商务数据分析与应用学习笔记
一、数据分析认知
大数据：样本量大、数据种类多样性、价值、高速。
1. 商务数据分析目的
（1）了解现状
流量来源分析：多少流量，流量来自哪里。
客户行为分析：多少客户，具有哪些属性。
（2）挖掘原因
转化率分析：流量多，但订单少；退货和退款率高。
订单漏洞分析：看的人多，买的人少。
（3）预测趋势
营销统计与预测：销售额、客户流失量、推广费
二、数据分析流程
1. 明确目标
反映现状、解决问题、期望效果、创造消费机会
2. 规划框架
分析的整个流程、分析维度、所需的数据/时间段、数据分析所需的各环节、不同业务的具体数据
3. 数据获取、筛选处理
来源：业务系统、网站、第三方平台
筛选：完整、准确、一致
准确性、可比性、全面性
4. 数据分析
方法：定向性、检验性、探索性
可视化：
5. 总结评估
实现数据价值的桥梁
三、指标体系
1. 指标体系划分
总体运营指标：
流量类：独立访客数（uv）、页面访问数（pv）、人均页面访问数（pv）
订单产生效率指标：总订单数量、访问到下单转化率
总体销售业绩指标：成交金额（GMV）、销售金额、客单价
整体指标：销售毛利、毛利率
网站流量类指标
流量规模指标：独立访客数（uv）、页面访问数（pv）
流量成本指标：访客获取成本
流量质量指标：跳出率、页面访问时长、人均页面访问数
会员类指标：注册会员数、活跃会员数、活跃会员率、会员复购率、会员评价购买次数、会员回收率、会员留存率
销售转化指标
购物车指标：加入购物车次数、加购物车买家数、加购物车商品数；购物车支付转化率
下单类指标：下单笔数、下单金额、下单买家数；浏览下单转化率
支付类指标：支付金额、支付买家数、支付商品数；浏览支付买家转化率、下单支付金额转化率、下单支付买家转化率、下单支付时长转化率
交易类指标：交易成功订单数/金额/买家数/商品数；交易失败订单数/金额/买家数/商家数；退款总订单量/金额/退款率
客户价值指标
客户指标： 累计购买客户数、客单价
新客户指标： 新客户数量、新客户获取成本、新客户单价
老客户指标： 消费频率、最近一次购买时间、消费金额、重复购买率
商品及供应链指标
商品总数指标： SKU数、SPU数、在线SPU数
产品优势性指标：独家产品收入比重
品牌存量：品牌数、在线品牌数
上架：上架商品SKU数/SPU数/在线SPU数/商品数/在线商品数
首发：首发上架商品数/在线商品数
营销活动指标
市场营销活动指标： 新增访问人数、新增注册人数、总访问数、订单数量、下单转化率、ROI
广告投放指标： 新增访问人数、新增注册人数、总访问数、订单数量、uv订单转化率、广告投资回报率
风险控制指标
买家评价指标： 评价数、评论上传图片数、评价率、好评率、差评率
投诉指标： 发起投诉数、撤销投诉数、投诉率
市场竞争指标
市场份额指标： 市场占有率、市场扩大率、用户份额
网站排名： 交易额排名、流量排名
2. 分析数据指标方法
- 流量增长因素：PC、APP
- 客单价增长因素： =人均购买件数*件单价
- 转化率因素：详情页到达率、下单转化率、支付成功率
3. 指标思路
先后顺序的漏斗：入站uv、浏览商品详情页、提交订单、支付成功；
参与深度漏斗：访客数、登录访客数、点赞评论、原创
四、数据分析方法
大数据常见的分析方法有基础统计方法、关联规则方法、聚类方法、分类方法和回归预测方法
1. 比较分析
静态比较是同一时间条件下不同总体指标比较，也叫横向比较；
动态比较是同一总体条件不同时期指标数值的比较，也叫纵向比较。
2. 交叉分析
分析两个变量之间的关系
3. 趋势分析
按时间发展的顺序来进行预测，主要用于不规则性数据，也不考虑数据间的因果关系。
移动平均法、指数平滑法、季节分解法。
4. 多渠道归因分析
对完成转化时，各渠道贡献进行分析
