首先是數據來源，我們可以通過網站統計工具、ERP系統、客服與投訴等工具進行數據收集。我們收集到的數據包含簡單的幾類三類：前期的營銷推廣、網站運營，中期的顧客消費與供應鏈等ERP信息，后期的客服與投訴。

將之細化我們可以看到，前期的數據包括訪問量（IP UV PV）、平均瀏覽時長（瀏覽量）、新客比例、跳出率、轉化率（注冊、訂單、支付）、流量來源（搜索、地區、渠道）、網頁打開時間、網站熱點、搜索分析等。

中期的顧客消費與供應鏈數據包含：訂單量、客單價、毛利率、二次購買率、忠實顧客轉化率、顧客流失率、缺貨率、商品價格變化、SKU數量變化、周轉率、退貨率、品類銷售占比、會員注冊量、注冊會員轉化率等。

后期客服與投訴包含：客服回訪問卷投訴數據主要包含：投訴分類、UI印象、品類印象、價格印象、網站功能印象、物流體驗印象、售后印象等。

我們通過將以上數據串聯起來，構成一個完整的用戶行為流程。

      怎么分析數據？

有的公司成立專門的數據分析部門，數據部門不僅提供數據，還要完成數據分析工作。這種工作方式，雖然基礎數據準確，但分析結果可能有較大偏差。因為數據分析人員不熟悉業務，對各種信息的了解也不如市場部和運營部等業務部門。

比如市場部推廣方式的突然改變，或者市場上的供求關系突然失衡，數據分析人員不了解這些信息，則可能簡單的判斷成顧客不歡迎這類商品。更合理的數據分析方式是，由數據分析部門提供基礎數據，由相關部門組成項目組共同分析，歸因哪些方面的因素造成的數據異動。

對于新項目而言，可以引入目標分析法，目標分析法是以分析“新客成本”和“忠客轉化率”為核心，設定合理目標，以此判斷商業模式是否可行。如果目標和實際業績數據相差不多，可以通過優化改善業績，如果數據相差太大，則說明商業模式可能不可行，應該早點調整商業模式，并在試錯過程中重復以上數據分析步驟。

數據分析結果該怎么用?

其實我們在日常運營中最大的兩部分支出就是推廣成本與運營成本。而我們所獲取的數據分析結果，能夠幫助我們判別不同推廣方式的優劣勢，計算每種推廣的投資回報率，根據數據分析結果，重點投入和側重優化投資回報率最高的推廣方式。

與此同時，促銷也是推廣的重要組成，依靠數據分析評估每一次主題促銷，就在ERP系統中建立促銷單據，設置促銷主題，促銷商品，促銷檔期。通過BI工具分析促銷商品銷量變化，促銷毛利損失，促銷活動帶動正常商品銷量變化，綜合評估促銷效果，以此指導下一次促銷活動。

而分析中期的運營數據的目的是降低顧客跳出率，讓顧客購物更加簡單輕松。讓網站的布局更加清晰，讓顧客購物過程更加流暢。通過熱點分析，了解顧客關注的位置，把顧客關注的內容放到熱點區域。在顧客容易跳出的頁面顯示推薦內容，吸引顧客繼續留在網站。

另一方面，根據轉化漏斗模型，去調整商品結構、促銷方式、網站整體體驗、不同區域的物流配送設置、老客戶維系等方面。通過數據分析了解顧客需求，不斷引進和剔除引起數據波動的商品，使商品結構盡量符合顧客需求。建立商品維度表，綜合考慮商品所有維度，比如價格、型號、外形、品牌、規格等維度，把商品根據不同維度區分，數據分析各品類各維度的銷售量，增加高銷量維度商品品類占比，精簡低銷量維度商品品類占比。

但不要忘記，商品選擇的過程還受到很多外部因素影響，比如“結構商品”即使銷量不好，也不能淘汰，“季節商品”需要把季節因素考慮進去。

最后，我們來說說后期數據?？头c投訴作為接受用戶反饋的重要組成，客服部門通過對新、老顧客回訪。對生成訂單、但最后沒有提交訂單的顧客回訪，在UI、品類、價格、網站體驗、物流、售后等方面統計數據，分析那個方面最影響顧客體驗，根據實際情況逐條解決。不斷優化。

綜上，通過分析整個用戶行為流程的數據，不斷調整自身的網站、商品結構、客戶服務等等內容，才算是真正的通過數據優化。

視界科技

十二年，視界在變 · 專業不變