II_项目_电商用户行为分析/050_尚硅谷_电商用户行为分析_常见指标汇总

另外大家发现就是在电商的应用领域里边，其实指指标远远不止这些啊，我们这是只是以这些作为一个例子，大家其实可以根据需要去做很多很多的扩展，那比方说可以怎么样去扩展呢？这里面大家看。诶，我们可以给它分类，有关人的指标可能是一大类，那这里边可能涵盖到哪些指标呢？首先客服这边其实是有指标的，大家想一想是不是这样，我们之前关注的都在用户这里啊，你其实本身的那个系统里边收集的数据呢？客服那边还是有很多数据可以去考考察的，那客服这边是什么呢？啊，询单量对吧？询单转化率，平均接待时长，这些都是从客服那边产生的数据里边能够提取出来，然后去做统计的啊，其实这些都比较简单，有可能这里面要做一个这个要做一个这个平均数的计算，对不对？大家想一下，这个平均数大家觉得好做吗？其实平均数非趁做，大家想这不就是正常的一个聚合嘛，只不过聚合的过程当中，之前我们聚合一般都是只保存一个状态，现在我们要保存几个状态，对保存两个状态是不是要同时保存？

当前的那个。Sum的那个和对吧，然后再保存一个count计数值，对，然后最后是不是两个两个状态一除就完事儿啊，所以其实就是这么简单的一个处理啊，我们重点还是放在用户这里，用户主要是有哪些指标呢？啊，那首先流量相关的一些东西对吧？也就是访客流量相关的一些东西，这里边就有这个，比方说呃，这个UVPV啊，这流量数量，那另另外还有这个流量来源，就是它这是免费流量还是付费流量，这有点像我们那个，呃，类似于APP推广的那个渠道统计了，对不对啊，只不过这就是不同的应用场景而言而而已，他只要是我们在买点日志里边，你把对应的数据给我写过来，那我们是不是就直接一分开给他统计就完事啊，那这个其实就真的是没有什么区别啊，那当然这里面可能还会去统计这个，比方说流量深度啊，停留时长啊，ROI啊是吧，来源转化率跳失率，那大家想这些东西。

有一些这个需要做一些计算操作的，那是不是也只是把前面聚合的结果得到，然后再结合另外需要的一些参数，有可能加减乘除对不对，做各种各种运算就完事了，所以这个过程其实也是非常简单。另外还有这个成交用户啊，就是说这个新用户老用户啊，统计这个数量，那这个也是依赖数据了，你只要买点日志，把这个到底新的老的都统计出来，那我们不就是做个聚合的问题吗？呃，活跃用户数，沉睡用户数，复购率，客单率，连带率RFM这些就是很多概念东西啊，大家可以就是把这些熟悉熟悉，就是说构建自己的这些指标参数的时候，你可以把这些东西都加在里边，对吧？呃，但是其实实践上大家觉得难吗？

这些东西都是一些数量，或者说最多加减乘除做一个计算其实是不难啊，呃，除了这个有关人的指标，那是不是有关商品的指标，呃，指标啊，用户和这个商品对吧，人和货，那么有关货的指标呢？这里边涉及到的就是进货可能会相关，这里边其实我们在做这个就是买点日志里边能提取出的这一部分可能会比较少了，对吧。我们能提取出来的主要可能就是跟销售相关的这一部分，能从买点日志里边提取，那像这个进货啊，库存啊，售后啊，这些可能是得其他的系统里边日志里面去提取，对不对啊，比方说呃，采购系统啊，ERP啊，或者说这个售后管理系统啊，啊，他们的日志只要有对应的数据，我们是不是都能算。啊，这里什么带平均的，或者说什么什么笔啊，这个滞销笔对吧？呃，这个尺码采销笔，那这些东西其实都是你统计出采购的数量，再统计出销售的数量，一除是不就完事了，对吧？都是开一个窗口，你聚合两个值就完事，所以呃，这其实都没有什么太难的东西啊库存这里的话，可能是有这个周转率天数，那如果说它本身没有这个数据存好的话，我们是不是还得去根据他的那个呃，就是一些这个呃时间的数据来去做一个分析，提取出它的那个周转时间啊，对吧？把这个天数提取出来，这个就是具体遇到具体的指标具体去应用就好了啊这里边库存数量，库存金额，这显然都是应该在数据库里面能查到的东西，对吧？啊，这个都是比较简单的。

