電商實戰營 — 電商數據分析

宁静

*12年电商数据化运营从业者

*宁静数据管理咨询有限公司总经理

*广州天港皮具有限公司副总经理

*Mr.ace Homme企业数据化运营总监

*马克华菲、唐麦等企业高级数据化运营顾问

*阿里数据先锋十佳商家之一

*阿里数据学院特聘讲师及阿里数据学院最高数据风云奖获得者

*阿里第一财经数据分析顾问

*《运营有数：用数据突破电商流量》作者

第 1章　擁抱電商運營的數據時代 1

 

1.1　數據時代，電商運營人員的路在何方 1

1.1.1　電商的現況 1

1.1.2　個人開店創業的未來 3

1.1.3　淘品牌中的大企業面臨的困境 3

1.1.4　數據化運營的特點 4

1.1.5　電商運營人員應具備的基本能力 4

 

1.2　為什麽要掌握數據化運營方法 4

1.2.1　電商商家及運營人員的普遍問題 5

1.2.2　數據的應用無處不在 5

1.2.3　我們真的讀懂數據了嗎 6

1.2.4　數據化運營的作用 8

1.2.5　數據化運營過程 10

1.2.6　數據化提高了決策正確率 11

1.2.7　數據化運營與傳統運營的區別 12

1.2.8　數據是新的生產力 12

 

1.3　實踐與練習 13

第 2章　數據分析的思維、方法、流程和誤區 14

 

2.1　數據分析的五大思維 14

2.1.1　拆分思維 14

2.1.2　對比思維 15

2.1.3　增維思維 16

2.1.4　降維思維 16

2.1.5　假設思維 17

 

2.2　電商數據分析的方法 18

2.2.1　對比分析法 18

2.2.2　細分分析法 22

2.2.3　AB測試法 24

2.2.4　漏鬥分析法 24

2.2.5　聚類分析法 25

 

2.3　電商數據分析的基本流程 26

2.3.1　明確目的 26

2.3.2　收集數據 26

2.3.3　整理分析數據 27

2.3.4　提出優化方案 28

2.3.5　實施優化方案 29

 

2.4　電商數據分析中的五大誤區 30

2.4.1　數據是決策的必要條件 30

2.4.2　數據完全反映了客觀事實 31

2.4.3　數據產生的過程是合乎邏輯的 31

2.4.4　數據不會被誤讀 32

2.4.5　關註數據不會產生副作用 32

 

2.5　實踐與練習 33

第3章　電商數據的收集、轉化與展示 34

 

3.1　數據的收集 34

 

3.2　數據轉化 37

3.2.1　數據轉換的重要性 38

3.2.2　數據轉換的4種方式 41

 

3.3　數據的展示方式 45

3.3.1　製作數據圖表需遵循的4個原則 46

3.3.2　常見的圖表形式 51

 

3.4　實踐與練習 53

第4章　電商運營的核心數據指標 54

 

4.1　流量獲取門檻指標—店鋪DSR動態評分 55

4.1.1　店鋪DSR動態評分的重要性 56

4.1.2　服務對店鋪DSR動態評分的影響 56

 

4.2　銷售業績成交路徑指標 57

4.2.1　點擊率 57

4.2.2　收藏率和加購率 60

4.2.3　客單價 60

4.2.4　轉化率 61

4.2.5　退款率 63

 

4.3　頁面佈局分析指標 64

4.3.1　訪問深度 64

4.3.2　人均停留時間 64

4.3.3　詳情頁停留時間 65

 

4.4　商品分析的指標 65

4.4.1　上架SPU數 65

4.4.2　SPU的平均可分配流量 65

4.4.3　產品銷售集中度 66

4.4.4　動銷率、庫銷比 66

 

4.5　實踐與練習 67

第5章　生意參謀的市場應用 68

 

5.1　通過市場大盤把控流量的變化 68

5.1.1　找出流量下滑的原因 68

5.1.2　監控不同階段的行業數據 69

 

5.2　中小賣家如何制定銷售目標 76

5.2.1　中小賣家銷售目標的制定 76

5.2.2　TOP500賣家數據的獲取方式 78

 

5.3　把握時機，成功打造爆款 81

5.3.1　找尋恰當的入市時機 82

5.3.2　規劃店鋪品類的運營節奏 83

5.3.3　時刻關註競爭商家進入市場的時間與節奏 86

 

5.4　需求量決定爆款的爆發力 88

5.4.1　市場容量大小 88

5.4.2　根據屬性需求規劃爆款 90

 

