第8章 电子商务运营数据分析

第8章电子商务运营数据分析8.1用户数据分析8.2推广数据分析8.3销售数据分析8.4物流数据分析【章节目标及学习难点】章节目标1.了解客户特征和客户细分分析的方法2.掌握客户忠诚度的分类和测量标准3.掌握基于RFM模型的客户细分方法4.掌握基于层次分析法的客户忠诚度分析5.掌握店铺流量结构、关键词推广效果的内容6.掌握活动推广效果和内容推广效果分析的内容7.掌握销售数据分析与预测和服务数据分析的内容8.掌握物流运费、订单时效和异常物流数据分析的方法学习难点1.RFM模型的客户细分的应用2.层次分析法的客户忠诚度分析的应用2.销售数据分析与预测的应用【案例导入】元气森林崛起背后的数字化运营之道元气森林成是一家成立于2016年的互联网+饮料公司。2022年上半年元气森林含汽饮品、即饮茶和功能饮料在全国线下零售市场中的销售额同比增长25%。凭借着“0糖0脂0卡”这句广告语，元气森林几乎是一锤砸中了年轻消费者的内心，让“好喝不胖”深入人心，成为国内饮品消费的新风向标。元气森林的成功体现在内容营销、数字化转型、渠道与供应链上的布局。其背后隐藏着在未来很长一段时间里真正行之有效的、数字化时代的新营销玩法。产品研发方面，元气森林通过数字化的渠道升级、营销升级、供应链升级等方式，进行口味测试、电商测试及消费者意见收集（体验官活动），大大缩短从研发到抵达消费者的反馈周期与产品迭代周期，更利于找到“爆款”产品，实现规模突破和市场份额占领。渠道布局方面，布局传统零售渠道、线上渠道，在全国铺设数万个零售终端，招募大量的销售工作人员，积极开拓和维护经销商。加速布局智能冰柜，通过布局智能冰柜，实时监控各零售终端的产品销售数据，反哺元气森林的产品生产和策略制定。推广营销方面，通过精准分析品牌定位及用户画像，进行全方位宣传推广，开展年轻化的线上娱乐营销：B站、综艺投放和明星代言；小红书、抖音等多平台内容种草；赞助多种小型线下娱乐活动、电影等，不断扩大品牌人气，帮助品牌传播。【案例导入】元气森林崛起背后的数字化运营之道客户管理方面，在营销数字化的赋能作用下，元气森林在私域运营上裂变拉新，源源不断地获得新流量。通过社群、会员体系以及积分体系等完成用户的精细化运营，精准把握用户需求，实现持续品牌变现。整合协同方面，元气森林将碎片化的用户数据有效地整合起来，以消费者为中心进行人、货、场三端的匹配。数字化转型的核心也由原来的产品为王转变成为以消费者为中心，建立起以消费者为核心的运营及售卖体系。数据收集方式上，元气森林一方面通过与数据服务商的合作，为业务提供调研、敏捷性支撑；另一方面开发数字化巡店系统，实时监测产品销售情况并采集用户画像，同时形成巡店标准化，解决巡店漏项、效率低、售卖情况反馈不及时等现象。拓展思考1.元气森林线下智能冰柜的产品销售数据有什么价值？2.元气森林的数字化运营的策略是什么?第1节用户数据分析8.1.1用户特征分析8.1.2用户细分分析8.1.3用户忠诚度分析8.1.1用户特征分析客户特征分析是了解用户诉求点的关键，对企业制定营销方案和资源配置计划具有重要意义。对客户特征的分析可以从多个方面进行，如客户性别比分布、客户消费层级、客户购买频率、客户会员等级和客户偏好情况等等，在这里重点介绍以下三个方面：年龄分析职业分析地域分析8.1.1用户特征分析1、年龄分析好奇心强，喜欢标新立异的东西购买欲望强，追逐潮流比较理智和忠诚，注重质量、服务等珍视健康，热爱养生，对新产品常持有怀疑态度少年青年中年老年8.1.1用户特征分析2、职业分析喜欢经济实惠、牢固耐用的商品比较喜欢造型雅致、美观大方、色彩柔和的商品交际和应酬比较多，选择商品时更重视时尚感比较忙，对便利性要求较高更重视健康，对购买商品的安全性要求比较高购买商品时心理感情色彩较强工薪阶层教职工公司职员个体经营者或服务人员医护人员学生8.1.1用户特征分析3、地域分析地域分布是指从空间维度上分析客户，商家要弄清楚他们从哪里来，属于哪个省，哪个市等。这样商家就可以对重点区域展开精准营销，以提升营销效果。女装毛衣消费者的地域分布8.1.1用户特征分析【案例分析】电商企业的客户特征进行分析某电商企业的客户编号、年龄、访客来源、性别、常驻地区、客户职业、购买产品名称、产品价格（元）、订单数量等数据，如图所示，试对该企业的客户特征进行分析。8.1.1用户特征分析1.用户年龄分析选中数据源A1:I61数据，在新工作表插入数据透视图和数据透视表。选择数据透视表，在“数据透视表字段”设置中，“行”为“年龄”，“值”设置为“客户编号”，默认为“求和项”，修改“值字段格式”为“计数项”。选中数据透视表行标签某个数据，单击右键“组合”，设置“步长”为“5”，单击确定。