电子商务数据分析与应用（Excel版） 课件 项目9、10 商品数据分析、电商运营数据分析

电子商务数据分析与应用项目九商品数据分析本章提纲

课前自学一、商品数据分析概论二、商品需求分析三、商品价格分析四、商品组合分析五、商品生命周期分析六、商品库存管理方法

课中实训实训一、商品热度分析实训二、商品定价分析算例实训三、基于关联规则的商品组合方法实训四、根据百度指数分析商品生命周期实训五、商品库存管理

课后提升案例1沃尔玛的数据基因案例2商品生命周期分析思维导图思政园地案例1电商时代，诚信是不变的经营之道【思政教育元素：坚守诚信经营底线】

电商的发展实现了多方共赢，活跃的网络经济正成为中国经济的新亮色。网络经济蓬勃兴起，让消费者有了更多选择，从某种程度上来讲，网络经济的本质就是口碑经济、诚信经济，信用是其发展壮大的重要基石。大众点评在2021年上半年处罚“刷好评”用户账号5万个，处罚“刷单刷评”商户1万余家，协同执法机关打击29个非法刷单网络灰黑产团伙；淘宝APP上搜索“刷单”会跳转至阿里“绿网计划”，首当其冲的是相关法律法规以及网络刷单骗局提示。“内卷”的电商环境下，各大平台积极建立常态化的处理机制，严禁刷单、刷评、刷流量的行为，维护正常市场秩序，切实保障消费者合法权益。只有坚守诚信底线、诚实经营，不以虚假信息欺骗广大消费者，方能经得住市场考验，赢得未来。思政园地案例2电商数字化发展新空间【思政教育元素：坚持创新发展理念】

在数字经济的发展背景下，电子商务发展展现出新业态和新模式。拼多多采用创新的“农货智能处理系统”和“山村直连小区”模式，为中国分散的农产品整合出一条直达数亿用户的快速通道；以“少量SKU+海量订单+爆发周期短”模式直接匹配工厂，直接触达消费者，压缩了流通成本。其创新之一就是改变了计划经济和市场经济下的供需模式，利用种种数字化手段，将生产者和消费者有效联系在一起，缩短了交易双方的空间距离，挖掘出了更大的市场潜力。电子商务企业以及传统类型的经贸企业需要积极应用大数据、VR技术、云计算、云存储等多种类型的新型技术，始终紧跟时代的发展步伐和数字化的发展浪潮。案例导入

众所周知，屈臣氏的陈列非常明显地展示了它的目的和文化。仔细观察就可以发现屈臣氏的用心定位和精美陈列。屈臣氏将目标顾客锁定在18-35岁的女性，她们注重个性，有较强的消费能力，闲散时间少且不太爱去大超市购物，追求舒适的购物环境。并且屈臣氏还发现年轻的顾客们在买完护肤品、化妆品之后，还想有更多的购买选择，于是在卖场内设定了小食品区域。货架上陈列的小食品大多数是普通卖场买不到的进口食品，或者特别口味的休闲零食，还有个性的饮料产品。再细究会发现，这些产品又都是潮萌、吸引年轻人的商品，和屈臣氏本身的化妆品体系相得益彰，十分契合。屈臣氏和个性化零食的产品组合起到了⼀般卖场无法比拟的效果，并成功吸引了众多忠实的年轻消费者。

商品组合分析作为商品数据分析的重要内容，该如何理解它的作用？你知道商品数据分析从哪几方面入手吗？一、商品数据分析概论1.商品数据分析的概念2.商品数据分析模型与主要指标1.商品数据分析的概念商品数据分析的概念：商品数据分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。商品数据分析的主要数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业调整商品结构，加强经营商品的竞争能力。2.商品数据分析模型与主要指标商品数据分析要依据业务系统提供的数据进行相关的项目分析进而产生有价值的结果来指导企业生产经营活动。这需要确定企业在销售数据分析过程中适用的维度、指标和分析方法，并将三者关联起来构造分析模型，依据分析模型得到有价值的结果。电子商务数据分析的主要指标包括SKU、SPU、商品数、商品访客数、商品浏览量、加购件数、收藏次数、流量下跌商品、支付下跌商品、低支付转化率商品、高跳出率商品、零支付商品、低库存商品。二、商品需求分析商品需求分析内容：根据选定的目标用户群进行抽样研究，通过记录某一特定类型用户的生活场景或业务使用体验洞察用户的典型行为或生活习惯，了解他们在特定场景下的需求，结合企业自身的能力，拓展业务创新的空间。商品需求分析的步骤：

需求采集

需求分类

需求分析

需求评审三、商品价格分析无论是对线上还是线下商家，商品的定价都会影响销量。所以在商品上架前，一定要综合分析多种因素为其量身定制一个合理的价格。影响新产品定价的六种元素主要包括评估和量化利益衡量市场规模确定最低限价确定投放价格预测竞争企业的反应进入市场四、商品组合分析（一）商品组合的基础知识（二）商品组合的方法和原则（三）商品组合的营销策略（一）商品组合的基础知识商品组合又称商品经营结构，是指一个企业经营的全部商品的结构，即各种商品线、商品项目和库存量的有机组成方式。商品组合一般由若干个商品系列组成。所谓商品系列是指密切相关的一组商品。商品组合的内容包括：商品组合的广度商品组合的深度商品组合的关联性（二）商品组合的方法和原则1.商品组合的方法按消费季节的组合法。按节庆日的组合法。按消费便利性的组合法。按商品用途的组合法。（二）商品组合的方法和原则商品组合实例：京东家装节京东家装节是京东商城每年2届的大型促销让利活动。春季、秋季分别为家装的旺季，家装节也适时在这两个时间节点举行，春季通常是3

