国内电商行业
业务知识
业务模式
- 企业卖家——企业买家（B2B）阿里巴巴
- 企业卖家——个人买家（B2C) 天猫，亚马逊，某某官方旗舰店
- 个人卖家——个人卖家（C2C）淘宝，京东
- 卖家线上销售——买家线下门店提货/换货（O2O） B2C的升级
业务指标
- 新老用户
- 数量占比
- 金额占比
- 注意：老用户的定义和成交的定义
- 复购率和回购率
- 复购率
- 指复购用户的占比
- 反应用户的忠诚度
- 平均复购周期
- 用户重复购买的平均时间间隔（同一用户在同一天发生的多笔交易在电商行业中通常被合并为一次，不计入复购）
- 回购率
- 分析短期促销活动对用户吸引力的指标
- 人与货两类指标
- 用户交易指标
- 进店浏览指标
- 访客数（UV）：商品所在页面的独立访问数
- 加购数
- 将某款商品加入到购物车的用户数量
- 收藏数
- 收藏某款商品的用户数
- 购买指标
- GMV（成交总额）
- 客单价
- 支付转化率
- 付款用户数/访客数
- 折扣率
- GMV/销售总额
- 退货指标
- 拒退量
- 拒收和退货的总数量
- 拒退额
- 拒收和退货的总金额
- 实销额
- GMV-拒退额
- 商品管理指标
- 备货指标
- SPU
- 款号
- SKU
- 某款的具体货号
- 备货值
- 实际价格*库存数
- 发货售后指标
- 售卖比
- GMV/备货值
- 动销率
- 有销量的SKU数量/在售SKU数量
案例分析（回购率下降）
明确问题
分析原因
- 用多维度拆解分析方法拆解用户
- RFM
- R：最近一次消费时间间隔；上次消费离的越近，R值越小，用户价值越高
- F：购买频次；F越大，用户价值越高
- M：消费金额：M越大，用户价值越高
- 意义
- 精细化运营
- 用对比分析方法对比不同层次用户的回购率变化，缩小目标后继续拆解与对比
- 根据R值的不同进行分组，然后和去年的数据进行对比
- 通过数据发现，R值不能定位回购率下降的原因
- 按照F进行拆解，然后再分组，再对比
- 对比发现有了明显的区别，但是没办法知道具体的原因
- 再对R进行详细的拆解，找到具体原因
- 发现某个时间的回购率是最低的，然后再倒推其时间所发生的业务，最后找到其原因
- 使用假设检验分析方法确定原因
- 找到原因之后再通过假设验证的方法确定具体的原因
提出建议
- 根据分析结果，问题出在该店铺在今年平台大促引入购买一次的新用户后续复购转化不足
- 建议为这家店铺设计一次专门针对新用户的店铺首页，并且仅对新用户展示，强化即时奖励+复购挑战+长期复购的权益
- 可立刻领取首次购买积分，并参与100%中奖的幸运转盘，获得积分、优惠券或周边礼品
- 激励用户在45天内产生复购，赠送精美礼品与包邮特权
- 推出积分卡、兑换卡等一次充值、多次优惠返利的权益
- 除页面外，通过短信、手机淘宝等沟通渠道在新用户首购的7天后邀请返店领取会员卡，及时送上复购卷等权益
- 思考角度
- 外部
- 已有的电商平台资源
- 未来可争取的电商平台资源
- 竞品有但我没有的资源
- 内部
- 推广策略
- 用户运营策略
- 商品策略
- 活动策略
- 思考方向
- 沟通优化
- 沟通对象分组
- 沟通渠道筛选
- 对不同用户沟通内容的定制
- 权益优化
- 实物奖励
- 服务体验
- 特权身份
- 趣味互动
活动复盘
总体运营
- 直观的展示本次活动的销售数据
- 关注
- 销售额
- 用来跟预期目标做对比
- 售卖比
- GMV/备货值
- 对库存进行优化
- UV
- 浏览页面的次数
- 转化率
- 选出销售较好的商品
价格区间
- 对本次活动的价格区间有一个整体的了解，可以看出哪个价格区间的数据是最好的
- 然后再对此价格区间进行更细的拆解，拆解到价格区间的商品，然后定一个符合需求的标准
- 超过就予以保留，用于参加下次活动
- 小于的就清理库存
折扣区间
- 对本次的折扣结构有一个整体的了解
- 同样的去找到合适的商品进行优化
小结
- 在学习了多种思维方式以后，只有在实践中才能去完全的掌握其使用方式和运用的场景，而且多重思维方法往往是结合使用。
- 此例的思路为：
①用多维度拆解分析法方法拆解用户
用到的是RFM分析方法对用户进行多维度拆解
②用对比分析方法对比不同层次的用户的回购率变化
组内对比，找到所需要的的数据
③使用假设检验分析方法确认原因