饼图数据标签为“百分比”和“类别名称”。8.1.1用户特征分析2.用户职业分析选中数据透视表，进入字段设置，取消“常驻地区”选择；“行”设置为“客户职业”，“值”设置为“客户职业”且为计数项。设置数据标签为“百分比”和“类别名称”。8.1.1用户特征分析3.用户地域分析选中数据透视表，进入“数据透视表字段”设置，取消“性别”选择；“行”设置为“常驻地区”，“值”设置为“常驻地区”且为计数项；选中数据透视图，单击右键“更改图表类型”为“饼图”；设置饼图数据标签为“百分比”和“类别名称”。8.1.2用户细分分析客户细分作为客户关系管理的核心概念之一，是指企业在明确的战略、业务模式和特定的市场中，根据客户的属性、行为、需求、偏好以及价值等因素对客户进行分类，并提供针对性的产品、服务和营销模式的过程。8.1.2用户细分分析1、客户细分的方法（1）统计学特征的客户细分统计学特征的客户细分主要指根据这些客户属性，如地址、年龄、性别、收入、职业、教育程度等信息，进行多维的组合型特征分析，将客户分为不同组，同时挖掘客户的个性需求从而快速、准确地找出客户最需要的商品。RegisterCreateAccountEmailAddressyouremail@gmail.cCountryCityPasswordYourtextYourcityEntrypassword8.1.2用户细分分析1、客户细分的方法（2）客户行为的客户细分客户行为的客户细分是根据客户购买数量、购买频次等的不同，将客户分为新客户、活跃客户、流失客户、回流客户等。RegisterCreateAccountEmailAddressyouremail@gmail.cCountryCityPasswordYourtextYourcityEntrypassword8.1.2用户细分分析1、客户细分的方法（3）客户生命周期的客户细分客户生命周期的客户细分指将客户生命周期分为获客、成长、稳定、休眠和衰退几个阶段，客户不一定会经历每个周阶段，在任何一个阶段，都有可能直接跳入衰退期，因此需要根据客户的消费总金额、访问店铺频次、收藏加购行为等情况，建立分析模型，细分客户的生命周期价值，针对不同阶段的用户给予不同的营销策略，提高用户的生命周期价值。RegisterCreateAccountEmailAddressyouremail@gmail.cCountryCityPasswordYourtextYourcityEntrypassword8.1.2用户细分分析1、客户细分的方法（4）客户价值相关指标的客户细分客户价值相关指标的客户细分指定义若干代表性的价值指标，比如交易次数、交易额/利润、平均单笔交易额、最大单笔交易额、退货金额、退货次数、已交易时间、平均交易周期、销售预期金额等，通过设定多个参数来计算客户价值分数，并作为客户分类的依据。RegisterCreateAccountEmailAddressyouremail@gmail.cCountryCityPasswordYourtextYourcityEntrypassword8.1.2用户细分分析2.基于RFM模型的客户细分RFM细分模型是通过客户购买行为中的“最近一次购买（Recency）”“购买频率（Frequency）”和“购买金额（Monetary）”三个数据，来了解客户的层次和结构、客户的质量和价值以及客户流失的原因，从而为商家制定营销策略提供支持。RFM细分模型针对不同的客户采取不同的策略，同时识别其中的行为差异，对不同的客户行为进行购买预测。用户最近一次消费距离现在的时间，最近一次消费时间间隔（R），上一次消费离得越近，也就是R的数值越小，用户价值越高,当R数值越大时，用户可能会流失，因此，企业需要通过一定营销手段来激活该用户。指用户一段时间内的消费金额，消费金额越高，也就是M的值越大，用户价值越高。8.1.2用户细分分析指用户一段时间内消费了多少次，购买频率越高，也就是F的值越大，用户价值越高，用户忠诚度越高。反之F值越小，则说明该用户不够活跃，一方面可通过定向优惠吸引其关注，一方面针对F较小，但消费金额较高的用户，需要采取一定策略，维持长远关系。8.1.2用户细分分析8.1.2用户细分分析结合上图，我们根据划分出的8个部分，将RFM三项指标的价值按照高低划分到下表中，即可完成用户分类。通过RFM分析方法来分析用户，对用户进行精细化运营，不断将用户转化为重要价值用户用户分类R值F值M值精细化运营策略1.重要价值用户高高高密集推送品牌活动、形象产品、传递会员权益信息2.重要发展用户高低高可推送促销信息或品牌活动、形象产品信息3.重要保护用户低高高传递会员权益信息，传递形象商品、品牌活动4.