电商数据分析主要的指标（范文）

第一篇：电商数据分析主要的指标（范文）

电商数据分析主要的指标

1、网站使用：PV/UV、在线时间、跳失率、访问深度、转化率等；

2、流量来源分析：各渠道转化率、ROI、自然流量比重趋势等；

3、运营数据：总销售额、订单数、客单价、人均消费、单均商品数、订单转化率、退货率等；

4、用户分析：会员的地区分布、年龄分布、重复购买率、注册时长。

第二篇：99click：电商数据分析的sap当之无愧

电商数据分析的”sap”99click当之无愧 相关数据显示，2009年中国网络购物市场交易规模达2483.5亿元，占社会消费品零售总额1.98%，同比增长93.7%，预计2013年网购交易规模有望突破1万亿元。面对如此大的利润诱惑，电商行业如雨后春笋般势头迅猛发展，中国的电商行业正在进入大数据分析时代，作为独立的第三方网络分析服务商99click 也面临着前所未有有的机遇和挑战。

当前中国电商行业的发展势头已经超过了国外，但是对数据分析的渗透却少之又少。而电商行业正需要这样一种力量来推动产业的升级。99click作为国内领先的互联网营销分析服务商致力于数据分析领域已有八年之久，其独有的siteflow系统采用最先进的SaaS模式，凭借其先进的技术优势，数据的准确稳定，积极的本土化思考，赢得了业界客户的青睐。99click正是致力于成为中国电子商务数据分析的第三方力量，推动电商行业的迅速发展。Siteflow系统主要为电商企业开辟，围绕着电子商务业务的方方面面，来帮助企业提高生产率，节约成本，开发消费者价值。不仅为B2C网站提供了网站流量、IP点击等基础数据，还将展现出浏览者的访问路径、产品偏好、用户流失原因和B2C网站的结构内容偏差等多方面内容。通过多维度分析，帮助B2C电子商务网站改善用户体验或不符合浏览行为的部分，逐步将大量的浏览者转化成消费者，把流量变为销量，真正提高B2C电子商务网站的营销能力。

目前，99click已经与超过1000家的主流电商企业建立起了合作关系，其系统提供超过600个指标的分析服务。每天对约1亿次用户行为进行跟踪记录，帮助企业提高销售额近百亿元。正如SAP 坚持30年只研究一种产品，成为全世界排名第一的ERP软件，99click在业内也以专注著称。其创立8年时间始终专注于SiteFlow系列产品的研发创新，推出了具有多项独家专利技术的系列 SiteFlow产品。

总之，99click凭借先天的技术优势、庞大的后续团队服务以及多年的经验积累，成为当之无愧的电商数据“SAP”.

第三篇：大数据分析时代,99click致力于成为电商数据分析领域的”sap”

99click：致力于大数据时代电商数据分析领域的“SAP”

近年来，大数据分析越来越为各行业人士所热议，被认为是能给企业业务带来革命性转变的技术。电商行业作为网络时代的核心产业，基于互联网的数据能力，更是其核心竞争力，使其在与实体企业的竞争中，能够迅速全面的获取用户行为信息和需求，更快做出反应。现在中国的电子商务正在面临着新一轮竞争与考验，企业对于数据分析的需求与日俱增。在此需求下，第三方数据服务应运而生。作为中国最早专注于电商领域的数据监测分析的服务商, 99click公司已经与超过1000家主流商务网站建立了合作，其独树一帜的数据分析技术为业界所追捧。

致力于成为电子商务数据分析领域的“SAP”

SAP公司，作为世界500强背后的管理大师，是全球最大的企业ERP系统和商务智能解决方案供应商。30年来，SAP持续不断向全球各行业企业提供广泛的业务管理解决方案。同为软件公司，成立9年的99click虽然与SAP领域不同，但是同样立志于帮助企业高效的解决业务问题。99click通过其应用软件、服务与支持，通过提供全面的企业级互联网数据解决方案，帮助各种规模、行业的企业更卓效地运营，致力于成为电子商务数据分析领域的“SAP”。

99click的创业故事与SAP有着惊人的相似

正如SAP敏锐预见ERP将成为推动全球产业发展升级的IT力量一样，99click的创立基于同样的商业洞察和预见：电子商务将成为时代潮流，在企业互联网化的过程中，通过网络获取数据以更快作出反应，将成为企业在竞争中获胜的关键。

