很多第一次做電商運營的人都不知道要怎么做分析，我之前也做過互聯網運營，一開始無非就是看看PV、UV，分許分析流量就完事了，但是很快老板就會發現我的分析結果根本沒有任何價值，因為分析這些東西根本毛用都沒有！
但是我也很無奈，因為這些常規數據就綁定著我的KPI，要是不做的話，我就會被扣錢扣工資，運營分析還能怎么搞出花來？老板是為了公司盈利，我也要為了生活啊。
后來我才知道，不是分析方法和內容不對，而是沒有關注到重點的數據。
頓悟的方法很簡單，去問一個專業的搞數據分析的就行了，我有幸就遇到了這么一位，簡直稱得上是掃地僧一樣的隱藏人物，幾句點撥就足夠我學習的了。
一、首先，要明白自己企業的商業模式既然題主問的是電商，那么就先說一下電商的盈利模式，很簡單：
客戶看中了你的產品或者服務，你把產品和服務賣給客戶，一個訂單完成！
電商公司和o2o類公司都是這種模式，公司的收入是由一個個訂單堆積出來，訂單是由用戶購買了相關的商品或服務產生，可以說用戶和商品或服務為訂單的兩大基本元素，公司收入下降、增長、異常最終都可以追蹤到用戶與商品這兩大元素上。這樣我們將公司收入相關數據拆解為三大模塊：用戶、商品或服務、訂單。作為運營人，我們最主要要關注的就是兩個字——用戶。
公司收入、訂單都是由用戶消費所產生，用戶的消費流程可以劃分為以下四個階段：引流、轉化、消費、存留。
當然我們希望最理想的情況就是吸引和轉化最多的用戶、讓他們買我們的產品，并且留住他們好讓他們一直買。然而現實是殘酷的，我們能做的，就是對這些數據進行分析，根據數據情況進行策略對調整，讓現實與理想情況之間的距離越來越近。
我們一般將用戶分為新用戶和老用戶，如下圖所示：
無論新老用戶，我們都會關心兩塊內容，一個是引流（拉新），一個是轉化，最終以數據的形式體現出來，就是流量與轉化率。
二、引流一個購物中心，建在荒郊野外，沒人進來，裝飾再奢華也沒什么卵用。用戶是有限的，我們需要精打細算，實現對每種渠道每種類型的流量來源的最大價值利用。
分析目標：通過對流量的分析，保證流量的穩定性，并通過調整，嘗試提高流量。
分析內容：基本數據指標有訪客數(uv)、瀏覽量(pv)、訪問次數(visits)，是常用的衡量流量多少的數據指標；平均訪問深度(瀏覽量/訪問次數)、平均停留時間(總停留時間/總瀏覽量)、跳失率(跳出次數/訪問次數)是用來衡量流量質量優劣的指標。
分析角度：
1. 觀察流量規律，便于活動安排、服務調整
上面這個圖使用FineReport做的UV分析，可以發現以下規律：一天當中，訪問集中在9點到11點和14點到17點這段工作時間，一年中則在春節前后的訪問量比較大，每周中也是訪問集中在工作日。
一般來說，流量都是以每天中的時段、季節、節假日、星期這樣的規律來分布的。所以可以將以上幾面統一放到同一頁面中進行觀測，可以全面的了解應用的訪問規律。并且通過對渠道、業務的選擇，可以觀測具體的渠道、業務的訪問規律。
2.發現流量異常，分析異常原因并及時調整
通過對上圖的觀察，可以發現異常現象：
3月21日到4月17日到流量圖中，工作日到流量一般都維持在2400左右，而觀察4月18日到5月15日到圖，發現流量從4月19日下滑開始，很少突破2000，也就是流量在近一個月有明顯下滑。原因可能是對手購買了競價排名、自己的seo做的不好等等。
一般來說，流量以周為單位，周期性分布的情況是比較多的，將視角拉長，一次性多看幾個周的數據，便于發現問題。將一段時間內的數據與歷史數據進行對比，也有助于問題的發現。
除上圖中對流量異常的簡單監控外，可以對流量進行進一步分解，如下圖所示，通過圖表聯動，觀察具體渠道或者業務的流量情況，從而完成對問題的追蹤定位，例如通過進一步分析發現，4月中旬開始的流量下降主要出現在pc端，那么可以進一步縮小問題的范圍。