重要挽留用户低低高传递促销信息，传递形象产品、品牌活动5.一般价值用户高高低大型活动推送促销信息6.一般发展用户高低低传递促销信息7.一般保持用户低高低密集推送促销信息并传递会员权益信息8.一般挽留用户低低低传递会员信息、促销信息8.1.2用户细分分析【案例分析】电商店铺的客户细分某电商店铺2022年4月至6月订单原始数据如图8-5所示，对客户利用RFM模型进行细分。8.1.2用户细分分析1.汇总计算RFM原始值计算R、F、M值。R值用客户最后成交时间数据和采集点时间差作为标准（采集点时间为2022年7月1日）。F值根据客户3个月消费频次计算。M值根据客户实际支付金额进行计算。通过透视表完成对应数值计算，其中实际支付金额为平均值，即客单价。8.1.2用户细分分析选中表中的四列数据源，插入数据透视表，在“数据透视表字段”设置中，选中数据透视表，“行”设置为“买家会员名”，“值”为“最大值项：订单付款时间”、“计数项：买家会员名”和“平均值项：买家实际支付金额（元）”。8.1.2用户细分分析2.分配权重将数据透视表数据粘贴至新工作表中，以采集时间点“2022年7月1日”为基准，重新计算R值。在完成RFM数值计算后，我们要针对RFM数据进行指标分段，我们将RFM分为三段，分别对应得分为1.3.5分，其中客单价以平均价格为准，依据1/2，1倍为分段标准；在单元格E2中输入“=VLOOKUP(B2,$J$2:$L$5,3,1)”，并进行快速填充；在单元格F2中输入“=VLOOKUP(C2,$J$6:$L$9,3,1)”，并进行快速填充；在单元格G2中输入“=VLOOKUP(D2,$J$10:$L$13,3,1)”，并进行快速填充。8.1.2用户细分分析3.识别客户类型根据客户R、F和M三个维度的权重值将客户细分为8个分类，在H2单元格中输入“=IF(G2>4,”重要“,”一般“)&IF(AND(E2>4,F2>4),”价值客户“,IF(AND(E2>4,F2<4),”发展客户“,IF(AND(E2<4,F2>4),”保持客户“,”挽留客户“)))”，并进行快速填充。8.1.3用户忠诚度分析客户忠诚是客户对商家的感知、态度和行为。客户忠诚度是指由于质量、价格、服务等诸多因素的影响，使顾客对某一商家的产品或服务产生感情，形成偏爱并长期重复购买该商家产品或服务的程度。8.1.3用户忠诚度分析1.客户忠诚度的分类8.1.3用户忠诚度分析2.客户忠诚度的测量通过客户重复购买次数、购买挑选时间、对价格的敏感程度、对竞争产品的态度以及对产品质量的承受能力五个方面可以衡量客户是否具有品牌忠诚度：3.客户对价格的敏感程度低2.客户购买挑选时间短4.客户对竞争产品的态度漠视5.客户对产品质量的承受能力强测量标准1.客户重复购买次数多8.1.3用户忠诚度分析测量方法含义重复购买次数客户对某一品牌的产品或服务重复购买的次数越多，其对这一品牌的忠诚度越高，反之越低。购买挑选时间购买不同品牌商品的挑选时间越短，其对这一品牌的忠诚度越高，反之越低。应用时必须剔除产品性能、质量等方面的差异产生的影响。对价格的敏感程度对于喜爱和信赖的商品，其对价格变动的敏感程度低，反之敏感程度高。避免受到产品的必需程度、产品供求状况及市场竞争程度等因素的影响。对竞争产品的态度客户对竞争产品兴趣浓、好感强，其对某一品牌的忠诚度低，反之忠诚度高。根据客户对竞争产品的态度，可以判断其对其他品牌忠诚度的高低。对产品质量的承受能力客户对某一品牌的忠诚度高，其对该品牌偶尔出现的产品质量问题会以宽容的态度对待，并相信品牌会很快加以妥善处理；若客户对某一品牌的忠诚度低，那么其可能对产品出现质量问题的承受能力弱，甚至做出负面评价。在实际操作中，可以根据行业的不同对以上的五大指标设定不同的加权，从而设计出一个标准的指数体系，然后比较测试结果，得出哪些客户的品牌忠诚度高，并分析哪些因素可以提高品牌忠诚度。对于不同品牌之间的忠诚度比较，可以集合一组品牌分别比较上面的指标，然后根据权重得出各品牌忠诚度排序。8.1.3用户忠诚度分析3.基于层次分析法的客户忠诚度分析该方法从系统观点出发，把复杂的问题分解为若干层次和若干要素，并将这些因素按一定的关系分组，以形成有序的递阶层次结构，通过两两比较判断的方式，确定每一层次中因素的相对重要性，然后在递阶层次结构内进行合成。以得到决策因素相对于目标的重要性排序。层次分析法是一种定性与定量分析相结合的评价决策法，要求评价者对评价问题的本质、包含要素及相互间的逻辑关系掌握比较清楚，比较适合于多目标、多准则、多时期的系统评价。8.1.3用户忠诚度分析（1）层次分析法的计算步骤第一步明确问题，建立层次结构：对于所要解决的问题，首先进行系统分析，明确问题的范围、所包含的因素以及因素之间的定性关系等，然后根据这些初步分析，将各因素分层分组，建立层次结构。