如何做商业数据分析

⑴ 电商数据分析怎么做

电商分析数据方法如下：

一、依据用户画像，洞察需求

用户画像即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。

二、依据渠道数据分析用户来源

对电商卖家来说，分析“访客数”最重要的是分析“流量来源”。分析不同流量来源的“数量”和“支付转化率”，找出“支付转化率”比较高的流量来源并想办法提高，不仅可以提高“访客数”还可以提高整体的“支付转化率”。

三、店内转化率的数据分析

当用户来到店铺时，我们就要想办法将他们转化成顾客，但众所周知，并不是每个来店里的用户都会点加入购物车按钮。甚至在加入购物车后，也会有改变主意离开网站的可能。

四、提高营销推广的ROI

对店铺来说，如今流量已进入存量时代，营销渠道分散且复杂，更需要卖家依据数字化营销提高推广的RIO，通过数据分析，加强线上营销的精准，拓展线下新的营销场景，利用数据智能完成全场景全链路的布局，以达到高效转化与品效相结合。

五、产品数据分析

1、产品数据分分析

我们可以依据更多和商品有关的数据，比如商品浏览页访问量、商品详情页访问量、加入/移出购物车的商品，进入结算阶段的商品，以及购买人数来对用户购物行为进行分析。

2、销量数据分析

我们可以从后台数据分析中找到关于收入，税费、运费、退款金额，和卖出的商品数量。其中，总销售额以金额的形式呈现，是衡量我们线上店铺经营状况最佳的“整体主要指标”（OMM）之一，可以用它来衡量业务的整体增长和发展趋势。

⑵ 如何着手商业数据分析

商业分析的流程一般分为5个步骤

明确问题-拆解问题-安排工作任务-推进工作任务-输出分析报告

1、明确问题

首先在解决问题前，我们一定要知道问题到底是什么？这样我们就知道了后期工作的方向，避免了以后出现的没必要的争论。对于如何明确问题，可以用SMART法则来说明

S——Specific 具体明确的，不能将问题说得太抽象

比如小米手机想要卖的好，就不能简单的说成小米手机要做成让每个人都喜欢的产品，而是应该说成小米手机的出货量要达到去年的150%

M——Measurable 可衡量的，不管是问题的本身还是目标要量化出来

还是小米的例子，出货量达到到去年的150%，那么150%就是可以量化的标准

A——Action-oriented 行动导向 就是说明问题时，必须要有解决的方向

比如小米通过销售改进、加大市场推广、增强产品研发能力这三种方式使出货量要达到去年的150%。

R——Relevant 相关联的，行动与问题存在相关性

小米通过销售改进、加大市场推广、增强产品研发能力对提升出货量是有相关性的，不能说小米通过进入笔记本电脑领域的方式去增加手机的出货量，开发笔记本电脑这个产品线这个行动跟提升手机出货量没有任何关联

T——Time-bound 时间限制

计划使出货量增加到去年的150%，可能过了两年手机的出货量也没有提升到150%，所以明确时间尤其重要 ，比如我计划用8个月的时间使手机出货量达到去年的150%。当然，时间的限定一定要从实际情况出发，要具备一定的合理性

2、拆分问题

拆分问题需要用到逻辑树模型

逻辑树分析模型顾名思义，就是把一个已知明确的问题作为树干，分析哪些问题跟这个问题有关，把相关的问题作为树枝加入到树干当中，由此不断向下拓展，就会将问题拓展成一个逻辑树