3. 觀察流量結構，分析其合理性，并作出調整
流量結構一般可分為渠道結構、業務結構、地區結構。通過查詢一段時間內的各結構占比，了解流量組成。
如上圖所示，在渠道中，pc占比相對過大，而app占比不高，app對于用戶具有更大的黏度，所以應分析app占比過低原因，并想辦法提高app流量占比。下面的折線圖可以對各渠道的流量情況進行追蹤，分析占比不合理是短期內出現的，還是長期存在的、輔助問題的分析。
4. 追蹤流量情況，衡量活動或者調整效果
對流量的追蹤，一般就是對流量的監控，觀察活動前、活動中、活動后的變化情況，評估活動效果。一般來講，活動期間流量會大幅提升，活動后有一定回落，是一個成功的活動。如果活動期間流量上升幅度不大，或者活動結束后流量大幅度跌落，甚至流量低于活動前的正常流量很多，都不能說是一個成功的活動。
三、轉化在完成引流的工作后，下一步需要考慮的就是轉化了，一個嶄新的用戶一路走來到完成交易，中間需要經歷：
瀏覽頁面（下載app）->注冊成為用戶->登陸->添加購物車->下單->付款->完成交易
每一環節中都會有用戶流失，提高各個環節的轉化率，一直是互聯網公司運營的最核心的工作。轉化率的提升，意味著更低的成本，更高的利潤。
分析目標：了解各環節轉化情況，分析其異常或不合理情況，進行調整，以提升各環節的轉化率。
分析角度：關于轉化率的各種名詞也特別多，有靜默轉化率、登陸轉化率、咨詢轉化率、付款轉化率等等，然而并不需要考慮這些詞，只要關注用戶從接觸應用到成交中的幾個環節就好。
我們依然使用FineReport中圖表的形式來從各個角度對轉化數據進行展示分析。
1.觀察各環節轉化率，分析其合理性，針對轉化率異常環節進行調整
上圖所示，傳統漏斗圖只能顯示一條路徑的轉化率情況，稍加修改后，可實現對比功能，例如上圖所示的新老用戶的轉化率的對比?？梢愿鶕嶋H情況中在該圖中加入更多環節，例如注冊、收藏、開工、竣工等。
從上圖中，我們可以發現這樣一個問題，下單到付款中的轉化率過低，正常來說，用戶只要下單，付款的比例是比較大的。對于這個異常，我們來做下猜測：
又看了下其他家的商品或服務，發現了更好的，就取消了付款；付款前習慣性的問下相關的人進行確認，然后發現計劃有變，所以取消付款；到了付款的時候發現居然不支持支付寶，無奈取消付款；下單后被告知沒貨；頁面好卡，怒而棄之；余額不足總體上可以分為兩類：用戶本身原因，系統設計原因。上圖中這么出現付款率這么低的情況，基本上可以確定是系統原因。然而具體是哪塊的設計出了問題，可以進一步細化追蹤。
如上圖所示，點擊相應階段，聯動出下面各渠道與各業務的轉化率明細，可以看出，各渠道的轉化率差別較大，其中pc端轉化率明顯偏低，而各業務之間的轉化率差別不大，基本可以確定，是pc端存在問題，導致轉化率偏低。
上圖中的付款轉化率低的太明顯，只要不瞎都能看出這轉化率出了問題，但是往往轉化率的問題并沒有這樣的明顯，那怎樣定位自己的轉化率是否合理，哪個階段的轉化率有提升空間呢？繼續看下面這張圖：
上圖是通過多角度對比來分析業務轉化率的健康狀況，包括與自己同期對比、行業中與自己相似產品對比、行業中優秀的產品對比。對比各環節轉化率的不同，產生數據上的沖擊，所有落后的節點，都是可以提升的空間。
2. 追蹤轉化率變化，用于異常定位和策略調整效果驗證
除流量外，轉化率也是需要追蹤的，將時間的維度拉開，分析各階段轉化率隨著時間的波動，也是很有看點的。
如上圖所示，在4月17日到21日中間，轉化率出現下滑趨勢，通過渠道轉化率與業務轉化率兩個圖表的聯動，可以追蹤定位導致轉化率下滑的渠道或業務。常見的原因，公司運營部門投入了某個渠道進行推廣，新的渠道帶來了新的流量，而該渠道所引入的用戶質量卻偏低，拉低了整體的轉化率。
3. 觀察各渠道轉化情況，定義渠道價值，并依此適當調整運營策略
