京公网安备 11010802034615号
经营许可证编号:京B2-20210330
在电子商务过程中你需要使用何种数据来衡量表现
你有一个在线的生意吗?如果你的企业需要衡量表现,不要被蒙在鼓里。
在线商业和传统生意相比主要的优势是每一个单块的数据都可以被衡量。但并不是很多在线零售商多从这一进步当中获利。这不只是说你需要安装网络分析工具,你还需要能够理解这些数据,并且做出可以执行的决策,来让你的在线商业获得成长。
在我们开始之前,你需要掌握的最重要的数据包括:你的商业目标是什么?你在今年,明年,未来三年或者更长时间想要达到的在线商业销售额是多少?如果你对此完全没有线索,你可以用至少十二个月的未来商业成长预测来作为开始。举例说,是环比增长20%还是同比增长25%?
一旦你设立商业目标,而且也明白你有多少预算,你就可以深入观测你数据的主要部分,并且致力于实现你的商业目标,最后当然可以获利。
关键度量
衡量你在线业务的所有数据并不难,每一件事都是用这个黄金公式来开始的。这用来判断在线营收的起源。
在线收入 = 独立访问量 (UV) X 转换率 (CVR) x 平均订购量 (AOV)
对于上面的方程来说很明显,你需要增加流量转化率,以及/或者平均订单量,来增加你的在线销售额。如果你接受线下付款,你还需要把付费率(PR)放到上面的方程中。
我们的推荐方法是,根据营销渠道的不同,来分解这个方程。像这样:
以上是一个例子,你需要包括商业模式当中所有可能的营销渠道,比如关联和参考系等等。你完全可以进一步分解营销渠道,比如比起仅仅分类为社交网络,可以将它们分解到微博、微信等不同的特殊渠道。
丢弃率
如果你的转化率 (CVR)不尽如人意的话,有一个特别重要的衡量标准就是丢弃率(abandonment rate)。
我们在这里并不仅仅谈论把购物车中的东西放弃购买。你需要从着陆页开始就开始测量。这是你的首页,活动专门页面或者其他任何一个消费者可能首次登陆你在线网站的页面。
然后请测量你的着陆页当中的回弹率(bounce rate)。人们在到达你的网站之后是离开了,还是访问站内其他网页?这可能甚至都不包括将产品放入购物车。而且你需要知道为什么发生了这些?这可能是因为你的营销渠道,让着陆之后的用户来到了错误的地方吗?你需要继续优化你的着陆页吗?
自然,衡量购物车丢弃率(shopping cart abandonment rate)是同等重要的,如果十个访问者中有九个人在选购一些东西之后没有付款就走掉了,事情就很糟糕。尤其是如果你投资,希望他们首先能够到达你网站的情况下。
你不仅需要通过购物车检验程序,在技术上优化你的购物车环节,还有一件事也很重要,就是明白什么样的产品具有高的丢弃率。还有,最好给你的顾客打电话,问一问他们为什么离开。
获得消费者的支出
除非你通过搜索引擎优化(SEO)已经能够稳定地获得来自网站的流量——当然不是通过付费搜索,你就需要投入一笔必要的资金来为你的在线商店获得流量。
当然你需要用你喜欢的分析工具来区分新用户和老用户。
对于新用户来说,他们转变成你顾客的比例有多少?这就是我们衡量所谓顾客获得支出(Customer Acquisition Cost (CAC))的办法。简单来说就是你花了多少钱获得了一位顾客。如果你花了100美元来让5个人在你的网站上买东西,你的顾客获得支出就是40美元。
实际上,并不难理解为什么很多的在线零售商提供20美元的折扣券给第一次来的顾客。这实际上是他们顾客获得成本的一部分;还要加上让用户第一次来到他们的在线商店看看的成本。
除了新客户,下一步是衡量你回头客当中的平均保留率( average retention rate)。你需要知道客户们是不是在重复购买?他们回来的频率,以及他们重复购买时一般的行为是什么样的?
千万不要疏忽后一部分。因为让已经过来的顾客来买东西,总比转化新人要简单的多。
顾客的终身价值
实际上这已经在之前衡量保留率的度量标准当中提到过,毫无疑问这将是所有衡量标准当中最重要的一项,这就是顾客终身价值(Customer Lifetime Value (LTV))。
从核心上来说,电子商务是简单的生意,如果终身价值大于顾客的获取成本,那么你就可以赚钱,如果不是的话,你就不赚钱。很简单。
是的,正如上面的这一句语录所说的,如果你不明白这个公式,你最好就不要做电子商务了。
现在我们怎么横量这一指标?很简单,这是你从客户身上获得的投射净利润。如果你从顾客身上获得的净利润比用户获取的花费要低,你就有麻烦了。
我们在这里来做一些计算。假设一个用户花了500美元购买了4样东西,净利润是100美元。这是500美元的20%,同时也是在这个顾客上所获得的终身价值。如果获取这个用户的花费是40美元,你还可以赚到60美元,你的商业模式就是健康的。
简单的说,根据终身价值所测算的净利润,应该高于获取用户的支出。至少从长远来说必须达到这一点。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12