使用逻辑树模型的优点：

● 保证了解决问题的完整性

● 理清了所有的思路

● 避免了重复和无关的思考

除此之外，还有2个法则能更好的帮你理清思路，分别是MECE分析法和二八法则

MECE分析法即把一个工作项目分解为若干个更细的工作任务的方法

它主要有两条原则：

完整性

分解工作的过程中不要漏掉某项，要保证完整性

比如市场推广和提升产品研发能力就是2个不同的解决问题方向，漏掉某一项都会使解决问题的方向不完整

独立性

每项工作之间要独立，每项工作之间不要有交叉重叠

比如小米手机想要增加出货量可以提升产品研发能力和把手机设计得更好看，那么这2个子问题就重合了，因为产品研发能力包含了手机设计能力

二八法则，通俗理解就是在任何一组东西中，最重要的只占其中一小部分，约20%，其余80%尽管是多数，却是次要的

逻辑树分析模型中也是一样，要时刻关注重点问题，对于一些非重点的问题舍弃掉，减少工作量的同时集中力量解决重点问题

3、安排工作任务

将相互关系紧密的问题作为一个独立项目-确定项目负责人和工作推进计划表；特别是重要节点-负责人不时检查工作，按计划推进工作

4、推进执行任务

既然是商业分析，那么我们就要知道从哪几个维度去分析，以及如何获取有用的信息。明确这两个问题，我们就能很好的推进执行任务

3个分析维度

市场分析-竞争者分析-用户分析

以小米案例说明：

首先我们要了解整个手机市场的概况，对于手机市场的规模多大，供应链上下游的情况一一了解清楚，根据手机市场的环境来预测未来手机市场的发展趋势，做到快人一步

对于竞争者分析，我们要知道整个手机市场的几个大的玩家，以及他们的市场占有率是多少，还要具体分析每个竞争对手的概况和优劣势，包括渠道、供应链、产品等等方面。对于手机行业来说，苹果、华为、OPPO、vivo这几个大玩家是一定要仔细研究

最后是用户分析，要从用户属性、购买产品的决策等等因素上精准定位粉丝，了解用户需求，抓住用户痛点，帮助公司获取和留存用户。手机行业，OPPO和vivo因为渠道优势，对于目标人群的需求抓得非常精准

3种获取信息的方式

案头研究-用户调研-实地考察

案头研究，互联网时代，我们可以从网络获得相关新闻和一些专业的数据库，但是由于信息量极大，我们也要注意筛选出可靠准确的目标信息

用户调查可以分为线上调查和线下调查，线上我们可以通过网络/电话的形式调研，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。线下我们可以通过拜访的形式交流调研，线下调查能直接触达用户，了解到你想要的全部信息，但是时间经济成本太高

实地调研一般会和用户调查相结合，能得到一些隐藏但是非常重要的信息，当然，时间经济成本也是非常高

5、输出分析报告

这一步是整个商业分析过程的复盘总结，决定着你的分析结果是否能给企业做出正确的决策

一般来说，输出分析报告可以分为4个步骤

总体概要-整个商业分析的主要内容，包公整体的框架和逻辑

填充整理PPT信息-将信息填充到每个独立的项目，清楚解决问题的细节

沟通优化-内部沟通保证报告的完整性，用户沟通包含用户想要的信息

定稿汇报-对报告内容做到了然于胸，根据不同受众，报告称显得内容和形式不同。

⑶ 电商怎么做数据分析

电商数据分析的常用方法有：逻辑树分析法；PEST分析法；多维度拆解法；对比分析法；假设检验分析法。

1、逻辑树分析：逻辑树分析法的目的是把复杂的问题变简单，即把一个问题当成树干，然后找出所有充当树枝的子问题，并以此类推，逐步找到一个个具体而直接的子问题，从而找到解决复杂问题的方法。

2、PEST分析法：用于做行业分析，是通过政治Politics，经济Economy，社会Society和技术Technology四个因素来分析宏观环境的方法，其应用领域有公司战略规划，市场经营规划，产品发展规划，撰写研究报告等。

3、多维度拆解法：目的是从多个维度思考问题，即从多个角度出发，把一个复杂问题拆解成多个简单的子问题去解决，其把问题整体拆解成多个部分，通过对比可以看出不同整体之间部分的差异。

