（廣州市財經(jīng)商貿(mào)職業(yè)學(xué)校 廣東 廣州 510145）

電子商務(wù)企業(yè)運營數(shù)據(jù)是決定運營策略的重要指標(biāo)，是調(diào)整策略的重要根據(jù)，數(shù)據(jù)分析以及如何進(jìn)行數(shù)據(jù)分析，并對結(jié)果進(jìn)行總結(jié)，是數(shù)據(jù)分析人員需要理解并掌握的。

一、電子商務(wù)數(shù)據(jù)分析的概念

數(shù)據(jù)分析是指用適當(dāng)?shù)慕y(tǒng)計分析方法對收集來的大量數(shù)據(jù)進(jìn)行分析，將它們加以匯總和理解并消化，以求最大化地開發(fā)數(shù)據(jù)的功能，發(fā)揮數(shù)據(jù)的作用。數(shù)據(jù)分析是為了提取有用信息和形成結(jié)論而對數(shù)據(jù)加以詳細(xì)研究和概括總結(jié)的過程。電子商務(wù)數(shù)據(jù)分析是商家針對發(fā)生在網(wǎng)站或平臺上用戶來訪或購買的記錄，包括地理位置分布、來訪時間、點擊記錄、購買時間、購買商品、購買數(shù)量、支付金額等信息，基于運營數(shù)據(jù)對他們的交易行為進(jìn)行分析，再制定并執(zhí)行有針對性的運營策略。

二、電子商務(wù)數(shù)據(jù)分析的重要性與模型

與傳統(tǒng)零售業(yè)對比，電子商務(wù)獲得數(shù)據(jù)的方式便捷且全面，可以通過數(shù)據(jù)化來監(jiān)控并發(fā)現(xiàn)問題，在營銷管理、客戶管理等環(huán)節(jié)，利用數(shù)據(jù)分析判斷企業(yè)內(nèi)部、營銷手段、客戶體驗的不足、了解客戶的內(nèi)在需求等，基于數(shù)據(jù)分析，總結(jié)發(fā)展趨勢，為網(wǎng)絡(luò)營銷決策提供支持。電子商務(wù)行業(yè)大數(shù)據(jù)分析主要是采用以下算法以及模型。

（一）RFM模型

通過分析有購買記錄客戶的購買行為來判斷客戶的價值和創(chuàng)立能力，在（Recency）用戶購買時間、（Frequency）消費頻率、（Monetary）消費金額三個方面進(jìn)行客戶區(qū)分，從而制定針對不同的會員的營銷活動。

（二）Apriori算法

Apriori算法是一個關(guān)聯(lián)規(guī)則挖掘算法。在電子商務(wù)中，關(guān)聯(lián)營銷是較為重要的營銷手段。要做好關(guān)聯(lián)營銷，就要知道不同商品之間的關(guān)聯(lián)關(guān)系，如衣服和褲子的搭配穿法、客戶的購買經(jīng)歷等，通過Apriori算法，可以分析哪兩種商品是有關(guān)聯(lián)性的，從而確定商品的陳列等因素，進(jìn)而組套銷售。

（三）Spss分析

Spss是“統(tǒng)計產(chǎn)品與服務(wù)解決方案”軟件，用于分析運算、數(shù)據(jù)挖掘、預(yù)測分析和決策支持任務(wù)。要制定針對客戶的營銷活動，前提是面向營銷活動中客戶、商品等的精細(xì)化分析，如對數(shù)據(jù)庫當(dāng)中的客戶購買過的商品進(jìn)行分析，如哪些客戶同時購買過這些商品，篩選出應(yīng)當(dāng)優(yōu)先考慮的促銷名單，對存在重構(gòu)行為的買家的基本特征進(jìn)行定位，隨后進(jìn)一步改善營銷活動的效果。

