都做數據分析,你為什么分析不出個所以然

無數據不運營。作為一個店鋪的運營者，你也天天會盯著后臺數據在那分析來分析去?？墒乔闆r還是那個情況，銷量還是那個銷量。有沒有想過問題在哪里？你的分析和別人的分析有何不同呢？

真正的數據分析，你應該先弄清以下幾個問題

問題一：首先，什么是數據分析，什么是店鋪運營數據分析？

從數據到分析這個過程就是數據分析，數據本身不發揮價值，只有我們挖掘出的數據才有價值。

數據分析只是個手段，或者說只是個工具，我們最終的目的是得到數據背后有用的信息。

何為有用的信息？對我們店鋪運營來說，有用信息就是所有和我們店鋪相關的好的壞的數據及其背后產生的原因。

問題二：有必要數據分析嗎？數據分析能給我帶來什么好處？

數據分析的必要性就不多說了，簡單地比喻，數據分析就是讓我們不做瞎子，能實時看到問題的所在。好處就是，讓我們清楚地知道我們商品“壞”在哪里？怎么修改。好又好在哪些地方，有沒沒有可以復制的可能，有沒有作為模板的潛質。

問題三：對哪些數據進行分析？

其一：數據的維度有很多種，一個比較好理解的維度就是根據流量的路徑來觀察。

一個粗略的觀察節點如下：蘇寧易購首頁→店鋪→寶貝詳情→購買、流量肯定是漏斗形狀的減少。

A、從易購首頁→店鋪，需要思考

1、從哪里進入？進入的多、少？

2、被什么吸引？被什么樣的圖片吸引？

3、哪些人進入？這些人為什么會進入？

這里就涉及圖片的創意、文案的創意、投放策略、關鍵詞選擇、投放位置選擇。

B、從店鋪→寶貝詳情頁，需要思考

1、 看了哪些寶貝？什么價格、位置的寶貝？

2、 哪些人看了寶貝？哪些人離開了？

3、 低價寶貝瀏覽的高？還是靠前寶貝瀏覽的高？

4、  寶貝圖片對瀏覽有何影響？顧客對什么感興趣？

這里涉及到店鋪推廣策略、定價策略、主圖涉及、推廣模塊設置、焦點提煉、視覺設計等

C、從詳情頁→購買，需要思考

1、那些人咨詢了客服？咨詢后，買還是沒買?

2、哪些人購買了？哪里人買的多？什么樣的人買的多？

3、哪些寶貝賣的多？為什么賣的多?

4、 哪些人離開了？為什么離開？

這里涉及：催化購買、提升客單價、未付款客戶服務、新老客戶分析、關聯銷售、寶貝描述等

那在減少的環節（可以理解為問題所在：為什么減少?）就是我們分析數據的節點。簡單舉個例子，某女裝店。在易購平臺露出較多，但是從數據上看，真正點進店鋪的流量不是很多。這就是分析問題的節點。

我們不禁要思考：為什么導流這么不給力？那些被吸引進店鋪的買家是被哪些元素吸引？沒被吸引的是什么原因？是圖片？是文案？還是關鍵詞？（問題很多，怎么一針見血找到問題的根結？）

其二：還可以從宏觀VS微觀、內部VS外部、橫向VS縱向等分析方法

數據分析的原則和思維

我們要弄清楚一個原則：我們面臨的數據那么多，不應該是數據指導我們，而應該是根據我們的目的去篩選使用數據。因此，在數據分析時，要堅持三要素：目的性、嚴謹性、落地性。

目的性：只有明確的要求才能有目的地去收集、分析相關數據，確保數據分析過程有效。是帶著目的去指揮數據，而不是被數據指揮。
嚴謹性：就是要準確。通過什么工具用什么方法去收集、分析什么相關時間段的數據。

落地性：就是如何做?；跀祿治稣页鰞仍谝幝?，為營銷準備可執行支持。

明確了以上原則性要素后，就可以動手對數據進行分析了

常見有四種數據分析思維方式。

思維一：對照

也就是對比，單獨數據是看不出來問題。通過橫向和別人比，縱向和自己比，問題顯而易見。如下圖對照之后發現了問題想要找到原因，或者根本沒法對比怎么辦？想下拆分，繼續挖掘。

思維二：拆分

舉例：對比店鋪數據，今天的銷售額只是昨天的50%，這個只是發現了問題。至于問題的根源在哪里？向下挖掘?。ㄈ缦聢D，一直找到問題所在）

思維三：降維

數據的維度就是我們數據表格中的那一列列的數據。數據太多對我們的分析造成影響，相關數據可以只保留一項。比如，轉化率=成交用戶數/訪客數，所以轉化率一個指標就可以體現成交用戶數和訪客數兩個指標。
還是那個原則：我們只關心我們這次分析目標有關系的數據！

思維四：增維

何為增維？就是僅僅用現在的數據列表不能直觀達到我要分析的目的。需要增加一列來反應我想要的指標。如下圖

如果我們想看一下“毛呢外套“這個單品的競爭程度怎么樣？如何分析呢？單獨從現有的數據中你是不能直觀得到的。我們發現，搜索指數代表的是需求，寶貝數代表的是供給也就是你的競爭。那么簡單的除法，搜索指數/寶貝數 這個數據就可以用作競爭度的衡量標準！

結語

數據是一個店鋪的眼睛，她記錄著店鋪運營的所有狀況。而作為店鋪的運營人員，能不能從數據中分析出有價值的信息，不僅體現運營者的能力，也會很大程度上影響一個店鋪的銷量。我們應該把數據分析當做必備能力，當做日常運營必須項。