4月，秋季通常是9

10月。家装节的促销方式非常多元化，不仅有秒杀、疯抢、品类特促、大牌展示等板块，还会加入满减、满返、送京豆、送优惠券、送赠品、套装折扣促销等让利形式，最大化的满足消费者对于在京东网站上进行家电一站式购物的需求。（二）商品组合的方法和原则2.优化商品组合的原则：正确的产品正确的数量正确的时间正确的质量正确的状态正确的价格商品组合的营销策略是企业针对目标市场，对商品组合的广度、深度以及相关性进行决策，以达到商品组合的最优化。下面概要介绍几种常见的商品组合营销策略：扩大商品组合：①垂直多样化。②相关横向多样化。③无相关横向多样化。收缩或削减商品组合

“高档商品组合”策略和“低档商品组合”策略调整商品组合策略和商品“异样化”策略（三）商品组合的营销策略商品生命周期（ProductLifeCycle，PLC）是指商品的市场寿命。一种商品进入市场后，它的销售量和利润都会随着时间的推移而改变，呈现一个由少到多、再由多到少的过程。商品生命周期的阶段：（1）投入期。（2）成长期。（3）饱和期。（4）衰退期。五、商品生命周期分析商品生命周期各阶段的营销策略（1）投入期的市场营销策略①快速撇脂策略②缓慢撇脂策略③快速渗透策略④缓慢渗透策略（2）成长期的市场营销策略①改善产品品质②寻找新的细分市场③改变广告宣传的重点④适时降价五、商品生命周期分析（3）饱和期的市场营销策略①市场调整②产品调整③市场营销组合调整（4）衰退期的市场营销策略①继续策略②集中策略③收缩策略④放弃策略六、商品库存管理方法1.库存分析的作用2.ABC库存管理分类法库存是电子商务的重要一环，它能防止商品短缺和供应中断，保证商品供应。所以，鉴于其重要性，需要对仓库中的商品数据进行相应的管理，对各类商品数据进行统计和分析，并以直观和简洁的方式进行处理、分析和展示。1.库存分析的作用ABC库存管理法的基本原理ABC分析法源于帕累托曲线。意大利经济学家帕累托在1879年研究米兰城市财富的社会分配时得出一个重要结论：80%的财富掌握在20%人的手中，即“关键的少数和次要的多数”规律。这一普遍规律存在于社会的各个领域，称为帕累托现象。ABC库存管理法将企业的全部存货分为A、B、C三类。管理时，将金额高的A类物资（这类存货出库的金额大约要占到全部存货出库总金额的70%）作为重点管理与控制的对象；B类物质按照通常的方法进行管理和控制（这类存货出库的金额大约要占到全部存货出库总金额的20%）；C类物资品种数量繁多但价值不大（这类存货出库的金额大约要占到全部存货出库总金额的10%），可以采用最简便的方法加以管理和控制。2.ABC库存管理分类法课中实训实训一、商品热度分析商品热度搜索数据算例1.打开创建的“商品热搜”Excel工作簿。选择A3单元格，在编辑栏中输入公式“=RANK.EQ（C3,$C$3:$C$19）”，保持A3单元格选择状态，将鼠标指针移动到右下角，待鼠标指针变成“+”形状时双击2.选择D列并右击，在弹出的快捷菜单中选择“插入”命令插入空白列。选择C3:C19单元格区域，按Ctrl+C组合键复制，选择D3:D19单元格区域，单击“粘贴”按钮粘贴数据实训一、商品热度分析3.选择D3:D19单元格区域，单击“开始”选项卡中的“条件格式”下拉按钮，选择“数据条”→“实心填充”→“绿色数据条”选项4.选择D3:D19单元格区域，单击“开始”选项卡中的“条件格式”下拉按钮，选择“管理规则”选项，打开“条件格式规则管理器”对话框。单击“编辑规则”按钮，打开“编辑格式规则”对话框，选中“仅显示数据条”复选框，单击“确定”按钮实训一、商品热度分析5.选择E3:E19单元格区域，单击“开始”选项卡中的“条件格式”下拉按钮，选择“新建规则”选项6.打开“新建格式规则”对话框，单击“格式样式”下拉按钮，选择“图标集”选项。单击“图标样式”下拉按钮，选择3个三角形图标样式。分别在第一个图标和第二个图标对应的“值”文本框中输入“0.001”和“0”，单击“确定”按钮实训一、商品热度分析7.选择A3:E19单元格区域，单击“开始”选项卡中的“升序和筛选”下拉按钮，选择“升序”选项，让整个搜索的数据按照升序方式整理排列，方便关键词的选择和优化8.最终效果图：关键词是搜索量最多的搜索词，可以将搜索量上升比例最大的商品热词或者组合用于店铺的商品命名实训二、商品定价分析算例为商品定价之前，可以先对行业或竞争对手的商品价格及对应成交量进行分析，然后确定商品的定价范围，从而赢得客户，促进交易成交。以下为操作步骤：1.打开“商品定价”工作表，在F1:O1单元格区域中输入相应的价格范围，这里以50为单位（根据表格中已有的报价数据确定），设置字体为TimesNewRoman，字号为“11”，单击“加粗”按钮。实训二、商品定价分析算例2.保持F1:O1单元格区域选择状态，单击“开始”选项卡中的“填充颜色”下拉按钮，选择“主题颜色”→“橙色，个性色2，深色25%”选项。3.单击“字体颜色”下拉按钮，选择“主题颜色”→“白色，背景1”选项。实训二、商品定价分析算例4.选择F2单元格，在编辑栏中输入“=SUMIFS（C2:C32,B2:B32,">=1",B2:B32,"<=50"）”。F2-N2单元格子均输入相同内容，但蓝字部分不同，F2为50，G2为100，以此类推，依次递增。5.选择F2:O2单元格区域，单击“开始”选项卡，单击“数字”功能组中的“数字格式”下拉按钮，选择“会计专用”选项。6.选择F1:O1单元格区域，单击“插入”选项卡中的“面积图”按钮，选择“面积图”选项。实训二、商品定价分析算例7.选择整个图表，在“设计”功能组中选择“样式11”选项。8.双击水平坐标轴，打开“设置坐标轴格式”对话框，单击“坐标轴选项”选项卡，选中“刻度线之间”单选按钮，单击“关闭”按钮。实训二、商品定价分析算例9.右击数据列，在弹出的快捷菜单中选择“添加数据标签”命令。10.将图表移动到合适位置，调整图表宽度（在图表中输入图表标题“睡袋价格和成交量分析”。实训二、商品定价分析算例11.在图表中选择数据系列，右击，在弹出的快捷菜单中选择“设置数据系列格式”命令，打开“设置数据系列格式”对话框。单击“填充”选项卡，选中“纯色填充”单选按钮，单击“颜色”下拉按钮，选择“橙色，着色2，深色25%”选项，设置“透明度”为“69%”。12.单击“三维格式”选项卡，单击“棱台”选项组中的“顶端”下拉按钮，选择“艺术装饰”选项，设置“高度”为“3磅”，设置“宽度”为“2.5磅”。实训二、商品定价分析算例13.选择整个图表，单击“布局”选项卡中的“网格线”下拉按钮，选择“主要横网格线”→“无”选项。14.最终效果图：实训三、基于关联规则的商品组合方法关联规则（AssociationRules）是指在大量数据中，迅速找出各事物之间潜在的、有价值的关联，用规则表示出来，经过推理、积累形成知识后，得出重要的相关联的结论，从而为当前市场经济提供准确的决策手段。实训三、基于关联规则的商品组合方法1.关联规则算法相关概念项集或候选项集：项集Item={Item1,Item2,...,Itemm}；TR是事物的集合；TR