第一层为总目标，即目标层；中间层可根据问题的性质分成准则层、部门层、约束层等；最低层一般为方案层或措施层。8.1.3用户忠诚度分析第二步构建判断矩阵：根据所建立的层次结构，构造一系列的判断矩阵。判断矩阵表示针对上一层某元素，本层次与之有关的因素之间相对重要性的比较，构造成对比较矩阵，以层次结构模型的第2层开始，对于从属于上一层每个因素的同一层诸因素，用成对比较法和比较尺度构造成对比较矩阵，直到最下层。可采用Delphi等调查方法，向专家、管理人员、领导干部、用户进行比较全面的综合调查，对调查结果汇总分析后构造判断矩阵。8.1.3用户忠诚度分析若用bij表示对于上层元素Ak而言，下层元素Bi与Bj相对重要性的数值，一般用1～9及其倒数的比例标度赋值，其含义见下表所示。标度含义1表示两个元素相比，具有同样重要性3表示两个元素相比，一个元素比另一个元素稍微重要5表示两个元素相比，一个元素比另一个元素明显重要7表示两个元素相比，一个元素比另一个元素强烈重要9表示两个元素相比，一个元素比另一个元素极端重要2、4、6、8为上述相邻判断的中值若元素i

与j比较得bij，则元素j与i

比较判断为bji=l/bij;bii=18.1.3用户忠诚度分析第三步层次单排序：对各判断矩阵进行求解，计算出反映上层某元素和下层与之有联系的元素重要性次序的权重，即求同一层次上的元素权系数，与此同时还要对各判断矩阵进行一致性检验。⑴．权向量计算方法⑵．一致性检验步骤8.1.3用户忠诚度分析⑴．权向量计算方法计算权向量的方法很多，主要有和积法、幂法和根法等，这里主要介绍和积法。设判断矩阵元素为bij。 和积法1）将判断矩阵每一列归一化:2）对按列归一化的判断矩阵，再按行求和：3）将向量归一化:4)计算最大特征根：8.1.3用户忠诚度分析⑵．一致性检验步骤1）计算一致性指标（ConsistencyIndex,CI）当判断矩阵具有完全一致性时，

max=n，则CI=0。当CI越大，矩阵的一致性就越差。为了检验判断矩阵是否满意一致性，需要将CI与平均随机一致性指标（RandomIndex,RI）进行比较。2）查找相应的平均随机一致性指标RI，如下表(新版)所示。n123456789RI000.520.891.121.261.361.411.468.1.3用户忠诚度分析3）计算一致性比例CR

利用一致性指标CI和随机一致性指标RI计算一致性比例CR

当CR≤0.1时，认为判断矩阵的一致性是可以被接受的，通过检验，则归一化权向量后，即得单排序的标准权向量；当CR>0.1时，需重新构造判断矩阵。8.1.3用户忠诚度分析第四步层次总排序：（1）自上而下的综合权重从最上一级开始，自上而下的求出各级中各要素关于决策问题的综合重要度（也称总体权重）。把下层每个元素对上层每个元素的权向量按列排成以下表格形式。假定上层A有m个元素A1,A2,…,Am，且其层次总排序权向量为a1,a2,…,am，下层B有n个元素B1,B2,…,Bn，则Bi对Aj各元素的单排序权向量bij列入右表。若下层元素Bi与上层元素Aj无关系时，取bij=0。8.1.3用户忠诚度分析（2）层次总排序的一致性检验在层次总排序中也要进次层次总排序的一致性检验，即计算组合一致性。从高层到低层逐层进行，如果B层中某些元素对其上层A层中某元素Aj的单排序一致性指标为CIj，相应的平均随机一致性指标为RIj，则B层次总排序一致性比率为：当CRB≤0.1时，认为B层在总排序里满意一致性，否则应重新调整判断矩阵的元素取值。8.1.3用户忠诚度分析第五步结果分析：在基本满足判断矩阵一致性检验的前提下，可以根据层次单排序和层次总排序结果对决策问题进行定量分析。8.1.3用户忠诚度分析【案例分析】利用层次分析法计算忠诚客户的5项主要测量指标的权重假设在某个电商平台上有三个商家销售同一类目的商品，现邀请一批消费者对这三个品牌的5个指标分别进行打分，打分范围在0~5分，综合得分越高则表示该消费者对该店铺的忠诚度越高。五项指标具体为购买次数、挑选时间、价格敏感程度、对竞争产品的态度和对产品质量承受度，各店铺的得分如表所示。类别重复购买次数购买挑选时间价格敏感度对竞品的态度质量承受能力品牌14.24.24.53.24.5品牌23.14.33.94.13.9品牌33.94.14.34.64.28.1.3用户忠诚度分析1.建立判断矩阵建立客户重复购买次数（b1），客户购买挑选时间（b2），客户对价格的敏感程度（b3），客户对竞争产品的态度（b4），客户对产品质量的承受能力（b5）等5项指标的判断矩阵，如下表所示。

