做任何行业，数据分析都很重要，通过数据分析可以知道商业模式是否可行，评判那种推广渠道效率最高，能发现网站、商品结构、物流等各个环节的问题，能评估改进效果。数据分析当然注重的数据，我们需要知道哪些数据呢？
有哪些数据？
线上平台的数据来源有网站统计工具、ERP系统、客服回访问卷投诉等。
线上数据主要包含：访问量(IP UV PV)、平均浏览时长(浏览量)、新UV比例、跳出率、转化率(注册、订单、支付)、流量来源(搜索、直接、连接、地区、推广)、网页打开时间、网站热点、搜索分析等。
ERP数据主要包含：订单量、客单价、毛利率、二次购买率、忠实顾客转化率、顾客流失率、动销率、缺货率、商品价格变化、SKU数量变化、周转率、退货率、品类销售占比、会员注册量、注册会员转化率等。
客服回访问卷投诉数据主要包含：投诉分类、UI印象、品类印象、价格印象、网站功能印象、物流体验印象、售后印象等。
以上数据相互关联，比如分析促销活动效果时，需要分析访问量的变化，注册下单转化率的变化，促销商品和正常商品销量的变化。
怎么分析数据？
有的公司成立专门的数据分析部门，数据部门不仅提供数据，还要完成数据分析工作。这种工作方式，虽然基础数据准确，但分析结果可能有较大偏差。因为数据分析人员不熟悉业务，对各种信息的了解也不如市场部和运营部等业务部门。
比如，某个品类销售占比突然降低，这可能是因为市场部推广方式的改变，也可能是遇到季节因素。如果数据分析人员不了解这些信息，则可能简单的判断成顾客不欢迎这类商品，并且做出建议商品部门降低这类商品占比的决定。
更合理的数据分析方式是，由数据专员提供基础数据，由相关部门骨干人员共同分析，比如转化率降低，应该由市场部、运营部、商品部共同分析，得出是由哪些方面的因素造成的。
对于新项目而言，可以引入目标分析法，目标分析法是以分析“新客引入成本”和“忠实顾客转化率”为核心，设定合理目标，以此判断商业模式是否可行。
比如：某个投资5000万的B2C网站，推广预算是2500万元，目标是稳定达到每天5000单。忠实顾客的定义是平均每月购物一次，每天5000单的销售目标，需要15万忠实顾客。
如果实际经营结果数据，新客引入成本是50元，忠实顾客转化率是30%，则要达到15万会员，需要2500万推广费用。
通过数据分析可知当新客引入成本大于50元，忠实顾客转化率低于30%时，项目不能达到目标。如果目标和实际业绩数据相差不多，可以通过优化内功改善业绩，如果数据相差太大，则说明商业模式可能不可行，应该早点调整商业模式，并在试错过程中重复以上数据分析步骤。
最重要的数据，我认为是流量引入成本，新客引入成本，忠实顾客转化率。流量引入成本数据主要考核市场部，新客引入成本数据由市场部、运营部、商品部共同负责，忠实顾客转化率主要由运营部和商品部负责。
推广方面的分析包含流量分析，停留时间，流量页面，转化率分析。流量的增减(新UV数据)代表市场部推广工作是否有效，新客停留时间浏览页面量和转化率等数据，一定程度上代表了市场部推广是否有针对性。
新客引入成本分析是推广效率重要的KPI，是每个达成目标投入的推广资金。比如某个推广方法带来了10000个UV，500个注册，100个订单。而这 个方法耗费了1万元资金，则每个UV，注册，订单投入的资金分别是1元，20元，100元。这个推广方法的新客引入成本是100元。
如何与数据分析结果match？
市场部的重要工作是尝试不同的推广方式，计算每种推广的投资回报率，根据数据分析结果，重点投入和侧重优化投资回报率最高的推广方式。
提升内功是新客引入成本与忠实顾客转化率优化的基本方法。内功包含：商品结构、促销方式、网站体验、物流体验、顾客回访投诉、会员营销等。
商品结构优化目的是通过数据分析了解顾客需求，不断引进和淘汰商品，使商品结构尽量符合顾客需求。建立商品维度表，综合考虑商品所有维度，比如价格、型 号、外形、品牌、规格等维度，把商品根据不同维度区分，数据分析各品类各维度的销售量，增加高销量维度商品品类占比，精简低销量维度商品品类占比。
商品引进淘汰过程还受到很多因素影响，比如“结构商品”即使销量不好，也不能淘汰，“季节商品”需要把季节因素考虑进去。
促销方式主要依靠数据分析评估效果，每做一次主题促销，就在ERP系统中建立促销单据，设置促销主题，促销商品，促销档期。通过BI工具分析促销商品销 量变化，促销毛利损失，促销活动带动正常商品销量变化，促销活动带动新会员注册和老会员购物频次变化，综合评估促销效果，以此指导下一次促销活动。
网站体验优化可以用一个公式表达：UEO(用户体验优化)= PV / OR(站点跳出率)，目的降低顾客跳出率，让顾客购物更加简单轻松。这是建立在对网站定位和顾客特点充分了解的基础之上，比如让网站的布局更加清晰，让顾 客购物过程更加流畅。通过热点分析，了解顾客关注的位置，把顾客关注的内容放到热点区域。通过跳出率分析，在顾客容易跳出的页面显示推荐内容，吸引顾客继 续留在网站。
顾客印象问卷投诉数据分析能发现顾客不满意的地方，在网站建立投诉通道，客服部门要对新、老顾客回访。对生成订单、但最后 没有提交订单的顾客回访，在UI、品类、价格、网站体验、物流、售后等方面统计数据，分析那个方面最影响顾客体验，根据实际情况逐条解决。不断优化。
会员营销是把会员分成不同类型，根据会员特点营销。可以分为：注册未下单顾客、第一次下单顾客、忠实顾客、高价值顾客、流失顾客。
注册未下单顾客，如果留有邮箱，要定向发一些大力度的优惠劵，吸引顾客首次下单，直观体验服务。
第一次下单顾客要在包裹中放一些有提醒意义的礼品，比如印有广告的鼠标垫，随时提醒顾客，增加顾客二次下单机会。第一次下单顾客可能不清楚我们网站的主要卖点或优势，可以通过包裹或者邮件向顾客灌输这些信息。客服部门要对第一次下单顾客回访，了解他们的感受。
忠实顾客是多次重复购买顾客，通过数据分析了解忠实顾客的所需所求，有针对性的做一些推荐，如果有足够的毛利空间，可以为忠实顾客寄送VIP卡，维护忠实顾客。针对忠实顾客，发挥积分的作用，向忠实顾客推荐一些积分换购礼品，把忠实顾客发展成口碑推广员，如果忠实顾客邀请了新会员，要对忠实顾客做积分奖 励。
对流失顾客要针对性营销，了解顾客流失的原因，对流失顾客发优惠劵。高价值顾客购买频次不高，但客单价高，商品毛利高，对这类顾客要推荐高价值商品，如果用对待普通顾客的方式对高价值顾客营销，可能会有反效果。
零售o2o的数据分析对商家的销售及之后路线的帮助是巨大的，有了数据分析你才知道你做了什么，你做的得到了什么，以上的一些经验希望给大家在零售o2o或者其他方面带来帮助，数据分析一直是企业发展必不可少的战略，想强大就不应该忽视它的作用。TMO探谋网络科技微信：TMOGroup
