第一章 电商数据分析（课件）《商务数据分析基础与应用》（上海交通大学出版社）

第1章 初识商务数据分析 随着大数据、云计算等信息技术的发展，企业已经从过去的“粗放式”运营转变为当前注重数据分析的精细化运营。本章将引领读者初步认识商务数据分析，商务数据分析指标，商务数据分析流程，以及数据分析师成长规划。 目录contents 01 商务数据分析认知 03 电子商务数据分析流程 02 电子商务数据分析指标 04 电子商务数据分析师成长规划 Part / 01 商务数据分析认知 对于企业来说，商务数据是非常重要的信息资源。企业运营者对商务数据进行科学、有效的分析，所得到的分析结果能够为企业运营提供明确、有效的指导和支持。 1.1 数据与信息 数据 数据是事实或观察的结果，是记录客观事物的性质、状态及相互关系的符号或符号的组合。数据不仅指狭义上的数字，具有一定意义的文字、字母、图形、图像、视频、音频等，以及客观事物的属性、位置及其相互关系的抽象表示也属于数据的范畴。 按照数据的表现形式，电商运营过程中产生的数据可以分为数值型数据和文本型数据。 数值型数据 数值型数据主要由数字组成，多是结构化的数据，例如用户浏览量，购买量等。 文本型数据 文本型数据是指不能参与计算的文字数据，包括中文字符、英文字符、数字字符（非数值型）等，例如用户的留言，评价等。 图像型数据 图像数据（Image Data）是指用数值表示的各像素（pixel）的灰度值的集合，例如淘宝店的产品展示图等。 1.2 电子商务数据分析 电子商务数据分析含义 电子商务数据分析是指运用有效的方法和工具收集、处理数据并获取信息的过程。其目的是从杂乱无章的数据中提炼有用信息，用于指导企业运营和优化。 店铺运营数据 1.3 电子商务数据分析的内容 （1）客户行为数据：年龄，性别等 （2）客户特征数据：购买，使用，评价等 客户数据 （1）产品数据（行业及本身） （2）推广数据 （3）销售数据 （4）供应链数据 运营数据 （1）行业数据：企业所处行业发展相关数据(例如销售额，增长率等) （2）竞争数据：同行企业的对手数据（例如客单价，核心产品数据等） 市场数据 1.4 电子商务数据分析的作用 01 企业运营决策 03 优化企业市场竞争力 02 降低企业运营成本 1.5 商务数据分析的应用 01 市场分析 02 流量分析（宣传分析） 03 产品分析 04 客户分析 Part / 02 电子商务数据分析指标 企业运营者进行商务数据分析时，会构建商务数据分析指标体系，通过分析各类指标来了解企业各方面的运营情况 商务数据分析中常用的指标 指标类型 常用指标 说明 流量类 指标 页面浏览量（Page View，PV） 又称访问量，指用户访问页面的次数，用户每访问一个页面就算一个访问量，用户对同一页面进行多次访问时，访问量累加不去重 独立访客数（Unique Visitor，UV） 在统计时间内访问页面的人数，同一个用户在统计时间内的多次访问只记为一次访问 访问深度 用户在一次访问中浏览的店铺内不同页面的数量，反映了用户对店铺内各个页面的关注程度 平均访问深度 用户平均每次连续浏览的店铺页面数量 页面访问时长 单个页面被访问的时间长度 人均页面访问数 该指标反映了页面的黏性，其计算公式为人均页面访问数＝页面浏览量（PV）÷独立访客数（UV） 跳失率 用户通过相应的入口访问店铺，只访问了一个页面就离开的访问次数占该入口总访问次数的百分比。