5. 综合分析
权重
6. 漏斗图分析
五、流量来源分析
店内流量：质量最高的，店铺收藏、直接访问、购物车、已买到的商品、宝贝收藏
站内流量：免费流量（搜索、首页类目）、付费流量（钻石展位）
站外流量：除了平台以外的所有渠道，搜索行为、硬广告、社会软文转化、社区互动工具、直接访问
六、成交转化率分析
达到店铺产生购买行为的人数与所有到达店铺人数的比率。
- 常用指标
call in转化率=咨询人数/访客数
询单转化率=咨询后支付人数/咨询人数
静默转化率=直接拍下付款人数/访客总数 - 影响转化因素的分析
call in转化率：网站页面、销量口碑、页面设计、销售；
询单转化率：售前咨询、售中催付
七、网店商品分析
- 指标
库存、销售状况、动销率、出货率、存销率、产销率、售罄率
销售状况分析：同环比趋势、实际销售与计划的差距
价格带：商品销售价格上限与下限之间的范围
网店商品结构：引流款、利润款、活动款、形象款
八、网店客服服务分析
不同阶段、不同客服团队规模的绩效考核组成要素相同：工作态度、工作能力、销售业绩
九、 行业数据分析
1. 行业生命周期分析法
利用行业周期分析方法需要分析的内容：
行业趋势：权威报告、数据，各电商平台数据
市场规模：阿里指数、货源分析、热门
买家情况分析：地域分布、热搜地域、年龄段、性别
竞争对手分析：竞争对手销量、收藏量、价格、客户评价
方法
行业生命周期分析图：初期、成长期、成熟期、衰退期；
国民经济变动的密切程度分类：增长性行业、周期性行业、防御性行业、增长/周期性行业
经济结构分析：
行业上下游关系： 行业相互需求
行业外部因素： 技术变动、政府政策
2. 波特五力模型分析法
行业形势的衡量指标，企业的平均盈利空间
新进入者的威胁、替代品的威胁、供方的议价能力、买方的议价能力、竞争对手的竞争能力
十、 客户行为分析
1. 分析客户的价值度
客户的忠诚度：最近购买商品的种类、最近购买的时间（R）、购买的频率(F)
客户的消费能力：平均每次交易额(M)、单次最高交易额
RFM客户分类： 求取总体平均值，再分别判断是大于还是小于总体平均值，据此分类：
重要保持客户：最具忠诚度、最有购买力、最活跃
重要发展客户：活跃度高但购买频次低
重要保持客户：
重要挽留客户：
。。。
2.客户分析的主要内容
客户价值分析
用户画像分析：标签的集合
客户留存分析
十一、 订单漏斗分析
1. 漏斗模型的原理
成交转化率：全店的销售额=成交人数*客单价
成交人数=访客数 * 全店的成交转化率
流程示意图：商品浏览页—>加入购物车—>提交订单—>支付完成—>完成交易
商品浏览：页面浏览量PV、贡献用户数、日均流量、人均访问数、平均停留时间、平均访问页数
加购物车：加入购物车买家数、加入购物车次数、加入购物车商品数、加入购物车时间节点
提交订单： 提交订单金额、提交订单商品数、提交订单买家数、加入购物车后的下单转化率
支付： 支付金额、支付买家数、支付商品数、支付买家转化率/支付金额转化率/各订单支付时长分析
完成交易： 交易成功（订单数、商品数、买家数、金额）、交易失败、退款统计。
2. 订单漏斗模型的目标
使潜在的需求客户达到实际购买消费的目的，发现达不到指标的环节
十二、 店铺优化方案实施与效果评估
1. 店铺运营评估
流量：直接决定网店市场份额
转化率：一般1%
客单价：
返单率：回头率
推广ROI：不能一味求短期效果
活跃用户：
商务数据分析与应用学习笔记相关推荐
- 数据分析之pandas学习笔记（六）（层次化索引、重塑、轴向旋转、行列变换、合并表数据）
数据分析之Pandas学习笔记(六)(层次化索引.重塑.轴向旋转.行列变换.合并表数据) level层次化索引 unstack()与stack()进行重塑,即:行列索引变换 swaplevel()交换 ...