b1b2b3b4b5b112458b21/21568b31/41/5135b41/51/61/313b51/81/81/51/318.1.3用户忠诚度分析2.使用和积法计算权向量

8.1.3用户忠诚度分析

8.1.3用户忠诚度分析4.计算综合得分利用综合评价方法计算每个品牌的综合得分=指标权重×指标得分。指标权重使用上一过程得出的权重结果，与表中的数据对应相乘，则三个品牌的最终得分为4.229，3.719，4.083。表明消费者对品牌1具有最高的忠诚度，其次是品牌3和品牌2。各店铺的得分情况如表所示。类别重复购买次数购买挑选时间价格敏感度对竞品的态度质量承受能力综合得分品牌11.7471.4410.6030.2810.1584.229品牌21.2901.4750.5230.2950.1373.719品牌31.6221.4060.5760.3310.1474.083第2节推广数据分析8.2.1店铺流量结构分析8.2.2关键词推广效果分析8.2.3活动推广效果分析8.2.4内容推广效果分析8.2.1店铺流量结构分析流量来源流量来源包括站内免费流量和站外免费流量，站内免费流量指通过企业平台获取的流量，比如平台购物车、产品推荐等，站外免费流量主要是各大知名网站带来的流量，如论坛、微博等。免费流量特点是流量大，效果好，相较于免费流量，更容易获取大批的流量，缺点是需要较高成本的投入。付费流量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。付费流量结构分析，核心是分析各付费推广渠道的流量占比。8.2.1店铺流量结构分析【案例分析】店铺付费流量渠道的结构分析某店铺2022年8月的付费流量渠道超级推荐、钻石展位、聚划算、直通车和淘宝客的数据表现如下所示，对该付费流量渠道的结构进行分析，提出优化策略。8.2.1店铺流量结构分析1.计算成交占比和投入产出比在单元格E3中输入“=D2/SUM($D$2:$D$6)”，计算各渠道成交额在总成交额的占比，并进行快速填充计算其他渠道的数值。在单元格F3中输入“=D2/C2”，即成交额/投入成本，计算投入产出比，并进行快速填充计算其他渠道的数值。2.插入组合图选择“流量来源”、“成交占比”和“投入产出比”三列数据，依次单击【插入】-【图表】-【所有图表】-【组合图】，“成交占比”为“簇状柱形图”，“投入产出比”为“带数据标记的折线图”，并选择“次坐标轴”，单击【确定】。8.2.1店铺流量结构分析结论：通过以上操作与分析，可得出付费流量来源中，钻石展位最占优势，其成交占比和投入产出比分别是28%和1.22。除了钻石展位外，淘宝客的成交占比高达29%，直通车的投入产出比高达1.25，这三种付费推广渠道都可以作为企业付费推广时的首选渠道。1.标题关键词优化商品标题中有多个关键词组成，每个关键词都是独立的竞争点，通过匹配组合，又是新的竞争点，本身不同的关键词多带有的权重就不同，在同一个商品下更是如此，选择合适的关键词，并进行组合，从而提升商品的权重和搜索排名。8.2.2关键词推广效果分析8.2.2关键词推广效果分析【案例分析】淘宝店铺的搜索关键词分析某店铺从生意参谋中下载某产品的关键词的相关分析、搜索词排行等数据，如下所示，分析该产品的搜索关键词，为优化标题提供决策依据。分析思路：除以上的商品关键词数据外，还需要竞品关键词、相关搜索词和词根和这三份数据集，如下表所示，数据必须是在同一时间宽度进行对比分析。8.2.2关键词推广效果分析1.PowerQuery数据加载在Excel中选择“词根”工作表，选择A1:A16数据区域，即全部的数据区域，依次单击【数据】-【来自表格/区域】，在“创建表”中勾选“表包含标题”，单击【确定】；在PowerQuery中，单击【关闭并上载】；使用同样的方法将“相关词”、“竞品关键词”和“商品关键词”数据加载至PowerQuery，并对上载的四个工作表进行命名，分别为“词根表”、“相关词表”、“竞品关键词表”和“商品关键词表”。8.2.2关键词推广效果分析2.PowerQuery数据处理选中“相关词表”查询，单击【添加列】-【自定义列】，在“自定义列”弹出框中，“新列名”为“词根”，“自定义公式”为“=词根”，公式后的名称必须和查询“词根”名称一样，则会自动显示，选择即可，单击【确定】；单击“词根”列右侧展开按钮，取消“使用原始列名作为前缀”，单击【确定】。在当前工作表页面再次添加自定义列，“新列名”为“关键词是否包含词根”，“自定义列公式”为“=Text.Contains([关键词],[词根.1])”，单击【确定】；单击“关键词是否包含词根”的右侧下拉功能按钮，将“FALSE”选项取消，单击【确定】。