售后的话，那是退货率了，也就是呃，就是就是本身那个，呃，这个就是成交之后，然后又又被退货的这种情况，我们要算一个整体的比率，一段时间内做实时统计，对吧？啊这其实都是比较简单的内容，另外销售这一部分呢，那其实就是什么？呃畅销，呃畅滞销的这个畅销指标和滞销指标，对吧？这些都可以去做计算，只要定义好，然后还有这个动销率，呃，还有这个售罄率，对吧？啊，什么时候直接就卖完的这种这种概率，这种情形到底到底有多少，这些大家都可以去啊，有一些概念，如果大家觉得这个它和这个行业背景太相关，大家也可以去查一查，这个其实无所谓啊，都是一些名词而已，就是去看一看它的怎么定义的计算，其实都不复杂。

呃，这里边还有这个有关厂的指标啊，这个这个厂主要是说什么呢？啊，大家其实会看到这里边其实就是说我们这个平台上的一些这个更多，我们其实要做的是什么，其实就是这个厂的指标对吧？就是在平台上能够统计的一些商业指标，比如说页面相关的啊，大家看这个停留时长啊，跳失率啊，还有这个热力图对吧？呃，热力图其实就跟我们这个，呃，热门什么相关的，这这些东西最后再可视化，那就是一个热力图嘛，还有这个流量路径，这些我们都是能统计出来的，这些就是对应的指标，你得有对应的数据把它，把它去做实现，那除了页面之外呢，可能还有销售和促销相关的东西，这个促销可能会，呃，就是这个会比较专业一点，对吧，你只有真正做过电商项目，可能才能想到促销里边需要去呃去统计哪些指标，比方说呃促销的宣传。

度，那那大想一想这个这个宣传度用什么指标去统计呢。广告啊，一般情况对，你比方说这个广告的点击率啊，对吧，你投放了广告做促销啊，这个点击率是什么样的啊，那然后这个到底有多少人，这个就是看到这页面对吧？啊这种东西是我们可以去做一个做一个统计，另外这个品牌参活率啊，这个整体来讲应该就是针对每一个品牌去做统计，对不对，呃，就是然后还有这个促销力度，那促销力度呢，就是说我我们可以去按照它的这个频率来考虑这个促销力度也可以按，呃，就是它整体的那个每一次促销的那个价格的幅度对不对，然后我们把很多数据综合起来去做一个平均，做一个统计，这其实都是比较常见的一些指标啊，当然就还有这个优惠券相关啊，呃，流量加购产品前，呃，监控还有什么老客户激活爆发度衰减度啊，这些就是大家如果感兴趣就是可以把这些指标。

好，具体的看看，就是它这个行业里边应用的时候，他说的到底是什么，用什么公式去算，那对应的那些数据，只要拿到我们这一统计，就可以把它直接输出了。

销售这一部分呢？呃，销售这一部分大家看，其实这个就是销售分析的话，这个是我们最常见的对吧？呃，销售额是多少？呃，这个销售量是多少，和钱有关的，和量有关的，然后订单量是多少，这个都都不用解释，大家一看就知道该该拿什么数去算啊，然后客单价，然后还有什么这个连带率啊，连带率的话，这个可能就是涉及到不同的商品，或者说不同用户之间的这个关系的这种这种分析了，对吧？啊这个可能稍微复杂一些，还有这个成交转化率，那大家会想到是不是下了单之后你又给取消了呢，对吧，下单之后到底支付直接支付的这个概率有多少呢？那这个都是从数据里面能够提取出来做计算的，业绩达标，业绩增长，毛利率啊，这些这些是有些是在考察这个本身销售的这个业绩了，对吧？呃，那还有一些就是像什么这个增长率和权重指数，这其实就涉及到一些带预测性的带这个。

