电商数据统计宝典下载「电商平台数量统计」

互联网 2023-05-01 22:19:16

今天给大家普及一下电商数据统计宝典下载「电商平台数量统计」相关知识,最近很多在问电商数据统计宝典下载「电商平台数量统计」,希望能帮助到您。

作为一个电商PM,我们需要数据,需要一系列的数据支持运营更好的“输出”。

在电商企业中,PM往往都不是主导性的岗位,例如:在淘宝的主导是运营,唯品会的主导是能够拿到什么样的商品放到平台上(采购选品型)。

简单的产品设计(功能设计),一个大学毕业生接受培训后都能做到。作为PM,我们只有更贴切的了解市场,剖析业务,才能更好的服务企业。

如何留住用户,是一个老生常谈的话题。对于电商企业来说,最好的数据莫过于高复购率,高客单价。所以我们需要活动,需要运营,去引导新老用户消费。

那如何切入这个活动满天飞的电商时代,为企业获得更好的收益和发展?

我们需要数据,需要一系列的数据支持运营更好的“输出”。毕竟每一个产品都会经历技术为王、产品为王、运营为王、商业模式为王的过程,电商行业的商业模式已经有人验证是可行的,剩下的就是如何更好的运营。

说回本章的重点——“数据”。作为一个电商PM,你需要知道下面这些数据代表什么。

数据统计系统

如果说,一个电商平台要建设一套数据统计系统,一定少不了上面任何一个数据。大家都知道电商包罗万象,一个电商平台的诞生,所涵盖的基础模块非常多,关于数据统计的工作量可想而知。

在统计数据前,需要给各个模块添加数据埋点,所以必须清晰每个数据对应的含义,定下的规则避免后期反复修改,影响数据的准确性。

数据统计系统

对于平台型电商而言,需要统计的数据大致分为平台数据与商家数据,接下来我们则一一为大家分享这些数据对应着什么。

1. 平台数据

从上图可知,平台数据一般会统计“用户数据”、“流量数据”、“渠道数据”、“商家概况”、“商家数据”。

(1)用户数据

平台-用户数据

作为平台方,我们关心的用户数据如上图所示,一边是来自社交平台的粉丝,一边是来自平台自身的用户。

关注数:指用户对(平台的)社交平台关注数,包括对微信,微博等的关注;净增长粉丝数:指新增的粉丝量与流失的量之间的差额;流失粉丝数:指流失的粉丝数;环比增长率:同比上期,增长粉丝数的比例,公式算法:((这期-上期)/上期)*100%;注册用户数:指已注册了平台账户的用户数;会员数:指成为平台会员的用户数(各个平台规则不同,例京东会员则¥198/年);非会员数:指未成为平台会员的用户数;新注册用户:筛选期间内,同比此前新增的注册用户数;日活跃用户:(一般对APP而言)以设备ID为依据,1天(00:00-24:00)之内,访问App的不重复用户数;月活跃用户:(一般对APP而言)以设备ID为依据,指1月之内至少访问一次APP的独立用户数;用户性别:用户性别,一般分为男,女,未知;用户年龄:用户年龄;用户地域:指用户的设备定位区域;消费水平:指用户在平台消费后平台给与的等级划分(基础建设可先不计算这一数据);渠道用户:指来自不同渠道的用户(例网红直播从快手引流至淘宝,则该部分用户为淘宝的渠道用户);访问时段:指用户访问的平台的时间段分布。

(2)流量数据

平台-流量数据

独立访客(UV):(一般针对H5/PC)指访问平台的一台电脑或客户端算为一个访客,00:00-24:00内相同的客户端只被计算一次;页面浏览量(PV):(一般针对H5/PC)指页面访问量,每打开一次页面PV计数 1,刷新页面也是访问次数:指用户从开始访问平台到最终离开平台,计为1次访问。若用户连续30分钟没有访问新页面和刷新页面,或者用户直接退出,则定义为本次访问结束;跳出率:指用户只访问了首页就离开的访问量与所产生总访问量的百分比;访客地域:指用户访问平台时设备/客户端定位的区域;访问页面:指用户访问的页面;访问品类:指用户访问的商品品类;访客年龄:指访问平台的用户的年龄;访客支付转化:指用户在每一个页面的访问量的占比率(例访问首页100人,详情页50人,购物车30人,支付页10人,支付成功9人)。

(3)渠道数据

平台-渠道数据

广告投放数据:指平台投放广告数据(指广告曝光量、曝光人数、点击量等,此处不细化);渠道分布数据:指平台各个渠道的分布情况;渠道数量:指平台的渠道数量;点击量:指从渠道导入的用户点击平台次数的累计;导入UV:指从渠道导入流量的UV数据;导入PV:指从渠道导入流量的PV数据;导入访问次数:指从渠道导入流量的访问次数;平均访问时长:指从渠道导入的用户的平均访问时长;订单笔数:指从渠道导入的用户的总下单笔数;付款笔数:指从渠道导入的用户的总付款笔数;订单金额:指从渠道导入的用户的总下单金额;付款金额:指从渠道导入的用户的总付款金额;转化率:指从渠道导入的用户付款订单数与下单数的比率,订单转化率(计算公式:付款笔数/订单笔数);跳出率:指从渠道导入的用户的跳出率。

(4)商家概况

平台-商家概况

商家数量:指平台的商家总数量;地域分布:指平台的商家区域分布(根据入驻时填写的地址统计);品类分布:指平台的商家的品类分布概况(例家电数码100家,服装服饰5000家等分布情况);商家类型:指平台的商家类型分布情况(例品牌店1000家,厂家200家,经销商300家);投放模块:指商家在平台投放流量的模块;投放金额分布:指商家在平台投放流量的金额分布;投放占比:指投放流量的商家占比平台总商家数量。

