产品经理工作流之数据分析全阶段（附电商统计）

数据分析是从结果导向为基础的，通过数据去定位问题，并检验最开始数据设计是否达到所产生的价值，是否达成了业务诉求和目标。

数据整体历程路径图：

1.明确目的

首先对于数据分析来说，需要针对于业务层面来拆解业务人员和产品需要哪些数据，通过需求调研、市场等评估后，需要解决什么问题？这阶段我们需要定义整体的设计目标。比如想针对跑步人群定义一款每天5公里监测的产品，可以帮助用户更合理的规范跑步。

2.数据收集

首先我们需要去产品调研，收集用户的基础数据，定义这个5公里监测是否合理。（这个过程我们可以通过问卷调查的方式和竞品分析等角度去执行调研途径）

然后针对于产品目标来说，希望通过这个产品收集一群跑友并能通过跑步更好的监测规范跑步。那么在产品需求的过程中，我们需要有规范的去拆解这些数据转化，可以通过产品功能埋点的步骤进行。

那么怎么针对哪些功能做埋点以及分析对应的转化呢？

• 每日跑步打卡率：跑步打卡用户数/注册的总用户数
• 每日新增用户跑步打卡率：每日新增用户打卡数/新增用户数
• 跑步打卡完成率：5公里完成人数/跑步打卡用户
• 人均跑步完成次数：平均每个跑步打卡的人一天完成几次
• 邀请用户打卡率：跑步打卡用户邀请用户数/跑步打卡用户数
• 漏斗模型：新用户从注册到跑步打卡到完成打卡的转化

由上面需要检测到这些数据。那么我们需要统计的数据：注册的总用户、每日新增用户、每日打卡用户、每日打卡新增用户、5公里完成打卡用户、成功邀请用户记录

3.数据处理——需要构建对应的指标

针对于做哪些数据埋点后，我们需要构建指标模型来梳理和埋点之间的关系，这个案例中埋点对应的指标模型为：

• 发起跑步打卡行为的比例，则指标模型为：active%（跑步打卡）
• 用户有多少人打卡去重，则指标模型为：去重（跑步打卡）
• 平均每个人发起过多少次跑步打卡行为，则指标模型为：total（跑步打卡）/去重（跑步打卡）
• 用户从注册到完成打卡整理流程漏斗，则指标模型为：去重（注册→发起跑步打卡→完成打卡）

4.数据分析

通过上面的指标模型，需要将埋点数据对应的比例计算出来，通过数据进行拆解，最后得出转化率。

• 每日跑步打卡率=去重（跑步打卡用户数/注册的总用户数）
• 每日新增用户跑步打卡率=去重（每日新增用户打卡数/新增用户数）
• 跑步打卡完成率=去重（5公里完成人数/跑步打卡用户）
• 人均跑步完成次数=event（跑步打卡成功后反馈弹窗次数）/去重（跑步打卡成功反馈弹窗次数）
• 邀请用户打卡率=去重（跑步打卡用户邀请用户数| 邀请方式=微信好友）/去重（跑步打卡用户数）
• 漏斗模型：新用户从注册到跑步打卡到完成打卡的转化=去重（微信授权页确定回调次数|用户类型=新用户→跑步打卡→完成打卡）

5.数据展现

数据展现主要通过几个方式来承接：

表：将数据经过清洗拆解后,形成excel表

图：通过excel的数据形成图(柱形图/折线图……）

可视化图表：通过数据的沉淀实时可以形成可视化图表

6.数据解读

通过整理归纳的数据，是否达到预期的版本，怎么去做更好的数据优化，通过数据漏斗表现，是否存在漏洞。假如存在，漏洞怎么去修复，减少（提升友好）注册路径是否更好？通过数据能够帮助我们更好的明确问题，但是最后产品迭代需要回归功能出发。

下面通过电商数据统计模块来聊下后台数据整理：

数据统计在电商系统中的重要性不言而喻，订单信息和热门商品以及购买流程的转化率都是在电商产品中直接影响GMV的关键因素。今天就具体聊聊如何设计数据统计模块。

”数据统计→数据分析→产品迭代更新“，这三个永远是不可分割的，数据本身并没有什么价值，有价值的是我们从数据中提取出来的信息，最后将信息进行版本划分和拆解。

我们经常说需求的来源一部分是历史版本上线后反馈出来的数据，当然该数据需要经过筛选和清洗后才能加以分析，更便捷的解决我们现实中的某个问题或者满足现实中的某个需求。前提是我们需要去做数据统计，那么数据统计有哪些方式呢？

1.对比性

对比性是基本思路，比如电商产品中商品选款策略，店铺数的指标都是需要做对比，运营人员在拿到数据后，需要根据数据的对比来确定商品选品和商家数的增长指标。

2.降维拆分

针对于对比性来看，通过多维度数据拆分，在某些特定的数值下可以明晰数据的指标。比如上月的销售额只有当月的40%，那么针对销售额的对比，并不能看出什么。可以通过针对销售额做降维拆分：