制定策略倾向的这种指标了，那这个增长率你可能就是比方说我们统计说大家会想到我之前都是开着时间窗口对吧，一个窗口一个窗口的在统计，那这个窗口本身。是不是之前统计完了之后，输出好像跟后面的窗口就没什么关系啊，就他们之间的这个关系，我们没用起来对不对？那现在就相当于不同的窗口，相当于这个输出的数据，我们是不是还应该再作为一个数据分析的源头，再去做第二次的分析啊，对吧？那基于这个就又可以去判断一个增长率，那大家自然会就是把这些相关的东西都牵扯开，都去想到这个考察什么指标，呃，这是这一部分啊，呃，这里边给大家说一下，就是说电子商务的特点，就是说呃，一般情况现在这个入口啊，都是通过搜索去找所买的物品的，而不是用这个内部导航，所以就是搜索关键字还挺重要，这这更多的说这个电商里边的一些，呃，一些这个场景和一些要点，对吧，来做这些设计和这个推广的时候的一些要点，那么通过推荐引擎可以预测可能需要的商品，这相当于是做。

推荐了对吧？啊，那另外就是说电商时刻是可以去优化网站性能的，那我们怎么样去优化呢？做AB test就是AB测试，AB测试它它可以是干什么事情呢。就相当于就是直接把用户。不同的用户直接导流导到不同的，呃，一个这个我们的这个网站实现上去，对吧，有可能我就换了一个版本，或者说换了一套推荐系统，然后去测试他们俩之间的差别，对吧，看看我的新系统是不是这个表现，这个性能更好，所以通过通过这种方式就可以找到最优的产品内容和价格啊，这些都可以去做，呃，当然就是说还有这个购买流程，就是在访问前，社交网络啊，邮件啊，在线社区这些里边其实是就都已经开始了，就是你如果关注的话，还可以关注到更多的这种场景里边去。

好，然后接下来再给大家说一下下面这一类这种分类啊，这种分类是分了八大类，大家如果上面那个图看着有点晕的话，也可以用下面这个基本的这个分类指标来做一个大概的一个梳理。一个就是总体的运营指标，总体运营指标主要是说什么呢？就是说啊流量啊对吧，订单啊，总体的销售业绩啊，整体指标的这个，呃，进展程度啊，完成度啊，呃，然后就是就相当于是对整个有一个大概的概念吧。这也就是最。最上层最总的那些数据指标对吧？那一般情况大家看就是些流量类的指标啊，PVUV对吧，人均页面访问数，还有什么订单生成效率指标，总订单和转化率对吧？像这些东西，另外还有这个总体的销售业绩指标，那就是成交的，呃，这个总金额，销售金额，客单价啊，这些指标是放在这里的啊，另外还有就是销售的毛利和毛利率，呃，考察一下利润，这是可能就是比方说这个市场部门啊，销售部门，他们本身自己比较关心的一些一些场合啊，啊当然像做这个，呃，这个淘宝或者这个，呃，就是像这个京东这样的，本身是一个电商平台的这种网站，他可能并不太关注这个销售毛利率对吧？啊，就这些东西可能是每一个商家更关心的一个事情，但你如果说我们的这个。

啊，就像现在很多这个电商平台也都有自营店，对不对啊，对于自营店而而言，你如果拿到自己的这个销售数据的话，显然是也会关注这些东西的啊。呃，另外还有一个第二类呢，就是占流量指标，那大家会想到就是网站相关的流量，相关的一些内容，对不对啊，当然这个就是UPVUV也可以放在这里边，另外还有什么呢？访客获取成本啊，就是就比方说我们那个发放了多少广告，对吧？呃，这个投放了多少广告，然后获取到了多少的这个点击量，获取到了多少访客，这个是我们可以去做计算的，只要有这些数据。

