只需三步,電商運營的數據分析輕鬆搞定

文|數據大牛

很多第一次做電商運營的人都不知道要看什麼數據,我之前也做過互聯網運營,一開始無非就是看看PV、UV,分許分析流量就完事了,但是很快老闆就會發現我的分析結果根本沒有任何價值,因為分析這些東西根本毛用都沒有!

後來我才知道,不是分析方法和內容不對,而是沒有關注到重點的數據

本文將以店鋪運營為例子,簡單介紹一下如何對電商運營進行數據分析。

一、店鋪的流量分析

在如今流量越來越珍貴的運營環境中,要清楚地知道店鋪的流量從哪兒來,到哪兒去,流量最常經過哪兒,以及流量路徑如何構建與優化,是所有電商從業者關注的焦點。

要知道流量從哪來,首先,先來科普一下基礎知識,來了解店鋪流量來源及轉化質量

只需三步,電商運營的數據分析輕鬆搞定

如圖,我們能瞭解到店鋪的主要來源有站內搜索、站外搜索、硬廣、直通車、直接訪問、活動流量等。這其中,每一種來源的流量都有巨大的特徵差異。其中直接訪問類的流量轉化率較高,直通車與搜索次之,硬廣與活動流量的轉化率較低。

只需三步,電商運營的數據分析輕鬆搞定

當在分析天貓,淘寶流量時這些都是我們經常參考的數據

最後,我們還可以使用類似的方法,在店鋪有大型促銷活動時,為店鋪建立每日流量跟蹤記錄,以便及時發現並把握最有質量的流量渠道

只需三步,電商運營的數據分析輕鬆搞定

通過上表,我們可以發現:

1 )無線端的流量佔到全店的74%,但轉化率卻遠遠低於PC端,因此這家店鋪的問題是應該想辦法優化提升無線端的成交轉化率。

2 ) PC端中,來自男裝會場和聚划算的流量較高,佔全店鋪流量的18% ,因此這兩個渠道來源的流量應被視為重點流量,認真檢查好承接頁的商品及頁面效果。

二、店鋪的流量分析

在數據分析時,商品一般有兩種狀態:已銷售商品和庫存商品。因此,有關商品的分析也可分為兩大方向:銷售分析和庫存分析。

1.商品的銷售結構分析

商品的銷售結構是指對店鋪某段時期內的所有銷售商品進行分類彙總,然後再進行數據統計與分析。通過商品的銷售結構分析,可以為店鋪運營者梳理清楚店鋪當前的主銷商品,以及其銷售表現,從而為運營者及時調整和優化銷售策略提供可信的數據支撐。

在分析商品的銷售結構時,可以按照商品年份、季度、波段、大類、小類、價格帶、折扣帶等指標來進行分類彙總。具體使用哪些指標和維度,需要根據實際分 析需要來選擇。

下面我們通過兩個案例來說明:

案例一:銷售品類綜合分析

只需三步,電商運營的數據分析輕鬆搞定

如圖所示是三家電商店鋪在第三季度的商品銷售情況

這是按商品品類(襯衫、T恤等)對第三季度銷售商品進行分類彙總的,同時每個品類均從銷售金額、銷售數量、件單價三個指標進行統計,並且為了便於分析,三個指標都加上了同期數據供參考。

從圖中,我們可以獲得以下信息:

  • 僅以”襯衫”與"T恤”而言,Q3季度襯衫的銷售額是T恤的2~3倍;
  • T恤的件單價全線都比去年高50 ~ 100元。其中京東渠道的較高,達到102元;
  • 襯衫的件單價在唯品會渠道出現了全季度同比下跌,而京東渠道則全季度同比上升。應與兩個渠道不同的銷售策略有密切關係;
  • 如果將上表擴大到所有類目的數據,則可以對所有品類按銷售貢獻進行排名,然後據此判斷各個品類的銷售表現是否在應有的品類生命週期表現之內。

根據這些信息,我們可以進行“運營覆盤”, 以銷售結果來反推前期的運營策略是否正確,並加以調整與優化。

譬如根據上表中"襯衫的件單價在唯品會與京東兩個渠道中截然不同的表現”, 我們便需要反思,在前期運營中唯品會渠道的商品折損是否沒有控制好?抑或是有意將兩個渠道襯衫上的商品款式”完全錯開”的策略所導致的?

案例二:銷售與退貨分析

只需三步,電商運營的數據分析輕鬆搞定

如圖所示是某時間段內,店鋪銷售與退貨分析的數據表。這份表是根據品類( T恤、半截裙、毛衣等)來分類彙總,並且按價格帶細分之後統計的銷售與退貨數據。

這些表格數據能為我們帶來哪些信息呢?!

