电子商务数据分析指标体.pdf

《电子商务数据分析指标体.pdf》由会员分享，可在线阅读，更多相关《电子商务数据分析指标体.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、电子商务数据分析指标体系一个企业建立的数据分析体系通常细分到了具体可执行的部分，可以根据设定的某个指标的异常变化，相应立即执行相应的方案，来保证企业的运营的正常进行。EC 数据分析联盟根据以往的经验，理出电子商务企业这的数据分析体系，这里的数据分析体系只是一个大致的、框架性的，这里更多是一个成熟的，共性的指标，而更多的则需要大家根据自身的情况去细化和完善，从而制定对企业更有意义的指标。此电子商务数据分析体系包括网站运营指标、经营环境指标、销售业绩指标、运营活动指标和客户价值指标五个一级指标。网站运营指标这里定为一个综合性的指标，其下面包括有网站流量指标、商品类目指标以及（虚拟）供应链指标等几个

2、二级指标。经营环境指标细分为外部经营环境指标和内部经营环境指标两个二级指标。销售业绩指标则根据网站和订单细分为2 个二级指标，而营销活动指标则包括市场营销活动指标、广告投放指标和商务合作指标等三个二级指标。客户价值指标包括总体客户指标以及新老客户指标等三个二级指标。1、网站运营指标网站运营指标主要用来衡量网站的整体运营状况，这里Ec 数据分析联盟暂将网站运营指标下面细分为网站流量指标、商品类目指标、以及供应链指标。1.1 网站流量指标网站流量指标主要用从网站优化，网站易用性、网站流量质量以及顾客购买行为等方面进行考虑。目前，流量指标的数据来源通常有两种，一种是通过网站日志数据库处理，另一种则是

3、通过网站页面插入JS 代码的方法处理（二种收集日志的数据更有长、短处。大企业都会有日志数据仓库，以共分析、建模之用。大多数的企业还是使用GA 来进行网站监控与分析。）。网站流量指标可细分为数量指标、质量指标和转换指标，例如我们常见的PV、UV、Visits、新访客数、新访客比率等就属于流量数量指标，而跳出率、页面/站点平均在线时长、PV/UV 等则属于流量质量指标，针对具体的目标，涉及的转换次数和转换率则属于流量转换指标，譬如用户下单次数、加入购物车次数、成功支付次数以及相对应的转化率等。1.2 商品类目指标商品类目指标主要是用来衡量网站商品正常运营水平，这一类目指标与销售指标以及供应链指标关

4、联慎密。譬如商品类目结构占比，各品类销售额占比，各品类销售 SKU 集中度以及相应的库存周转率等，不同的产品类目占比又可细分为商品大类目占比情况以及具体商品不同大小、颜色、型号等各个类别的占比情况等。1.3 供应链指标（这个划分在这里稍有不合理 这个属于偏线下运营的指标）这里的供应链指标主要指电商网站商品库存以及商品发送方面，而关于商品的生产以及原材料库存运输等则不在考虑范畴之内。这里主要考虑从顾客下单到收货的时长、仓储成本、仓储生产时长、配送时长、每单配送成本等。譬如仓储中的分仓库压单占比、系统报缺率（与前面的商品类目指标有极大的关联）、实物报缺率、限时上架完成率等，物品发送中的譬如分时段下

5、单出库率、未送达占比以及相关退货比率、COD 比率等等。2.经营环境指标EC 这里将电子商务网站经营环境指标分为外部竞争环境指标和内部购物环境指标。外部竞争环境指标主要包括网站的市场占有率，市场扩大率，网站排名等，这类指标通常是采用第三方调研公司的报告数据，相对于独立B2C 网站而言，淘宝此方面的数据要精准的多。网站内部购物环境指标包括功能性指标和运营指标（这部分内容和之前的流量指标是一致的），常用的功能性指标包括商品类目多样性、支付配送方式多样性、网站正常运营情况、链接速度等。3.销售业绩指标销售业绩指标直接与公司的财务收入挂钩，这一块指标在所有数据分析指标体系中起提纲挈领的作用，其他数据指

6、标的细化落地都可以根据该指标去细分。EC这里销售业绩指标分解为网站销售业绩指标和订单销售业绩指标，其实两者并没有太大的区别，网站销售业绩指标重点在网站订单的转化率方面，而订单销售指标重点则在具体的毛利率、订单有效率、重复购买率、退换货率方面，当然还有很多指标，譬如总销售额、品牌类目销售额、总订单、有效订单等等，上里并没有一一列出。4.营销活动指标一场营销活动做的是否成功，通常从活动效果（收益和影响力）、活动成本以及活动粘合度（通常以用户关注度、活动用户数以及客单价等来衡量）等几方面考虑。EC 这里将营销活动指标区分为日常市场运营活动指标、广告投放指标以及对外合作指标，其中市场运营活动指标和广告

7、投放指标主要考虑新增访客数、订单数量、下单转化率、每次访问成本、每次转换收入以及投资回报率等指标。而对外合作指标则根据具体合作对象而定，譬如某电商网站与返利网合作，首先考虑的也是合作回报率。5.客户价值指标一个客户的价值通常由三部分组成：历史价值（过去的消费）、潜在价值（主要从用户行为方面考虑，RFM 模型为主要衡量依据）、附加值（主要从用户忠诚度、口碑推广等方面考虑）。这里客户价值指标分为总体客户指标以及新、老客户价值指标，这些指标主要从客户的贡献和获取成本两方面来衡量。譬如，这里用访客人数、访客获取成本以及从访问到下单的转化率来衡量总体客户价值指标，而对老顾客价值的衡量除了上述考虑因素外，更多的是以RFM 模型为考虑基准。数据分析体系建立之后，其数据指标并不是一层不变的，需要根据业务需求的变化实时的调整，调整时需要注意的是统计周期变动以及关键指标的变动。通常，单独的分析某个数据指标并不能解决问题，而各个指标间又是相互关联的，将所有指标织成一张网，根据具体的需求寻找各自的数据指标节点。至于如何关联指标，下面这张来自麦网总结的图片或许能给你些许启发：