电商数据分析的「六脉神剑」
场景1-销售归因
用户从启动APP到最终下单购买，中间会有一系列步骤，最初的那个步骤可能是点击搜索框，可能是点击首页Banner图，也可能是点击收藏页面，总之是这个步骤让用户最终下单购买的，把这部分销售归属到最初那个步骤所在的模块就是销售归因。
这是电商平台非常重要的一个数据场景，他的作用是找到整个平台产生业绩的关键模块，然后有主次地进行改版优化。
其次，通过监控销售归因数据的变化，也可以了解用户行为的变迁，比如2016年的时候首页推荐位的销售归因占比最大，因为当时用户网购的主动性还不够强，容易被广告引导，到了2018年，搜索的销售归因比重超过了首页，这表示用户网购的主动性变强了，原因可能是用户群体变了，也可能是用户习惯变了，总之你要开始优化搜索引擎了。
销售归因还有一个很重要的应用是根据销售归因比重的不同来调整品类的页面布局，举个栗子，对于女装，用户可能看到什么好看点什么，他们的购物意愿是被品牌、搭配、颜色牵着走的，那这个品类销售归因最大的可能是有很多靓丽硬照的推荐页面。
另外的品类比如母婴，用户的购物行为是主动且分层的，比如家有1岁娃的用户，看的是XL的纸尿裤和三段奶粉，家有三岁娃的用户，看的是婴幼童装和童鞋，那么这个品类销售归因最大的可能是明确指向商品的分类页。通过销售归因来优化不同品类的页面布局是很重要的数据场景。
要实现这个数据场景就需要分析师好好下功夫了，需要与开发沟通设计一套很好的轨迹埋点，从而准确记录用户的每一步跳转，也需要业务导向地跟产品经理或者运营沟通，从而敲定什么样的行为组合最终会把产生的业绩归到哪个模块。
场景2-转化漏斗
通过销售归因，我们知道APP里边哪个模块会重点促成用户的下单购买，然后呢？如何进一步分析？这个时候就要用到转化漏斗了。
把焦点放在APP首页，用户从浏览到最终下单，需要经过以下几个步骤：
- 点击商品推荐页，进入商品列表页；
- 点击商品列表页，进入商品详情页；
- 点击下单，进入购物车页；
- 点击支付，支付成功。
以上每个步骤之间都有一个转化率，可能是1-2:50%，2-3:20%，3-4:5%，有了这几个数据，运营就有目标了，如何更好地优化页面，使每一步的转化率都高那么一点点，那么公司就能赚更多的钱。其次，通过监控转化率数据也能及时发现业务异常。
电商公司经常会把转化率做成实时数据，这样大促期间发现某个页面或某款商品的转化率不高才能及时针对性调整。
场景3-AB测试
不仅电商，这个数据场景其他APP也会用到，具体做法是发版前先切一拨用户，比如10%，再把这10%分两拨，确保这两拨用户的属性相近（很多时候是随机分配），然后发2个版本的APP，看哪个版本的APP数据表现更好，再把表现好的版本全量发布。
在电商公司，你看到的每一场促销的宣传页面，都是经过多次AB测试调出来的，一旦发现转化率不好就下掉上新的页面，确保展现在您面前的页面拥有最高的转化率。
AB测试是一个非常高频的数据场景，基本每天都会用到，因此很多大公司会把它做成一套系统，可以实时地看数据调整页面。
场景4-千人千面
这个就偏高端了，千人千面指的是每个用户看到的APP界面都是适合他的，或者说最能激起他购买欲望。举个栗子，一个25岁左右的男性用户打开APP更愿意看到的是NIKE、阿迪等运动潮牌，但对于一个35岁的男性，可能是车载用品，或者名牌商务男装更吸引他，千人千面能够最大化APP的转化率，从而极大提升销售额。
要实现这个数据场景需要数据分析师在用户标签方面下很大的功夫。
场景5-销售预算
电商公司每个月都会做预算，预算关系到这个月要备多少货，关系到货值的合理安排从而在大促等关键时刻货量充足，作为一个数据分析师，合理地预估每个月的销售预算是很考基本功的。
做预算需要回溯过去的数据，比如同个时间段，或相同级别相同类型的促销活动，需要尽可能地把每个大促的节奏考虑进去，同时需要把每个时间点的销售情况都考虑仔细。
这一块很多电商公司都是人为用Excel计算，相信未来在自动化方面有很大优化空间。
场景6-商品比价
很多电商公司会频繁搞促销，而每次促销都会宣称自己的商品是全网最低价，怎样做到全网最低价呢？这就涉及到商品比价这个数据场景了。
很多电商公司自己会有一个比价系统，这个系统的作用就是不断去爬取各大电商平台商品的价格，通过外网比价来制定价格策略。比如你要打一个单品，为了冲量你必须做到全网最低价，于是这个系统就派上用场。
除了外网比价还有内网比价，也就是将当前商品的价格跟过去不同时间段进行对比，通过内网比价相应地调整货品策略，比如将更具价格优势的商品进行更多的曝光，同时调低价格高商品的曝光，这就可以避免商品卖得比过去贵消费者不买账的情况。
价格分析是电商公司重要的数据场景，怎样制定一场促销的优惠政策，是用满几件减多少钱，还是发折扣券，还是满多少钱减多少钱，还是买一送一，如何在吸引用户的同时确保毛利不受影响，都免不了做一番数据分析，于是数据分析师的作用就体现出来了。
END