商家数据

商家数据

上面我们逐个介绍了平台统计数据的要点,我们接着讲商家统计数据的要点。

1. 交易数据

商家-交易数据

下单笔数:指商家的下单笔数(可按某个商家筛选,不筛选则指整7个平台商家的下单笔数);付款笔数:指商家的付款笔数(可按某个商家筛选,不筛选则指整个平台商家的下单笔数);下单金额:指商家的下单金额(可按某个商家筛选,不筛选则指整个平台商家的下单笔数);付款金额:指商家的付款金额(可按某个商家筛选,不筛选则指整个平台商家的下单笔数);复购人数:指不小于1次在商家购买商品的用户累计总数;订单状态分布:指订单状态的分布情况(例待支付50单,待发货60单等);订单金额分布:指订单金额在多个区间范围内的分布情况(例订单均额在300-500的500单,500-1000的200单等);订单渠道分布:指订单来源于不同渠道的分布情况;订单地域分布:指订单的收货地址区域总体分布情况;转化率:指用户付款订单数与下单数的比率,订单转化率(计算公式:付款笔数/订单笔数);复购率:指用户购买次数大于1次的次数占比总用户购买次数(还有另一种算法,此处不细说);支付率:指付款用户数占比下单用户数,订单支付率(计算公式:付款人数/下单人数);支付金额:指用户在商家支付的金额总和;支付方式:指用户在商家支付的方式总和(例支付宝、微信支付、信用卡支付等);币种类型:指用户在商家消费支付的币种类型(例现金、积分、消费券等);支付结果:指用户在商家消费支付的结果分布情况;

2. 商品数据

商家-商品数据

SKU数量:指商家SKU的数量;SKU销量:指商家SKU的销量;SPU数量:指商家SPU的数量;一级类目数量:指商家一级类目的数量;二级类目数量:指商家二级类目的数量;三级类目数量:指商家三级类目的数量;品牌数据:指商品所属品牌的数据情况。

3. 用户数据

商家-用户数据

下单用户:指在商家下单的用户数;付款用户:指在商家付款的用户数;会员数据:指商家的会员数据(会员数、会员画像等);客户留存率:用户在某段时间内访问商家,经过一段时间后,仍然访问商家店铺的用户,被认作是留存用户。而留存率则是该部分用户占比此前的某段时间访问商家的用户数;店铺收藏用户数:指收藏过商家店铺的用户数总和。

4. 流量数据

商家-流量数据

访客数(UV):指访问商家的一台电脑或客户端算为一个访客。00:00-24:00内相同的客户端只被计算一次;浏览量(PV):指商家页面访问量,每打开一次页面PV计数 1,刷新页面也是;浏览次数:指用户从开始访问商家到最终离开商家,计为1次访问。若用户连续30分钟没有访问新页面和刷新页面,或者用户直接退出,则定义为本次访问结束;浏览时长:指用户浏览商家店铺的平均时长;访问时段:指用户访问商家店铺的时间段分布情况;访问品类:指用户访问商家店铺的商品品类分布情况;分享次数:指用户分享商家店铺或商家商品的次数总和。

5. 营收数据

商家-营收数据

总营业额:指商家的总营业额;待结算金额:指商家等待结算的金额(有些平台会将资金控制在平台内,等待结算后才到账);待退款金额:指商家店铺下待退款的金额;已退款金额:指商家店铺下已成功退款的金额;已到账金额:指商家已到账金额(一般用于提现,属于商家真实收入);退款率:指商家收到退款的订单笔数与同期成功交易(付款)的订单笔数的比率。

6. 物流数据

商家-物流数据

待发货数:指商家还未发货的订单数;已发货数:指商家已经发货的订单数;已收货数:指用户已经签收的订单数;平均发货时长:指所有商家的平均发货速度(计算公式=所有商家发货时长/商家总数);快递公司分布:指所有商家所使用的快递公司的分布情况;未签收:指用户未签收的包裹数;已签收:指用户已签收的包裹数;已拒签:指用户拒签的包裹数;待退回:指用户已申请退款,但包裹还未退回的包裹数;已退回:指用户已经完成退货的包裹数;签收时长统计:指所有用户的平均签收时长;

总结

到此我们就把所有基本的元素讲完了,如果你愿意花点时间阅读,你会发现这些数据并不难以理解,也不繁琐。作为电商PM,凡事都要能做到模块化,就以这个数据为例,将数据分块后,每一块的数据其实并不繁琐,所以我们只要记住一个模块,其他模块便能举一反三。

有人会问:即使看了这么多数据,也不知道怎么去建设一个数据统计系统。

其实很简单,这里的每一个模块都是并列的关系,在把模块关系确定下来后,用各种可视化的结果来丰富你的模块,例如下图所示:

可视化图表

这些数据网上都有,为什么我又要重新写一遍,我觉得原因有两个:

其一,对于数据而言,人的大脑记忆力不够强,当你能够完整的整理一遍后,能够更有利于你清晰的理解和界定数据的规则;其二,应该还是有很多童鞋需要这样一份完整的数据统计列表,在功能建设中,可以参考分享改进,也达到我的目的了。

最后的最后,再推荐给大家一款图形插件:百度的ehart,很好用,里面有很多案例选择,不必麻烦前端大神重新去写一遍。

本文由 @野蛮非先生 原创发布于人人都是产品经理。未经许可,禁止转载

题图来自 Pixabay,基于 CC0 协议