电商业务逻辑

《电商运营的业务分析逻辑总结》的学习和个人理解

1 核心指标

分析电商业务，都分析什么呢？
分析的是各种各样的指标，以 统计数量 占比 时长周期 排名 来量化指标。
整个电商都是围绕流量所展开的活动，如何去获取这些流量，进一步如何高效地获取精准的流量。获取了流量后，怎么让他们进行付费，又如何留住流量，不断产生新的流量。
总之，电商运营的核心是用户的吸收、留存与复购，最终体现在GMV上，那么核心的指标就是 ：

1. 活跃用户：DAU、MAU、WAU
2. 用户留存：次日留存、3日留存、7日留存、30日留存等
3. 用户转化：各个环节，细化到不同群体、不同品类的转化率
4. 用户复购：复购率、复购金额
5. 销售额：GMV(一定时间段内的销售总额)、客单价

2 分析方法

如何分析电商的业务呢？通常有四种分析角度来分析指标：

1. 对比：横向、纵向，判断指标的合理性。
   纵比——全称纵向比较，即对同一经济主体同一指标在不同时期的数据进行比较，以说明该指标的历史性变化。举例：A商品销售额的同比或环比
   横比——全称横向比较，对不同经济主体在同一时期的同一指标进行比较，以说明该经济主体在这项指标上的相对位次。举例：A商品和B商品在某年度的销售额对比
   同比——不同年的同一月度或季度的指标对比，如2012年8月份比2011年8月份，2012年一季度比2011年一季度，2012年比2011年。
   环比——同年的不同月度或季度的指标对比，如2012年8月比2012年7月，2012年二季度比2012年一季度。

2. 细分：通过公式拆解指标，定位问题。
   把一个指标拆解成多个指标，即某个指标是在其他指标的基础上计算的。

3. 转化：一种从业务链条的角度定位问题的分析方法。
   如果某个环节的转化率大幅下降，那么这个环节可能有问题，需要调整。

4. 分类：RFM模型，聚类算法等，是一种精细化运营的思想.
   建立一个维度，按照一定的标准给分析对象分类。

3 分析对象（维度）

电商内容是由人 货 场三部分组成的。

3.1 人：用户 客户 消费者

首先谈谈人
电商中的人主要定义为消费者，消费者的属性与偏好也是现代营销理论中最重要的环节之一。
传统的营销思路是4P营销：产品 ( Product )、价格( Price )、促销( Promotion)、渠道（Place )。是以产品渠道为导向，制定标准化产品。
现在转型为4C营销：客户满意度，成本，便利，沟通。以消费者的需求为导向，制定个性化产品。

那么针对人的分析逻辑有哪些呢？

3.1.1 用户画像

用户画像通过标签体系量化群体特征，达到快速了解分析对象，分层精准运营的目的。
用户画像从业务维度的标签划分举例如下：

基本属性	社会属性	消费习惯	价值属性	生命周期	风险控制
性别	社会角色	类目偏好	活跃度	新客期	黄牛用户
年龄	职业	品牌偏好	客单价	熟客期	积分异常
地域	薪资	下单时间	积分等级	衰退期	小号用户
	兴趣	下单频率	信用等级	流失期
		退货占比
		促销敏感度

用户画像可以帮助使用者快速了解群体这几个维度的分布特征，为拉新、留存、提高转化率、风险控制等运营阶段提供指导。具体到不同的业务问题中，还需要结合实时的销售数据进行分析。

给用户分类，对每类人群进行差异化营销：认知渠道（广告、无品牌倾向搜索<手机设备、浏览器、搜索引擎>）、消费习惯（看广告购买、粉丝互动、店铺浏览、关注/收藏/加购）

3.1.2 RFM模型（分类）

• Recency 最近一次消费时间；
• Frequency 一段时间内消费次数；
• Money 消费金额

通过分类创建用户价值维：用户价值的分层分析（排列组合后可分为8类），精准营销，挽留高价值客户，引入潜在客户。

R	F	M
价值 发展	价值 保持	重要
保持 挽留	发展 挽留	一般

最理想的客户是重要价值用户，即最近经常来，每次消费数额都很大的客户。
最不值的客户是一般挽留用户，即很久没来，来的次数也少，每次消费金额很低的客户。

3.2 货：商品

其次谈谈货。
商品分析一般基于进销存的框架，指标涵盖采购环节、供应链环节、销售环节、售后环节。

商品分析的常用指标

• 采购环节：商品种类数量以及各类商品的库存数和铺货率
• 供应链环节：订单、库存比
• 销售环节：货龄、售罄率、价位段占比、正价销售占比、销售额排名
• 售后环节：退货率、特殊服务率、残损率

3.3 场：网页

最后谈谈场，就是网页。
促销页、广告页、商品详情页、下单页、支付页 等等。

4 应用举例

业务链条（转化）–用户行为漏斗

• AARRR用户生命周期理论：人+场
  获取app—激活注册—留存—转化—传播
• 电商消费的全链路分析：人+货+场
  首页—浏览搜索—查看详情—加购—下单—支付—复购，以及在此基础上衍生的链路结构。

差异化运营

• 从用户的活跃度（人）、商品偏好（货）、用户购买决策的不同阶段（场）进行差异化运营

《电商数仓》

ADS 数据应用层

用户行为数据仓库 人

• 活跃用户的各项指标

1. 每日活跃设备明细 – 每日活跃设备数 DAU
2. 每周活跃设备明细 – 每周活跃设备数 WAU
3. 每月活跃设备明细 – 每月活跃设备数 MAU
4. 每日新增设备明细 – 每日新增设备数（当日DAU join 次日DAU）
   DAU2 left join DAU1 on day2 = date_add(day1,1) where DAU1.uid is null

• 用户留存的各项指标

1. 留存用户数（count(每日活跃设备明细-每日新增设备明细)）
2. 留存用户比率（次日留存用户数/当日DAU）
3. 新增用户比率（每日新增设备数/DAU）

业务数据仓库 人货场

• 用户转化的各项指标 这次仅举例计算下单率和支付率
  支付流水、订单 – 用户行为宽表（各个维度<环节>的用户总数）

1. 用户行为漏斗分析（用户行为宽表/DAU）

• 用户复购的各项指标
  订单详情、商品–用户购买商品明细

1. 商品复购率（用户购买商品明细：统计用户维和商品维–>用户复购商品N次以上的情况有几种/用户购买商品的情况有几种）

• 销售额的各项指标

1. GMV一段时间内的成交总额（用户行为宽表中 以时间为粒度 计算 订单和支付的总数和总金额）