Item，并且TR是一个{0,1}属性的集合。集合k_Item={Item1,Item2,...,Itemk}称为k项集或者k项候选项集。假设DB包含m个属性（A,B,...,M）；1项集1_Item={{A},{B},...,{M}}，共有m个候选项集；2项集2_Item={{A,B},{A,C},...,{A,M},{B,C},...,{B,M},{C,D},...,{L,M}}，共有[m

(m-1)/2]个项集；以此类推支持度：支持度support简写sup，指的是某条规则的前件或后件对应的支持数与记录总数的百分比。假设A的支持度是sup(A)，sup(A)=

{TR

TR

A}

/

n

；A

B的支持度sup(A

B)=sup(A

B)=|{TR|TR

A

B}|/|n|，其中，“A

B”表示A和B同时出现在一条记录中，n是DB中的总的记录数目。可信度：可信度confidence简写conf，规则A

B具有可信度conf(A

B)表示DB中包含A的事物同时也包含B的百分比，是A

B的支持度sup(A

B)与前件A的支持度sup(A)的百分比：conf(A

B)=sup(A

B)/sup(A)。实训三、基于关联规则的商品组合方法强项集和非频繁项集：如果某k项候选项集的支持度大于等于所设定的最小支持度阈值，则称该k项候选项集为k项强项集（Largek-itemset）或者k项频繁项集（Frequentk-itemset）。同时，对于支持度小于最小支持度的k项候选项集称为k项非频繁项集。频繁项集的反单调性定理：设A，B是数据集DB中的项集，若A包含于B，则A的支持度大于B的支持度；若A包含于B，且A是非频繁项集，则B也是非频繁项集；若A包含于B，且B是频繁项集，则A也是频繁项集。产生关联规则：产生关联规则，即是从强项集中产生关联规则。在最小可信度的条件门槛下，若强项集的可信度满足最小可信度，称此k项强项集为关联规则。例如：若{A,B}为2项强项集，同时conf(A

B)大于等于最小可信度，即sup(A

B)≥min_sup且conf(A

B)≥min_conf，则称A

B为关联规则。实训三、基于关联规则的商品组合方法2.关联规则算法步骤：Apriori算法步骤：①找出存在于事务数据库中所有的频繁项目集。即那些支持度大于用户给定支持度阈值的项目集。②在找出的频繁项目集的基础上产生强关联规则。即产生那些支持度和可信度分别大于或等于用户给定的支持度和可信度阈值的关联规则。3.利用关联规则算法计算商品组合的实例根据某淘宝零食店铺的5条客户购物清单记录，如表9.1所示，设最小支持度为40%，最小置信度为60%，计算基于Apriori算法的频繁项集和关联规则。购物清单：记录号购物清单401咖啡，果酱，面包，干果，香肠402果酱，香肠403咖啡，牛奶，香肠404咖啡，薯片，香肠405咖啡，面包，牛奶实训三、基于关联规则的商品组合方法频繁项计算过程：实训三、基于关联规则的商品组合方法结论：上表通过L2进行链接，形成3项候选项集，但因为该C3集合中的每个项集都有不频繁子集，所以该三项集的集合应被剪掉，L3为空；最大频繁项集为L2。由L2形成的可能关联规则如下：①咖啡

香肠，confidence=3/4=75%；②香肠

咖啡，confidence=3/4=75%；③咖啡

面包，confidence=2/4=50%；④面包

咖啡，confidence=2/2=100%；⑤咖啡

牛奶，confidence=2/4=50%；⑥牛奶

咖啡，confidence=2/2=100%；⑦香肠

果酱，confidence=2/4=50%；⑧果酱

香肠，confidence=2/2=100%。实训三、基于关联规则的商品组合方法因为最小置信度为60%，关联规则为①、②、④、⑥、⑧。从这5条关联规则可以发现：咖啡和香肠、面包和咖啡、牛奶和咖啡、果酱和香肠是40%的消费者在60%的情况下可能会同时购买的商品，应采取有效的组合营销策略提高销量。百度指数（）是以百度海量网民行为数据为基础的数据分析平台，已成为众多企业营销决策的重要依据。下面以小红书的百度指数为例：实训四、根据百度指数分析商品生命周期2013年~2014年末：

