数据驱动运营

数据驱动运营

数据驱动运营即是挖掘数据并进行合理的数据分析，找到数据背后的真实关系，进一

步找到真实缘由，以此给出对应的详细措施并指导实际的网站运营工作。

（在这里，网站数据类型、对应概念和意义，及其如何挖掘和猎取将过掉，请大家查

询相关书籍。）

这里要讲的是电商网站的数据需求类型、数据分析的方式方法，以及如何驱动实际运

营工作。主要是结合本人的学习、实际工作和心得所写，欢迎更为专业的人士加入争论。

第一，先说说网站运营数据分析的类型及其包含的内容。

1、总体运营指标

包含如下，见图：

uv

PV

流■指标-

PV/UV

销售金额

毛利/附J率

订单金额-有效订用生

销售指标

总体运营指标

订单数量-有效订单数fit

业绿指标-客单价

转换率一订单转换率

运营指标

营销指标CPS

这明显是给上司看的，网站总体运营指标。

这里需要说明几点：

1、关于指标本身

1）不需要一个时点的该项指标，而需要的是趋势图，一段时间的，即自己纵向对比;

假如有主要竞争对手的对应指标，一并给出,进行横向匕俄那是最为完善的。

2）给出指标趋势好与坏的简短评价，并给出造成的可能缘由。

2、关于指标类别

1）网站流量：网站流量特别重要，但不是最为核心的。

2）销售指标：销售金额、毛利和毛利率三项指标才是最为核心的；网站究竟运营得

如何？关键看现金流的多与少。

而订单金额、订单数量和客单价可以大致了解出网站的销售状况。这三项指标可以去

解释网站运营的现金流状况。比如之前卖书的亚马逊中国与卖家电的京东，从这几项指标

进行分析匕瞰就可以很好的解释其运营的现金流状况。

3）运营指标：转换率无疑是特别关键特别核心的运营指标。

它刻画出了全站整体的运营状态。包括了流量质量、网站IA架构及交互质量、商品吸

引力（性价比）及相关商品信息展现的用户体验、在线营销、配送和售后等等整个电商网

站的用户全购物体验的直接衡量指标。

一般来讲，电商网站的转换率在1-5%之间。

经敏感性分析争论得出，T殳来讲，转换率提高1%,全站销售额将会提高40%以上

（基于我之前负责的团购网站）；大家也可以对自己负责的电商网站做敏感性分析看看结果

如何。

4）营销指标：CPS最为直接真实的反应出电商的营销销售成本。

由于过多的电商在非理性的强调和追赶用户和销售规模的增长率，而使得CPS节节攀

升；今年团购网站竞争最激烈，我们平均下来的CPS也达到了15-20元之间，而单件毛利

只有8-12元；亏损是确定的。其他类型的电商CPS也好不到哪去，特殊是自建电商。

2、用户行为指标

见下图：

»r%Wuv

警情uv-UV_.儆数

；主册用户数

PV

平均访向深度

新顾客访问深度

岩领客访问深度

航吨向深S耐，区(PV/UV)