该指标反映了页面内容对用户的吸引程度，跳失率越大，说明页面对用户的吸引力越小，该页面的内容越需要调整 平均访问时长 总访问时长与访问次数的比值 销售类 指标 拍下件数 商品被拍下的总件数 拍下总金额 被拍下商品的总金额 人均成交件数 平均每个用户购买的商品件数，其计算公式为人均成交件数＝成交件数÷成交用户数 指标类型 常用指标 说明 销售类 指标 当日拍下-付款件数 当日拍下且当日付款的商品件数 当日拍下-付款金额 当日拍下且当日付款的金额 购物车支付转化率 一定周期内将商品加入购物车并支付的用户数占将商品加入购物车的用户数的百分比 浏览-下单转化率 在统计时间内下单的用户数占店铺访客总数的百分比 浏览-支付转化率 在统计时间内支付订单的用户数占店铺访客总数的百分比 连带率 销售的件数和交易的次数相除后的数值，反映的是用户平均单次消费的商品件数 成交总额（Gross Merchandise Volume，GMV） 一段时间内店铺的成交总额。只要用户下单生成订单号，无论这个订单最终是否成交，都可以计入 GMV，即 GMV 包含付款和未付款的部分 销售量 店铺在一定时期内实际销售出去的商品的数量 销售额 店铺产生的总销售额，一般指实际成交金额 销售毛利 商品销售收入与成本的差值 利润 收入与成本的差额，包括其他直接计入损益的利得和损失。利润也被称为净利润或净收益。其计算公式为利润＝收入-成本 利润率 利润率分为成本利润率、销售利润率和产值利润率。本章讨论的是成本利润率，其计算公式为成本利润率＝（收入-成本）÷成本×100% 指标类型 常用指标 说明 会员类 指标 注册会员数 一定统计周期内的注册会员的数量 活跃会员数 一定时期内有消费或登录行为的会员总数 活跃会员比率 活跃会员数占会员总数的百分比 会员复购率 在某时期内产生两次及两次以上购买行为的会员数占产生过购买行为的会员总数的百分比 会员平均购买次数 在统计周期内每个会员平均购买的次数，其计算公式为会员平均购买次数＝订单总数÷产生购买行为的会员总数 客户类 指标 留存率 用户在某段时间内开始访问店铺，经过一段时间后，仍然继续访问店铺的用户被认作留存用户，留存用户占当时新增用户的比例就是留存率 客单价 每一个用户平均购买商品的金额，即成交金额与成交用户数的比值 客单件 每一个用户平均购买商品的数量 消费频率 用户在一定期间内在店铺内产生交易行为的次数 最近一次购买时间 用户最近一次在店铺内产生交易行为的时间距离现在的时间差 消费金额 用户在最近一段时间内交易的金额 重复购买率 一段时间内用户对该品牌商品或者服务的重复购买次数 指标类型 常用指标 说明 商品类 指标 库存量单位（Stock Keeping Unit，SKU） 库存进出计量的基本单元，是不可分割的最小存货单位。简单来说，就是商品的最小识别性属性。一款商品有多种颜色、多个型号，则对应有多个SKU，且各个SKU的编码也不相同。例如，对于一款连衣裙来说，粉红色、S码就是一个SKU，粉红色、L 码也是一个SKU，两者有不同的SKU 编码 标准化商品单元（Standard Product Unit，SPU） 商品信息聚合的最小单位，它是一组可复用、易检索的标准化信息的集合，该集合描述了一个商品的特性。简单来说，属性值、特性相同的商品就可以称为一个SPU，例如，华为Mate 30手机就是一个SPU 在线SPU 在线商品的SPU数量 独家商品收入比重 独家销售的商品所产生的收入占总销售收入的比例 品牌数 店铺内商品的品牌总数量 在线品牌数 在线商品的品牌总数量 上架商品SKU数 店铺内上架商品的SKU数量 上架商品SPU数 店铺内上架商品的SPU数量 首次上架商品数 第一次在店铺内上架的商品的数量 订单执行率 订单执行率＝能够执行的订单数量÷订单总数量×100% 商品搜索指数 商品搜索指数并不等于搜索次数，它反映了搜索趋势，体现了用户对某款商品的关注度 指标类型 常用指标 说明 商品类 指标 商品交易指数 根据商品在交易过程中的指标，如订单数、买家数、支付件数、支付金额等，进行综合计算得出的数值。