使用同样的方法，将“竞品关键词”和“商品关键词”两个查询都添加自定义列“词根”和“关键词是否包含词根”；单击【主页】中的【关闭并上载】-【关闭并上载】功能；保存Excel工作表，并关闭。8.2.2关键词推广效果分析8.2.2关键词推广效果分析3.PowerPiVot建模新建Excel工作表，命名为“关键词分析建模”；单击PowerPovit，单击【管理】；选择【主页】-【从其他源】，在“表导入向导”-“连接到数据源”中选择“Excel文件”，勾选“使用第一行作为里标题”，单击【下一步】；“表导入向导”-“连接到MicrosoftExcel文件”中浏览选择Excel工作表“关键词推广效果分析-关键词分析”，单击【下一步】；在“表导入向导”-“选择表和视图”中，选择“商品关键词表$”、“相关词表$”、“竞品关键词表$”和“词根表$”，单击【完成】；导入完成，单击【关闭】。8.2.2关键词推广效果分析8.2.2关键词推广效果分析单击【主页】-【关系图视图】,以“词根表”为主表，与其他表创建以“词根”为主键的映射关系8.2.2关键词推广效果分析4.数据透视表和数据透视图分析单击【数据透视表】，在“创建数据透视表”中选择“现有工作表”即可，单击【确定】；在“数据透视表分析”功能选项卡下，选择【数据透视图】，选择柱形图进行数据透视图的插入；选择数据透视表，“行”为“词根表”下的“词根”，“值”为“商品关键词表”中的“点击转化率”、“支付金额”等字段；在“数据透视表分析”功能选项卡下，选择【插入切片器】，选择“词根表”中的“词根”，单击【确定】。8.2.2关键词推广效果分析通过以上的分析，其中“情人节”、“手工”和“友情”三个商品关键词的效果最差，利用数据透视表还可以对竞品关键词和相关词进行分析，选择数据各方面表现良好的关键词进行标题优化，对效果差或数据表现为下降趋势的关键词果断的放弃，寻找新关键词。2.关键词推广分析电子商务平台上，客户通过关键词查找所需的商品而产生的流量往往在店铺整体流量中占据很大的比重，因为搜索即入口，通过优化关键词、投放关键词广告，就能提升产品的曝光机会。推广原理8.2.2关键词推广效果分析8.2.2关键词推广效果分析名称简称含义影响因素展现量PV广告被展现的次数关键词排名、关键词数量、关键词市场情况、关键词推广创意匹配模式等点击量CLICK广告被点击的次数创意图片、关键词精度、产品推广位、产品定价等点击率CTR点击量/展现量创意图片、关键词精度、产品推广位、产品定价等消耗REV直通车点击产生费用关键词出价、质量得分、关键词市场情况点击花费PPC消耗/点击量关键词出价、质量得分、关键词市场情况点击转化率CLICK-ROI每笔成交的点击次数流量精准度和产品承接转换能力投入产出比ROI总成交金额/广告话费转化率、客单价、平均点击花费关键词推广效果分析评价指标企业可以通过以下几种方法提升关键词推广效果影响商品展现量的数据关键词的排名关键词搜索量优化商品展现量的方法要尽可能的扩充关键词的覆盖范围，即提升关键词数量。关键词展现量较少时的优化，数据分析时需要了解该关键词搜索量本身较少，还是由于关键词的质量分、出价较低。8.2.2关键词推广效果分析（1）展现量优化展现量是商品被展示的次数。大部分卖家在加入直通车前期，都是为了获得流量，也就是点击量，而展现量是点击量的前提，没有展现量的商品，自然没办法获得点击量。点击率是很多卖家加入直通车的主要目的，有点击就等于有流量，有了流量，才会有后续的转化成交，影响点击率的主要因素关键词排名和宝贝图片。关键词排名主要受质量分和出价两个方面的综合影响，出价越高，可能排名会越靠前，但相应的，推广费用越高。排名优化图片优化图片优化需要依靠测试，来选择效果好的多张图片，依次测试每一张图片。在一定的数据基础上，展现量高、点击量高、点击率高的图片就是适合作为推广的图片。8.2.2关键词推广效果分析（2）点击率优化商品主图、详情页通常需要全面的展现商品的特性及用户所关注的信息内容，需要做到与创意主图所表现的商品特性相一致。商品的评价信息，是客户购买商品时的重要参考依据。如果商品评价信息中存在用户对于商品的负面评价，也将严重影响转化率。运营人员需要根据实际情况对相应问题进行正面积极回复，打消其他客户的疑虑。8.2.2关键词推广效果分析（3）转化率优化要想获得转化率，首先必须做好店铺优化。8.2.2关键词推广效果分析【案例分析】淘宝平台店铺关键词推广效果分析某店铺直通车推广关键词效果报表如下，以该组数据为例对该店铺关键词推广效果进行分析。分析思路：在进行关键词推广效果分析过程中，其分析的流程通常是：展现量、点击量（率）、订单、花费、投入产出比，通过这些指标的计算分析，找出数据表现优秀的关键词继续加大力度推广，数据表现不好的关键词放弃或优化。