這份表我們可以分別用’平均折扣‘’退貨率’ ‘銷售額’ 來做一個倒序排列,根據這種方式,可以找出店鋪的'高利潤款’ 高退貨款’ '暢銷款’ 。 然後針對不同的款來制定不同的銷售策略。

  • 在圖中,400元以下的恤衫和400元以下的半截裙,平均銷售折扣分別是0.78和0.84,毛利率足夠高了。可是銷量卻沒有起來,兩者的銷售佔比還不到2%。
  • 從“高退貨款”的角度來看,實銷價高於800元的毛衣和恤衫,其退貨率高達47%和54% ;而同樣是售價高於800元的半截裙退貨率卻只有32%。有可能這家店鋪的毛衣與恤衫與其他競品相比優勢並不明顯,而半截裙卻是這家店鋪的優勢品類。
  • 從暢銷度的角度來看,銷售額靠前的分別是800元以上的外套、400 ~ 800元區間的毛衣、400 ~ 600元區間的半截裙;而且,除外套外,毛衣與半截裙的退貨率與銷售折扣都在合理範圍之內。因此可以確定這三者的主推地位。

在圖表中,從“利潤、銷售與退貨“的角度分析,就能夠從商品的運營角度來平衡三者關係。

三、店鋪的用戶分析

在電商的用戶分析中,活躍度分析是非常重要的分析內容。用戶的活躍性越高,店鋪的復購率就越高。因此,店鋪運營人員其中一個非常重要的工作就是要關注店鋪的“活躍用戶群體”。

尤其是大型促銷開始之前,店鋪運營者便會通過微淘、短信、郵件以及其他傳播工具進行“客戶喚醒與激活”。在此場景下,我們便需要為其提供“用戶清單”, 以便運營者能夠有針對性地喚醒用戶。

下面,我們以某電商店鋪的大促活動為例,驗證如何通過數據來為運營提供指導。

首先,在大促開始前7天,我們需要統計出店鋪最近12個月內的用戶活躍度數據分析表(見下圖) , 通過此表可以對店鋪的”活躍用戶””沉睡用戶””即將流失客戶” 進行分類統計,以便於我們對店鋪用戶結構建立整體的認知,並且為接下來制定“用戶喚醒”與“用戶挽回” 方案提供數據性參考。

只需三步,電商運營的數據分析輕鬆搞定

圖為某店鋪最近12個月內用戶活躍度分析表

"關於‘活躍度’ ,每家公司都有不同的分類標準。一般的做法是:最近30天內有過消費的客戶稱為 ‘活躍用戶’, 最近(連續) 60天內沒有消費記錄的客戶稱為'沉睡用戶’, 最近 (連續) 90天內沒有消費記錄的用戶稱為'即將流失客戶’。

其次,當店鋪運營人員看到上圖所示的數據後,便需要考慮如何為本次大促活動設置適合的用戶激活方案。

針對不同類型的用戶,刺激的力度與文案的企劃也應該有所不同。其中針對沉睡客戶主要以“喚醒”為主,常見的舉措是告知本次促銷力度,以及提供適量額度的優惠券;針對即將流失客戶,除了告知促銷信息與力度外,還需要提供較高額度的優惠券,另外,最好再配上走心的文案。

同時,根據”待喚醒”與”待挽留”人數,還可以推算出本次優惠券的使用率以及折損金額。譬如根據筆者在運營某渠道電商店鋪時,曾多次根據以上邏輯,在大促活動中向約5000名即將流失客戶發送”情懷短信”以及“高額優惠券”,發現挽回率可達1.8%左右。

也就是說, 5000名目標用戶中,每次大促活動中激活約90名用戶。

按客單700元計算,在當次大促活動中被挽回用戶可以為店鋪貢獻約6.3萬元的銷售額,但是更重要的是,本次挽回成功,可以使用戶在接下來的一段時間內成為”沉睡用戶”或者”活躍用戶”,相對而言 ,這種隱形的意義對店鋪來說要更大一些。

而90名用戶即使人人都使用50元的代金券,店鋪的折損也不過是4500元而已。雖然相比於直通車等收費流量的推廣成本,這種手段的”獲客成本”更高,但是勝在更精準,挽回的客戶更符合品牌調性,也就更有質量。

最後,既然運營人員需要進行喚醒與挽留計劃,自然便需要與這些長時間不來店鋪消費的用戶建立起某種連接通道才可以。最直接的“通道”是用戶的購買記錄,找到客戶的收貨信息(手機號) , 然後進行短信營銷。


分享到:


相關文章: