每年销售不到10亿日元的电子商务公司(业界大部分电子商务企业每年可能不到1亿日元)，掌握几种基础的数据分析方法，配合Excel表单，就可以完成各种各样的数据化运营。
本文主要说明日常数据分析中最常用的三大数据分析方法。 内容很简单，但包含了很多涉及细节的实用技巧。
01对比
对比是所有数据分析方法中最基础的，也是大家熟悉的之一。 俗话说，没有对比度，不分析。 就是对比度分析法。
在实际分析场景中，比较有不同的应用维度。 例如有环比、前一年比、纵横比、纵横比、绝对值对比度、相对值对比度等。 下面分别介绍那些不同的应用场景。
1 .绝对值对比度和相对值对比度
概念上，绝对值包括正数、负数和零值。 在电商数据分析中，销售额、退货金额等正数的对比很多。 相对值的对比是转化率、达成率等相对数之间的对比。
2 .环比
环比是统计周期内的数据与前期的数据的比较，如2017年6月的数据与2017年5月的数据的比较。
在电子商务数据分析中，由于每个自然月的销售差异很大，所以如果采用绝对指标，很难通过对比观察业务的变化。
因此，一般采用相对指标进行环比分析，2017年6月的销售成功率为102%，2017年5月的销售成功率为96%； 由此，可以很容易地知道两个月间转化率的好坏。 但是，以2017年6月的销售额为500万、2017年5月的销售额为300万的绝对值进行比较的话，很难判断哪个月的销售额更好。
3 .与上一年相比
与去年同期相比，统计周期内的数据与去年同期数据的对比，例如2017年6月的销售额为500万，2016年6月的销售额为450万，比去年同期增加了11.1%。
在电子商务分析中，应用了比上年最广泛的数据分析方法。 与前一年相比，可以大致判断店铺的运营能力在最近的一年里是保持增长还是处于下降趋势。
另外，也可以根据与前一年相比的增长趋势，制定初步的销售计划。 如表3-4所示，假设现在店铺的流量比上年下降8% (流量下降是平台趋势)，客单价一定的情况下，为了实现店铺销售业绩的上升，只能提高转化率。
因此，根据表3-4的模拟推算，转化率上升21%，达到0.35%时(0.35%转化率被视为行业平均值)，业绩将提高11%。4 .横向对比度和纵向对比度
横向对比度和纵向对比度是空间和时间两个不同维度之间的对比度。 横向对比度是空间维的对比度，是指同一类型的不同对象按统一标准进行的数据的对比度。 如“本店”和“竞品”的对比所示，纵向对比度是时间维的对比度，是指同一对象在不同时间轴上的对比度。 如上所述，“前一年比”、“环比”都是纵向对比。
5 .份额
严格来说，“份额”是横向对比的一种。 因为在实际的分析场景中经常被忽略，所以单独排列说明。
在某些情况下，如果数据表中多了一个“份额”，表就会很清楚。
如表3-5所示，假设分析“某品牌天猫、京东、唯品会三大路线”的“上衣、内衣、连衣裙、其他”在“Q1~Q4季度”中的销售趋势和表现。 通常的分析方法根据表1的表结构，分层表现各种数据。 此时，所有的销售数据都可以在表中分层清楚地一览显示。
但是，像表1这样的数据不能直观地告诉每个销售类别不同的渠道和不同季度的销售趋势。 因此，数据分析需要加入表2所示的“份额”分析表。 这样，每个类别可以一目了然地掌握不同的渠道、不同时期的销售趋势。 因此，也达到了数据分析的目的。
很多数据分析师只是完成了“表1”的分析步骤，一步也没有迈出，“表2”也没有同步出现。
02细分
细分是概念上容易理解但很难实用化的分析方法。
细分分析法经常被用于为分析对象找出更深层次的问题的根源。 难点是理解为了达到分析目的从哪个角度进行“细分”和“深挖”。 就像高中课堂上解答几何学问题一样，找到“解题思路”就能解决问题。 如果“解题构想”错了，不辛苦地说，问题就解决不了。
在实际应用中，细分有很多不同的方法。 就好像我们解题的时候，有各种各样的“解题构想”。 在某些情况下，面对同样的问题，两个不同的解题思路可以达到解题的目的。 但是，在很多情况下，只有唯一正确的解题思路才能正确解题。 因此，在分析之前，选择正确的“细分”方法很重要。
中文
电话咨询
微信咨询
公众号