8.2.2关键词推广效果分析1.计算指标数据在Excel表格中，分别计算点击率、总成交金额、总成交笔数、投入产出比、和点击转化率，如图8-14所示，其计算公式依次为：点击率“=C2/B2”；总成交额“=F2+H2”；总成交笔数“=G2+I2”；投入产出比“=K2/E2”；点击转化率“=L2/C2”。8.2.2关键词推广效果分析2.数据透视图和数据透视表指标分析将计算完成的数据源全部选中，在新工作表中插入数据透视图和数据透视表；展现量分析，选中数据透视表，“行”为“关键词”，“值”为“求和项：展现量”，数据透视图修改为饼图，设置数据标签为“百分比”和“类别名称”；展现量和点击率分析，“行”添加“求和项：点击率”，透视图修改为组合图，点击率为折线图，坐标为“次坐标轴”。8.2.2关键词推广效果分析关键词“长生花”的展现量及点击率均处于最低，而该关键词从搜索量角度分析，“长生花”属于类目词，其搜索量显然要高于其他几个关键词，造成该关键词展现量较低的原因，一为该关键词的质量度较低，可以从创意及商品页面等方面进行优化；另一方面则是关键词的出价过低造成，由于关键词出价较低，造成商品本身展现机会较少，这种情况下可以通过提升关键词出价进行优化。8.2.2关键词推广效果分析3.总成交笔数分析选中数据透视表，取消“展现量”“点击率”的选择，“值”为“直接成交笔数”，数据透视表中的数据“降序”排列，数据透视图为饼图，数据标签为“百分比”和“类别名称”；取消“直接成交笔数”，“值”为“总成交笔数”，数据透视表中的数据“降序”排列，数据透视图为饼图，数据标签为“百分比”和“类别名称”。关键词“永生花diy”、“永生花玫瑰花”、“永生花手工饰品”等关键词的订单占比占全部订单数的85%以上，在该店铺客户间接成交订单量在整体订单中占比非常小。8.2.2关键词推广效果分析4.关键词花费及投入产出比分析该店铺直通车关键词花费主要集中在“永生花diy”、“永生花玫瑰花”这两个关键词，而“永生花手工饰品”关键词投入产出比最高。通过以上数据处理与操作分析，可得出“永生花diy”、“永生花玫瑰花”这两个关键继续保持现状，“永生花手工饰品”、“干花永生花”关键词可以加大推广费用，“长生花”果断放弃，“生日礼物永生花”、“永生花保鲜花”放弃或进行关键词优化。8.2.3活动推广效果分析活动推广阶段划分、重点工作任务及核心监控指标根据活动实施周期，可以将活动划分为筹备期、蓄水期、预热期、活动引爆期、总结复盘期，其各阶段的主要工作任务及核心监控指标如表所示活动阶段阶段目标重点工作任务核心监控指标筹备期潜客拉新，粉丝蓄水活动计划制定、活动产品规划、费用预算、活动报名、活动商品报名、新品打造展现量、加粉数、加会员数、引流成本蓄水期蓄水种草内容种草、标签加深、活动商品培育、会场素材（活动）、商品备货搜索展现量、点击率、点击花费、投入产出比、成交转化率、收藏数、加购数、内容互动量预热期粉丝激活，收藏加购预售单品推广（多渠道）、引导加购、领券、老客户召回、促销利益点告知预售数据：销售额、订单数、客单价、加购数、领券数等；直播数据：人均观看、观看停留、加购金额活动引爆期全场景收割数据跟踪、催付/转化、老客户召回、团队激励实时流量、UV转化率、销售额、加购数、收藏数、关注粉丝数8.2.3活动推广效果分析总结复盘期人群沉淀服务关怀发货提醒、售后处理、引导加入会员、买家秀征集客户响应时长、咨询转化率等产品复盘产品复盘核心产品售罄率、客件数/客单价、连带率、净收入、毛利、营销成本、退货率流量复盘目标完成度各流量组成和目标差异推广效率各流量统计，同比、计划比、ROI、UV价值等站外推广展现量、点击率、转化率等人群复盘新客户增量新增客户数、客户属性等会员成交新增会员数、会员成交比等内容复盘粉丝增量净增粉丝数直播效果关注、人均观看次数、引导成交量图文效果阅读数、进店数、加购数等转化复盘图片点击点击率视频效果完播率、引导加购、转化率等静默转化成交占比、转化率等客服转化询盘转化、订单支付率等2.活动推广效果分析的维度分析指标有：访客数、成交订单数、成交占比、成交额、投资回报率等。⭐⭐⭐分析指标有：访客数、收藏转化率、加购转化率、支付转化率等。分析指标有：访客数、新访客数、新访客占比等。8.2.3活动推广效果分析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分析指标有：主要指标有访客数、留存访客数和留存访客占比等⭐8.2.3活动推广效果分析【案例分析】淘宝店铺的店庆活动推广效果分析某淘宝店铺在国庆节期间店庆活动后的流量、转化、拉新等相关数据，以这组数据为例，对该店铺的店庆活动推广进行分析。8.2.3活动推广效果分析1.