于是，早在2005年，凭借着在硅谷多年的技术视野和研发水平，99click率先将领先的技术理念应用于电子商务领域，推出了第一个帮助企业开展互联网业务的全能数据系统（采集、管理、处理、分析）SiteFlow®。

至此开始，99click将与数百家主流电子商务网站并肩工作的经验总结，不断融入SiteFlow®，形成了完整清晰的数据框架与实用的功能构成，以及一整套关于网络商务数据的，出色的分析方法和解决方案。

又如SAP 坚持30年只专注研究一种产品，由此成就了全世界排名第一的ERP软件，99click在业内也以专注著称。其创立9年时间，始终专注于SiteFlow®一个系列产品的研发创新，推出了多项独家专利技术。9年时间内，所有用户一共加起来，累计故障时间还不到2小时。这在世界领域内，都绝对一流。

SiteFlow®从浩瀚的互联网数据中挖掘出了“抓住用户、留住用户”的密码。通过99click出色的数据分析技术，企业可以分析用户从何处进入网站起，到站内搜索、行走路径、浏览页面等各种行为，从而掌握客户的消费习惯；从导航结构、消费流程、页面内容布局的合理性等多方面来优化网站结构和营销方案、最终提高网站转化率、提升用户黏性，促进销售。

99click和SAP一样都相信数据是企业的核心资源和发展动力。SiteFlow®自推出以来，迅速获得了行业认可，成了企业开展电子商务首屈一指的软件品牌和标准配置，连续9年保持市场第一。能在纳斯达克上市的几家中国电商企业，背后都有99click的身影。

当然99click与sap也有着不同之处

1.价格不同

不同于SAP管理软件的天价收费，99click立足于本土市场，提供完全实用、费用合理的解决方案。99click坚持高性价比的产品理念，给用户提供免费的基础服务和升级服务，每年升级次数15次以上，保证所有客户享受最新功能。

2.服务模式不同

“客户需要的是能以最低成本在最短时间内创造出最高价值的解决方案。” 99click一直坚持这样的理念。因此，99click摒弃了软件套装销售的方式，而是采用高度灵活的SAAS模式，企业购买软件后能马上使用，不需要再做硬件的投入，企业的运维成本因此大大降低；同时也降低了软件的应用门槛，用户只需在web上注册登录，即可使用。

3.服务对象不同

只要客户拥有自己的网站，能在网上开展业务，哪怕是简单的网络推广和优化，或者单独的网络广告投放，或者更直接在线销售商品，都可以成为99click服务的对象。99click可以帮助客户采集一切在网络上生成的数据：广告、访客、产品、订单„„。99click的数据是

基于网络的实时更新数据，采用的技术手段也是基于网络；而SAP管理的是历史数据，而且大部分是离线的。”

99click的产品对于中国电子商务的发展意义，与当年SAP发明ERP推动管理革新一样，都是通过超越行业水平的产品，给客户创造非凡价值。未来，电子商务发展无论是“烧钱圈地”还是“理性发展”，都需要依托第三方数据分析的“智囊团”来制定快速高效的决策。而以99click为领军的第三方数据分析服务，势必会扮演重要角色。

第四篇：电商企业如何做好数据分析

电商企业如何做好数据分析

关于数据，很多电商企业在做网络营销的时候都知道分析数据的重要性，却不清楚要如何做好数据分析。有两种情况是常见的。一种是数据太多，不知道怎么分析;而另一种就是数据少得可怜，没有办法进行分析。这两种情况都很极端，那么，电商企业如何做好数据分析呢?答案是：需要想清楚以下3个问题。

1、我为什么要看数据?

看数据的理由有很多，有不少PM看数据纯粹为了在吵架中能占上风，也有的人是为了炫技，还有一些人是因为老板要他们这样做。但实际上，看数据最好的理由是“你真的渴望持续改进自己的产品，而数据能给你客观的建议”。如果你没有这个渴望，觉得“我已经做的很好了，没有几个人能比我做得更好”，不但可以不看数据，连用户都可以不要。

2、数据由哪些成分组成?这些成分会发生什么变化?

分析数据的构成可以更精确的知道是哪些产品、运营方案在发挥着作用，数据的变化可以知道某个方案起了多大的作用。

拿PV来说，分析PV的地域结构，可以知道适合的推广渠道;分析用户的年龄结构可以知道活动策划偏向什么主题;分析用户的职业结构可以知道用户的使用习惯。

3、这些数据为什么发生了这些变化?