引入期2015年~2017年末：

成长期2018年~至今：

成熟期1.ABC库存管理的基本方法:实训五、商品库存管理在第一行输入表头信息单击快速访问工具栏中的下拉按钮，选择“其他命令”选项，打开“Excel选项”对话框，单击“从下列位置选择命令”下拉按钮，选择“不在功能区中的命令”选项，选择“记录单”选项，单击“添加”按钮将其添加到右侧的快速访问工具栏列表框中，单击“确定”按钮返回工作表中，选择任意单元格，在快速访问工具栏中单击添加的“记录单”按钮，打开记录单对话框，单击“新建”按钮，在对应文本框中输入相应的库存资料数据，输入完成后再次单击“新建”按钮便可继续添加下一条供应商信息实训五、商品库存管理右击C列，在弹出的快捷菜单中选择“设置单元格格式”命令，打开“设置单元格格式”对话框。设置“分类”为“货币”,“小数位数”为“2”，单击“确定”按钮选择E2单元格，在编辑栏中输入公式“=C2×D2”，将鼠标指针移到E2单元格右下角，待鼠标指针变成“+”形状时双击，将函数填充到E17单元格。选择工作表所有数据，复制并进行选择性粘贴，选中“数值”单选按钮实训五、商品库存管理右击E1单元格，在弹出的快捷菜单中选择“排序”→“降序”命令计算累计金额。选择F2单元格，在编辑栏中输入公式“=E2”。选择F3单元格，在编辑栏中输入公式“=F2+E3”，将鼠标指针移到F3单元格右下角，待鼠标指针变成“+”形状时双击，将函数填充到F17单元格。计算比例。选择G2单元格，在编辑栏中输入公式“=E2/$F$17”。将鼠标指针移到G2单元格右下角，待鼠标指针变成“+”形状时双击，将函数填充到G17单元格。计算累计比例。选择H2单元格，在编辑栏中输入公式“=G2”。选择H3单元格，在编辑栏中输入公式“=H2+G3”，将鼠标指针移到H3单元格右下角，待鼠标指针变成“+”形状时双击，将函数填充到H17单元格。实训五、商品库存管理根据累计比例对库存商品进行ABC分类在单元格L2至L6中，依次输入“华为c8600”、“衬衣”、“电瓶车”、“螃蟹”和“其他”，复制单元格区域G2:G5内容并以“数值”形式选择性粘贴至单元格区域M2:M5。选择M6单元格，在编辑栏内输入公式“=SUM（G6:G17）”实训五、商品库存管理选择L2:M6单元格区域，单击“插入”选项卡中的“饼图”下拉按钮，选择“二维饼图”→“饼图”选项。将图表移到合适位置，并输入图表标题“库存金额比例饼状图”，在“图表布局”功能点击“设置选项”选择“样式6”选项2.统计库存商品状态在库存管理中，不仅要对库存的整体情况进行统计分析，而且要对商品的个体情况进行整理、统计和分析，如损坏、维修或积压等情况。（1）根据库存情况标记库存状态:以“库存商品状态”工作簿的表1为例，使库存差异（实际库存数据与标准库存数据之差）大于7的数据显示绿灯标识（表示库存充足），使小于等于2的数据显示红灯标识（表示需及时补货），具体操作如下。打开工作表实训五、商品库存管理计算库存差。选择M2单元格，在编辑栏中输入“=K2-L2”，将鼠标指针移到M2单元格右下角，待鼠标指针变成“+”形状时双击，填充公式到数据末行。设置三种库存状态。选择M2:M19单元格区域，单击“开始”选项卡中的“条件格式”下拉按钮，选择“新建规则”选项，打开“新建格式规则”对话框。单击“样式格式”下拉按钮，选择“图标集”选项。实训五、商品库存管理单击“插入”选项卡中的“形状”下拉按钮，选择“文本框”选项。在表格中按住鼠标左键不放，绘制文本框，并将光标定位在文本框中输入相应的内容（“红灯”标识表示的含义及“绿灯”标识表示的含义，中间分行隔开）实训五、商品库存管理选择文本框中输入的说明文本，在“开始”选择卡中分别设置“字体”和“字号”为“微软雅黑”和“10”，单击“垂直居中”按钮，单击表格任意位置退出文本编辑设置状态，最终效果图如图9.40所示。库存表格不仅可以直观展示库存数据的相关状态，而且明确标注了各标记的含义。（2）分析与预测商品库存状态:打开“库存商品状态”工作簿Sheet2。选择C2单元格，在编辑栏中输入公式“=B2+B3-B4”，使用填充柄横向填充公式到P2单元格，计算出当前库存数据实训五、商品库存管理选择A1:P3单元格区域，单击“插入”选项卡中的“柱形图”下拉按钮，选择“二维柱形图”→“簇状柱形图”选项。将图表移到合适位置，并输入图表标题“商品库存状态分析”，在“设计”选项卡的“图表布局”功能组中选择“布局1”选项在图表的任意位置处右击，在弹出的快捷菜单中选择“选择数据”命令，打开“选择数据源”对话框。单击“添加”按钮，打开“编辑数据系列”对话框。在“系列名称”文本框中输入“=Sheet2!$A$2”，在“系列值”文本框中输入“=Sheet2!$B$2:$P$2”，单击“确定”按钮实训五、商品库存管理返回“选择数据源”对话框，再次单击“添加”按钮，打开“编辑数据系列”对话框。在“系列名称”文本框中输入“=Sheet2!$A$5”，在“系列值”文本框中输入“=Sheet2!$B$5:$P$5”，单击“确定”按钮右击“库存”数据系列，在弹出的快捷菜单中选择“更改系列图表类型”命令，在打开的“更改图表类型”对话框中选择“带数据标记的折线图”选项。同样，右击“库存积压值”数据系列，在弹出的快捷菜单中选择“更改系列图表类型”命令，在打开的“更改图表类型”对话框中选择“带数据标记的折线图”选项实训五、商品库存管理右击“库存积压值”数据系列，在弹出的快捷菜单中选择“设置数据系列格式”命令，打开“设置数据系列格式”对话框。单击“系列选项”选项卡，选中“次坐标轴”单选按钮，单击“关闭”按钮双击添加的次坐标轴，打开“设置坐标轴格式”对话框，单击“坐标轴选项”选项卡，设置“最大值”为“25”，然后单击“关闭”按钮。在表格中即可查看图表的最终形态样式。在图表中可以明显看出2020/5/5以后库存量越过“库存积压值”数据系列，进入10天的挤压期，虽有下行的趋势，但未越过“库存积压值”数据系列线，未来一段时间商品库存可能还会处于积压状态。实训五、商品库存管理课后提升案例1沃尔玛的数据基因