销售额=成交用户数*客单价

成交用户数=访客量*转化率

就可以清晰的看到影响销售额的因素有三个：访客量、用户转化率和客单价。

同样对于商家流量来说：

流量来源=免费流量+付费流量

免费流量=用户搜索流量+用户选择类目流量+其他

付费流量=产品直通车流量+展位流量+其他

就可以明白流量来源影响的情况有很多。

降维拆分可以应用在某一因素受多维度影响，可以针对细分影响因素逐一分析，找到源头。

John常用的数据模块分析方法通常只通过这两个点进行分析，当然还有其他很多的方法。这两个方法只供抛砖引玉。接下来，通过模块来一一聊下电商数据的内容：

一、系统端——店铺统计

店铺统计端主要是针对系统端更方便的统计店铺的数量和店铺的销量

1.店铺地区分布（系统支持按省、市、区/县查询各个地区下的店铺数量。）

查询的操作包含日期维度、区域、店铺主营类目和店铺的类型。

2.店铺销售统计

其中，包含对应的字段：

• 订单总数：所选时间段内所有状态下的订单总数。
• 有效订单：所选时间段内除无效订单状态下的所有订单总数。
• 有效订单金额：所选时间段内所有有效订单的金额。
• 下单量：所选时间段内所有订单状态下的订单总量。
• 下单会员：所选时间段内所有提交订单的会员数。
• 退款数量：所选时间段内所有申请退款的订单数。
• 退款金额：所选时间段内退款成功的退款总金额。

3.新增店铺

只要概述在某一日期段新增店铺的数量：

总结：平台针对店铺的统计，可以了解某些地区的某些行业店铺的整体销量和对应的平台资源倾斜，环比阶段内增量的疲态可以有效通过活动拉新，也不失为一种方式。

二、系统端——会员统计

会员统计包含”整体会员分析“、”会员对应的地区分析“、”会员等级分析“、”会员消费排行“和”新增的会员“。

1.会员分析

针对性的分析下单总金额的买家和下单数量的买家

2.会员区域分析

展示对应地区的会员下单数、订单总金额和总单数

3.会员等级分析

展示了平台所有会员等级的分布占比

4.会员消费排行

统计所选时间段内所有会员的下单总数、下单金额及退款金额

其中包含：

订单总数：所选时间段内所有状态下的订单总数。

有效订单：所选时间段内除无效订单状态下的所有订单总数。

退款数量：所选时间段内所有申请退款的订单数。

退款金额：所选时间段内退款成功的退款总金额。

5.新增会员

统计图可根据错选时间段展示新增会员数量走势。

总结：依据会员统计可以得出会员平均消费水平，对应区域的会员消费比，有针对性的给会员推荐对应的商品以及会员的分层消费。

三、系统端——分类统计

分类统计是依据某一时间段内商品分类中所产生的订单金额、订单数量和下单商品数。

1.订单金额
在某一时间段内商品分类总订单金额排行

2.订单数量

某一时间段内商品分类的订单数

3.下单商品数

某一时间段内商品分类的订单总下单商品数

值得注意的是关于字段的描述：

销售额：所选时间范围内所有订单状态下商品售价总额（不包含运费）。

有效销售额：所选时间范围内除无效订单外的所有订单总额。

总下单量：所选时间范围内所有状态下订单总数。

有效下单量：所选时间范围内除无效订单外的所有订单总量。

商品总数：所选商品分类下商品总数。

有销量商品数：所选时间范围内产生销量的商品数量。

总结：针对商品分类的订单信息和订单的整体数量，可以有意识的针对热门商品和热门分类推荐，针对用户时间段推新和整合活动。

四、系统端——订单统计

统计商城所有的订单，销售总额、有效金额、总点击数、每日点击数、每日点击购买额。

总结：订单统计整体可以算出平均客单价，用户商品访问量的转化率，依据这些数据可以制定商品选品策略和店铺定制化策略。

当然系统端收集数据不仅仅包含这几类数据，还有会员排行、销售清单明细统计、访问购买率等等。总之，针对于电商产品，系统端数据统计越细分，针对于产品追溯和分析就越明晰。

针对了系统端数据统计，接下来聊聊商家端的数据统计维度：

一、商家端——订单统计

商家端针对于订单统计需要明晰的点：

有效订单总金额：所选时间范围内除无效订单外的所有订单总额。

总点击数：商品的整体点击数据

每千次点击订单数：用户访问转化成订单比例

对于订单统计，商家可以自主有针对性的对于商品进行促销分类，通过活动等手段来拉新留存，同时有针对性制定商品销售策略。

二、商家端——销售数据

商家端明晰的销售数据包含：整体的销售概况、销售明细和销售排行榜。

1.销售概况

2.销售明细

3.销售排行

总结：从商家的角度上，商家只需要了解自己店铺的整体销售情况，并针对自己店铺商品做对应的活动，对整体的销售业绩等需要有更多的明晰。

当然，电商的数据统计不仅仅只有这些维度的划分，还可以依据商品的分类信息来划分，这只是给大家提供一种思路吧。

John，不知名产品经理，好好做好自己的产品。也可以一起沟通。

未经允许不得转载（声明：本文内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：net-net@foxmail.com进行举报，并提供相关证据，工作人员会在10个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。）：策信智库资讯网 » 产品经理工作流之数据分析全阶段（附电商统计）