內容目錄
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!
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。