沃尔玛一直致力于改善数据分析技术，整个公司都充满了数据基因。沃尔玛拥有庞大的数据生态系统，每天要处理TB级的新数据和PB级的历史数据，其分析涵盖了数以百万计的产品数据和不同来源的数亿客户数据。沃尔玛的分析系统每天分析近1亿条关键词，从而优化每个关键字对应的搜索结果。早在1969年沃尔玛就开始使用计算机来跟踪存货，1974年其各分销中心与超市就运用计算机控制库存。1983年，沃尔玛所有门店都开始采用条形码扫描系统；1987年，沃尔玛完成了公司内部卫星系统的安装，该系统使得总部、分销中心和各商场之间可以实现实时双向的数据和声音传输。沃尔玛采用在当时还是小众和超前的信息技术搜集运营数据，这为沃尔玛的快速发展打下了坚实基础。如今，沃尔玛拥有全世界最大的数据仓库，在数据仓库中存储着沃尔玛数千家连锁店在65周内每一笔销售的详细记录，这使得业务人员可以通过分析消费者的购买行为更加了解客户，从而提供最佳的销售服务。2012年4月，沃尔玛又收购了一家研究网络社交的公司Kosmix，使其在数据分析的基础上又增加了对社交网络的研究。

沃尔玛的案例具有什么启示呢？零售业巨头沃尔玛为何会如此重视商品数据的分析？商品数据分析应包含哪些内容和主要方法？本章就来探究商品数据分析的功能与意义。案例2商品生命周期分析