4、对比分析法：通过对比找差异，从而追踪业务是否存在问题的方法。使用对比分析法，要搞清楚两个问题，一是和谁比，二是如何比。

5、假设检验分析法：归因分析，即分析问题发生的原因，其底层逻辑是逻辑推理，分为3个步骤，分别是：提出假设，收集证据，得出结论。

⑷ 电商运营如何做数据分析

电商一般有这些数据指标，差不多就够了，可以参考下：

1、网站整体运营情况；

2、销售数据（订单数据）；

订单模板分享：

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

3、用户行为数据；

用户模板分享：

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

4、商品数据；

5、客户咨询数据；

咨询模板分享：

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

6、售后服务数据；

7、推广投放数据；

投放模板分享：

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

8、营销活动数据；

9、财务数据：盈利、成本等

--> 基本指标篇 <--

1、销售数据

商品方面：

1、总销售额，总销量

2、热销商品top N，热销品类top N （这些是件数，也就是销量）

3、商品销售额贡献top N，品类销售额贡献 top N （这些是金额，有些大件商品）

还可以看的更细一点，每件商品的利润不一样，可以算出来：

4、利润额贡献top N，品类利润额贡献 top N。

——以上有助于你划分哪些商品来引流，哪些商品来促销。

5、浏览量商品最高 top N，浏览量品类最高 top N。

——看看有啥商品浏览量高却卖不出去的，要调查原因是价格不好还是什么？

客户方面

总访客、新访客、新注册用户、客单价

用户地域分布、用户设备来源分布（浏览器或设备）、用户渠道来源分布（访问网站、网络推广、券妈妈之类的……）

活动期间访问趋势（一般是个线图 横轴是时间 纵轴是访问量 多线图还可以加一根销售额）

2、运营数据

客户行为数据

1、每日uv、pv等等……

2、热区图（把用户的行为做一个简单的可视化呈现，看看哪里点的最多，活动页面下面几屏有没有热度，如果下面有想要主推的利润高的产品，要及时往上挪）

3、转化漏斗（从访问、注册、加购、下单、付款做一个漏斗，看到底哪个环节流失客户最多，有bug修bug，有流程不顺要改善）

推广数据

1、推广总费用，总收入，ROI

2、各渠道费用，点击量，收入，ROI（可以用分组条图或柱线图来展示各渠道的费用与收入，投入高的渠道效果不一定好，通过对比可以筛选性价比最高的推广渠道）

--> 工具篇 <--

说完基本指标，说说工具好啦。我看到题主问除了excel还有啥，当然不能靠excel。

原始数据辣眼睛～

做表比较慢，而且相对不太智能，数据多的时候，绝对不能手抖～

传递起来太慢了，动不动好几十兆，要是做成ppt或者pdf吧，又要费好几个小时的时间。

在效率为王的时代，我们不是为了在活动过程中就强化好的地方、修正不好的地方吗？

等ppt做好了黄花菜都凉了。

看看要是数据直接成这样了会不会很好看？

就是有这样的神器～鼠标拖一拖、拽一拽，左边的excel就变成右边的可视化图表了！

然后看（领）表（导）的人就不用暗自运气了，

只要看看颜色，比比大小、长短、高低，哪里需要整、哪里需要改，哪里需要赞，一目了然！

分析工具就是 运营|整合分散的运营数据，实时分析、精准洞察

追踪客户行为的工具可以用： GrowingIO 官网－硅谷新一代无埋点用户行为数据分析产品

线上表单工具： 伙伴办公 - 领先的移动办公与数据管理平台

项目协作工具： Team Collaboration Solutions

⑸ 怎么做商业数据分析

商业数据分析一般分为5个步骤：收集、清洗、对比、细分、溯源。

1. 数据收集
   

当我们在做数据分析时，第一步要解决的问题肯定就是数据源的问题。Allen通常把数据分为二大类。第一类是直接能获取的数据，通常都是内部数据。无非就是从网站后台或者是自己家的数据库里面导。第二类就是外部数据，需要经过加工整理后得到的数据。

典型的数据来源有：网络指数、阿里指数、梅花网、cnzz等。

2. 数据清洗

清洗数据（筛选、清除、补充、纠正）的目的是从大量的、杂乱无章、难以理解的数据中抽取并推导出对解决问题有价值、有意义的数据。清洗后、保存下来真正有价值、有条理的数据，为后面做数据分析减少分析障碍。

3. 数据对比

对比，是数据分析的切入点。因为如果没参照物，数据就没有一个定量的评估标准。通常情况下我们从二个点去切入进行数据对比分析：1.横向对比 2.纵向对比

横向对比，与行业平均数据，与竞争对手的数据进行比对。举个粟子，比如你家的APP用户留存率是60%，而行业平均留存是70%或竞争对手的用户留存率是70%，那就说明你家的产品在留存率方面有待加强！

纵向对比，与自家产品的历史数据进行对比，围绕着时间轴来对比。还是用用户留存率来进行举粟子吧，比如，APP改版前30天，新用户留存率是70%的，而新版APP发布后，新用户留存率降了10%或者升了5%，这就产生了问题，到底是那些因素导致数据产生了异常呢？

4. 数据细分

数据对比发现了异常，我们当然想知道是什么原因导致的。这里就要用到数据细分了，数据细分通常情况下先分纬度，再分粒度。

何谓为纬度？按时间分类就是时间纬度，按地区分类就是地域纬度，按来路分类就是来源纬度，按受访页面分类就是受访纬度。今天APP访问量涨了5%，咋回事不知道，你细分一看，大部分网页都没涨，某个频道某个活动页涨了300%，这就清楚了，这就是细分最简单的范例，其实很多领域都通用。

粒度是什么？你时间纬度，是按照天，还是按照小时？这就是粒度差异，你来路纬度，是来路的网站，还是来路的url，这就是粒度的差异；纬度结合粒度进行细分，就可以将对比的差异值逐级锁定问题区域，就可以更容易地寻找出发生问题的原因了。

5.数据溯源

通常情况下，通过数据细分就能分析出大多数问题的原因并推导出结论了。但也有特殊的情况，即使具体到粒度了也得不出有说服力的结论。

这时候我们再进一步，通过数据溯源就能找出问题的原因。依据锁定的这个纬度和粒度作为搜索条件，查询所涉及的源日志，源记录，然后基于此分析和反思用户的行为，往往会有惊人的发现。