活动推广流量分析选中“流量来源”、“访客数”、“成交订单数”、“成交占比”和“投入产出比”数据，插入组合图表，“访客数”、“成交订单数”图表类型为“簇状柱形图”，“成交占比”和“投入产出比”图表类型为“折线图”，并使用次坐标轴。获取流量表现优秀的渠道有钻石展位、直通车和淘宝客，三种渠道无论是获取访客数、获取订单数和投资回报率均排名在前，店铺在后续推广活动中可优先选择这些渠道。8.2.3活动推广效果分析2.活动推广转化分析选中“流量来源”、“访客数”、“收藏数”、“加购数”和“成交订单数”数据，插入柱形图，选择3D样式，单击【确定】；选中“流量来源”、“收藏转化率”、“加购转化率”和“支付转化率”数据，插入折线图，单击【确定】。转化效果最好的是淘宝客，其各项转化均排名第一，排名二、三的依次是钻石展位和直通车，店铺在今后活动时，可以优先考虑淘宝客、钻石展位和直通车这三种推广渠道。8.2.3活动推广效果分析4.活动推广拉新与留存分析选中“流量来源”、“新访客占比”、“新收藏占比”、“新加购占比”和“新成交额占比”数据，插入折线图，单击【确定】。综合来看，店铺推广活动中，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了解其活动拉新情况并为后续推广渠道优化提供参考。8.2.4内容推广效果分析内容推广效果分析是对电子商务平台内容及平台外其他内容渠道的发布情况统计并分析。借助内容分析，可以有效地对内容形式及推广方式等进行评估和优化。①比较多渠道投放、多种内容的推送效果。②找到问题所在，及时调整优化内容。③能够反馈内容运营效果，提供决策参考。第3节销售数据分析8.3.1交易数据分析8.3.2服务数据分析8.3.1交易数据分析进行销售数据分析，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01确定目标数据02整理并分析目标数据03分析销售数据变动的原因048.3.1交易数据分析【案例分析】电商平台的销售数据分析与预测某电商平台2022年12个月的销售额（元），第一根据这组数据对销售数据进行动态分析，第二使用移动平均法对2023年1月销售额（元）进行预测。8.3.1交易数据分析1.对销售数据进行动态分析根据以下公式进行数据的动态分析：累计增长量：=C2-$B$2（当期数据-首期数据）；逐期增长量：=C2-B2（当期数据-上一期数据）；定基发展速度：=C2/$B$2（当期数据/首期数据）；环比发展速度：=C2/B2（当期数据/上一期数据）；定基增长速度：=(C2-$B$2)/$B$2（当期数据-首期数据）/首期数据；环比增长速度：=(C2-B2)/B2（当期数据-上一期数据）/上一期数据。8.3.1交易数据分析2.使用移动平均法对销售额进行预测首先对销售额进行趋势分析，选中A2:M2单元格区域，插入折线图观察数据趋势。8.3.1交易数据分析当时间序列具有线性增长的发展趋势时，用一次移动平均法预测会出现滞后偏差，表现为对线性增长的时间序列的预测值偏低，这时可通过二次移动平均法来计算。二次移动平均法是将一次移动平均再进行一次移动平均，然后建立线性趋势模型。将移动项数N设置为3，分别计算一次移动平均和二次移动平均

服务评价数据分析在淘宝平台会有卖家服务评级（DetailSellerRating，DSR），DSR主要指的是其动态评分系统，三个评分维度分别是：宝贝描述相符度、卖家服务态度和物流服务，满分5分，平台会给出店铺各项得分和其与同行业平均分数对比表现。店铺评分=每项店铺评分取连续6个月内买家给与该项评分的总和/连续6个月内买家给与该项评分的次数。8.3.2服务数据分析DSR低分原因和改善方法具体内容问题类型DSR低分原因改善方法客服服务问题客服不及时回复客户、与客户产生矛盾、未能解答客户问题、态度差等。1.设置快捷短语应答，提升客服人员的应答速度；2.改善服务态度，安抚客户情绪，使客服人员用专业的态度去工作；3.加强客服人员基本产品知识和店铺活动内容培训；4.用制度对客服人员进行考核，对态度恶劣造成严重后果的客服人员进行辞退。物流问题货品少件缺件、发货时间晚、货物破损、送货不及时等。选择优质的物流公司合作，提升物流服务。产品问题产品质量差、产品与描述不符、产品低于客户预期等。1.修改产品的描述，不夸大产品功能性的描述。2.对客户差评进行针对性的解释，真诚的解释会让客户平息怒火。8.3.2服务数据分析8.3.2服务数据分析客户服务数据分析指通过对客户与客服之间的沟通记录进行收集、分类、分析和解释，从而获取客服工作的洞察和客户对电商企业的评价。①收集数据。②分类数据。③分析数据。④报告数据。第4节物流数据分析8.