零售O2O該如何做數據分析_數據分析師

通過數據分析可以知道商業模式是否可行，評判那種推廣渠道效率最高，能發現網站、商品結構、物流等各個環節的問題，能評估改進效果。

    有哪些數據？

    線上平臺的數據來源有網站統計工具、ERP系統、客服回訪問卷投訴等。

    線上數據主要包含：訪問量（IP UV PV）、平均瀏覽時長（瀏覽量）、新UV比例、跳出率、轉化率（注冊、訂單、支付）、流量來源（搜索、直接、連接、地區、推廣）、網頁打開時間、網站熱點、搜索分析等。

    ERP數據主要包含：訂單量、客單價、毛利率、二次購買率、忠實顧客轉化率、顧客流失率、動銷率、缺貨率、商品價格變化、SKU數量變化、周轉率、退貨率、品類銷售占比、會員注冊量、注冊會員轉化率等。

    客服回訪問卷投訴數據主要包含：投訴分類、UI印象、品類印象、價格印象、網站功能印象、物流體驗印象、售后印象等。

    以上數據相互關聯，比如分析促銷活動效果時，需要分析訪問量的變化，注冊下單轉化率的變化，促銷商品和正常商品銷量的變化。

    怎么分析數據？

    有的公司成立專門的數據分析部門，數據部門不僅提供數據，還要完成數據分析工作。這種工作方式，雖然基礎數據準確，但分析結果可能有較大偏差。因為數據分析人員不熟悉業務，對各種信息的了解也不如市場部和運營部等業務部門。

    比如，某個品類銷售占比突然降低，這可能是因為市場部推廣方式的改變，也可能是遇到季節因素。如果數據分析人員不了解這些信息，則可能簡單的判斷成顧客不歡迎這類商品，并且做出建議商品部門降低這類商品占比的決定。

    更合理的數據分析方式是，由數據專員提供基礎數據，由相關部門骨干人員共同分析，比如轉化率降低，應該由市場部、運營部、商品部共同分析，得出是由哪些方面的因素造成的。

    對于新項目而言，可以引入目標分析法，目標分析法是以分析“新客引入成本”和“忠實顧客轉化率”為核心，設定合理目標，以此判斷商業模式是否可行。

    比如：某個投資5000萬的B2C網站，推廣預算是2500萬元，目標是穩定達到每天5000單。忠實顧客的定義是平均每月購物一次，每天5000單的銷售目標，需要15萬忠實顧客。

    如果實際經營結果數據，新客引入成本是50元，忠實顧客轉化率是30%,則要達到15萬會員，需要2500萬推廣費用。

    通過數據分析可知當新客引入成本大于50元，忠實顧客轉化率低于30%時，項目不能達到目標。如果目標和實際業績數據相差不多，可以通過優化內功改善業績，如果數據相差太大，則說明商業模式可能不可行，應該早點調整商業模式，并在試錯過程中重復以上數據分析步驟。

    最重要的數據，我認為是流量引入成本，新客引入成本，忠實顧客轉化率。流量引入成本數據主要考核市場部，新客引入成本數據由市場部、運營部、商品部共同負責，忠實顧客轉化率主要由運營部和商品部負責。

    推廣方面的分析包含流量分析，停留時間，流量頁面，轉化率分析。流量的增減（新UV數據）代表市場部推廣工作是否有效，新客停留時間瀏覽頁面量和轉化率等數據，一定程度上代表了市場部推廣是否有針對性。

    新客引入成本分析是推廣效率重要的KPI,是每個達成目標投入的推廣資金。比如某個推廣方法帶來了10000個UV,500個注冊，100個訂單。而這個方法耗費了1萬元資金，則每個UV,注冊，訂單投入的資金分別是1元，20元，100元。這個推廣方法的新客引入成本是100元。