天安门户网站

首页 » 科技 » 正文 »

关于电商数据分析的全方位解读(1)

2019-10-22 19:13:54 热度3011

本文是以数据分析读写岗位的形式进行的。作者利用一名资深从业人员为每个人传播科学,并在电子商务互联网企业工作。如何分析数据,分析结论有什么影响以及如何处理。

我被邀请写一篇关于数据分析漏斗模型的文章(数据分析逻辑:流转换漏斗模型的详细解释)。当时,我以为这样简单的逻辑不能被任何人使用?首先,我觉得我没有太多信心,或者我觉得我的理解与一般公众的理解相似,不可能掌握别人没有的思维逻辑。其次,我在这个领域没有太多的经验,也太谦虚了,不敢在公共场合炫耀。

然而,经过几年的工作,会发现有大量的人缺乏数据逻辑,不知道如何分析数据或在分析的迷雾中。和他们讨论鸡和鸭会特别痛苦。

如果一个数据分析大神碰巧看到这篇文章,他似乎能理解“我们相遇”这个词。我们理解。熟人有什么关系?”。最痛苦的是,一旦一些人的世界观和工作方式形成了固定的思维模式,他们可能一辈子都不会改变。这不是危言耸听。

我想提前和每个人打破数据分析的魔咒。数据分析不需要太多的excel技能,但需要基本操作,如透视表、图标等。对于spss、python、R语言等高端统计处理编程软件,是一个先进的水平。

因为在现实生活中,举例来说,一个逻辑清晰的代码神可能只分析他自己的代码逻辑的精确性及其可复制性和可扩展性。然而,对于数据分析,它完全不同于分析逻辑。这些数据着眼于趋势、绝对值和个案比率等。,询问增长或下降的原因,并通过分析结论及时改进运营或产品策略。

因此,在实际工作中,我们会发现那些在excel中玩特殊6的人不一定有很强的分析能力,那些知道sql数据库的数据分析师也不一定有你口中崇拜的伟大的分析精神。

没有必要说电子商务数据分析基本上可以从统计理论的深奥复杂公式中分离出来,如回归分析、方差分析、皮尔逊相关等。简而言之,电子商务的数据分析理论基于一个非常简单的逻辑,即增长和负增长。

很神秘,不是吗?事实上,我要告诉你的是,你应该少报告收集智商数据分析和付费的过程。当你听的时候,逻辑和理论都是一片混乱。此时最好学习excel的各种技能和功能。你应该知道方法论不是别人教的,你会理解并使用它。你需要在工作实践中应用它来实现它的本质。学到的技术是不同的。你学到的是你自己的。现在你学习并使用它。即使你在实际工作中不需要忘记它,你也可以在短时间内回忆起来。这是常识。

目前,数据分析师有两种工作:第一种是大学计算机专业的毕业生。他们特别熟悉数据库的代码和结构要素。但是,如果您真的让他们分析特定领域的数据问题,他们可能只会停留在数据级别,告诉您趋势如何以及结果如何,而不是通过月复一月和年复一年的起伏准确地告诉您是否相关。

这并不是说数据不能解释问题;只是数据是准确的,但分析往往不切题。这可能会把它变成纯粹的人肉数据库帖子,不包括分析。(当然,我不是杀害计算机专业毕业的数据分析师的人。这只是我开始职业生涯以来遇到的一群人的个人观点。

第二种是特别的6个擅长玩耍的人。当然,这并不排除那些对第一类相当精通的人。数据图标函数公式发挥广泛。认为对方是伟大的数据分析之神是不恰当的。数据分析的技巧很重要,但这取决于数据分析是否能与业务的实际需求相结合。

如果一个人不能与业务结合或者对业务本身不敏感,数据分析结论就不那么令人满意。

好吧,我已经说了太多废话了。以上只是让每个人对数据分析师有一个清晰的概念:仅仅掌握软件(excel或sql,甚至python等)是不够的。)处理数据分析。更重要的是,要有与业务相结合的分析能力,并给出合理的数据分析结果。

因此,让我们回到主题,全方位地解释我们需要了解和掌握的基础知识。我在之前一些关于数据分析的文章中做了一些介绍,你可以去看看。我不会在这里介绍任何数据分析的方法,但会直接告诉你如何分析电子商务中不同领域的不同模块,以及如何通过具体的例子来理解这个看似神圣的职位或数据分析技巧的真正本质。

基本要素:交通、转换、销售和电子商务都离不开这三个指标。如果您继续跟踪趋势,您可以添加一个再购买指标。我将首先使用一个图表来整理基于流量来源的分析逻辑。

这个数字有点长,但意思很简单。我列出了一些交通来源渠道和交通去向的相关信息。基本上,就是这样。我不再重复对交通来源的一些恰当术语的解释。如果你感兴趣,你可以阅读我以前关于手术的文章。

了解了流量来源后,我们可以建立一套流量分析方法,即流量漏斗分析法。

上图中的这些层次关系可以反映从交通来源到商品详细页面甚至订单页面的层次关系。它的原理就像一个漏斗一层一层地衰减。最终到达目标页面的流量比例就是我们所说的转换。

好吧,当原因清楚时,分析就变得非常自然了。当我们分析流量的质量和数量时,我们首先将分析问题的时间表放在一边一段时间。我们将只看这段时间内它的源渠道的比例,以及有多少渠道已经通过漏斗沉入目标页面。

分析这些问题的目的是了解为什么会这样,这种流量匹配或转换会带来什么结果,下一步做什么,是维持现状还是改进和完善运行方案。这是数据分析的完整逻辑链路和反向链路,是什么导致了这一结果的高概率,数据性能如何,等等。

初步分析方法实际上非常简单,不是吗?几乎所有你在学校学过的统计公式,方差分析,皮尔逊相关,回归分析,显著性检验等。(当然,我在大学统计中只有60分的友谊分数,但我也承认现在友谊仍然非常重要,每个人都可以学习)。

好吧,我们今天先来这里。接下来,我将解释电子商务、分销渠道等各种模块的数据分析示例。当然,这不能保证是完全正确的。我只会如实陈述我对这些领域数据分析的观点和结论。

下一章将被预览,每个颜色通道页面的数据分析将显示如何将操作与效果相结合。

作者:王欢,微信:王欢314400,灰色行动。

这篇文章最初是由@王欢发表的。每个人都是产品经理,未经许可不得复制。

主题地图来自unsplash,基于cc0协议。

返回顶部