电子商务网站核心数据分析

电子商务相对于传统零售业来说,最大的特点就是一切都可以通过数据化来监控和改进。通过数据可以看到用户从哪里来、如何组织产品可以实现很好的转化率、你投放广告的效率如何等等问题。基于数据分析的每一点点改变,就是一点点提升你赚钱的能力,所以,电子商务网站的数据分析是很重要的一门功课。

一般来说,数据分析包括:流量来源分析、流量效率分析、站内数据流分析和用户特征分析四个部分。

我们先来说说流量来源分析。

电子商务就是贩卖流量的生意,低成本的流量来源是保证企业盈利的重要条件。流量来源分析主要是要明白你的用户都是从那些网站来的,那些网站的给你带来更多的订单、那些网站的流量是真实的,那些是虚假等。

流量分析一般一奥分析以下内容:

网站流量来源排名:那些网站贡献的流量多,那些贡献的少

搜索引擎关键词分析:根据关键词的来源分析来查看网站产品分布和产品组合。如果关键词查询多的产品却不是网站的主推品,可以进行适当调整。

网站流量趋势分析:网站的流量是否均衡稳定,是不是有大幅度波动。一般来说流量突然增加的网站,如非发生突发事件,购买的广告位作弊的嫌疑比较大。

网站流量核对:查看是否有莫名流量来源,流量来源大不大。如果莫名来源流量很大的话,有可能是您购买的CPC或者其他资源被注水了,将您的广告链接分包给了点击联盟。

推介网站与直接访问的比例:推介网站可以理解为外部广告,直接访问就是用户直接输入网址。一般来说,直接访问量越大说明网站的品买知名度越高。

其次是流量效率分析

流量效率是指流量到达了网站是不是真实流量,主要分析指标如下:

到达率:到达率是指广告从点击到网站landingpage的比例。一般来说,达到率能达到80%以上是比较理想的流量。这个也跟网站的速度有关,综合来分析一下。

二跳率:这个也是为了分析流量的有效性。如果是有效流量的话,一般会有合理的二跳。如果是虚假点击的话,一般是没有二跳的。但是也不排除有部分作假很厉害的网站能做出二跳,比如PPLIVE,当年洪成浩做投放的时候,我们的广告直接连接到广告专题页,二跳是15%左右,但是PPLIVE居然有60%的二跳!最主要的是一个转化都没有。差点把我们的图片图服务器点瘫痪,这个就太过分了。

PV/IP比:一般来说,有效的流量,网站内容比较好的话,一个独立IP大概能有3个以上的PV。如果PV/IP比能达到3以上的话,一般说明流量比较真实,网站内容也不错。但是如果低于3的话,并不代表流量不真实,也可能是网站本身的问题。如果PV/IP过高的话,也可能有问题,比如人力重复刷新等,要谨慎对待。

订单转化率:这个是最最核心的数据了,没有订单转化率,其他一切都是免谈!某些牛B的B3C能做到4%的提袋率!某些却仅仅是0.1%,努力吧,众B2Cer们。站内数据流分析,主要用来分析购物流程是否顺畅和产品分布是否合理,一般如下:

页面流量排名:主要查看产品详情页的流量,特别是首页陈列的产品详情页。参照最终的销售比例,优胜劣汰,用以调整销售结构。

场景转化分析:从首页-列表页-详情页-购物车-订单提交页-订单成功页,的数据流分析。比如说,首页到达了10000用户,伺此后的数据分别是8000-5000-1000-50-5,购物车到订单提交页的相差比较大,大概就能看出来是购物车出了问题,需要改进。

