1、分析的四大思路 判断指标的合理性，不合理通过细分、转化等方式定位问题所在，提出解决方案。指标的对比一定要注意四个一致，包括：对象、时间属性、数据源、指标定义 （1）对比：横向、纵向，判断指标的合理性 （2）细分：通过公式拆解指标，定位问题。杜邦分析法 （3）转化：一种从业务链条的角度定位问题的分析方法。比如活跃客户量下降的分析，可以从进入店铺的客户数 ——浏览过商品的客户数 ——下单的客户数 ——交易成功的客户数这个链路的环节转化来细分。 （4）分类：RFM模型，聚类算法等，是一种精细化运营的思想
2、核心指标 电商运营的核心是用户的吸收，留存与复购，最终体现在GMV上。 （1）活跃用户：DAU、MAU、WAU （2）用户留存：次日留存、3日留存、7日留存、30日留存等 （3）用户转化：各个环节，细化到不同群体、不同品类的转化率 （4）用户复购：复购率、回购率、复购金额、 （5）销售额：GMV = UV转化率客单价
电商中的人主要定义为消费者，消费者的属性与偏好也是现代营销理论中最重要的环节之一。 补充4P营销：产品，渠道，价格，促销。 转型为4C营销，客户满意度，成本，便利，沟通。真正以客户为中心解决问题。
（1）用户画像 用户画像通过标签体系量化群体特征，达到快速了解分析对象，分层精准运营的目的。 用户画像从业务维度的标签划分举例如下： 用户画像可以帮助使用者快速了解群体这几个维度的分布特征，为拉新、留存、提高转化率、风险控制等运营阶段提供指导。具体到不同的业务问题中，还需要结合实时的销售数据进行分析。
（2）AARRR用户生命周期理论 https://www.jianshu.com/p/8601dd8dcd57 一款APP的用户生命周期：获取—激活—留存—转化—传播
获取： 自然流量（社会热点引发的功能需求；痛点；产品体验） 运营推广—场景化（线上推广，搭建虚拟环境，延伸场景边界，吸引用户；线下推广） 社区自传播（老带新；气球理论，以点及面引爆社群；社会关系绑定）激活： APP功能的操作引导（视觉引导；动效引导） 引导步骤设置，激发用户探索欲（视觉表现；持续的吸引能力；由易到难）留存：活跃用户；沉默用户（活动设计、社群关系、推送）转化：免费体验、优惠券、刺激二次、三次转化传播：正向传播；负向传播（3）AIPL人群资产量化模型 从用户生命周期出发量化品牌的人群资产，将人群分为以下四类，从业务角度，对这四类人群进行差异化的营销。 认知 ：广告报告；公域页面曝光；无品牌倾向搜索 兴趣：广告点击；粉丝互动；店铺浏览；品牌倾向搜索；关注/收藏/加购 购买：购买 忠诚：复购；主动分享；正面评论
（4）电商消费的全链路分析 首页—浏览搜索—查看详情—加购—下单—支付—复购，以及在此基础上衍生的链路结构。 核心指标：GMV 全链路分析思路：根据不同指标，在不同链路环节上，以及环节之间从点线面；宽度—广度—深度；时间—对象—指标；等方向去探索 点线面：某个时间点的指标；指标在时间轴上的趋势性；不同类目，品牌等的横向比对 宽度—广度—深度：商品采购为例。宽（商品采购sku数）；广（商品采购品类）；深（平均每个sku的采购数量）
（5）RFM模型 Recency 最近一次消费时间；Frequency 一段时间内消费次数；Money 消费金额 用户价值的分层分析（可分为8类），精准营销，挽留高价值客户，引入潜在客户。
注：ROI = 点击转化率客单价 / 点击*平均点击花费 复购率：在某时期内产生二次及二次以上购买的会员数 / 购买会员的总数 回购率：上一期末活跃会员在下一期时间内有购买行为的会员比例，与流失率是相对的概念 回购率与留存率的差别在与，留存是针对一个时间节点而言的，研究的是该时间点这一批次用户在接下来N天的留存情况， 回购是时间段之间的会员行为对比，衡量的是一段时间内会员相比上期是否流失
1、商品分类 商品分类可以分为自然分类和销售分类，自然分类体现在网页前端让消费者更便捷的采购，销售分类体现在营运策略上让消费者买的更多。销售分类有以下几种方式： （1）二八法则分类 （2）ABC分类法 （3）平均值分类法 2、商品价格分析 （1）价格带分析 （2）价格弹性分析 3、商品定价策略 （1）成本定价法 （2）需求定价法 （3）竞争定价法 4、商品关联销售分析 （1）关联规则 支持度 = 同时包含AB的交易 / 总交易；关联商品的份额 >=3% 置信度 = 同时包含AB的交易 / A的交易；关联性强弱 >=60% 提升度 = 置信度 / B在总交易中出现的频率；关联规则的利用价值 （2）购物篮分析
5、库存分析
6、利润管理
