電商製作該具備哪條件?分享電商設計數據指標

通常我們在設計電商會擬定一些行銷策略,這些策略通常來至於數據分析,利用數據調整、分析對比,這些是被廣泛使用,如日用戶數據、新註冊用戶數等指標,如直播平台就可能有這些指標、酒店預約業務會關注房間預訂量,等等。

那麼電商中,因該看哪些指標?我們會依照數據分析經驗,看電商數據的基本邏輯和視角,解讀10個電商常見的數據指標。

看數據的基本邏輯

1.從購買流程順序看:流量→行為→轉換

電商中看數據,首先需要從事情的發生邏輯來去理解它。從事情發生的先後順序來說,先得有用戶過來(流量),然後在這邊瀏覽挑選加購(行為),最後付款(交易)。也就是:流量→行為→轉換,這三個大的步驟順序,構成了一個完整的電商交易事件。

2.檢視問題的角度看:轉換→流量→行為

通常上班老板都是會看轉換率,然後檢討為何什麼這麼少,代表說我們流量太少,導致於轉換率差,那麼我們就會在追蹤找答案,會思考到是否使用者行為問題需要改善,流量通常佔比蠻大,假使你實體商家在山上開店,跟你在西門町開店,哪邊人流量多呢?因此流量會佔很大就是這部分,除非你的產品會吸引客戶,非你不可的產品,及時你實體店面開在偏僻地方一樣有人會買。

如果交易數據有明顯漲跌的,再進一步判斷是否是因為流量數據的漲跌而造成的。因為流量數據是決定了最終交易規模高低的最重要影響因素之一。無論你的運營策略多精妙、商品優惠多高,如果完全沒流量進來訪問,也就不會有成交的爆發,例如,若是研究電商的下單黃金流程是否存在問題,可以拆解為看搜索、商店詳情、加購商品、訂單這幾個關鍵路徑的流量漏斗,是否存在某個節點跳出特別高的情況。

以上步驟,可以幫助我們快速建立對於看電商數據的基本視角,我們來進一步分析吧!

常見數據指標

1. 交易:終極目標 訂單金額 和訂單量

在分析之前需要意識到,這兩個指標是一個結果的描述。它們可以用以判斷交易結果的成敗,但同時也存在局限性:它們只是最表層、最宏觀的數值,有非常多的變量可以影響和決定它們,因此,它們只能說明結果(好或壞) ,但無法直接給出造成結果的原因(為什麼好或壞)。

因此,我們需要警惕把這些宏觀指標與某個原因鏈接,直接得出因果判斷的結論。例如,我們不能看到訂單金額漲了,就直接下判斷說,這代表我們的運營策略成功了——這個結果和原因之間缺乏更多的論證,需要進一步溯源。如何避免這種拍腦袋的判斷呢?從公式上去推導是比較客觀的做法,如下圖是數懶裡的一個分析功能,可以看出:因為UV 大幅下降,雖然轉化率有較大提升,但仍導致訂單量大幅下降,所以最終導致引入訂單金額降了。

2.轉化率(轉化率= 引入訂單量/ 流量)

它描述的是流量的轉化效率特徵,首先受品類特性影響,例如奢侈品類的轉化率,就大概率比消費品低。另一個轉化率的影響因素是運營玩法,比如派發更多優惠券,也會令用戶更容易轉化。還有一個因素,即引入的流量與當前落地頁的匹配度,如導入價格敏感型用戶進入到新品專題的頻道頁,就會有導致低轉化率的風險。

3.客單價(客單價= GMV / 引入訂單量)

它描述了每個訂單的平均成交金額,具有比較強的品類特徵,比如奢侈品類的客單價,天然是比消費品的客單價高的。同時,如果進行了拼單滿減等運營策略,也能夠刺激用戶一單購買更多的商品,進而提升客單價。

4.UV 價值(UV 價值= GMV / 流量)

它描述的是每個UV 產出的平均金額,也能側面看出流量的質量、流量與業務的匹配程度。試想一個頁面,如果它的UV 價值高,那麼也就代表給它引入更多同類的流量,它就能創造更大的GMV。因此UV 價值也是一個很重要的指標,和轉化率一起綜合看,可以用來評估到底哪個業務/ 頁面值得投入更多的流量。

流量:決定成敗

UV & PV(頁面瀏覽人數、頁面訪問次數)

UV 描述了訪問的人數,是一個很重要的數據指標,它的多少往往決定了最終GMV 的高低。UV 源自各種途徑,例如站外廣告、站內的資源位分配、用戶主動回訪流量、社交裂變活動的分享引流等。

PV 描述了訪問的次數,例如用戶一天訪問了這個頁面3次,這時候會計算為3 PV 和1 UV。也就是說,PV 比UV 多了某段時間內用戶多次訪問的資訊。若要看頁面的流量量級,無論看UV 還是PV 都是可以的。

人均瀏覽次數(人均瀏覽次數= 頁面訪問次數/ 頁面瀏覽人數)

這個指標描述了某段時間內,每個用戶平均瀏覽頁面的次數。不同的場景會有不同的值,需要根據具體的場景來判斷高低。有些情況會出現PV 高出UV 很多的場景,如存在需要用戶多次回訪的玩法、有分時段運營的策略等等,需要具體分析。

總結

我們應該根據具體的場景、通過數次歷史數據的對比,去設定和校正目標曝光率、目標停留時長。平日看這兩個數據,可以當作一個監測異常的數據,在正常範圍內的波動不需要過度解讀,一旦發現特別異常的情況,再進行具體的分析。

Leave a Comment

發佈留言必須填寫的電子郵件地址不會公開。