隨着數據時代的到來，各行各業的經營發展開始注重數據分析思維。通過數據，我們可以了解產品的好壞、用戶的喜愛程度，從而用數據去解決產品存在的問題。

數據分析更多的是基於業務背景來解讀數據，把隱藏在數據背後的問題總結出來，發現其中最有價值的東西，再加以優化。

在提煉數據的整個過程中，人是主觀的，而數據是客觀的。同樣的數據但不同人解讀出來的結果肯定是不一樣，但結論的本身並沒有錯。那麼我們做電商數據分析師常用的方法有哪些呢？

當開始數據分析產品時，首先分別分析每個變量，以描述擁有的數據並評估其質量，接下來分析每個變量之間的關係。這裡我把電商數據分析分為四大版塊：即對比分析、轉化分析、留存分析、產品比價。

1.對比分析

橫向對比：簡單的說就是和誰對比？假如說我們上個月店鋪的成交額增長了30%，那麼我們是不是應該開心呢？

當然不是，這裡我們還要參考競爭對手的成交額，如果你的競爭對手增長了50%呢？這個時候我們就需要一個參考指標。數據時代，我們可以很輕易的拿到競爭對手的相關數據。

縱向對比：我們可以把近15天的成交額以線條的形式顯示出來，這樣就可以很清楚的看到近期的成交額是否達到預期，有沒有下降趨勢，當然我們也可以以季度、月或周為單位。

（圖片來源於網絡）

我們也要考慮到日常生活中的特殊場景，比如雙11、雙12、元旦等活動促銷，那麼成交額是否會暴漲。所以在做縱向對比的時候，一定要考慮所有的情況，也許你的商品恰逢周末就是賣不出去呢？我們還可以這樣考量：

（1）最近一個季度，每周六日的成交額。

（2）近三年雙十一當天的成交額等等。

2.轉化分析

這裡牽涉到一個問題，評判一家電商企業需要用到的一些日常統計指標：

（1）店鋪的目標用戶數量：一家店鋪的成交量，反映的是這家店鋪對於市場的影響以及用戶對於產品的滿意度。

（2）平均消費金額：店鋪每年平均每位用戶消費了多少，以此來定位目標人群，確定是否達到盈利的指標。

（3）用戶的復購率：判別產品滿意度，假如用戶購買過一次後，還會購買第二次，說明用戶對於你的產品還是很滿意的，這樣既節省了市場推廣費用，用戶也會推薦給更多朋友來夠買。

根據公司目標用戶，確定轉化指標。

（1）混合模式：復購率不足30%，說明經營的中心應該放在維護老用戶，以及大力發展新用戶。

（2）忠誠度：老用戶的復購率在60%，說明老用戶對於公司的產品足夠滿意、放心，這個時候你就可以把重心放在發展新用戶上。

3.留存分析

我們通過活動等形式把用戶引流到我們的流量池裡，但是經過一段時間後，用戶可能就會慢慢的流失了。那些留下來或者經常訪問我們店鋪的用戶稱之為留存。

（圖片來源於網絡）

我們常常用到的日活躍用戶量、月活躍用戶量、季度活躍用戶量，來檢測我們店鋪的流量。有的時候可能會看到我們的日活，在一段時期內都是逐漸增加的，以為是非常好的現象，但是如果沒有做留存分析的話，這個結果很可能是一個錯誤的。

留存是產品的核心，用戶只有留下來，我們的產品才能不斷增長。如果我們什麼都不做的話，用戶很快的就流失了。

4.產品比價

大部分電商公司會頻繁搞促銷，一般來說每次打的旗幟無非是全網最低，但是如何才能確定是全網最低呢？

這個時候就需要我們去搭建一個比價系統，這個比價系統的目的主要是為了去抓取各大電商平台商品的價格。通過各大電商平台的價格以及優惠額，來制定你自己的策略。

（圖片來源於網絡）

通過對比其他平台的產品來戰略性的調整自己的產品，這樣就可以避免自己的產品價格調整後，消費者不買賬的情況。

產品的定價是一件極其重要的事情，如何做到買一送一，買多少減多少的情況下，公司的盈利不受影響，這就需要我們數據分析師起作用了。

以上就是我根據電商數據分析列出的四大板塊，我們在不同的行業需要用不同的形式把它展示出來。在數據面前，清晰的知道自己應該如何運營，那一種方法解決實際問題才是最有效的，學以致用。結合場景靈活運用，沒有最好的分析方法只有最適合的，歡迎大家點評以及糾正！

CDA（數據分析師認證），由國際範圍內數據科學領域行業專家、學者及知名企業共同制定並修訂更新，迅速發展成行業內長期而穩定的全球大數據及數據分析人才標準，具有專業化、科學化、國際化、系統化等特性。

本着提高企業、高校、學生、求職者之間聯動性的宗旨，在數據界有志人士的共同努力下，CDA數據分析師認證應運而生並迅速得到中國銀行、IBM大數據大學，中國電信，國家電網，德勤，CDMS、Oracle、德國雲網、Meritdata、法國布雷斯特商學院等認可。

同時躋身為2020年終身學習品牌項目，擔當連接企業、高校、從業者的紐帶角色。