10年數據分析師整理，電商數據分析這麼做才對嘛！

數據分析那些事

Jun 15, 2023

https://mp.weixin.qq.com/s/M1gwfPL3-AFol7QTq3vUBA

在這種流量見頂，消費者選擇權很大的時代，做電商已經不能局限於單一電商平臺，自然做電商分析也不能只盯著單個平臺的數據了。

如果你只是需要單個平臺的數據，那淘系的官方平臺生意參謀、位元組系的官方平臺抖音電商羅盤、阿里媽媽、巨量引擎這類已經完全夠用了，具體去深入瞭解一下各個平臺的數據該怎麼利用起來吧。

如果你涉及多個平臺，對行業數據、業務數據、電商數據都有分析需求，想要用數據分析賦能業務，找到增長點的話，那就很有必要學習一下BI工具。

下面給大家講一下怎麼用BI逐個擊破電商分析的難題。

01 電商數據分析的難題

第一個問題：電商平臺沒介面，人工下載數據浪費時間，滯後性差。

現在的電商分析需要的數據來源很多，比如行業的數據像淘數據、百度指數數據、魔鏡市場情報等，業務系統的數據像旺店通、ERP、OA等，當然還有各大電商管道的數據像淘寶、抖音、京東等。平時的做法就是人工下載，找個營運花半天時間專門去各個平臺下載數據，再進行分析整理，效率低、錯誤率高。

用Fine BI工具是能夠實現全自動取數的，主要使用的手段是RPA+API。可以這麼理解，RPA是個機器人，你給它發出一個指令比如：根據提供的商品和競品的ID清單，進入生意參謀平臺競品分析中下載分析報表，並進行環比計算，它能在半個小時之內給到你想要的數據。機器人可以以100%正確率連續工作，而且比爬蟲安全，不至於導致店鋪被封。

第二個問題：不同電商平臺的指標名稱和報表格式不統一，整理難度大。

同樣的數據在不同的平臺裏面的命名方式是不一樣的，比如對於“店鋪名稱”這個字段，有的平臺叫“推廣管道名稱”，根本匹配不起來。Fine BI則能通過對含義相同但命名方式不同的字段進行關聯整合，輸出面向投放分析的業務主題包。

第三個問題：電商數據要怎麼分析，才能找到業務增長點？

前面兩個問題都是依靠FineBI本身功能去解決，這裏的數據分析是實實在在需要你學習的，下面我通過營運監測場景下的一個案例跟大家分享。

背景：某電商企業在日常的經營過程中，產生了大量的經營數據，這些數據包含了豐富的經營技巧和市場規律。傳統分析方式通過報表或報告，只能一次性分析不能持續監測，既費時費力也不及時，還容易出錯。於是選擇用BI進行數據清理和監測分析。

分析思路：通過日、月、年維度創建三個聯動的營運監測平臺，各組件間不但能夠聯動並且範本間也可跳轉，建設一個可持續使用的營運監測平臺。

02 完整分析過程

①業務總覽

可視化形式：儀錶盤+文本圖

重點關注指標：銷售額（同比、環比、完成率）、毛利額（同比、環比、完成率、毛利率）、訂單數、客戶數、客單價、連帶率等。

以2018年12月30日日累為例，銷售額2.9萬元完成率超過了95%，並且同比環比都大幅度增長，但毛利額僅610元完成率不到20%，同比環比增長也大幅下滑。通過業績總覽我們發現折扣金額（6千元）和負毛利額（負3千元）偏大，主要原因可能是年底大促銷導致毛利額下降。

②區域業績分析：

可視化形式：地圖

重點關注指標：銷售額、毛利率、業績分佈、區域經理業績排行等。

以2018年12月30日日累為例，首先可以看出當日西南區無銷售，華北地區銷售額最高1.1萬元，同比增長187.9%，其中河北占比最多70.1%。從業績總覽我們得知毛利額低並且負毛利額高，從地圖中我們發現華東毛利額-1300元，並且負毛利額接近總負毛利額的一半，華東銷售人員可能為了實現年底目標，降價促銷。

③近幾日/月/年業績趨勢：

可視化形式：折線圖、柱狀圖

重點關注指標：銷售額、客流量、客單價、連帶率等

以2018年12月30日日累為例，當日銷售額超過了平均值，但毛利額低於平均值，主要原因是負毛利額較高，遠高於平均值。當日客流是近30日最大客流，但客單價遠低於平均值，可能是促銷所致。當日退貨率不高僅6%，遠低於平均值。

④訂單及客戶分析：

可視化形式：餅圖、柱狀圖

重點關注指標：郵寄方式占比、銷售額top10客戶占比等

以2018年12月30日日累為例，當日有38.3%的銷售額來自500–1000元商品，超過一半的訂單以標準級的郵寄方式發貨，其中銷售額和訂單最多的是消費者。前十名中大部分是消費者，消費金額最高的是公司類型的洪強。

⑤會員分析：

可視化形式：RFM模型、波士頓矩陣、餅圖、分組表

重點關注指標：客均銷售額、會員銷售額等

a）RFM分析：

通過矩形樹圖展示RFM各分類下用戶數量及占比，餅圖展示各類下銷售額及占比，柱狀圖展示各類客均消費額排行。

通過下圖可以看出一般挽留客戶數量最多，占比21.1%；重要保持客戶銷售額最高，占比接近30%；客均銷售額最高的是重要保持客戶和重要價值客戶，分別是4萬元和3.9萬元。

b）價格敏感度分析：

通過波士頓矩陣分析客戶對價格的敏感度（氣泡大小展示銷售額大小），餅圖展現各象限下的銷售額和會員數量。第一象限：高折扣高價格第二象限：低折扣高價格第三象限：高折扣低價格第四象限：低折扣低價格

透過下圖可以看出第二象限會員數占比最多的，接近40%，銷售額占比超過50%。其次是第一象限，會員數占比22.4%，銷售額占比25.8%。這兩象限共同特點是對高價格商品不敏感，不同之處是第一象限喜歡折扣商品，第二象限對折扣不敏感。銷售人員可以根據客戶特徵制定自己銷售策略。

c）會員特徵詳情：分組表展示會員的主要特徵，根據上面的分析結果直接篩選出想要的會員。

⑥品類分析：

可視化形式：矩形數圖、餅圖、明細表

重點關注指標：銷售額、銷售量、毛利率、退貨率等

通過矩形樹圖展示各品類業績分佈情況，餅圖展示品類銷售額按占比情況，分組表展示銷售額Top10商品和退貨商品。以2018年12月30日日累為例，辦公用品銷售額最高1.2萬元（42.6%），其中器具占辦公用品最高59.6%。銷售額前兩名的產品分別是Hoover微波爐和三星信號增強器，分別為4313遠和3189元。有三個產品出現退貨，退貨率分別為100%。