《電子商務(wù)管理與運(yùn)營(yíng)》課件第6章

第6章電子商務(wù)數(shù)據(jù)分析6.1電子商務(wù)數(shù)據(jù)分析概述6.2電子商務(wù)數(shù)據(jù)分析的衡量指標(biāo)與工作步驟

6.3電子商務(wù)數(shù)據(jù)分析的工作內(nèi)容

6.1電子商務(wù)數(shù)據(jù)分析概述

6.1.1電子商務(wù)數(shù)據(jù)分析的含義

數(shù)據(jù)是事實(shí)，也稱(chēng)觀測(cè)值，是實(shí)驗(yàn)、測(cè)量、觀察和調(diào)查的結(jié)果，常以數(shù)量的形式給出。電子商務(wù)數(shù)據(jù)分析主要是通過(guò)處理大量存在的數(shù)據(jù)，發(fā)現(xiàn)其后隱含的規(guī)律，同時(shí)將其模型化，來(lái)輔助完成決策。

電子商務(wù)的快速發(fā)展將更倚重于數(shù)據(jù)分析的有效運(yùn)用，主要表現(xiàn)為以下幾點(diǎn)。

1．主客次序的轉(zhuǎn)變

企業(yè)由傳統(tǒng)的運(yùn)營(yíng)驅(qū)動(dòng)數(shù)據(jù)轉(zhuǎn)變?yōu)閿?shù)據(jù)驅(qū)動(dòng)運(yùn)營(yíng)，企業(yè)內(nèi)部幾乎所有的環(huán)節(jié)都可以用數(shù)據(jù)的形式展現(xiàn)。比如亞馬遜每天有大量的基于運(yùn)營(yíng)的報(bào)表和數(shù)據(jù)要處理，運(yùn)營(yíng)策略、市場(chǎng)推廣策略的改變主要是依據(jù)數(shù)據(jù)，它的自動(dòng)補(bǔ)貨模型就是基于時(shí)間序列和極值原理形成的，有效地解決了完全依靠人工的訂貨、補(bǔ)貨模式，大大提高了庫(kù)存管理效率。

2．關(guān)聯(lián)性更加豐富

數(shù)據(jù)利用最大的弊端在于關(guān)聯(lián)性把握不足，一旦將數(shù)據(jù)孤立地考量，有些核心的數(shù)據(jù)就會(huì)被遺漏或無(wú)法準(zhǔn)確、全面地表達(dá)。以電子商務(wù)運(yùn)營(yíng)為基礎(chǔ)的數(shù)據(jù)關(guān)聯(lián)性將成為數(shù)據(jù)分析的基礎(chǔ)，通過(guò)多維度、多視角的關(guān)聯(lián)分析使核心數(shù)據(jù)的范圍逐漸擴(kuò)大，將某一行為產(chǎn)生的原因與合理性通過(guò)更多的數(shù)據(jù)標(biāo)準(zhǔn)加以展現(xiàn)，使之更加準(zhǔn)確。如銷(xiāo)售數(shù)據(jù)以銷(xiāo)售額為核心，可以綜合分析產(chǎn)品銷(xiāo)售的區(qū)域性、售后的退換貨、投訴率、訂單的周期性、客戶(hù)的忠誠(chéng)度等多種指標(biāo)。

3．用戶(hù)體驗(yàn)導(dǎo)向性

電子商務(wù)運(yùn)營(yíng)的核心目標(biāo)就是提升用戶(hù)體驗(yàn)，電子商務(wù)可以記錄大量的消費(fèi)者購(gòu)買(mǎi)行為的數(shù)據(jù)，通過(guò)深入的研究，結(jié)合區(qū)域購(gòu)買(mǎi)力、商品區(qū)域化、客戶(hù)分層、購(gòu)物周期、購(gòu)物偏向性、投訴原因等諸多數(shù)據(jù)指標(biāo)，從而為企業(yè)電子商務(wù)實(shí)行差異化戰(zhàn)略和精準(zhǔn)式營(yíng)銷(xiāo)提供重要依據(jù)。

4．?dāng)?shù)據(jù)的可視化

數(shù)據(jù)是一個(gè)比較抽象的概念，特別是面對(duì)海量數(shù)據(jù)的時(shí)候很容易讓人摸不著頭腦。數(shù)據(jù)分析可以通過(guò)簡(jiǎn)潔直觀的圖表加以展現(xiàn)，為數(shù)據(jù)分析和結(jié)果輸出提供了非常好的視覺(jué)效果，從而更便于理解，使枯燥的數(shù)據(jù)變得生動(dòng)形象。

5．?dāng)?shù)據(jù)基本分析與模型化的平衡

基本分析主要是基于數(shù)據(jù)的簡(jiǎn)單處理，對(duì)增長(zhǎng)、趨勢(shì)、占比等指標(biāo)的匯總分析，不涉及太多的復(fù)雜處理方法。當(dāng)對(duì)海量數(shù)據(jù)或者需要做出長(zhǎng)期預(yù)測(cè)、相關(guān)性影響等數(shù)據(jù)處理時(shí)，基本分析無(wú)法滿(mǎn)足要求，這時(shí)需要使用某種合適的數(shù)據(jù)模型。數(shù)據(jù)模型是在一系列假設(shè)條件的基礎(chǔ)上形成的，很多假設(shè)條件在現(xiàn)實(shí)中是不成立的，所以模型有它自身的局限性，它更多的作用是提供一種趨勢(shì)性的參考和數(shù)據(jù)處理方法。就時(shí)間性而言，基本分析主要基于歷史數(shù)據(jù)和現(xiàn)實(shí)數(shù)據(jù)，模型可以提供長(zhǎng)期的預(yù)測(cè)數(shù)據(jù)并評(píng)估現(xiàn)實(shí)數(shù)據(jù)的合理性，通過(guò)二者相互補(bǔ)充和對(duì)比能對(duì)電子商務(wù)業(yè)務(wù)發(fā)展提供更準(zhǔn)確的參考依據(jù)。

6．?dāng)?shù)據(jù)的共享化

通常數(shù)據(jù)僅限于企業(yè)內(nèi)部使用，這樣整個(gè)行業(yè)就無(wú)法對(duì)數(shù)據(jù)進(jìn)行合理利用。在互聯(lián)網(wǎng)時(shí)代，數(shù)據(jù)共享是必然的趨勢(shì)。行業(yè)數(shù)據(jù)服務(wù)功能正在興起，如一淘網(wǎng)、淘寶網(wǎng)等定期發(fā)布的內(nèi)部?jī)r(jià)格指數(shù)、品類(lèi)銷(xiāo)售報(bào)告，就是將內(nèi)部數(shù)據(jù)共享化的一種形式。企業(yè)通過(guò)結(jié)合自身和行業(yè)公開(kāi)數(shù)據(jù)對(duì)某一領(lǐng)域開(kāi)展專(zhuān)業(yè)化的研究，可為新進(jìn)入者或者行業(yè)的發(fā)展提供深度服務(wù)。6.1.2電子商務(wù)數(shù)據(jù)分析的作用

1．客戶(hù)獲得

利用數(shù)據(jù)分析可以有效地獲得客戶(hù)。比如通過(guò)數(shù)據(jù)分析可以發(fā)現(xiàn)購(gòu)買(mǎi)某種商品的消費(fèi)者性別、學(xué)歷、收入、愛(ài)好、職業(yè)等，甚至可以發(fā)現(xiàn)不同人群對(duì)某種商品的回購(gòu)周期。很多因素表面上看起來(lái)和購(gòu)買(mǎi)該種商品不存在任何聯(lián)系，但數(shù)據(jù)分析的結(jié)果卻證明它們之間有聯(lián)系。采用數(shù)據(jù)分析后，針對(duì)目標(biāo)客戶(hù)推送廣告的有效性和響應(yīng)率將得到大幅度的提高，從而降低為獲得客戶(hù)所支付的成本。

2．客戶(hù)細(xì)分

隨著“以客戶(hù)為中心”的經(jīng)營(yíng)理念的不斷深入，分析客戶(hù)、了解客戶(hù)并引導(dǎo)客戶(hù)的需求已成為企業(yè)經(jīng)營(yíng)的重要課題。通過(guò)對(duì)收集的交易數(shù)據(jù)進(jìn)行分析，可以按各種客戶(hù)指標(biāo)(如自然屬性、貢獻(xiàn)度、交易額、忠誠(chéng)度等)對(duì)客戶(hù)分類(lèi)，然后建立不同類(lèi)型客戶(hù)的行為模式，以便采取相應(yīng)的營(yíng)銷(xiāo)措施。

3．客戶(hù)保持

通過(guò)數(shù)據(jù)分析對(duì)客戶(hù)類(lèi)型進(jìn)行細(xì)分后，每個(gè)類(lèi)型的客戶(hù)擁有相似的屬性，可以針對(duì)不同客戶(hù)類(lèi)型提供相應(yīng)的服務(wù)來(lái)提高客戶(hù)的滿(mǎn)意度。數(shù)據(jù)分析還可以發(fā)現(xiàn)具有哪些特征的客戶(hù)有可能流失，這樣挽留客戶(hù)的措施將具有針對(duì)性。

4．交叉銷(xiāo)售

交叉銷(xiāo)售可以使企業(yè)比較容易得到關(guān)于客戶(hù)的豐富信息，在企業(yè)所掌握的客戶(hù)信息(尤其是歷史購(gòu)買(mǎi)行為的信息)中，可能正包含著決定這個(gè)客戶(hù)下一個(gè)購(gòu)買(mǎi)行為的關(guān)鍵因素。這時(shí)候數(shù)據(jù)分析就可以幫助企業(yè)尋找到影響客戶(hù)再次購(gòu)買(mǎi)行為的因素。

