干货：5个维度构建电商全景大数据分析
電商是一個伴隨數據而生的行業，數據在電商平臺上高速運轉，由此也誕生了非常多的電商信息化平臺，有物流系統、供應鏈系統、OA系統、流量分析平臺等，而各平臺產生的數據都被分散在各個系統中，無法發揮出數據的價值。現在，把數據統一存放在一個平臺上，通過數據分析挖掘其中的價值，將對業務產生有效指導。
接下來，我們將從電商數據分析架構、線上店鋪管理分析、線下門店運營分析、全服務分析、后臺支持分析五個維度去構建電商行業的全景大數據觀。
一. 電商數據分析架構
首先需要承認的是，數據分析架構模型的前提是需要對業務的日常工作場景及需求有充足的理解，并能提出具有建議的數據分析方法，以釋放業務人員在數據分析環節的時效。
我們注意到：
流量部門關心：什么樣的流量能帶來轉化、什么因素影響了流量的轉化率、流量轉化成本的分析、渠道分析等業務使用場景；
供應鏈部門關心：賬期管理、庫存管理、原材料管理、制造工廠工期管理等業務場景；
客服部門關心：首單會員、復購會員、促銷及返利等；
……
總覽下來，發現電商業務分散在各個系統上一個“正確”的狀態，其實不然，我們再花一定時間究其背后的原因是絕大部分的信息化工具聚焦于業務場景的實施，而非基于大數據全景管理角度。
為此，永洪提供了一站式大數據分析架構咨詢服務：
二. 線上店鋪管理分析
對于一家店鋪的用戶而言，一個完整的購買流程：看到廣告-進入店鋪-瀏覽商品-咨詢購買-下單支付。對于店鋪運營人員應該如何對各個環節的用戶進行流量分析和管理呢？針對此，下面將分別從流量分析、銷售分析、商品分析、活動分析四方面進行詳細解析。
對于當前的電商企業而言，流量分析需要解決的三個問題：哪種渠道來的流量能夠帶來轉化；是哪些因素影響了流量的轉化；如何選擇最優的流量渠道，降低獲客成本。
基于以上三個待解決問題，永洪數據分析專家對線上店鋪流量進行了詳細的梳理和分析，從以下三個方面來對流量進行拆解分析：
推廣分析：通過對渠道花費金額、頁面點擊數等數據進行分析，分析不同的流量來源以及獲客成本，最終找到高性價比推廣渠道；
內容分析：分析各內容的流量來源及相關運營效果，例如手機淘寶里面內容運營，日常在手機淘寶里面推送一些文章，以及找一些淘達人做線上直播等方式拉動流量；
頁面分析：通過對當前頁面的流量來源及去向分布進行詳細的分析，關注頁面熱力重點，為店鋪裝修指導提供依據。例如在做電商促銷活動的時候，會上線很多種頁面，具體到對單個頁面的情況，通過針對單個頁面流量的來源和去向進行分析，包括頁面的效果怎么樣，進行分析，進一步指導運營手段的優化。
從流量角度層面的分析，旨在將客戶吸引到店鋪來，交易過程是什么？哪些過程影響了銷售訂單的轉化？異常是否可避免？基于這些問題，永洪數據分析專家建立了銷售分析體系，針對交易環節，根據轉化率發現問題所出現的環節，分析轉化率與哪些因素有關，指導改進的方向，輔助線上運營人員找到用戶流失原因，進而召回流失用戶。
銷售分析分為兩個層面：
轉化分析：轉化分析主要是關注的是訂單轉化情況，針對交易環節進行分析，找到轉化情況跟哪些因素有關，指導改進的方向；
異常參考分析：根據銷售活動訂單形成的問題為參考項，優化活動流程。比如用戶可能在一些環節有些跳失，而這種客戶的流失企業主來來說可能是不能忍受的，因此通過異常分析用戶流失的一些原因，然后針對這些的原因進行優化，改進銷售策略。
