了10%或者升了5%，這就產生了問題，到底是那些因素導致數據產生了異常呢？

4. 數據細分

數據對比發現了異常，我們當然想知道是什麼原因導致的。這里就要用到數據細分了，數據細分通常情況下先分緯度，再分粒度。

何謂為緯度？按時間分類就是時間緯度，按地區分類就是地域緯度，按來路分類就是來源緯度，按受訪頁面分類就是受訪緯度。今天APP訪問量漲了5%，咋回事不知道，你細分一看，大部分網頁都沒漲，某個頻道某個活動頁漲了300%，這就清楚了，這就是細分最簡單的範例，其實很多領域都通用。

粒度是什麼？你時間緯度，是按照天，還是按照小時？這就是粒度差異，你來路緯度，是來路的網站，還是來路的url，這就是粒度的差異；緯度結合粒度進行細分，就可以將對比的差異值逐級鎖定問題區域，就可以更容易地尋找出發生問題的原因了。

5.數據溯源

通常情況下，通過數據細分就能分析出大多數問題的原因並推導出結論了。但也有特殊的情況，即使具體到粒度了也得不出有說服力的結論。

這時候我們再進一步，通過數據溯源就能找出問題的原因。依據鎖定的這個緯度和粒度作為搜索條件，查詢所涉及的源日誌，源記錄，然後基於此分析和反思用戶的行為，往往會有驚人的發現。