|
01 用户角度 1、总活跃用户数、新注册用户数、总PV； 2、一定时间的活跃用户数、新注册用户数、总PV； 3、一定时间的转换关系； 4、不同渠道下，注册转换情况； 5、不同注册渠道下，注册用户的后续留存率； 6、一定时间有购买行为的用户的重复购买的分布情况。 02 订单角度 1、今日的订单总数、销售额、订单单价、有订单用户数、补贴比例； 2、过去一周每天的订单总数、销售额、订单单价、有订单用户数、补贴比例； 3、过去一周每天的订单平均送达时间。 03 商品角度 1、按照商品分组，今日每个商品的浏览数、购买用户数、订单数、销售额； 2、按照商品分组，过去一周每天每个商品的浏览数、购买用户数、订单数、销售额。 04 品类角度 1、按照商品品类分组，今日每个品类的浏览数、购买用户数、订单数、销售额、订单单价； 2、按照商品品类分组，过去一周每天每个品类的浏览数、购买用户数、订单数、销售额、订单单价。 05 店铺角度 1、按照店铺分组，今日每个店铺的浏览数、购买用户数、订单数、销售额、订单单价； 2、按照店铺分组，过去一周每个店铺的浏览数、购买用户数、订单数、销售额、订单单价； 06 数据分析 在基于以上指标进行数据的统计，我们再进行数据分析。 首先数据分析建模，我们知道电商类产品模型一般以事件（点击，浏览等）用户属性进行建模，然后我们进行正式的数据分析，我们需要知道用户的一系列用户行为分析，常指用户画像。 方法一：多维度数据分析 我们需要定义一些事件，如取消订单，提交订单，支付订单，浏览商品，加入购物车等等，然后基于这些事件，我们需要一个指标，比如说次数、总和，可是我们知道光有个数据罗盘还不够，我们需要对数据进行细分，这里我们做了事件，指标。 所以还需要筛选用户的属性了，比如说城市、用的设备、支付方式、来源渠道。 这个方法，我们常用于用户画像，用户行为分析，数据异常排查分析等 方法二：转换率数据分析 我们进行一场活动，需要进行评估，活动注册了多少人，订单转换率是多少，支付率是多少，这里我们就需要一个分析方法。 从我刚讲的基于事件分析，所以我们就可以定义一个事件，筛选时间，先定义事件（注册），再次定义事件（提交订单），再次定义事件（支付订单），我们可以得到一个转换率。 这个方法，我们常用于转换率分析，也称漏斗分析。 方法三：留存数据分析 留存分析正如字面意思留存，我们需要对一段时间的用户就像数据分析，比如说我们搞了一个活动，需要看那段时间的注册用户，提交订单的情况，第一天有多少提交，第二天有多少人提交，第三天有多少人提交等。 数据分析一般为：根据我们的数据模型，首先定义一个事件（如注册用户），再次定义一个事件（如提交订单）得到一定事件的比列。 这个方法，我们常用于观测一定事件的留存情况 方法四：活跃或回访数据分析 当我们需要看一段时间里的一个事件的使用次数，或者某个地方的用户使用情况，那该怎么办呢？ 这里就可以用活跃数据分析。 我们首先需要定义一个事件（如注册用户），再定义一个事件（如提交订单）的情况（这里一般为次天数），然后我们筛选用户的事件为什么，得到一个数据。 这个方法，我们常用于调查用户使用情况，也是衡量一个用户活跃的关键数据分析指标。 最后 说了这么多，这些数据都能干嘛呢？ 1、数据异常排查，细分逐一查看； 2、关键页面的转换率提升； 3、活动的情况评估，渠道数据分析评估； 等等，只要你想要的，都能通过数据去找出答案。 |
|
|