商品分析一般基于进销存的框架，指标涵盖采购环节、销售环节、售后环节、供应链环节。 1、采购环节： （1）宽广深 宽广深的思路可以扩展到销售和库存环节。由于资源有限，三者互相制约。 广度 = 采购的商品品类数 宽度 = 采购的商品SKU数 深度 = 采购商品数量 / 采购商品SKU数 （2）铺货率（覆盖率） 铺货率 = 有某款或品类产品销售的店铺数 / 适合销售该产品的总店铺数 * 100 % （3）采销匹配度 通过对比品类、型号、价格等方面，在某段销售周期内采购和销售的比重来判断商品销售进度的方法。以裤子为例，该品类的采购占比是裤子数量/采购总数量，销售占比是裤子销量/总销量。 引申的指标是购销比，即销售数量/采购数量，以判断产品是滞销还是缺货状态 2、供应链环节 （1）服务指标 可结合订单区域（场）、产品类型（货）、客户类型（人）细分分析 订单满足率 = 订单中能够供应的商品数量总和 / 订单商品数量总和 订单执行率 = 能够执行的订单数量 / 总订单数量 准时交货率 = 准时交货订单数量 / 能够执行的订单总数 订单响应周期 = 系统中的收货确认时间 - 系统中下订单的时间 （2）管理指标 库存周转率 = 销售数量（库存数量） / （（期初库存+期末库存）/2） 客户投诉率 = 客户投诉订单批次 / 订单总数 （3）库存指标 库存天数 = 期末库存金额 / （某个销售期的销售金额 / 销售期天数） 库销比 = 期末库存金额 / 某个销售期的销售金额 有效库存比 = 有效库存金额 / 总库存金额 （二八法则，关注库存带来的销售最大化） 3、销售环节
商品指标 （1）货龄（管理混乱；销售不佳） （2）售罄率 = 某段时间内的销售数量 / （期初库存+期中进货数量） （3）折扣率 = 商品实收金额 / 商品标准零售价金额 （4）动销率 = 某段时间内销售过的商品SKU数 / （期初有库存的商品SKU数+期中新进商品SKU数） （5）缺货率 = 某段时间内卖场有缺货记录的商品数 / （期初有库存商品数+期中新进商品数）结构指标 （1）品类结构占比 = 某品类销售额 / 总销售额 （2）价位段占比 （3）正价销售占比价格体系指标 （1）商品现值 （2）价格弹性指数 （3）价格三分法 一种将价格分成三段的分析方法，可分为低价格、主价格、高价格。畅滞销分析 前十大销售、库存及占比4、售后环节 退货率；特殊服务率；残损率
触点—触达（营销、促销）—效果 触点：页面结构是否合理（搜索词、内容转化、视频转化、主图优化、商详页优化、触点热区分析） 触达：广告推荐方案、场景投放优化、触达实验（人群、价格、品类）、流量质量（访问深度、停留时长） 效果：长短期跟踪实验
场的部分分析融入到了人的分析中，共同目的都是提高留存、转化、付费率。 场的通用指标包括：销售预测和销售分析 销售预测：增长率、权重指数（月/周/日） 销售分析：直接指标—销售额、净销售额（不含退款）、业绩增长率、毛利率 间接指标—销售量、订单数量、成交转换率、客单价、连带率
场的网页链路指标包括：页面，促销方案，活动商品 页面：页面结构—流量路径、热力图、停留时长、跳失率；页面陈列—屏效 促销方案：优惠券—发放数量、使用率、折损；赠品—发放数量、折损 活动商品：SKU数/占比；销售额/占比
1、如何通过漏斗模型定位问题，解决问题？ 关注主要的转化路径，比如UV-点击，点击-加购，加购-下单，下单-支付等。定位转化率较低的一个环节，研究该群体的共性。研究方法可以以点代面研究几个个体的行为路径，也可以研究群体的指标与高转化率群体对比。比如是否使用优惠券，页面停留时长，sku选择等。 2、用户运营的小技巧？ （1）魔法数字 通过分析，为某指标设置一个标准值，从而更快确定指标运营目标，提高运营效率。 比如留存率，通过分析留存曲线，发现在7天内（通常称为曲线的震荡期）复购大于等于3次的用户留存比例更高。因此设定复购3次为提高留存的魔法数字。 （2）差异化运营 从用户的活跃度（人）、商品偏好（货）、用户购买决策的不同阶段（场）进行差异化运营 参考： https://blog.csdn.net/a3881312/article/details/81188181
1、ABtest的基本流程 确定分析的目标和假设 确定试验的分析指标 确定指标的最小提升值 确定实验所需的样本量与实验时长 实验结果分析（数据可靠性检查，是否存在指标的异常波动；显著性检查，不显著也需要进行细粒度拆解问题）
2、实践的注意点 注意控制变量不被污染 注意试验组和对照组的群体差异性，需要进行AA检验，以免群体实验前差异过大 注意分析结果的辛普森效应（比如A群体的指标表现不错，但B的指标表现非常差，导致整体表现下降） 注意实验截止表征千万别以P值短时达到理想值为准，警惕时间的波动性
3、ABtest不适用的场景 logo，对用户而言是一种品牌印象，不适合用这种方式修正 缺少用户数据
