2个要点，做好电商平台的数据分析

本文中笔者为我们介绍了产品的运营路径是什么，并对行为数据进行分析，给出了一些相应的优化方式。

一、主要路径分析

一切能够进行产品推广、促进用户使用、提升用户粘性和留存、用户自传播、让用户付费的行为都可以称为运营。在运营中我们可以用AARRR增长模型将产品的运营路径拆分为：激活、注册、留存、下单、传播，然后根据每个路径进行分析，从而优化产品和运营策略。

1. 激活

不同行业和模式的激活方式都不太一样，例如：之前我们做的体育app激活方式为——从跑步群里面导入用户和微信公众号导入，先把目标用户沉淀在微信群，然后利用大型马拉松的名额来吸引他们呼吁用户下载app进行报名。

然而对于B2B的电商平台，用户激活主要以地推和客服推广为主。因为入驻平台需要一定的资质证件，且用户自发性地在网上注册的比较少，但地推方式激活的相对成本较高。

2. 注册

注册的时候，常常**因为某个步骤文案描述不清或流程复杂，要求上传的证件太多等原因让用户流失。这时候，我们就可以用漏斗分析用户是在哪个步骤流失严重，分析具体原因后再进行产品优化。

3. 留存

用户激活和注册后我们需要看用户的留存率，每个应用对留存的时间定义都是不一样的。例如：

对于社交软件而言，如果3天不登录可能就被标记为流失用户；

对于我们现在做的医药电商来说，一般用户的采购周期在15天左右，所以我们把**过15天没下单的用户称为流失用户，对于流失用户我们一般**采取和发送优惠**的方式促进他再次下单。

4. 营收

我们需要理解到：作为电商平台只有平台提供的商品价格、品类、物流服务有吸引力后，用户才愿意来下单。

如果用户在需要购买该商品的时候没有下单，那多半是自身的商品和竞争对手相比，在价格和服务上吸引力不够。这时候我们就需要通过爬虫爬取竞争对手的商品数据，然后调整自己的定价和适当做一些营销活动来吸引客户。

5. 传播

由于我们获客成本比较高，因此让用户自传播的方式去拉新也是一种可行的营销方式，针对这个，我们做了邀请好友得优惠**的方式，鼓励用户去帮我们拉新。

二、行为数据分析

分析的目的：了解用户的使用习惯、使用路径以及使用频率，从而得出用户更偏向于使用哪些功能，验证产品用户体验是否做得好，上线的运营活动是否受欢迎等。

做行为数据分析之前，首先我们需要做埋点，埋点可以采用第三方埋点和自己做埋点。各有利弊，这个需要结合公司来做决定。

下面是我们之前做的埋点的表格和用户每次行为记录的字段。埋点主要分为点击事件和页面曝光两类，然后又可以根据页面曝光事件来统计页面的停留时长和用户的路径。

用户每促发一次事件需要记录的字段（具体还需要根据公司需要采集的数据而定）：

• source;                  //来源 001-app 002-pc
• logined;                //是否已经登录 1-是，0-否
• typeUser;              //用户的类型 001-采购商 002-供应商
• userId;                  //用户的id
• codePage;            //页面对应的代码
• numEvent;            //事件编号
• nameEvent;          //事件名称
• codeEvent;           //事件代码
• typeEvent;           //事件类型
• timeEvent;           //事件发生的时间
• purchaserId;        //采购商id
• ip;                        //作用是解析地址或识别客户
• province;             //事件发生的省份
• city;                     //事件发生的城市
• os;                       //操作系统,android或ios
• mfrs;                   //生产厂商    如：华为，OPPO，苹果，VIVO
• typeUnit;            //设备型号    如：荣耀R10，OPPO R7，iphone X，VIVO X20
• versionSystem;   //系统版本    如：android 5.0
• wifi;                     //是否使用wifi，1-是，0-否
• firstId;                 //一级id
• secondId;           //二级id
• fromPage;          //上一页
• toPage;              //下一页
• url;                     //
• parameter;        //参数，同一事件可能包含多个参数
• property;           //属性，与参数对应
• proJson;             //KEY-VALUE对的JSON形式
• remark;              //备注

埋点记录的类型和规则

行为数据需要分析的内容

对于电商平台来说主要分析的点有：

1. 用户的注册路径：分析每个注册步奏的转化率，在转化率低的步骤分析原因，然后进行产品优化。

2. 用户的购买路径： 首页-搜索-购物车-提交订单页-支付页，通过每个路径的转化率来分析用户在哪个阶段流失最严重，然后去分析用户流失的原因。

例如：之前我们分析到用户在购物车到提交订单页流失得特别严重，后面经过分析得出商家设置的最近购买金额太高，导致用户达不到购买金额而提交不了订单。后面我们和商家协商降低最低购买金额后，转化率提升了不少。

3. 分析运营上线的营销活动的用户点击率、通过活动加入购物车购买的商品数量，从而去评判运营的活动质量。

4. 分析哪些功能是用户经常使用的，哪些是不常用的，经常使用的功能我们要力争做到最好以提升核心竞争力。

例如：通过数据分析，我们得出用户购买商品最常用的功能是搜索而很少**通过推荐或分类去加入购物车，因此我们花更大经历去优化搜索功能。

三、用户分群分析

在数据分析中，我们需要将具有共同特性的用户分类管理，然后更具不同的类型采用一样的营销方式。

我们**根据RFM模型来分类：

• R（Recency）代表下单离当前的时间，距离越近代表客户约优质；
• F（Frequency）代表下单的频率，频率越高代表用户对我们平台约认可；
• M（Monetary）代表下单的金额，消费金额体现用户的消费潜力。然后根据不同的指标然后给予打分。

例如：我们**将时间周期定为三个月（由于一般用户采购周期比较长，但是具体的时间需要根据行业的不同而不同），针对最近下单时间打分，距离当前时间在6天之内下过单的打5分，7到12天的打4分以次类推。

针对用户的下单频率打分，大于5单的给5分，4单给4分，以此类推。

根据用户的采购金额打分，大于5000元的打5分，大于4000元的打4分，以此类推。

经过打分，我们算出每个用户的得分，算出得分后我们就可以将用户根据得分分成不同的群体：

分群后就可以针对不同的群里使用不同的营销策略，针对高价值用户我们通常不需要再去管理。

对于低贡献用户我们需要去分析——是用户本身购买力不强还是平台的商品优惠力度不够。若是商品优惠力度不够，我们可以采用推送优惠**给对方的形式，让用户回到平台购买。若是用户本身购买力不足，我们需要刺激够用的购买欲望。

本文由@ADK 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Unsplash, 基于CC0协议

给作者打赏，鼓励TA抓紧创作！

**赏

1人打赏