對于電商企業而言，用戶在通過渠道推廣進入店鋪后，進行了一系列下單和購買行為，然而由于商品缺貨等情況導致客戶下單后無法及時收到貨，此刻，對于線上運營團隊而言，能夠清楚的了解當前庫存有哪些商品、這些商品銷售狀況如何、新品研發進度如何、什么時候可以供貨、滯銷產品的總體概況等問題，顯得尤為重要，對此，永洪建立了商品分析這一體系，通過從屬性、選品、備貨三個層面進行分析：
屬性：包括產品線、產品結構、產品類目，針對不同商品屬性，指導商品進行合理搭配相對應的活動；
選品：針對銷售業績目標及產品備貨情況進行產品定價、上下架等選品分析；
備貨：監控分析商品備貨情況，配合活動制定銷售策略。
最終幫助線上運營人員能夠清楚的知道商品情況，從而能夠更好地促進商品銷售、去庫存。
在電商企業的數據增長過程中，活動運營起到了不可忽視的作用。電商企業每月有大量的活動，由于數據零散的存在活動組的各個人員手上，導致無法了解單次活動的數據變現、以及活動結束后的總體表現，因此也無法基于對歷史活動進行數據分析，指導下次活動的改進。
基于以上這些狀況，永洪數據分析專家團隊設計出了活動主題的分析體系：
基于歷史活動數據進行分析，結合活動目標及預算，為本次活動營銷計劃的制定提供參考依據；
通過對流量情況、銷售情況、商品情況三個維度監控活動過程，清楚的了解商品的庫存是否滿足需求以便線上運營人員及時優化運營計劃；
通過對活動的所有花費進行統計，計算投入產出比，進而衡量活動的價值，以及為下一次活動的改進提供優化參考。比如說某次活動，通過送優惠券活動的一些不合理流程設置導致大量用戶退貨，那么下次活動時就要避免產生這樣的情況發生。
電商大數據分析從何入手？搞好這五個維度就夠了
三. 線下門店管理分析
對于電商企業而言，過去是以線上店鋪為主，隨著業務的擴張，現在這些企業通過不斷拓展線下門店，彌補線上用戶體驗的缺失，融合線上線下，從而擴大用戶規模。為此，永洪數據分析專家設計出線下門店管理分析體系，通過線下門店拓展分析、店鋪選址分析，幫助電商企業選擇最合適的店鋪以及對店鋪實現高效管理。
線下加盟店拓展分析主要為經銷事業部提供用于選擇合適加盟商、加盟店鋪的評判體系。
加盟商篩選分析：
通過對潛在市場分析，即對產品定位和潛在消費群體進行的分析，用于定位拓展線下門店的具體區域；
通過對加盟商條件分析，即基于潛在市場分析篩選適合合作的加盟商條件，并根據加盟商的基本條件和市場定位，選擇恰當的合作形式。
2.線下門店的運營分析
線下門店的運營分析包含了兩個部分，一是自營門店的經營分析，二是對加盟店的分析。
1）自營門店分析
自營門店是現階段公司線下銷售的主要渠道，在業績、營銷、門店形象、團隊建設等方面都實行統一管理，是公司面向線下消費者最直接的形象表達。對于當前的電商企業而言，自營門店和線上店鋪如何相互補充，是需要解決的一大問題。線上流量雖然大，但是同時由于線上缺失用戶體驗，導致部分用戶流失，通過數據分析將這部分流失用戶找出來，然后借助運營手段將線上的這部分流量引流到線下，最終促進更多訂單的成交。
2）加盟店分析
加盟店作為銷售渠道的一個補充，對其進行銷售業績和統一對外形象的管理和監控，有助于企業實現更大規模的擴張和銷售業績增長。通過打通門店端與總部的數據信息，店長如果想要查詢加盟店的銷售業績數據，只需打開報表即可查詢實時的門店銷售情況，通過數據分析即可輕松對加盟店實現高效全面的管理。
四. 全服務分析
全服務流程分析主要是從訂單流程和訂單內容進行分析，目的是提升訂單處理效率，以及提升訂單成交量。
根據全服務業務流程進行劃分和分析，解決了電商企業的三個問題：
1）提高訂單處理效率