5.5　如何檢驗自身產品的潛力 93

5.5.1　產品的增長趨勢 94

5.5.2　轉化率的穩定性 95

5.5.3　良好的流量結構 95

5.5.4　同款產品的銷量 96

 

5.6　定價 98

5.6.1　通過定價選擇合適的人群 98

5.6.2　整體市場價格的競爭分析 98

5.6.3　細分市場的價格分佈 100

5.6.4　價格區間對應的平臺流量結構 101

 

5.7　更新迭代，做好備貨深度思考 103

 

5.8　實踐與練習 105

第6章　通過市場數據分析挖掘藍海市場 106

 

6.1　市場數據分析的目的 106

 

6.2　挖掘藍海市場 109

6.2.1　在市場中選擇合適的類目 109

6.2.2　觀察最近3年的市場增長情況，尋找市場增長點 110

6.2.3　如何判斷類目市場的可操作空間 111

6.2.4　市場是否具有明顯的季節性 112

6.2.5　瞭解產品特性 113

6.2.6　產品各年重疊度分析 115

6.2.7　數據的收集 116

 

6.3　分析市場數據時不要被數據所誤導 118

6.3.1　分析沙發墊市場的容量 119

6.3.2　分析沙發墊市場近3年的銷售情況 119

6.3.3　分析沙發墊市場不同材質的銷售情況 120

6.3.4　沙發墊風格的選擇 121

 

6.4　選擇具有可操作性的類目 122

6.4.1　鎖定目標類目 122

6.4.2　類目分配分析 123

6.4.3　市場壟斷分析 125

6.4.4　真實賣家分析 125

6.4.5　流量價值分析 126

6.4.6　核心指標分析 128

6.4.7　銷量基礎分析 128

6.4.8　價格層分析 131

 

6.5　如何根據市場數據做好品類規劃 132

6.5.1　店鋪銷售破局要做好品類規劃 132

6.5.2　品類規劃分解 133

6.5.3　不同品類的品牌市場格局 134

6.5.4　品類細分市場拓展分析 136

6.5.5　做好年度目標增長規劃 148

 

6.6　實踐與練習 149

第7章　用數據解析平臺流量 150

 

7.1　如何打造店鋪流量 150

7.1.1　店鋪流量運營的實際操作 150

7.1.2　產品爆發的關鍵因素 152

7.1.3　把控獲取流量的市場節點 154

 

7.2　從商業本質的角度思考搜索引擎變化 161

7.2.1　如何看待搜索流量 162

7.2.2　從商業本質的角度解讀搜索引擎 163

7.2.3　賣方市場向買方市場的轉變 163

7.2.4　平臺如何獲取更大利益 164

 

7.3　搜索引擎的排名和權重解析 166

7.3.1　搜索引擎排名解析新思路 166

7.3.2　排名的權重指標 168

7.3.3　搜索權重更新速度加快的影響 169

 

7.4　七天螺旋為什麽會失效 170

7.4.1　銷量權重不重要了嗎 170

7.4.2　為什麽七天螺旋有時有效有時無效 171

 

7.5　淘寶標簽化流量解析 172

7.5.1　標簽化的作用 172

7.5.2　標簽化的形成過程 173

 

7.6　手淘首頁流量的獲取 176

7.6.1　手淘首頁的流量入口 176

7.6.2　手淘流量的呈現 177

7.6.3　產品是否出現在“達人”快選池 177

7.6.4　內容運營市場報名須知 180

 

7.7　單品搜索起爆規劃分析 181

7.7.1　數據分析思維在打造爆款中的運用 181

7.7.2　搜索排位權重影響對競品的選擇 181

7.7.3　收集競爭對手的數據及註意事項 182

7.7.4　起爆產品的選擇 184

7.7.5　製作產品起爆規劃表 187

 

7.8　實踐與練習 191

第8章　店鋪診斷 192

 

8.1　店鋪診斷的常規問題解決思路 192

8.1.1　店鋪沒有流量 192

8.1.2　有展現量沒有點擊量 193

8.1.3　有流量沒有成交量 193

8.1.4　有咨詢量沒有成交量 194

 

8.2　生意參謀數據分析基本框架 194

 

8.3　店鋪常見問題的診斷 199

8.3.1　DSR評分診斷 199

8.3.2　店鋪基礎服務指標診斷 201

8.3.3　產品規劃診斷 203

8.3.4　頁面相關數據指標的診斷 205

8.3.5　流量數據指標的診斷 207

 

8.4　店鋪診斷案例分享 210

 

8.5　實踐與練習 221