频道流量排名:各个频道流量的排名,主要用来考虑产品组织的问题。

站内搜索分析:这个反应的是用户关心的产品有哪些,产品调整的最直接数据。

用户离开页面分析:用户在那些也页面离开最多?是首页还是频道页?是购物车还是订单提交页。突然的大比例的离开网站,往往预示这问题的存在。

最后是用户特征分析

用户停留时间:这个放在用户特征分析里有些牵强。而且目前监控用户停留时间的方式是:用户到达时间-用户离开时间,但是用户什么时候离开很难准确判断,这种数据仅作参考,一般停留时间越长网站粘性越好。如果用户停留时间超过1个小时,基本就是假流量,或者用大打开网页忘记关了,呵呵。

新老用户比例:老用户比例越高,证明用户忠诚度不错。但是还要考虑绝对量,不能靠新用户越来越少来衬托老用户比例越来越高。

用户地域分析:用户地域与订单地域分布基本一致,基本上就是用过互联网用户的分布比例以及经济发达程度等。这个对于提升区域配送及服务比较有帮助。

电子商务网站的基本数据分析就是以上这些,作为实际操作人员要根据数据分析的情况来发现问题和总结问题,进而优化网站的结构和用户体验、来提升网站的专转化率和用户忠诚度。这些都是电子商务很重要的基础工作,希望能为大家的利润做出贡献

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2014-07-04

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏Cloud Native - 产品级敏捷

当团队所有的开发人员都能按照 User Story 所估算的人天交付时, 是不是就能保证版本交付的质量?

2015.7.24, 深圳, Ken Fang 当团队所有的开发人员都能按照 User Story 所估算的人天交付时, 是不是就能保证版本交付的质量? 答案有...

1575
来自专栏数据科学与人工智能

【数据分析】如何做好电子商务数据分析?

电子商务为何需要做数据分析?电子商务又该如何做数据分析?电子商务发展的速度越来越快,这个行业的趋势变化也越来越快。对于电子商务公司的老板而言,想要自己永远跟着趋...

1826
来自专栏CDA数据分析师

国外公司是如何挖掘社交媒体数据的?

原作者 Alex York 编译 CDA 编译团队 本文为 CDA 数据分析师原创作品,转载需授权 前言 在大数据时代,很多公司开始利用数据、分析数据,以协助自...

2709
来自专栏腾讯大数据的专栏

数据运营实战(三):用数据说话,从埋点开始

埋点是 App 数据运营中很重要的一个环节。之前我们讨论过用户分群的方式、漏斗转化的改进,但所有 App 数据的来源是数据采集,很多时候就是 App 的埋点。

3730
来自专栏BestSDK

【一周简报】智齿客服:成功搭建PP租车在线客服体系,全面支撑业务增量

编辑导语 酷传&友盟合作版客户端上线,小白也可轻松集成SDK;听云应用性能管理(APM)助爱卡汽车玩转日均PV1.5亿社区用户体验;智齿客服:成功搭建PP租车在...

2428
来自专栏区块链大本营

关于区块链,你绝不能忽视的4个安全问题和5招应对方法!

3989
来自专栏小怪聊职场

管理|一次产品迭代的完整计划第一步:整理BUG第二步:需求同步第三步:需求评审第四步:执行计划第五步:进入研发第六步:交付验收第七步:发布验收第八步:正式发布

2355
来自专栏進无尽的文章

比特币和区块链是什么?看完这篇文章不再懵

实际上全球各种虚拟货币已经超过了1300种,其中市值排名前几名的除了比特币还有下面的这几种虚拟货币。

641
来自专栏灯塔大数据

大数据时代,你的数据属于谁?

在这个所谓的DT(数据科技)时代,数据的价值正在为人所知,由此而来的个人信息泄露事件也层出不穷。然而,当人们将矛头指向黑客入侵系统漏洞、撞库拖库等,却忽略了掌...

2433
来自专栏FreeBuf

探寻APT的化学本质与破解之术

高级持续性威胁(Advanced Persistent Threat)简称APT,从无到有不过十年时间。而在去年年底,卡巴斯基在预测2016年安全发展趋势时表示...

1845

扫描关注云+社区