另外还有就是说流量质量相关，就是你页面访问时长，一个人来了之后看多久呢？跳出率对吧？呃，进来之后马上跳走的这种状态，这这种概率有多少？呃，另外还有就是人均页面的访问数，这些都可以放在流量质量里边去做统计。大家看有一些是是重复的对吧，会有交叉的，所以说这些就是大家有一个整体的概念就可以，另外还有会员相关啊，这就是又具体到一些，呃，不光是电商网站了，还有一些视频啊，其他的一些网站都有会员对吧？啊，那这个就是注册会员数，活跃会员数啊，这实时的都有变化，那这些指标可能更多的大家会想到，他可能对这个实时性要求没那么高，对不对，我未必，比方说这个注册会员数，你怎么可能要求说几秒钟就得就得去刷新一遍啊，可能改变没那么频繁，所以说有些指标呃，未必是非常适合我们在这个实时的领域去去用，但是大家看到这些都是电商应用的指标，那大家可以去思考哪些更适合我们做实施，哪些直接离线算一下就可以了，对吧？呃，这个就是第三部分啊，销售转化指标，呃，那这一部分其实也比较简单。

就是加入购物车的次数对不对？呃，加入购物车的商品数，支付转化率，还有就是下单的数量，跟订单相关的一些东西，另外是支付相关的一些东西啊，你到底付了多少钱，支付的买家一共有多少，支付的商品数有多少，另外这又结合起来，下单到支付的转化率对吧？下单到支付的买家数的转转换率，另外下单到支付中间间隔的时间长度，这是不是全能统计出来啊啊，这就只是看你想怎么发掘这个数据，只要你想这个指标真的太多了。

还有交易类的指标，那就是这个交易成功的订单数，还有这个成功的金额，失败的订单数，失败的金额，对吧？啊，这就又是这个每一笔交易去做这样的，还有退款相关的一些数量，都可以在这里去做统计。啊，下面这些可能就会更加的具体化一些了，就比方说这个客户价值指标啊，这里边可能就是比方说像客单价这些指标，这就是看这个具体的一个客户，他到底有什么样的价值，对不对啊，就是然后还有这个新客户指标，就是这是总体来看的有多少新客户，然后每一个新客户的这个获客成本是多少。还有就是这个它的这个单价是多少对吧，这都是新客户相关的一些指标，当然对应的这个老客户也有也有一些指标，最近一次购买时间是什么样的呢？对吧？重复购买次数是一个什么样的情况呢？啊这些都是有可能会感兴趣的一些数据。

商品类的话，那这个就就更简单了，对吧，也就是产品相关的嘛，对吧，它的这个总数相关的一些指标，SKU puu，或者说这个品牌的存量品牌数，在线的品牌数，还有这个上架的有多少，对吧？呃，另外还有就是这个是不是首次上架呢？这些数量都可以单独去统计。另外就是市场营销，哎市场营销这里边可能就涉及到这个，比方说新增访，新增访问人数，新增注册人数，对吧？啊或者说我们那个投资回报率RO ly，还有这个下单的转换率，订单的数量，这些都可以归到市场营销相关的内容里面来，还有就是广告投放相关的一些指标，呃，广告它能获得访客数多少呢？对吧？呃，这个订单转化率是多少呢？广告投资回报率是多少呢？呃，这个角度是更多的说的是自己做营销的那个广告，对吧。

而我们前面给大家讲到的这个项目里边统计那个广告点击量，说的是一个页面上，就是我们在作为一个电商平台，对吧，别人的那个商品的页面上，他的放的那个广告，我们应该收多少钱对吧，到时候怎么这样去结算，是这个考虑，这都是不同的场景就会有不同的这个指标啊。那最后大家看又有这个风控类指标对不对？这里风控类指标可能跟我们讲的还会不太一样，这个风控主要说的是什么呢？主要说的是好评差评对不对？在这里面其实可能会有这种刷屏的这种风险存在，它这里面没列，但是大家应该会想到对吧，就真正的这种好评数差评数其实并不重要，我们其实作为风控指标的话，要避免的是那种大量刷屏刷单对吧？呃，那后面这个还有投诉类指标，就是发起多少投诉，撤销多少投诉，还有最后一类是市场竞争，那这就是市场占有率是多少呢？还有这个网站排名对吧？流量排名，交易额排名这些，只要我们前面把这些算出来之后，有各个网站的这个交易额和流量，我们当然就可以给他实时的再做一个排排序。

所以大家看这里边提到的指标很多分类还分的头头是道。但其实是不是。计算的难度好像并没有很大呀，所以希望大家是就这些我们代码实现上并不难，但是你得知道这些概念啊，所以希望大家是能有这种感觉啊。