利用百度搜索指数对某个电商网站或某种商品进行商品生命周期分析，并写出研究报告。

本章主要介绍了商品数据分析的基本概念和分析模型。

学习了商品数据分析的五个方面：商品需求与热度分析，商品价格与定价分析，商品组合分析，商品生命周期分析，商品库存管理与统计分析。

并基于Excel图表对商品热度，定价和库存进行了分析操作，根据百度指数分析了商品生命周期以及利用关联规则算法分析商品组合的规律。

本章知识小结本章内容结束！

电子商务数据分析与应用项目十电商运营数据分析本章提纲

运营数据分析的概念与主要指标10.1销售数据分析10.3

客服绩效分析10.4

推广数据分析10.2

课中实训10.5

课后提升10.6思维导图案例导入“森马项目组”客服培训考核

“森马在阿里巴巴客服外包市场发起客服外包的招标活动，吸引了众多优秀服务商参与竞标，经过方案制作——竞标演讲——实地考察等多轮考评，最后确定济南淘掌柜为合作公司。

为了服务好森马项目，济南淘掌柜建立了独立的“森马项目组”，从培训课程到考核标准，从人员选拔到项目对接，从服务流程到销售话术，力求在每个环节都能够做到精益求精。经过培训和磨合，在双方共同努力下，客服的响应时间从59.71秒缩减到24.79秒，转化率从50.81%提升到54.38%。客服响应时间和转化率是考核客服人员的重要因素，那么你还知道哪些客服绩效考核的指标和方法？除了客服绩效分析，你又了解哪些电子商务运营数据分析的类型呢？10.1运营数据分析的概念与主要指标10.1.1运营数据分析的概念及其必要条件10.1.2运营数据分析的分类10.1.1运营数据分析的概念及其必要条件运营数据分析是指对企业运营过程中和最终成果产生的数据进行分析，从中获得运营规律和效果的过程。在进行运营数据分析时，需要有以下三个必要条件：海量且精确的运营数据拥有专业的数据分析团队和运营团队精细化运营的需求10.1.2运营数据分析的分类推广数据分析推广数据分析是对企业在推广过程中产生的数据进行分析，包括对各推广渠道的展现、点击、转化以及其他相关推广数据进行分析。通过推广数据分析，企业能够了解推广过程中流量的来源情况、关键词的推广效果、活动的推广效果以及内容运营的效果等。销售数据分析销售数据分析主要用于衡量和评估管理人员所制定的计划销售目标与实际销售之间的关系，它可以采用销售差异分析和微观销售分析两种方法。销售差异分析主要用于分析各个不同的因素（品牌、价格、售后服务、销售策略等）对销售绩效的不同作用，主要包括：营运资金周转期分析、销售收入结构分析、销售收入对比分析、成本费用分析、利润分析、净资产收益率分析等。客服绩效分析客服绩效分析是指在客户服务系统中，客户服务组织、客户管理人员和员工全部参与进来，通过沟通、激励等方式，将企业战略、管理人员职责、管理方式和手段以及员工的绩效目标等基本内容确定下来，在持续不断沟通的前提下，管理人员为员工提供必要的支持、指导和帮助，与员工共同完成客户服务的绩效指标，从而实现客户服务组织的愿景规划和战略目标。10.2推广数据分析流量来源可以分为付费流量和免费流量两个类型。付费流量的优点是流量大、效果好，相较于免费流量，更容易获取大批的流量；缺点是投入成本较高。免费流量包括站内免费流量和站外免费流量。站内免费流量指企业通过电商平台获取的流量，比如平台购物车、产品推荐等；站外免费流量主要是第三方网站带来的流量，如论坛、微博等。企业在引入站外流量前，需要先调整好企业平台形象，优化产品页面描述等，以达到刺激客户购物的目的。10.3销售数据分析10.3.1电商销售数据的基础知识10.3.2销售数据分析的过程10.3.3销售数据的动态分析方法10.3.1电商销售数据的基础知识电商销售数据的特点：可得性多样性复杂性销售数据的作用：对精准营销的支撑引导产品及营销活动更加符合用户需求监测竞争对手与品牌传播基于市场预测与决策分析发现新市场与新趋势10.3.2销售数据分析的过程进行销售数据分析，首先要明确此次数据分析的目标，然后围绕该目标收集、整理并分析相应的数据，找到销售数据变动的原因，改善销售情况。在进行销售数据分析时，一般包括以下四个步骤：分析目标定位确定目标数据整理并分析目标数据分析销售数据变动的原因问题编号用户反馈信息用户比例1支付界面经常卡顿68%2支付界面设计缺少人性化提示10%3支付系统操作复杂8%4支付系统安全性问题6%5后台系统容易崩溃5%6其他3%10.3.3销售数据的动态分析方法动态分析是应用统计方法研究社会经济现象数量方面在一段时间内发展变化的过程。包括三个比较重要的统计指标，即增长量（水平指标）发展速度增长速度（速度指标）10.4客服绩效分析10.4.1客服绩效分析的基础知识10.4.2客服绩效分析的方法客服绩效分析的目的：客服绩效考核有以下几个作用：节约店铺成本，明确定位与目标，提升客服工作效率，体现企业激励文化以及提升企业的实质性收益。客服绩效分析的原则：公开的原则客观性原则反馈的原则公私分明原则时效性原则权责一致原则量化考核原则10.4.1客服绩效分析的基础知识10.4.2客服绩效分析的方法KPI是一种绩效管理工具，其主要是通过建立一种绩效评估机制，在企业内部经营管理过程中确定评价指标，通过对指标的完成情况进行考评，推动内部员工为实现企业目标不断努力，促进企业目标加快实现。通过这种考评机制的建立，KPI指标分解企业的各项经营目标和业务发展方向，确保目标的可实现。针对电商卖家，KPI的考核指标一般有5个：咨询转化率支付率客服落单率响应时间售后及日常工作本章知识小结