它不等同于交易金额，其数值越大，说明商品的交易热度越高 采购金额 在一定时间内采购商品的总金额 采购数量 在一定时间内采购商品的总数量 库存金额 仓库中保管的商品对应的总金额 库存数量 在一定时间内存放在仓库中暂时没有出售的商品数量 库存天数 商品在仓库中存放的天数，商品库存时间越长，所产生的库存成本就越大 库存周转率 在某一时间段内库存商品周转的次数，它是反映库存周转快慢程度的指标。周转率越大，表明店铺的销售情况越好。库存周转率的计算公式为库存周转率＝时间段天数÷库存周转天数。其中，库存周转天数＝时间段天数×1/2×（期初库存数量+期末库存数量）÷时间段销售量 售罄率 一定时间内某款商品的销售量占其库存总量或采购总量的比例，其计算公式为售罄率＝销售量÷库存总量（或采购总量）×100% 指标类型 常用指标 说明 市场营销 活动指标 新增访问数 某推广活动所带来的新访客的数量 活动下单转化率 某推广活动所带来的下单的次数与访问该活动的次数的比值 投资回报率（Return On Investment，ROI） 某一推广活动期间产生的交易金额与该活动投资成本的比值 风控类 指标 买家评价率 某段时间参与评价的买家与该时间段内买家数量的比值。该指标反映了买家的评价参与度 买家好评率 某段时间内卖家收到的好评数量与该时间段内卖家收到的评价总数量的比值 买家差评率 某段时间内卖家收到的差评数量与该时间段内卖家收到的评价总数量的比值 投诉率 发起投诉的买家数量占买家总数量的比值 市场竞争类 指标 市场占有率 店铺内某一商品（或品类）的销售量（或销售额）在市场同类商品（或品类）中所占的比值 市场增长率 店铺内某一商品（或品类）的市场销售量或销售额在比较期内的增长比率 Part / 03 电子商务数据分析流程 3.1 商务数据分析的基本流程 明确目标 数据收集 数据处理 数据分析 数据可视化 撰写数据分析报告 Part / 04 电子商务数据分析师成长规划 电子商务数据分析师是专门从事数据收集、整理与分析工作，从数据中挖掘有价值的信息，并运用数据制作数据分析报告的人员。在大数据时代，越来越多的企业运营者开始重视数据中蕴含的价值，也对数据分析师这类人才提出需求。 4.1 数据分析师的能力要求 01 熟知企业业务 数据分析师要熟知企业所属行业的相关知识、企业业务及相关流程。 02 掌握数据分析方法 数据分析师要掌握一定的数据分析基本原理和一些有效的数据分析方法，了解不同的数据分析方法适用的情景。 03 懂得运用数据分析工具 数据分析师要懂得运用Excel、SQL Server、SPSS、SAS和R语言等数据分析工具来开展数据分析工作。 04 具备设计能力 数据分析师要懂得使用图表来展现数据背后隐藏的信息、数据之间的关系等，能够撰写数据分析报告。 4.2 数据分析师的工作方向 偏业务型数据分析师 偏业务型数据分析师的工作内容侧重于运用数据为企业业务的正常开展提供服务，例如整理和输出日常业务数据、开展专项业务数据分析、研究市场数据等。 比较常见的偏业务型数据分析师有市场分析师、数据运营师、网站分析师等。 偏技术型数据分析师 偏技术型数据分析师的工作内容侧重于收集与存储数据、整理与清洗数据、搭建数据平台、开发和维护数据智能产品等。 比较常见的偏技术型数据分析师有数据工程师、挖掘工程师、数据科学家、建模工程师、数据架构师等。 $$