電商數據分析案例分享，了解電商數據分析的意義

一、主要路徑分析

一切能夠進行產品推廣、促進用戶使用、提升用戶粘性和留存、用戶自傳播、讓用戶付費的行為都可以稱為運營。在運營中我們可以用AARRR增長模型將產品的運營路徑拆分為：激活、注冊、留存、下單、傳播，然后根據每個路徑進行分析，從而優化產品和運營策略。

1. 激活

不同行業和模式的激活方式都不太一樣，例如：之前我們做的體育app激活方式為——從跑步群里面導入用戶和微信公眾號導入，先把目標用戶沉淀在微信群，然后利用大型馬拉松的名額來吸引他們呼吁用戶下載app進行報名。

然而對于B2B的電商平臺，用戶激活主要以地推和客服推廣為主。因為入駐平臺需要一定的資質證件，且用戶自發性地在網上注冊的比較少，但地推方式激活的相對成本較高。

2. 注冊

注冊的時候，常常會因為某個步驟文案描述不清或流程復雜，要求上傳的證件太多等原因讓用戶流失。這時候，我們就可以用漏斗分析用戶是在哪個步驟流失嚴重，分析具體原因后再進行產品優化。

3. 留存

用戶激活和注冊后我們需要看用戶的留存率，每個應用對留存的時間定義都是不一樣的。例如：

對于社交軟件而言，如果3天不登錄可能就被標記為流失用戶；

對于我們現在做的醫藥電商來說，一般用戶的采購周期在15天左右，所以我們把超過15天沒下單的用戶稱為流失用戶，對于流失用戶我們一般會采取和發送優惠券的方式促進他再次下單。

4. 營收

我們需要理解到：作為電商平臺只有平臺提供的商品價格、品類、物流服務有吸引力后，用戶才愿意來下單。

如果用戶在需要購買該商品的時候沒有下單，那多半是自身的商品和競爭對手相比，在價格和服務上吸引力不夠。這時候我們就需要通過爬蟲爬取競爭對手的商品數據，然后調整自己的定價和適當做一些營銷活動來吸引客戶。

5. 傳播

由于我們獲客成本比較高，因此讓用戶自傳播的方式去拉新也是一種可行的營銷方式，針對這個，我們做了邀請好友得優惠券的方式，鼓勵用戶去幫我們拉新。

二、行為數據分析

分析的目的：了解用戶的使用習慣、使用路徑以及使用頻率，從而得出用戶更偏向于使用哪些功能，驗證產品用戶體驗是否做得好，上線的運營活動是否受歡迎等。

做行為數據分析之前，首先我們需要做埋點，埋點可以采用第三方埋點和自己做埋點。各有利弊，這個需要結合公司來做決定。

下面是我們之前做的埋點的表格和用戶每次行為記錄的字段。埋點主要分為點擊事件和頁面曝光兩類，然后又可以根據頁面曝光事件來統計頁面的停留時長和用戶的路徑。

用戶每促發一次事件需要記錄的字段（具體還需要根據公司需要采集的數據而定）：

• source; //來源 001-app 002-pc
• logined; //是否已經登錄 1-是，0-否
• typeUser; //用戶的類型 001-采購商 002-供應商
• userId; //用戶的id
• codePage; //頁面對應的代碼
• numEvent; //事件編號
• nameEvent; //事件名稱
• codeEvent; //事件代碼
• typeEvent; //事件類型
• timeEvent; //事件發生的時間
• purchaserId; //采購商id
• ip; //作用是解析地址或識別客戶
• province; //事件發生的省份
• city; //事件發生的城市
• os; //操作系統,android或ios
• mfrs; //生產廠商 如：華為，OPPO，蘋果，VIVO
• typeUnit; //設備型號 如：榮耀R10，OPPO R7，iphone X，VIVO X20
• versionSystem; //系統版本 如：android 5.0
• wifi; //是否使用wifi，1-是，0-否
• firstId; //一級id
• secondId; //二級id
• fromPage; //上一頁
• toPage; //下一頁
• url; //
• parameter; //參數，同一事件可能包含多個參數
• property; //屬性，與參數對應
• proJson; //KEY-VALUE對的JSON形式
• remark; //備注

埋點記錄的類型和規則

行為數據需要分析的內容

對于電商平臺來說主要分析的點有：

1. 用戶的注冊路徑：分析每個注冊步奏的轉化率，在轉化率低的步驟分析原因，然后進行產品優化。

2. 用戶的購買路徑： 首頁-搜索-購物車-提交訂單頁-支付頁，通過每個路徑的轉化率來分析用戶在哪個階段流失最嚴重，然后去分析用戶流失的原因。

例如：之前我們分析到用戶在購物車到提交訂單頁流失得特別嚴重，后面經過分析得出商家設置的最近購買金額太高，導致用戶達不到購買金額而提交不了訂單。后面我們和商家協商降低最低購買金額后，轉化率提升了不少。

3. 分析運營上線的營銷活動的用戶點擊率、通過活動加入購物車購買的商品數量，從而去評判運營的活動質量。

4. 分析哪些功能是用戶經常使用的，哪些是不常用的，經常使用的功能我們要力爭做到最好以提升核心競爭力。

例如：通過數據分析，我們得出用戶購買商品最常用的功能是搜索而很少會通過推薦或分類去加入購物車，因此我們花更大經歷去優化搜索功能。

三、用戶分群分析

在數據分析中，我們需要將具有共同特性的用戶分類管理，然后更具不同的類型采用一樣的營銷方式。

我們會根據RFM模型來分類：

• R（Recency）代表下單離當前的時間，距離越近代表客戶約優質；
• F（Frequency）代表下單的頻率，頻率越高代表用戶對我們平臺約認可；
• M（Monetary）代表下單的金額，消費金額體現用戶的消費潛力。然后根據不同的指標然后給予打分。

例如：我們會將時間周期定為三個月（由于一般用戶采購周期比較長，但是具體的時間需要根據行業的不同而不同），針對最近下單時間打分，距離當前時間在6天之內下過單的打5分，7到12天的打4分以次類推。

針對用戶的下單頻率打分，大于5單的給5分，4單給4分，以此類推。

根據用戶的采購金額打分，大于5000元的打5分，大于4000元的打4分，以此類推。

經過打分，我們算出每個用戶的得分，算出得分后我們就可以將用戶根據得分分成不同的群體：

分群后就可以針對不同的群里使用不同的營銷策略，針對高價值用戶我們通常不需要再去管理。

對于低貢獻用戶我們需要去分析——是用戶本身購買力不強還是平臺的商品優惠力度不夠。若是商品優惠力度不夠，我們可以采用推送優惠券給對方的形式，讓用戶回到平臺購買。若是用戶本身購買力不足，我們需要刺激夠用的購買欲望。