本章主要介绍了电商运营数据分析的基本概念和主要指标，以及三个重要的电商运营数据分析工作——推广数据分析、销售数据分析和电商客服绩效分析。

掌握以上三类电商运营数据分析的流程和方法，通过Excel表格等工具对电商运营数据进行全面分析。10.5课中实训实训一

流量结构分析实训二

推广数据分析实训三

销售数据分析实训四

电商店铺客服KPI考核实例实训一流量结构分析1.免费流量结构分析免费流量结构分析需要对免费流量各来源渠道的引流情况进行分析。下表是某企业2020年7月的免费流量数据，以这组数据为基础进行免费流量结构分析。序号流量来源浏览量点击量成交订单数1自主搜索19203541372购物车26135051923其他店铺1442147494首页1624257875收藏推荐776156276其他免费来源1943205137实训一流量结构分析选择流量来源、浏览量、点击量和成交订单数对应的数值区域，插入组合图形。将浏览量设置为簇状柱形图，将点击量和成交订单数设置为折线图。将浏览量设置为簇状柱形图是为了更好地对各个流量来源的浏览量进行比较，将点击量和成交订单数设置为折线图是为了更清楚地看到这两个指标的变化走势。实训一流量结构分析选中数据表中的流量来源与成交订单数，插入饼状图，并将饼状图的数值显示方式设置为“百分比”，得到免费流量结构分析比例图。根据左图可知：在免费流量来源中，购物车的各项指标都占优势，为企业带来的浏览量为2613次，成交订单数占比达到30.5%；免费流量来源中收藏推荐的各项指标表现最差，其为企业仅带来浏览量776次，成交订单数占比只有4.3%。企业可以利用该分析结果优化其免费推广渠道布局。实训一流量结构分析2.付费流量结构分析付费流量结构分析的核心是各付费推广渠道的流量占比。下表是某店铺2020年7月的付费流量数据。（注：投入产出比=成交额÷投入成本。）序号流量来源成交占比投入成本/元成交额/元投入产出比1超级推荐9%8515975648240.662钻石展位27%152147517118831.133聚划算12%9499727666380.814直通车22%121289114020351.165淘宝客30%165553619873001.20实训一流量结构分析选择流量来源、成交占比、投入产出比对应的数值区域，插入图形。将成交占比设置为簇状柱形图，将投入产出比设置为折线图，将成交占比设置为次坐标轴，得到付费流量结构分析图。由左图可知：付费流量来源中，淘宝客最占优势，其成交占比和投入产出比分别是30%和1.20。除淘宝客外，钻石展位的成交占比和投入产出比是27%和1.13，直通车的成交占比和投入产出比是22%和1.16，这三种付费推广渠道对该商家此次付费推广活动的贡献最大。实训二推广数据分析进行推广数据分析，首先要明确此次推广的目标定位，然后围绕该目标收集、整理并分析相关数据，找到推广中的优势与不足，最后调整相关的推广策略和内容，改善推广效果。在进行推广数据分析时，一般包括以下四个步骤：推广目标定位收集推广目标数据整理和分析目标数据推广策略调整推广目标定位收集推广目标数据整理和分析目标数据实训二推广数据分析左图通过新的x轴和y轴划分出四个象限：右上区域（第一象限）代表高点击、高转化人群，这类人群应该重点推广；左上区域（第二象限）是低点击、高转化人群，这类人群点击基数偏低，商家可以通过提高关键词排名来提升点击基数后再观察转化数据；左下区域（第三象限）是低点击、低转化人群，点击基数偏低，转化数据存在不确定性；右下区域（第四象限）是高点击、低转化人群，点击花费推广费用却没有达到推广效果。一二三四4.推广策略调整针对以上的数据分析结果可得出结论：优先推广第一象限区域内的优质客户，适当增加第二、第三象限的点击基数，减少对第四象限内人群的推广。18-25岁的男性用户和31-40岁的女性用户位于第一象限，这类用户具有较高的推广潜力，商家应该优先对其进行推广。31-40岁的男性用户位于第四象限，这类用户具有较低的推广潜力，商家可以适当的减少对其推广。剩余的用户，商家应该适当的增加其点击基数，观察其转化数据，最后确定对其的推广策略。实训二推广数据分析实训二推广数据分析1.网店平台推广活动的作用：帮助店铺快速吸引消费者，能直接在较短的时间内为店铺带来大量的流量，平台活动为店铺带来的持续性购买是相当可观的，再通过成交数据的累计，不断为店铺带来更多的流量。在活动期间，推广效果越好，未来的店铺流量提升也就越快。同时，也在一定程度上提升了店铺的买家回头率，让卖家获取更大的收益。因此，网店卖家不定期地开展促销活动已经成为一种常态。2.四种常见的活动推广分析维度：活动推广流量分析活动推广转化分析活动推广拉新分析活动推广留存分析实训二推广数据分析3.活动推广效果分析活动推广流量分析下表为H店铺推出三周年店庆活动之后一周的店铺流量相关数据。以这组数据为例，对该店铺的活动推广流量进行分析。序号流量来源访客数成交订单数成交占比投入成本/元成交额/元投入产出比1超级推荐1201511039.18%12432119320.962钻石展位19632253612.92%532157361.083聚划算1302110017.69%368825520.694直通15%439949631.135淘宝客20162496624.6309实训二推广数据分析选择流量来源、访客数、成交订单数、成交占比、投入产出比对应的区域，插入组合图形，将访客数、成交订单数设置为簇状柱形图，成交占比、投人产出比设置为折线图，将次坐标轴设置为访客数和成交订单数，得到活动推广流量分析图。由左图可知：店铺H在推广活动中获取流量表现优秀的渠道有：钻石展位、直通车和淘宝客，这三种渠道无论是获取访客数、获取订单数和投入产出比均排名在前。店铺在后续推广活动中可优先选择这三种渠道。实训二推广数据分析活动推广转化分析下表为H店铺在店庆活动后一周内的转化相关数据。以这组数据为例，对该店铺活动推广转化进行分析。序号流量来源访客数收藏数加购数成交订单数收藏转化率加购转化率支付转化率1超级推荐12015829160311036.90%13.34%9.18%2钻石展位1963232213236253616.41%16.48%12.92%3聚划算13021269104310012.07%8.01%7.69%4直通车1420215322088158310.79%14.70%11.15%5淘宝客2016239835120496619.75%25.39%24.63%实训二推广数据分析选择流量来源、访客数、收藏数、加购数、成交订单数对应的区域，插入三维柱形图，如右图所示。选择流量来源、收藏转化率、加购转化率、支付转化率对应的数据区域，插入折线图，如右图所示。结合上面两图可知：店铺H在推广活动中，转化效果最好的是淘宝客，其各项转化均排名第一。排名二、第三依次是钻石展位和直通车。在今后的活动中店铺可以优先考虑淘宝客、钻石展位和直通车这三种推广渠道。实训二推广数据分析活动推广转化分析活动推广拉新与活动推广留存分析方法和计算过程类似，需要将新客户或留存客户对应的比例计算出来。对活动拉新进行分析需要将新访客占比、新收藏占比、新加购占比、新成交额占比统计并整理出来。对活动留存进行分析需要将留存访客占比、留存收藏占比、留存加购占比、留存成交额占比统计并整理至Excel表格中，然后进行分析。下表为店铺H店庆活动后的一周的拉新相关数据。以这组数据为例，对该店铺活动推广拉新进行分析。流量来源数据指标超级推荐钻石展位聚划算直通车淘宝客访客数1201519632130211420220162新访客数354463212869565412021收藏数829322126915323983新收藏数23115631105321210加购数16033236104320885120新加购数63112233696542369成交额1193257362552496320013新成交额63212010968156310211序号流量来源新访客占比新收藏数占比新加购占比新成交额占比1超级推荐29.50%27.86%39.36%52.98%2钻石展位32.20%48.53%37.79%35.04%3聚划算22.03%40.89%35.38%37.93%4直通车39.81%34.73%31.32%31.49%5淘宝客59.62%30.38%46.27%51.02%实训二推广数据分析选择流量来源、新访客占比、新收藏占比、新加购占比、新成交额占比对应的数据区域，插入折线图。由左图可知：综合来看，在店铺H的推广活动后拉新效果整体较好，其中新成交额表现最好，其最低占比为31.49%，最高占比为52.98%。拉新综合效果最好的渠道是淘宝客。店铺可以结合该分析结果为后续推广渠道的优化提供参考。实训三销售数据分析（一）销售数据的动态分析