分析数据为什么变化，可以找到关键的原因，或者洞悉用户真正的需求，最终形成产品的改进。

拿微博来说，假如某一天，微博的转发数量比前一天下降了20%。

如果不找出变化的原因，PM给出的解决方案极可能是：放大转发按钮，鼓励用户多转发。

如果换个思路，找变化的原因，PM也许就可以发现到：登陆用户比前一天下降了30%，为什么登陆用户下降了这么多呢?因为首页改版了。那么PM解决问题的方向是：首页哪些方面没改好才导致用户活跃度下降，找到原因之后再实施改进方案。

分析数据的时候，每天问自己这3个问题，持续一段时间之后，将会意想不到的惊喜在等着你。

第五篇：一个电商数据分析师的经验总结

一个电商数据分析师的经验总结

king 发表于 2013-07-27 20:54 来源：贾鹏

08年毕业，不知不觉的混进了电子商务行业，又不知不觉的做了三年数据分析，恰好又赶上了互联网电子商务行业发展最快的几年，也算是不错吧，毕竟感觉前途还是很光明的。三年来，可以说跟很多同事学到了不少东西，需要感谢的人很多，他们无私的教给了我很多东西。

就数据分析职业来说，个人感觉这对互联网公司来说是非常重要的，也是确实能够带来实际效果的东西。比如说利用数据分析做会员的细分以进行精准化营销；利用数据分析来发现现有的不足，以作改进，让顾客有更好的购物体验；利用CRM系统来管理会员的生命周期，提高会员的忠诚度，避免会员流失；利用会员的购买数据，挖掘会员的潜在需求，提供销售，扩大影响力等等。

最开始进公司的时候是在运营部，主要是负责运营报表的数据，当时的系统还很差，提取数据很困难，做报表也很难，都是东拼西凑一些数据，然后做成PPT，记得当时主要的数据就是销售额、订单量、毛利额、客单价、每单价、库存等一些特别基础的数据，然后用这些数据作出一些图表来。在这个阶段基本上就是做一些数据的提取工作，Excel的技巧倒是学到了不少，算是数据分析入门了吧。

后来公司上了数据仓库，里面就有了大量的原始数据，提取数据非常方便了，而且维度也多，可以按照自己的想法随意的组合分析，那个阶段主要就是针对会员购物行为的分析，开始接触数据建模，算法等一些比较难的东西，也是学到东西最多的时候。记得当时做了很多分析报告，每周还要给总裁办汇报这些报告，下面详细说一下当时使用的一些主要的模型及算法：

1、RFM模型 模型定义：在众多的客户关系管理的分析模式中，RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。在RFM模式中，R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M(Monetary)表示客户在最近一段时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。利用RFM分析，我们可以做以下几件事情：

⑴ 建立会员金字塔，区分各个级别的会员，如高级会员、中级会员、低级会员，然后针对不同级别的会员施行不同的营销策略，制定不同的营销活动。

⑵ 发现流失及休眠会员，通过对流失及休眠会员的及时发现，采取营销活动，激活这些会员。

⑶ 在短信、EDM促销中，可以利用模型，选取最优会员。⑷ 维系老客户，提高会员的忠诚度。

使用方法：可以给三个变量不同的权重或按一定的规则进行分组，然后组合使用，即可分出很多不同级别的会员。

2、关联分析

关联分析最原始的案例来自于沃尔玛的“啤酒与尿布”。通俗意义上讲，就是只买了A商品的人，又有很多人买了B商品，那么我们就可以认为A、B两个商品的关联性比较高。很多数据挖掘工具都有关联挖掘，主要使用的算法是Apriori算法，在计算的过程中会主要考察项集、置信度、相关性这三个结果数据，以最终确定商品之间的相关性。除了Apriori算法外，还有许多其他的关联分析的算法，基本上也都是从Apriori发展而来，比如FPgrowth。本人从几年的数据分析经验感觉，关联分析在零售业中并不太实用，挖掘出来的关联度比较高的商品一般都是同类商品或者同品牌的商品，像“啤酒与尿布”这种，很少能够有。使用方法：组套销售或者相关陈列等。