氣泡圖在傳統圖表中信息量涵蓋相對是比較大的，上面這張圖x軸和y軸分別表示流量和轉化率，y軸可以根據分析內容不同切換成點擊率、注冊率、架構率、下單率等等，氣泡大小表示的為渠道ROI。從上圖中可以看出，在右上象限中的渠道價值是比較大的，再綜合考慮ROI，還可以看出渠道性價比情況。
4. 分析各環節轉化周期，分析用戶習慣，為制定運營策略提供依據
這種場景通用性并不是很強，會和公司業務相關聯，有些業務的交易是分成多個階段來完成，這種情況可以對轉化周期進行分析。
上圖中可以看出，該業務的付款與成交一般在前四周完成，而第五周開始趨于穩定。知道以上信息后，可針對第五周未付款或完成交易的用戶進行詢問，提高轉化率。另外可制定四周內完成交易有獎勵等活動來縮短成交周期，因為圖中可以看出，絕大部分用戶四周時間足夠完成服務檢查、訂單確認等工作。
四、日活/存留互聯網行業的拉新成本現在都很高，要投入廣告、投入時間，這些都是成本。如果用戶還沒有產生什么價值就流失了，那一定是虧了。相反，拉過來的用戶，存留的時間越長，產生的價值也就越大，也才能彌補其他流失用戶所產生的損失。因此，提高用戶的存留時間，也是提高公司收入，為公司創造更多價值的重要一環。
分析目標：通過分析用戶的日活/存留，來幫助運營人員發現問題、監控數據，為調整策略提供數據支持，達到提高日活/存留的效果。
分析角度：
1.日活監控，觀察用戶活躍數據，分析日活健康度
活躍用戶一般可以分為以下三類：
有些公司可能不太關注回流(一定時間內沒有登陸的用戶再次登陸)這部分用戶，我將它列出來，是認為了解回流用戶的日活情況在一些場合中是有價值的，例如活動期間、發優惠券測試，是否會對流失用戶的回流產生了作用。
上圖中是用finereport做的堆積面積圖，其面積大小為各類型用戶數，堆積總高度為總活躍用戶數。對于日活數據來說，相對理想的情況是老用戶占比較高，為活躍用戶主力，并且呈現逐步上升的趨勢，代表產品對新用戶的粘性較好，總體拉新存留大于流失用戶。否則，要么是新用戶的存留率過低，要么是老用戶的流失率過高，都需要進行調整。
2.觀察存留規律，定位存留階段，輔助市場活動、市場策略定位等
存留規律分析應該分開對待，一部分高頻小額訂單(例如外賣)這種互聯網公司，其分析模式類似于游戲、知乎、SasS平臺，會以日為單位來分析存留。
如上圖所示，這種用戶登錄頻率較高的應用，可以通過上圖分成三個階段，過濾期、試探期、平穩期。剛開始接觸一個應用的用戶中，有大量的用戶是質量不高的用戶，不可避免的要經歷一個存留率大幅下降的階段，但這一階段周期一般較短(我認為這一階段可能更多的是應用篩選用戶)。在這一階段過去之后，用戶會對應用進行詳細的試探，是否讓自己滿意，這段期間也會有部分用戶流失。最后留下的就是相對穩定的用戶了。
上圖可稱之為手槍圖，該圖可以看出用戶存留的整體情況，存留率有沒有越來越高，產品粘性是否做的夠好，通過上圖可以看出一定的問題來。但要像日存留那樣，找出用戶存留的三個階段是比較困難的，因為用戶是否存留下來更多的取決于消費體驗，并且消費體驗周期過長，很難判斷用戶是否會再次消費。
3.對比不同用戶、產品功能的存留情況，分析產品價值、輔助產品調整
如上圖所示，通過對比，發現使用了分享功能和收藏功能的用戶的存留率相對較高。得到這樣一個信息后，可以通過產品上的調整，來鼓勵用戶使用分享、收藏等功能，以此來提高用戶的存留率。
這種對比可以是多種形式的，將功能選擇換成用戶分類、用戶來源，可以從不同的角度來觀察問題。例如，如果發現男性用戶的存留率比女性用戶低，那么一是可以提醒反思造成這種情況的原因是什么，或者是可以調整產品推廣渠道，以吸引女用戶主。
存留率是互聯網公司非常關注的指標之一，而很多公司會對存留率進行非常深入的挖掘。上文提供幾種存留率常用的展現形式，為分析存留率提供一定的參考。