结合动态分析法来分析销售数据。若某电商平台2020年12个月的销售额依次为1238.28

万、1345.98万、1456.93万、1567.64万、1630.38万、1789.76万、1935.47万、2100.31

万、2245.57万、2367.38万、2512.39万、2709.43万元。根据这组数据对该电商平台2020年的销售数据进行动态分析。实训三销售数据分析

新建一个工作簿，将上述数据导入该工作簿中。在销售额的下一单元格输入累计增长量，将1

月的销售额视为a0，用公式an-a0计算每个月的累计增长量。用鼠标指针选中D4单元格，输入公式“=D3-$C$3”，单击“√”，算出2月的累计增长量；用鼠标指针选中D4单元格，将鼠标指针放在D4单元格的右下角，当鼠标指针变成黑色十字时，向右拖填充柄，得到3月至12月的累计增长量。实训三销售数据分析

在累计增长量下一单元格输入逐期增长量，用公式an-an-1可以计算出每个月的逐期增长量。用鼠标指针选中D5单元格，输入公式“=D3-C3”，单击“√”，算出2月的逐期增长量；用鼠标指针选中D5单元格，将鼠标指针放在D5单元格的右下角，当鼠标指针变成黑色十字时，向右拖动填充柄，得到3月至12月的逐期增长量。实训三销售数据分析

继续在逐期增长量下一单元格输入定基发展速度。定基发展速度等于an/a0。用鼠标指针选中D6单元格，输入公式“=D3/$C$3”，单击“√”，算出2月的定基发展速度；用鼠标指针选中D6，将鼠标指针放在D6单元格的右下角，当鼠标指针变成黑色十字时，向右拖填充柄，得到3月至12月的定基发展速度。实训三销售数据分析

在定基发展速度下一单元格输入环比发展速度，环比发展速度等于an/an-1。用鼠标指针选中D7单元格，输入公式“=D3/C3”，单击“√”，算出2月的环比发展速度；用鼠标指针选中D7单元格，将鼠标指针放在D7单元格的右下角，当鼠标指针变成黑色十字时，向右拖填充柄，得到3月至12月的环比发展速度。实训三销售数据分析某电商平台2020年各月商品销售数据的动态分析如下表所示月份动态数据123456789101112累计增长量/107.7218.65329.36392.1551.48697.19862.031007.291129.11274.111471.15逐期增长量/107.7110.95110.7162.74159.38145.71164.84145.26121.81145.01197.04定基发展速度/1.091.181.271.321.451.561.701.811.912.032.19环比发展速度/1.091.081.081.041.101.081.091.071.051.061.08定基增长速度/91827324556708191103119环比增长速度/988410897568增长量：万元；发展速度：倍数；增长速度：%实训三销售数据分析（二）销售数据的预测分析方法基于回归分析方法的销售额预测回归分析是一种确定两种或两种以上变量相互依赖关系的定量分析方法。回归分析按照涉及变量的多少，分为一元回归分析和多元回归分析；按照因变量的多少，分为简单回归分析和多重回归分析；按照自变量和因变量的关系类型，可分为线性回归分析和非线性回归分析（具体计算可见本书的第3章）。回归分析预测法不仅可以分析因素之间的相关性，也可以通过现象发展预测未来。实训三销售数据分析利用10.3.3节中电商平台2020年各月商品销售数据对销售额进行预测。新建一个工作表，将商品销售数据复制粘贴到工作表中。用鼠标选中B2:B14，插入“折线图”，增加坐标轴名称。选择“趋势线”中的“其他趋势线选项”，弹出“设置趋势线格式”窗口。勾选“显示公式”和“显示R平方”两项，折线图中则显示趋势线和回归直线方程及R平方值，如下图所示。由该图可以看出，回归直线方程为y=132.86x+1044.7，R平方为0.9918，表明因果关系显著。预测2021年1月该电商的销售额，可将x=13代入回归方程，得y=2771.88万元。实训三销售数据分析基于时间序列方法的销售数据趋势分析现象变动趋势分析就是要把动态数列受各类因素的影响状况分别测定出来，弄清研究对象变化的原因及规律，为预测未来和决策提供依据。店铺销售受许多因素影响，营业额看起来在不断地变化，好像没什么规律可循，但是在这些影响营业额的因素中，有的是长期起作用的，有的只是短期起作用。因此在分析时间序列的变化规律时要将诸多的影响因素划分为几大类时间序列的构成要素，然后对这些构成要素分别进行分析。一般的，时间序列的构成要素分为以下几类：长期趋势季节变动循环变动不规则变动实训三销售数据分析仍选用10.3.3节中电商平台2020年各月商品销售数据。选定移动次数N=3，用鼠标选中D5，输入公式fx=(C3+C4+C5)/3，，点击“√”，就可以算出3月的一次移动平均数，如下图所示。用鼠标选中D5，将鼠标放在D5的右下角，变成黑色十字时向右拖动填充柄，计算4月至12月的一次移动平均数。实训三销售数据分析用鼠标选中E7，输入公式fx=(D5+D6+D7)/3，，点击“√”，就可以算出5月的二次移动平均数，如下图所示。用鼠标选中E7，将鼠标放在E7的右下角，变成黑色十字时向右拖动填充柄，计算6月至12月的二次移动平均数。实训三销售数据分析一次移动平均数和二次移动平均数如下表所示。根据第3章所学知识可得出时间序列的线性趋势预测模型为：y=148.87x+2678.6，如果要预测2021年1月该电商的销售额，可以将x=1代入预测模型，得y=2827.47万元。月份销售额（万元）一次移动平均值二次移动平均值11238.28————21345.98————31456.931347.06——41567.641456.85——51630.381551.651451.8561789.761662.591557.0371935.471785.201666.4882100.311941.851796.5592245.572093.781940.28102367.382237.752091.13112512.392375.112235.55122709.432529.732380.87实训四电商店铺客服KPI考核实例电商店铺客服KPI的实例1.电商店铺客服KPI考核指标体系与权重得分某电商平台上一家主营服装的店铺对客服考核指标权重的分配为w咨询转化率=0.3，w支付率