- Python预测 数据分析与算法 学习笔记（特征工程、时间序列）
微信公众号:数学建模与人工智能 GitHub - QInzhengk/Math-Model-and-Machine-Learning 第3章 探索规律 3.1 相关分析 相关关系是一种与函数关系相区别 ...
- Python爬虫、数据分析、可视化学习笔记（一、梦开始的地方）
系列文章持续更新中...... 文章目录 一.工具及环境配置 1.Python3.8(官网下载) 2.Pycharm(官网下载) 3.Anaconda(官网下载) 4.环境配置(传送门,感谢前人栽树) ...
- 利用python进行数据分析第二版学习笔记
行话: 数据规整(Munge/Munging/Wrangling) 指的是将非结构化和(或)散乱数据处理为结构化或整洁形式的整个过程.这几个词已经悄悄成为当今数据黑客们的行话了.Munge这个词跟Lu ...
- tableau 实战练习数据源分享_数据分析实战训练营学习笔记
数据分析思维与业务流程(已学习) 数据分析中预测未来.优化现状.总结规律的作用 数据分析师的职业需求与发展趋势 课程规划 行业业务模式.利润构成讲解 行业问题的确认与数据指标拆解思路 行业问题的解决流 ...
- [转载] Python数据分析与可视化学习笔记（一）数据分析与可视化概述
参考链接: Python | 数据分析的数学运算 数据分析与可视化(一) 1.1 数据分析1.1.1 数据.信息与数据分析1.1.2数据分析与数据挖掘的区别1.1.3数据分析的流程 1.2 数据可视化 ...
- python数据分析与挖掘学习笔记（7）-交通路标自动识别实战与神经网络算法
这一节主要涉及神经网络算法,由此展开交通路标自动识别的应用. 交通路标的自动识别其实就是一个分类问题.对于分类问题,我们有很多的方法来实现,比如KNN,贝叶斯等.关键点在于图片转文本.本节采用人工神经 ...
- Python数据分析与可视化学习笔记（一）数据分析与可视化概述
数据分析与可视化(一) 1.1 数据分析 1.1.1 数据.信息与数据分析 1.1.2数据分析与数据挖掘的区别 1.1.3数据分析的流程 1.2 数据可视化 1.3 数据分析与可视化常用工具 1.4 ...
- 数据分析知识——统计学学习笔记（拉勾数据分析训练营）
模块1 统计学基本概念 1 测量尺度 人文社科中的分类尺度 1定类尺度 功能:分类作用,比如性别.英文:Norminal 2定序尺度 功能:分类.排序作用,比如喜欢的艺人.年级.英文:Ordinal ...
- 极客时间·3小时Python 数据分析和可视化 学习笔记
3小时Python 数据分析和可视化 分解问题 数据分析 Python实现 总结经验 01 课程目标 掌握分解问题的能力 学会用Python进行数据处理.分析.展示 总结经验 02 确定目标 问题 ...
最新文章
- 多重影分身：一套代码如何生成多个小程序？
- 「SAP技术」SAP MM ME2N报表能按‘order acknowledgement‘查询采购订单
- VMware 虚拟机的虚拟磁盘编程知识点扫盲之一
- 082_Timing事件
- Python中的包以及跨目录访问变量和函数（同级目录）
- c语言文件加密异或操作,用异或算法实现文件的简单加密
- android url 快捷方式,Android向桌面添加快捷方式，使其指向特定的(URL)网页
- [转]C++中sizeof（struct）怎么计算？
- OpenCV-Python 实现两张图片自动拼接成全景图
- linux shell期末测试,LINUX期末复习---SHELL编程
- 通过规模化Scrum创造最新技术的打印机
- 删除python读取的txt每一行尾部的\n
- Request.getparameternames有什么用
- Android 科大讯飞离线语音识别
- Python处理Excel文件（一）
- python用于绘制数据图表的是_python图表绘制
- 不同层级管理者应具备的特质
- 利用PS的磁性套索工具进行抠图
- 那个找不到工作的iOS程序猿
- 小A与欧拉路 （树加边求最小权值欧拉路+树的直径）