（四）網(wǎng)站分析

網(wǎng)站分析是針對發(fā)生在一段時間內(nèi)的網(wǎng)站客戶訪問及購買情況。如通過對訪問量、頁面停留、支付金額、轉(zhuǎn)化率、客單價等數(shù)據(jù)，分析對經(jīng)營策略的效果，深入分析存在復(fù)購行為的客戶基本特征。做電子商務(wù)運營，不能迷茫、不知所措，不能盲目地做，結(jié)合數(shù)據(jù)分析制定有針對性的策略，無論是在優(yōu)化銷售效果或后期引流操作上出現(xiàn)任何的問題，都可以及時地進(jìn)行優(yōu)化。

三、電子商務(wù)數(shù)據(jù)采集指標(biāo)

電子商務(wù)歸根到底是一種商業(yè)活動，企業(yè)最終還是以盈利來判斷運營的效果。影響企業(yè)電子商務(wù)活動的重要指標(biāo)主要有流量、轉(zhuǎn)化率、客單價、用戶、訂單等。

（一）流量

通常說的網(wǎng)站流量（traffic）是指網(wǎng)站的訪問量，用來描述訪問一個網(wǎng)站的用戶數(shù)量以及用戶所瀏覽的網(wǎng)頁數(shù)量等指標(biāo)流量分析，可以從中發(fā)現(xiàn)用戶訪問網(wǎng)站的規(guī)律，并根據(jù)這些規(guī)律改進(jìn)網(wǎng)站設(shè)計或營銷策略。分析流量可以從流量數(shù)量和流量質(zhì)量兩個方面進(jìn)行。流量數(shù)量包括UV（獨立訪客數(shù)）、PV（訪問量），流量質(zhì)量包括平均訪問深度，平均停留時間及跳出率。

（二）轉(zhuǎn)化率

轉(zhuǎn)化率就是所有到達(dá)企業(yè)網(wǎng)站并產(chǎn)生購買行為的人數(shù)和所有到達(dá)你的店鋪的人數(shù)的比率。轉(zhuǎn)化率分析能夠幫助企業(yè)監(jiān)測用戶購買路徑的轉(zhuǎn)化情況，計算出不同的轉(zhuǎn)化率和流失率數(shù)據(jù)，繼而進(jìn)行產(chǎn)品或頁面的優(yōu)化。一般轉(zhuǎn)化率包括靜默轉(zhuǎn)化率、咨詢轉(zhuǎn)化率、加購轉(zhuǎn)化率與支付轉(zhuǎn)化率。

（三）客單價

客單價是指進(jìn)入企業(yè)網(wǎng)站的每一個顧客平均購買商品的金額。即統(tǒng)計時間內(nèi)，支付金額、支付買家數(shù)，即平均每個支付買家的支付金額。分析客單價能夠了解幫助企業(yè)明確用戶定位，以及盈利期望是否合理，繼而優(yōu)化定價策略，有助于促銷活動的開展。

（四）用戶

分析用戶從類別上來講可以簡單分為新用戶與老用戶；從用戶質(zhì)量來分可以分為活躍用戶與沉睡用戶、會員用戶等。在用戶分析的時候，要進(jìn)行復(fù)購率的分析，衡量用戶忠誠度，復(fù)購率高低影響著企業(yè)后續(xù)的策略走向。如果復(fù)購率不高，說明對新客戶的依賴不大；復(fù)購率高，則應(yīng)將運營重心放在提高客戶忠誠度上。

（五）訂單

訂單分析不單單指要分析支付訂單量，除了引流轉(zhuǎn)化成功的，企業(yè)還需要分析總訂單量、取消訂單量、投訴訂單量，全面分析轉(zhuǎn)化成功與失敗的原因。

四、電子商務(wù)數(shù)據(jù)采集與分析的一般流程

（一）背景及目的

確定進(jìn)行數(shù)據(jù)分析的目的，提供現(xiàn)有的數(shù)據(jù)與運營背景，依靠數(shù)據(jù)分析的結(jié)果更好地改進(jìn)營銷策略。如企業(yè)想要提高某個時段的客戶的轉(zhuǎn)化率，就要提供客戶行為數(shù)據(jù)，分析哪個時間段買家支付數(shù)最多，該時段是否轉(zhuǎn)化率最高，可以采用什么樣的策略進(jìn)行優(yōu)化。

