关于电商数据分析的全方位解读(1)

3 评论 11363 浏览 77 收藏 9 分钟

本期文章就以数据分析扫盲贴的形式来进行开展,笔者用一个资深从业者的人设给大家科普一番,在电商互联网企业工作,数据如何来分析,分析的结论有什么作用,怎么处理。

我在之前应邀写过一篇关于数据分析漏斗模型的文章(数据分析逻辑:流量转化漏斗模型详解)。当时我觉得这么简单的逻辑难道有人不会吗?一来觉得自己没什么底气,抑或说我觉得自己的悟性和大众水平差不多,不可能掌握一门别人都没有的思维逻辑吧;二来是自己确实从业经历尚浅,谦虚过度,不敢当众卖弄风骚。

但是在经历后面的几年工作之后会发现,缺乏数据逻辑的人和不知道怎么分析数据或者说分析的云里雾里的人大有人在,每每与其讨论都会特别痛苦,鸡同鸭讲。

如果有某位数据分析大神恰好看到本篇文章,似乎就能明白“相逢何必曾相识”这句话的赶脚。最痛苦的是,一旦有些人的世界观和工作方式形成思维定式,很可能一辈子都改不了,这句话不是危言耸听.

事先要和大家破除一个数据分析的魔咒,数据分析并不是要对阁下的Excel技能有太多的要求,会基本的操作即可,透视表,图标等基本操作即可。至于高端点的spss,Python,r语言等统计和处理编程软件来说是进阶的水平。

因为在现实生活中,譬如逻辑清晰的代码大神可能只会分析自身代码逻辑的严谨优劣,可复制可拓展性等。但是对于数据分析而言则是与之完全不同的分析逻辑,数据看的是趋势以及个案绝对值和比率等,查询增长或者回落的原因,并通过分析结论及时改进运营或者产品策略等。

所以我们在实际工作中会发现,那些Excel玩的特别6的人不一定分析能力就强,那些懂得sql数据库的数据分析师不一定就是你嘴巴里崇拜的分析大神。

要说电商数据分析基本上可以脱离统计学理论那些高深复杂的公式,回归分析,方差分析,皮尔逊相关等,大可不必。简要的说,电商的数据分析理论是基于一个很简单的逻辑形成的,那就是增长与负增长。

说的挺玄乎对吧,其实告诉你的是,少报点那种收智商税数据分析付费课程,那些逻辑和理论其实你听了也是云里雾里,有这时间还不如学学excel各种技巧和函数来的实在,要知道方法论不是别人教了你就会懂会用,需要在工作中的实际运用才会体会其要领。学到的技术则不同,学到了就是自己的,现学现用,即便在实际工作中用不到忘记了也一样能在短时间内回想起来,这是常识。

现在的数据分析师从业岗位有两种:第一种是大学计算机专业毕业的,他们对于数据库的代码和结构要领特别懂,但是你如果真的让其分析某些特定领域的数据问题,可能更多的仅仅停留在数据层面,通过环比同比涨跌等,告诉你趋势怎么样,结果怎么样,而不会准确告诉你相关与否。

并不是说数据不能说明问题,只是数据准确,但是分析往往不能切中要里。这有可能会让其变成一个纯粹的人肉数据库岗位,而不包括分析。(当然我并不是一杆子打死计算机专业毕业的数据分析师哦,只是从我从业以来遇到的一群人里总结出来的,个人观点)。

第二种是excel玩的特别6的人,当然也不排除和第一种都挺精通的人,数据图标函数公式玩的天花乱坠,觉得对方就是数据分析大神也是欠妥的,数据分析的技能固然重要,还是要看数据分析能否结合业务的实际需要。

如果不能结合业务,或者说本身对业务不敏感的,做出来的数据分析结论也是不那么差强人意的。

好了废话说了这么多,以上这些只是让大家能对数据分析师有一个明确的概念:并是不能掌握处理数据分析的软件(excel或者SQL,乃至于Python等)就可以了,更重要的是需要具备与业务相结合的分析能力,给出合理的数据分析结果。

那么我们回归主题,全方位解读,哪些基本面是我们需要了解并掌握的呢,我在之前的一些数据分析的文章中有过一些介绍,大家可以前往查看,这里我不再介绍哪些数据分析的方法论,而是直接告诉大家,在电商中,不同的领域,不同的模块该如何分析,以具体的例子告诉大家如何理解数据分析这个看似神神道道岗位或者技能的本来面目。

基本元素:流量,转化,销售,电商中的哪一项都离不开这三个指标,如果是持续追踪看走势还可以加一个复购指标,我先用一张图来梳理一下以流量来源的分析逻辑。

图有点长,但是意思很简单,我大概列举了流量来源的一些渠道,以及流量的去向的相关信息,基本上就这些了,流量来源的一些专有名词解释我就不在赘述一遍了,有兴趣可以看我的早期的运营类文章。

了解到了流量来源之后,我们可以建立起一套流程化的分析方法,就是流量漏斗分析方法。

上图的这些层级关系可以反映出流量的来源到商品的详情页,甚至到订单页面的层级关系,其原理就像一个漏斗层层衰减,最终到达目标页面的流量占比就是我们所说的转化。

ok,道理讲清楚了,分析就显得很顺理成章了,我们在分析流量的质量和数量时,在一段时间内分析问题先抛开时间线不说,我们只看在这个时间段内其来源渠道的占比,有多少通过漏斗下沉到了目标页。

分析这些目的是要看,为什么会这样,这样的流量配比或者转化带来的什么结果,下一步该怎么办,是维持现状还是改进完善运营方案,这才是数据分析的完整逻辑链路以及反推链路,造成这个结果大概率是因为什么造成的,数据表现是什么等。

初步的分析方法论其实很简单对不对,几乎完全用不到你在学校里学的各种统计公式,方差分析,皮尔逊相关,回归分析,显著性检验等等(当然我大学统计学只考了个60的友情分,但是我也承认现在他们依旧特别重要,大家可以在学学)。

好了今天就先到这吧,接下来我将会对电商的各个模块坑位,外发渠道等的数据分析的实例进行解读,当然不保证完全对,我只如实陈述我对这些领域数据分析的看法和结论。

预告下一章内容,各色频道页的数据分析该如何结合运营发挥效果。

#专栏作家#

作者:王欢,微信:wanghuan314400,运营小灰一枚。

本文由 @王欢 原创发布于人人都是产品经理,未经许可,不得转载。

题图来自Unsplash,基于CC0协议

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. 我觉得这个可以作为数据分析小白的入门文章,但如果需要进阶还是需要学习sql和函数嵌套

    回复
  2. 只强调业务而不知技术的重要性

    来自北京 回复
    1. 这个嘛怎么说呢,两者都挺重要,满意了吧。技术是分析效率的助力神器,但是学习成本大。但是业务逻辑是分析的根本,您认为呢

      来自浙江 回复