一個用戶下單后的處理流程包括下單-貨審-財審-發貨-回訪-售后-責任分析等環節，通過對每個環節的數據進行監控和分析，優化訂單處理效率，提升用戶體驗度。例如客服在接到訂單之后，開始審核客戶的基本信息情況，以及對訂單的審查，然后開始下單，下一步進入貨審環節，對發貨、回訪、售后等環節進行詳細分析，能夠清楚了解具體是哪一細分環節導致訂單處理速度過慢的，從而幫助業務人員解決掉這些問題。
2）業績管理
通過對每個環節，員工完成效果數據進行監控和分析，能夠全面掌握員工的業績完成情況。另外，通過結合業績達成情況流程分析，發現哪些員工的業績有問題，然后針對業績進行拆分，找到員工的業績不好是因為效率不高，還是說因為產生的差評率、退貨率比較高。如果是效率導致的，繼續拆分找到流程是在哪一步出現問題，是由于訂單的什么原因導致，然后優化這些問題。
3）降低客服人員流失率
在此之前，電商企業的客服考核機制是基于客服的訂單完成結果進行考核，業績不達標者會被辭退，導致客服人員流失率極高，極大的浪費了人力成本。經過多次調研，永洪數據分析專家團隊根據客服實際業務情況，開發出了一套專門用于客服KPI管理的算法，通過用數據來管理員工績效，幫助客服人員找到是哪些原因導致客服流失，從而幫助客服人員提升業績，降低人員流失。另外每個月會給員工推送KPI可視化分析報告，包括員工綜合能力評分、優勢能力、劣勢能力、員工重點指標、業績目標等，員工在接收到這張可視化分析報告后，可以清晰的知道自己哪塊做的比較好，哪塊做的不好。除此之外，將優秀員工的業績分析報告推送給業績較差的員工，那么員工通過將自己的業績報告和優秀員工的業務報告進行對比，就能夠發現自己哪塊不足，該向哪位同事學習，以及如何去提高自己的能力以及業績。通過用數據對員工KPI進行管理這一舉措，極大地降低了客服人員流失率。
流程異常分析主要對異常訂單進行分析，包括售后訂單、退款訂單、差評訂單。也可通過總覽全部異常情況，進行交叉分析。比如售后退款差評，當前電商企業更多的停留在差評率很高，但是它的趨勢是什么樣這一境地，各個環節異常訂單占比是多少，客服人員并不知道。永洪科技咨詢專家團隊通過細化異常訂單原因指標，最終可以輔助客服人員一探究竟異常訂單的異常是由于哪些人、哪些商品所導致的，從而解決掉異常訂單問題。
五. 后臺支持分析
后臺支持分析主要針對人力資源管理進行分析，包括招聘、培訓、績效考核、薪酬等方面，需要為其提供針對上述幾個領域的數據分析支持，以幫助其形成完善的團隊建設管理體系。
例如對于招聘分析，基于招聘的全生命周期管控，從招聘流程合理度、面試人員情況、渠道質量、面試情況、招聘完成數、用人情況和成本效用等方便進行分析去幫助電商企業來完善團隊建設的管理體系；對于培訓的分析，基于每次員工培訓，在之后的工作當中表現出來的各項能力數據來評判培訓效果，經過前后業績對比，看看是否產生了變化。通過對員工在整個職業生涯上的業績數據的表現狀況來進一步優化和完善員工培訓體系。
通過對招聘、培訓等方面的分析，能夠清楚了解到員工淘汰率居高不下的原因，針對分析結果完善招聘流程和招聘渠道等，提升招聘質量和招聘效率。在招聘完成后，為員工設計適合其發展的成長培訓路線，通過完整的培訓體系數據監控，根據員工的表現，為人才的發展提供適配的資源，從而幫助員工突破成長瓶頸。
總結
以上是生活随笔為你收集整理的干货：5个维度构建电商全景大数据分析的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 干货：如何利用机器学习实现有噪声标签样本
- 下一篇： 5分钟教你制作狂拽酷炫的投资交易图