后10访问深度页面_「「1

访问深度卸朝前10页面-

访I可深度减少的^；.10页面

平均停留时间

•访同行为

新团客停留时间■停留时间

者质客停留时间

平均砒率

南户行为*

新网客退出率

老顾客退出率

前10跳出率页面_排出至

后10跳出率页面E

一定底即

跳出率减姆前10页面

总体点击事件

页面,山古分布

点击热图

如图所示:用户行为分为了访问行为和购买行为;其对应指标见上。

这里需要说明的几点：

1)将用户分为新老用户的标准，可以依据自己网站特点进行设定，没有统一的定义

去严格区分。但可以参考几个指标，比如注册时间、购买时间和购买频次。

2)用户访问行为分析的目的是：找到新老用户不同的访问行为特点；找到问题页面

或者问题商品，进行网站信息优化。

3）用户购买行为的分析还需要认真分析每一步骤的页面信息架构是否存在问题以及

用户跳出到达的页面都是哪些，整体购买流程和步骤是否可以再次优化，从而提高整体的

购买转换率。免费统计软件中，谷歌统计分析可以实现这一统计功能。

4）在图表中没有给出对用户购买行为的深层次分析内容，比如新老用户的购物特性

（时间、频次、商品类别、金额、季节等），这需要用到专业的统计软件和建立统计分析模

型，这里先不争论，后期会叙述到。

3、客户价值指标

这里需要说明的是，全文的网站分析指标也是通过微博获得的，觉得分类比较清楚全

面，所以沿用了，在此对原指标给出者表示感谢。在此基础之上，我重新界定了某些指标。

独立访问人数_访问人数

访客获得成本

访问到下单转换率转换率

占总数量百分比一新赎客数量

新厥客获得成本

［客户价值指标

新联客客单价-新赎客指标

新膜客消费金额

占总数量百分比.老顾客数量

消费频次

最近一次消符时间_老展客指标

消费金额

活跃老客户数

如上图所示：

我们需要对对客户进行价值指标的计算、分析和评估。以此对全站的客户价值有一个

全面细致的熟悉。

我们再次看到了单位用户的猎取成本以及销售转换率。

同时，我们更加细致的对现有用户进行了新老用户细分，占比、猎取成本、客单价等

指标进行了计算。

但就如（二）所提到的，还需要引入其他数据，如不同地区、不同商品类别、季节时

间、消费金额、毛利贡献等，对新老用户的消费特征分别进行统计分析。如此，可以很好

的把握住两种用户群体的消费特性，从而有针对性的组织支配商品的在线销售，并还可指

导EDM精准营销，为两种不同类型的用户定制EDM的邮件内容和发送时间,从而提高

EDM转换率。

4、营销活动指标

见下图：

哂UV

松晒数_新前礴

息UV

—总访问人数

营精活动指标-订单做.有效订单数量

新播订单数/新ttluv

转换率

-有效订单切的UV

ROI

新塔访向数

活动辐标忘访问人数

订单数出有效订单数为

广告投放搭惊-

转换率

CPA

ROI

-CPS

新增访问数

叙访问人数

订单数量

祟漠合作指标-

CPA

ROI

-CPS

还是先叙述图中指标：

1.营销活动效果的评估

我认为ROI是最为核心的，一般来讲，我们会将活动前一周和活动后一周的网站UV、

PV、订单数、销售金额、转换率等指标做平均；再计算出活动期间的这些指标值。

用活动期间和活动后一周的指标数值减掉活动前一周的对应指标数值，得出活动的效

果，再扣除可能的奖品费用等其他费用，得到该活动的ROL

这种计算方法有很大误差，特殊是有多种因素同时影响用户购买行为时，但也可大致

看出一项活动的效果。

至于多因素影响的状况下，如何评估，这会在后面文章谈到专业统计软件和统计模型

的建立和分析。这里不多叙述。

这里还需要提示的是：营销活动的评估不仅仅是事后评估，更为重要的是活动进行中

的每日数据监控，评估和分析，找到活动效果差的可能缘由，准时调整，以此确保整个活

动的效果。

2.广告及渠道效果评估

部分才旨标与营销活动效果评估全都；这里额外强调CPA和CPS,特殊是后者。

在我的实际工作中，除了以上表面化的数据监控和数据分析外，还会有对各项数据的

细化和分解，以此找到更为真实的状况。

比如营销活动效果评估，假如我们依据上图所示做出了评估数据，我们下一步能如何

呢？但实际上，我们并不完全了解该项营销活动背后更为细致的真实状况，也不会为提高

下一次营销活动给出有价值的建议了。

比如：该项活动在不同城市都有相同的活动效果吗？哪些城市效果明显？哪些又并不

明显呢？他们有什么特征？我们是否应当针对不同城市开展不同的营销活动呢？

6月份的一次零元抽奖活动中，活动整体的ROI很好，这也是为什么各大团购网站乐

此不疲的做此项流程最为简洁，但效果却不错的缘由。

但我们将数据做了以下两次不同分析后，发觉背后应当有更为细致的真实状况，从而

指导下一次活动。

一种是人工分城市照上图统计分析活动效果，得出了部分城市的活动ROI严峻不同。

另一种是用SAS建模型，找相关性，也得出了相同结论。

下一步就是分析不同的缘由所在，为后期再开展类似活动给出新的建议。

这里不再叙述，在后期的分析方法里会再次叙述。

5、常规分析方法

在前面部分，已将电商网站运营可能用到的数据指标——归类做出了叙述，在本节开

头，我将结合实际工作和一些简洁的统计分析理论针对数据分析方法做较为浅显的阐述，

盼望有高手参加一并共享。

第一阶段：常规做法

我认为在把握大的运营方向不变的前提下，需要对网站数据做出以下动作：

1、看趋势

2、找变