（二）數(shù)據(jù)讀取及處理

根據(jù)提供的客戶行為數(shù)據(jù)分析表，進(jìn)行支付買家數(shù)和支付轉(zhuǎn)化率分析，利用excel表的圖表將數(shù)據(jù)圖表化。

表1 客戶行為數(shù)據(jù)表

圖2 支付買家數(shù)和支付轉(zhuǎn)化率分析圖

圖3 下單支付轉(zhuǎn)化率和支付轉(zhuǎn)化率分析圖

（三）分析總結(jié)

數(shù)據(jù)分析對數(shù)據(jù)集的關(guān)鍵指標(biāo)進(jìn)行趨勢觀察，暴露出問題的所在或可以改進(jìn)優(yōu)化的地方，最終要數(shù)據(jù)分析的結(jié)果進(jìn)行總結(jié)。從以上圖二支付買家數(shù)和支付轉(zhuǎn)化率分析圖可以看出：該企業(yè)2019年2月8日－3月8日的支付買家數(shù)和支付轉(zhuǎn)化率整體波動較大，其中支付買家數(shù)的最大最小值分別是78、20，差額較大；支付轉(zhuǎn)化率的最大最小值分別是4.97%、1.20%，差額較大。從每天具體的數(shù)據(jù)來看，支付買家數(shù)較高的日期是2月16日－18日、2月28日－3月1日、3月5日；支付轉(zhuǎn)化率較高的時間段分別是2月10日、2月16日、2月28日－3月1日、3月5日。

結(jié)論：可見在支付買家數(shù)較多的時間中，支付轉(zhuǎn)化率也較高，但是在2月16-2月18日，支付買家數(shù)最高的時間段中，支付轉(zhuǎn)化率不是最高，因此，企業(yè)應(yīng)該分析并制定策略在支付買家最多的時間段，提高支付轉(zhuǎn)化率。

從圖3下單支付轉(zhuǎn)化率和支付轉(zhuǎn)化率分析圖可以看出：該企業(yè)2019年2月8日－3月8日的支付轉(zhuǎn)化率和下單支付轉(zhuǎn)化率整體波動較大，其中支付轉(zhuǎn)化率的最大最小值分別是4.97%、1.20%；下單支付轉(zhuǎn)化率的最大最小值分別是100%、87.23%差額較大。從每天具體的數(shù)據(jù)來看，支付轉(zhuǎn)化率較高的時間段分別是2月10日、2月16日、2月28日－3月1日、3月5日；下單轉(zhuǎn)化率較高的時間段分別是2月13日、2月19日、2月23日。

結(jié)論：在下單支付轉(zhuǎn)化率高的時間段，企業(yè)要分析并改進(jìn)當(dāng)下的運營策略，思考如何進(jìn)一步整體提高支付轉(zhuǎn)化率；另一方面，日下單支付轉(zhuǎn)化率不能達(dá)到100%，企業(yè)也要思考如何提高下單支付轉(zhuǎn)化率，進(jìn)而提升企業(yè)整體銷量。

結(jié)束語：

綜上所述，我們要充分了解電子商務(wù)數(shù)據(jù)分析對于企業(yè)的重要性，企業(yè)要以數(shù)據(jù)為基礎(chǔ)，為根本進(jìn)行數(shù)據(jù)運營，制定分析目標(biāo)進(jìn)行數(shù)據(jù)分析，并隨時通過數(shù)據(jù)分析，反推或代入到產(chǎn)品運營、活動運營、用戶運營等運營中，不斷提升銷售質(zhì)效的精確性、指導(dǎo)運營決策、制定驅(qū)動業(yè)務(wù)增長的運營方式。