电商后台数据产品的规划设计

3 评论 8001 浏览 26 收藏 9 分钟

编辑导读:做好数据的应用能帮助业务决策和优化,所以对数据产品的设计显得尤为重要。本文作者依据工作中项目实践的所思所想,并结合案例等分享了电商后台数据产品建设的相关经验,供大家一同参考和学习。

01 电商后台数据产品指什么?

广义来说,数据产品涵盖一切涉及到数据的产品系统,除了单纯的数据模块,订单管理、商品管理、资金管理等都可以算数据产品。

本文介绍的是,商家后台中数据分析(经营分析)的模块。通过多维度多经营指标的可视化呈现分析,帮助商家了解自己的经营状况的产品系统。

拼多多商户后台的“数据中心”模块

有赞微商城后台“数据中心”模块

02 数据后台的解决用户什么问题?

这也是我们在做数据后台时首先要思考的问题,按照《用户体验要素》划分,属于战略层。

一般来说数据后台会有这样的目的:

  • 核心指标数据统计
  • 各个模块数据分析;模块的划分一般按照业务过程去划分。
  • 策略输出;针对数据情况,智能自动告知商家数据结论和相关运营建议,增强商家后台其他功能模块的联动
  • 工具商业化变现。针对数据上反映的问题,推荐电商后台的多种营销工具,进行商业化。例如广告投放,活动优惠券工具等,这些往往是可以收费的。

03 数据后台数据应该如何组织呈现?

很多人认为,丰富的数据形式,加上酷炫的交互就是个很“厉害”的后台数据产品,如果没有一个清晰的逻辑脉络的话,这样的产品无非是酷炫组件堆叠,达不到帮助商家统计分析的目的。

我总结了下面几个步骤:

1. 定指标:和自己业务相关的一些指标需要梳理,并且确定核心指标和过程指标。

2. 拆过程:将电商的过程拆解为 流量(自然、私域、广告),下单,付款,物流,退款、服务等各个环节。帮助商家了解各个流程环节中的强弱项。第1步和第2 步往往是结合起来一起做

3. 拆维度:时间,商品,渠道、用户特征等。帮助商家了解何时,什么样的商品,什么样渠道的流量、对什么样的人群有更好的经营数据。

4. 做比较。比较分为 和自己比(环比、同比、近X日等),与 和别人比(同类商家所处的位置)。

5. 可视化呈现。选择相应有意义的维度、指标、比较值,配合相应的可视化组件。

6. 输出结论。根据数据给出结论、问题、和决策建议。让数据讲故事。

04 数据后台一般的构成要素有哪些?

一般来说,数据后台根据电商业务的主题拆分成多个模块,包括:数据概况(首页)、流量分析、交易分析、商品分析、用户分析、营销分析、服务分析等

重要模块的内容和特点如下:

不同的电商平台,侧重点也不一样。

例如抖音小店是以内容引流商品的打法,更加关注创作内容维度对于电商成交的影响。专门设置了 不同的视频、直播、头条内容 维度下 店铺商品的核心数据。

抖音小店后台内容分析模块

拼多多和淘宝这种有集中流量的平台电商,服务相关的数据也会非常重要,包括IM消息回复率,纠纷率,退款退货处理时长,平台介入率,以及反应综合服务水平的DSR分析。

拼多多后台服务数据模块

05 数据后台设计时要避免的问题

最后来说说做数据后台产品要避免的几个重要问题。

第一,数据错误

数据质量是第一要求。数据产品优先保证数据的准确

  1. 口径的准确性。对指标,维度,业务限定使用通用的口径逻辑,最好能和运营分析中使用的口径对齐,避免内部成员理解出错。
  2. 释义的准确性。对指标、维度、业务限定的口径要有规范性的梳理,同时在数据后台中,向用户标注这些信息,减少用户的理解成本。

第二,臃肿堆叠

由于产品系统不断迭代,负责人不断更换,随着时间推移在原有基础上增加数据指标,增加可视化呈现,造成产品越来越臃肿。

因此我们需要明确各个数据模块的设计目的,目标用户,生命周期,谨记奥卡姆剃刀准则,克制添加功能,保证整个系统的简洁必要。

第三,交互展示错乱

一个大的产品系统经常会有多个人员负责 不同的子模块。更加要注重交互的一致统一。降低用户学习成本。

注意数值、单位上下文的一致性,例如单位,小数点,千分位符等。千万不要一个模块用“万”,一个模块用“k”在交互设计上,让用户以最少步骤拿到结果。

数据内容上可以有一定“重复”,避免多次点击让用户自己拼装碎片信息。

06 总结一下

电商数据后台的规划设计需要结合自己的业务特征,明确用户的核心需求和使用场景,确定能帮用户解决什么问题,和给自己平台能带来的商业利益。

在这个基础上,集合业务流程特点,确定核心指标、和次要指标,设计通用的维度组合。

再下一步是利用多种分析模型将数据反应的问题,直接告诉商户结论和决策建议,在这个过程中,与竞争对手的差异化的功能上,进行功能售卖和商业化的引流等。

简要过程:

(1)了解用户是谁,什么样的场景下使用

(2)制定数据后台要实现的目标

(3)数据设计和呈现

  • 确定核心指标和次要指标,以及分析这些指标的维度
  • 结合可视化组件将指标条理清晰地呈现出来
  • 维度组合分析,常见的有:商品和时段组合(找出什么样的商品在什么时段销售更好),商品和人群特征的组合(找出什么样的人喜欢什么样的商品)

(4)将数据智能化的告诉用户结论,和相应的决策建议

(5)结合自己的商业化功能,进行有针对性的变现

(6)提供报表下载功能

 

本文由 @黄勇Finn  原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 可以转载一下你这篇文章吗?

    回复
  2. 可以,学习了

    回复
  3. 颇受启发~~

    回复