雙十二剛剛開始，各位是否已經收到自己的包裹了呢？DT(Data Technology)時代，大數據、數據分析早已不是新詞彙。就連街邊外賣小哥也能對此侃侃而談。但是，我們真的瞭解數據分析嗎？我們真的知道如何做深入的數據挖掘嗎？我們真的利用數據做聰明的決策了嗎？
電商領域的數據分析
數據分析簡單來說就是研究數據的趨勢與變化，從而反推用戶行為，為決策提供支撐。今天小編將通過幾個電商運營中的例子，講述數據分析真正的價值所在。眾所周知，電商運營中數據指標，橫向縱向維度相當複雜。我們希望通過摘取幾個典型的指標，不在面面俱到，旨在說明問題。
- PV（Page View）, 即頁面訪問量，並且累計
- UV （Unique Visitor），即獨立訪問用戶數，相同客戶端只計算一次
- 轉化率，即流量轉化為下單行為的比例
- GMV (Gross Merchandise Volume)，即成交金額，不考慮取消訂單、未支付、退貨退款等流失量
案例1
我們先來看第一個例子，某電商品牌通過對比各用戶端下單量（如圖一），發現微信公眾號下單量佔比少，於是準備通過推出線下活動推廣公眾號。
運營同學們立馬推出了關注公眾號送小禮品的活動。我們可以通過下圖二看到活動期間新增用戶每天都有穩步增長。
但是通過對流量數據（如圖三）的監控發現流量並未顯著增加。11月6號為公眾號推送線上活動當天，流量類數據（PV,UV）反而出現了下降。這是為什麼呢？
對此我們可以有這樣的推斷：
- 線上活動推送的當天，有效用戶一定會點擊瀏覽；而無效用戶由於當時只是為了領取禮品而關注，看到推送消息後，自然是取關了，並沒有增加流量。
- 本身關注送禮品的活動並不能有效的區分用戶，並且用戶關注幾天之後馬上推送線上活動，太過突兀。可以實現推送一些吸引人增加用戶信任度的文章培養用戶，然後再推出線下活動，效果可能會更好。
案例2
於是，運營的小夥伴們又調整了推廣活動，改為關注領取優惠券，邀請好友雙方可領券等活動。通過一段時間的數據監控，我們得到如下圖。新增用戶，訪問量都顯著增加了。說明推廣活動起到了一定的效果。
但是公眾號端下單佔比還是沒有很大的提高。
對此，我們推測：
- 新增流量沒有創造有效下單，公眾號下單缺乏客服服務支持，是否需商品的詳情頁足夠吸引人，是否提供了充足的信息，比如是否包郵，是否支持無理由退貨等。
- 領取優惠券相比於關注送禮品從一定程度上已經篩選了有意願下單客戶，但是還是不夠清晰。因此我們可以通過新關注公眾號人數中，掃碼關注與轉發關注人數佔比看出真正的有效用戶。理論上轉發關注人數代表了用戶對此感興趣，並且願意推薦給好友。從下圖七中我們可以看到轉發關注人數佔比相對較少。因此運營團隊需要重新檢查比如優惠力度是否吸引人，優惠券是否有門檻，商品的標題文案等等。
寫在最後
以上是兩個很簡單的例子，實際的電商運營要複雜的多，但是原理是一樣的。都是通過建立模型指標，發現問題，推斷用戶行為，進而調整運營策略。同時，即使一份很好的數據結果背後仍然有很多可以挖掘和提升的地方。那麼問題來了，說了這麼多，我們用的這麼強大的建模分析工具是啥呢？我們用的自然是微策略的強大的商業智能數據分析套件。
關於微策略
MicroStrategy（Nasdaq: MSTR）是全球領先的企業分析和移動軟件和服務提供商。我們的使命是使每個企業都成為更智能的企業™。MicroStrategy 2019在開放，全面的企業平臺上提供現代分析，旨在通過聯合分析，移動轉換和沉浸智能推動業務成果。
我們會每週推送商業智能、數據分析資訊、技術乾貨和程序員日常生活，歡迎關注我們的頭條&知乎公眾號“微策略中國”或微信公眾號“微策略 商業智能"。
閱讀更多 微策略中國 的文章
