电商数据报表分析案例

我们做一款互联网产品,重视数据产品是因为我们有大量的数据生产,我们需要避免拍脑袋需求,希望下一步的产品设计方法是正确的,不是错误的,需要一个能够为我们提供智能决策、数据可视化、快速浏览数据规律的产品或方法。

所以才会有数据产品经理这个职位。

第一是:打造数据产品

比如我们使用的运营平台、电商交易后台,都是数据平台来做数据查看的,是一种工具类型的产品。

第二是:利用数据做运营升级

特别是很多公司不像大厂那样有专门的数据团队,所以会要求数据产品经理做数据运营分析。

第三是:产品优化设计

通过页面之间的数据指标数值,找到最短的用户路径设计、功能排列、和页面按钮布局位置。

上面3个都是数据产品经理的软实力。

最常见的是利用数据看板和数据规律观察总结运营决策建议,几乎所有互联网产品在线上变现都会有一个类似的「电商系统」。围绕订单的交易数据、商品的数据、渠道的数据、业务转化数据构成通用的数据运营分析。

下面我给的数据看板,是我们在电商运营一定会用到的数据看板,也是我在《21天数据产品经理训练营》的课程案例,可以在尾部报名课程中学习加入1月份班级

一、利用用户数据做运营升级

1.交易数据的数据分析

如上是某个线下门店的交易数据,数据来自用户门店扫码后生成的订单数、付款数据。右边是数据趋势图,包含了下单人数、付款人数。

这个数据看板是利用第三方的电商数据平台生成的可视化数据,同时很多数据平台也允许人工导出数据方便更进一步分析。

对于数据产品经理来说,如果只是看这冰冷的数据是没意义的,我们要观察时间下的变化、找到规律,做运营策略、产品设计优化的铺垫。

从交易数据趋势和数值可以得出下面结论

数据结论

1.总销售金额52028,扣退货51521,付款人数190人,付款笔数242笔,付款件数497件,人均付款笔数1.27件,人均付款件数2.61件,整体客单价273。

2.1.6日是付款人数峰值。

优化策略:

1.门店商城店铺内增加关联营销推荐和多种满减套餐,增加人均付款件数,提升整体客单价

2.峰值日是门店会员日,会员日增加扫码入口投放,进一步增加扫码数

2.渠道分析

渠道交易按照字面理解就是分析系统里所有商品的下单在各个渠道的数据分布情况。

渠道分析需要提前制定好渠道标准(有的甚至需要埋点支持)、同时挖掘可以用的渠道。比如上面这个案例只能采集PC、app、微信、和手机浏览器,实际是比较粗的范围。

要精细化渠道分析还可以追踪到某个代理商用户、某个城市地域等。再以此给出我们下阶段要做的运营工作

渠道分析的数据结论:

1.订单量渠道来源主要为微信端占比94.1%,PC端和M端有小部分订单,总计占比6%

优化策略:

1.后期主要还是微信端引流推广,但也要注重PC端和M端的搜索引擎优化流量,这个需要其他部门配合做SEO优化

2.手机app为0,观察是否有BUG,增加app投入检测

3.商品分析

往往对于一个互联网公司,线上销售的产品品类会比较多,我们需要找到热门的品类进行定向运营。

产品涉及到的商品数量多,数据产品经理需要考虑商品分析。统计出最好卖的商品以及用户人均单价,再做商品的迭代。

商品分析有助于大大提升产品的竞争力,同时还能够开源节流避开低效商品的投入。

还记得麦当劳兄弟在做麦当劳时候首先确定只做汉堡包,因为汉堡包占比自己原先餐饮收入的80%,因此选择单个SKU,才成立后面的麦当劳。

根据上图的商品数据,我们可以得出如下的商品分析结论

数据结论

1.top3付款量分别是文件夹,鼠标垫,小雅nano

2.Top30中月订单量在10个以上的为文创+玩具+音箱,产品单价都在100元以内,关注数据线,充电宝,保温杯这类的低客单刚需产品,目前没有跑出量,看陈列或者导流不够

优化策略

1.给到容易走量的产品页面流量或者策划活动

2.公司自有包装的选品策略往文创类的刚需产品上靠,如文件夹,手机壳,笔记本,便利贴,数据线,充电宝,电脑袋等,高客单价商务礼品目前数据表现太差,走不起量

车载系列的产品线不丰富,建议补充,车载系列如果换成OEM自有包装,会是一个很大的潜力股

4.商城首页流量数据

用户从商城首页到商品详情页的点击符合海盗模型,不过上面的趋势图需要换算为百分比,才能得到有效的转化比数据值,用于产品经理做商城首页的页面设计优化。

数据结论:

1.1月6日商城首页和商品页UV流量最高,其他时间段比较平均,上个月总产品UV为548,总首页

UV为903,但是目前数据分析部不能区分哪些从产品跳转到首页的。

流量转化建议策略:

1.因为PC端占比流量高,增加流量引入渠道,公众号,渠道投放,资源置换等

2.某几个商品类的详情页转化率高,可以推出这几个品类商品的广告位

5.品类单价分析

搞清楚品类单价是电商运营成功的关键,比如我们的商品较多,除了找出排名前的商品外,还要知晓用户能够承受的人均ROI,方便我们下一步找到商品的进货价格阶梯。淘汰高出人均价格的产品

数据结论:

1.目前销售金额贡献最大的是音响类产品,占比54%,品类单价也最高

2.耳机类产品销售金额最低,动销快的办公文具销售金额略低,品类单价分别为30

3.生活电器类产品目前动销好的只有车载香薰,客单价略低,其他都动销差,造成整体品类客单价略低

品类建议策略:

1.生活电器类产品爆品选品可能需要重点调整

2.尝试套餐搭配销售,提升客单价,以高动销带动低动销产品,提升影音类品类单价,办公文具可尝试倍数销售

以上就是我们利用数据模型来做数据运营分析去优化电商运营的技巧。

同样的我们还可以利用数据模型去优化产品设计。

二、利用数据做产品设计优化

下方页面是支付宝在手机话费跳转到的话费充值成功页面。

经过数据埋点后得知用户领取红包,用户达到成功数的路径完成是最高的

但相比「充值助手」、「手机充值」对比起来,点击数量少,点击率低

从增加用户ROI,我们可以用计算公式:

点击率*完成成功数=ROI

要想提高ROI,点击率、完成成功数2个数据进行提升,就可以得到更高的ROI。由此将左边的红包领取按钮区域变大,同时红包充值页面的位置上移,增加更多点击率

点击率提高,从而增加 ROI,我们才有右边的充值成功页面设计。

以上2个纬度的案例,我想表达的是数据产品经理不仅是构建一个数据平台,还要掌握基础的数据运营知识、和用数据知识来驱动产品设计,达到更高效,不拍脑袋。

今天的分享就在这。

推荐阅读更多精彩内容