3、聚类分析

零售行业的聚类分析主要是指将具有相似购物行为的顾客进行群体的细分，以支持精细化的营销活动，带来更大的营销效果，节省成本。Spss里面的聚类分析主要有两种K-means聚类和系统聚类。也可以在数据仓库中根据顾客购买的商品属性进行会员的聚类分析，这里就不需要算法的支持，只需要根据系统的已经有的商品分类，把购买过相同商品类别的顾客划分到一起。这种方法可能与公司的业务更加贴近。聚类分析是进行会员精细化管理，精细化营销的基础，做好聚类分析，对企业将有很大的益处。使用方法：对顾客细分，精准化营销。

4、“之”字分析法

该种方法主要是有一种很明确的会员群体，然后通过分析这些会员群体的购买行为，提取这些购物行为的相似点，然后再通过这些相似点返回到整个数据里面，从中抽取更大的会员群体，以制定精准的营销。

再后来，公司又上了SAP，又去BW组去做报表开发，做报表开发这一块能够接触到更多的业务方面的知识，虽然做数据挖掘比较少了，但是数据最终是要指导业务的，所以这对我的成长也算是非常有利的。业务方面主要了解到了几大块：

1、库存管理-库存管理这块主要有正品库存的管理，滞销库存，高库存商品等各种不同类型的库存该怎么定义以及该如何去管理。比如去管理供应商的库存的时候会根据正品库存及滞销库存和库存正常的周转天数来计算该供应商的库存是否在合理的水平，是否该进货还是要减少库存。

2、促销管理-促销管理是以提高销售额为目的，吸引、刺激消费者消费的一系列计划、组织、领导、控制和协调管理的工作。数据方面来说主要是针对不同的促销方式来计算不同的方式收益情况，不同的促销方式可以带来不同的效果，因此在使用促销的时候要审慎的选择，以达到理想的效果。

另外，还有财务报表、采购流程等很多方面的东西，这些接触的比较少就不写啦。

在BW项目组的时候，也经常会帮网站做一些分析工作，自己也自学了两本关于网站数据分析方面的书，感觉学到了一些皮毛，下面说一下吧：

1、网站流量分析

网站流量的比较重要的KPI指标有浏览量、访问量、独立访客数、跳失率、转化率、页面停留时间、访问页面数、流量来源、流量来源ROI等等。通过这些数据可以全面的反映网站的整体情况。其中跳失率可以用来衡量页面的质量，流量来源及转化率可以衡量市场及营销的工作情况。进行网站数据分析的时候，需要牢牢的把握转化率这一指标，然后由这一指标的变化来寻找其他相关数据的变化，最终找出原因，做相对应的策略，改进我们的工作。

2、网站分析细分

数据分析行业有句话-无细分，毋宁死，足矣看出细分对数据分析意义。对于网站的数据分析尤其是如此。网站的流量数据量非常大，从整体上看根本都看不出那里会出现问题，所以必须要细分。比如说营销人员需要看的转化率，必须就要细分到每个渠道里面，然后再看到这些渠道来的会员的点击情况，他们都看过那些网页，对什么感兴趣，跳失率是多少，浏览时间多长，最终转化的是多少等等，这样才能看出问题。

3、网站的短信促销及EDM

在这个电子商务普遍烧钱的时代，花出去的钱到底能有多少能够带来实际的收益呢？在抢占市场的同时，怎么才能做到ROI最大化这个问题急需要解决。公司每天几乎都要发几万条甚至几十万条的促销的短信，短信的反馈率基本上都在2%一下，怎么才能提高转化率，这就需要更精准的用户定位，把钱花到最有可能带来收益的地方。因此网站的短息促销及EDM促销，必须要依据会员的精细化细分，不但要满足客户的需求，更要挖掘出他们的需求。

写到这里基本上写的差不多，通过总结才发觉自己原来很是知道的很少，还有很多需要学习的地方，比如说数学建模方面的知识不够，统计学软件使用不够好，业务了解的不够深入，对整个电子商务行业的发展把握不清晰，这些都是需要以后加强的地方。最近在一个数据分析师的前辈的博客上看到他对数据分析师的要求只有一点，就是要热爱数据。感觉自己还不够，平时工作的时候还不够投入，总觉得是在为公司工作，不是在为自己的兴趣工作，其实一个人每天做的事，一定要都当做是为自己做才行，就算真的不是为自己做，也要从中学到一些东西来变成自己的东西，为自己服务。