5．個(gè)性服務(wù)

根據(jù)客戶(hù)的搜索記錄或訂單記錄，經(jīng)過(guò)數(shù)據(jù)分析后可向客戶(hù)推薦可能引起該客戶(hù)特殊興趣的商品。使用數(shù)據(jù)分析可以使商品推薦更加個(gè)性化，從而提高客戶(hù)購(gòu)買(mǎi)率。

6．資源優(yōu)化

節(jié)約成本是企業(yè)贏利的關(guān)鍵。通過(guò)歷史財(cái)務(wù)數(shù)據(jù)、庫(kù)存數(shù)據(jù)和交易數(shù)據(jù)的分析，可以發(fā)現(xiàn)企業(yè)資源消耗的關(guān)鍵點(diǎn)和主要活動(dòng)的投入產(chǎn)出比例，從而為企業(yè)資源優(yōu)化配置提供決策依據(jù)，如降低庫(kù)存、提高庫(kù)存周轉(zhuǎn)率、提高資金使用率等。6.1.3電子商務(wù)數(shù)據(jù)分析的重要因素

1．電子商務(wù)數(shù)據(jù)分析師需要商業(yè)敏感

電子商務(wù)數(shù)據(jù)分析師必須有從枯燥的數(shù)據(jù)中解開(kāi)市場(chǎng)密碼的能力。比如，具有商業(yè)意識(shí)的數(shù)據(jù)分析師發(fā)現(xiàn)，網(wǎng)站上嬰兒車(chē)的銷(xiāo)售增加了，那么，他基本可以預(yù)測(cè)奶粉的銷(xiāo)量也會(huì)隨著提高。一個(gè)具備商業(yè)敏感的數(shù)據(jù)分析師，需要懂得用什么樣的數(shù)據(jù)實(shí)現(xiàn)公司的目標(biāo)。例如，一家剛進(jìn)入市場(chǎng)的B2B企業(yè)和已經(jīng)占領(lǐng)穩(wěn)定市場(chǎng)的B2B企業(yè)，它們的運(yùn)營(yíng)目標(biāo)也會(huì)不一樣。前者更注重流量的增加，后者則更注重交易轉(zhuǎn)化率及回頭率。所以，數(shù)據(jù)分析師不僅需要擅長(zhǎng)數(shù)據(jù)的統(tǒng)計(jì)，還需要具備商業(yè)敏感，在復(fù)雜的數(shù)據(jù)中捕捉市場(chǎng)機(jī)會(huì)。

2．電子商務(wù)轉(zhuǎn)化率是關(guān)鍵，ROI是最終的目標(biāo)

電子商務(wù)活動(dòng)的宗旨是為企業(yè)創(chuàng)造價(jià)值，因此，提高電子商務(wù)的交易轉(zhuǎn)化率是關(guān)鍵，其中涉及一個(gè)重要指標(biāo)——投資回報(bào)率(ReturnOnInvestment，ROI)，即通過(guò)投資而應(yīng)返回的價(jià)值。

3．電子商務(wù)數(shù)據(jù)分析衡量指標(biāo)的設(shè)定

指標(biāo)可以讓我們更好地從數(shù)據(jù)量化的層面來(lái)了解運(yùn)營(yíng)的狀況。常用的電子商務(wù)數(shù)據(jù)分析指標(biāo)可分為兩類(lèi)：前端行為數(shù)據(jù)和后端商業(yè)數(shù)據(jù)。前端行為數(shù)據(jù)指訪問(wèn)量、瀏覽量、點(diǎn)擊量及站內(nèi)搜索等反映用戶(hù)行為的數(shù)據(jù)；而后端商業(yè)數(shù)據(jù)更側(cè)重商業(yè)行為，如交易額、投資回報(bào)率以及生命周期管理等數(shù)據(jù)。

4．指標(biāo)異常變化的原因分析

電子商務(wù)數(shù)據(jù)分析衡量指標(biāo)的異常變化是外界市場(chǎng)一些變化的客觀反應(yīng)，需要特別注意。例如PV異常減少，那就需要分析用戶(hù)是搜索來(lái)源減少還是直接訪問(wèn)減少等因素。例如有一天，LinkedIn(職業(yè)社交網(wǎng)站)忽然發(fā)現(xiàn)來(lái)自雷曼兄弟公司的來(lái)訪者多了起來(lái)，但是并沒(méi)有深究原因。第二天，雷曼兄弟宣布倒閉。原因何在？雷曼兄弟的人到LinkedIn找工作來(lái)了。再如谷歌宣布退出中國(guó)的前一個(gè)月,有人在LinkedIn上發(fā)現(xiàn)了一些平時(shí)很少見(jiàn)的谷歌產(chǎn)品經(jīng)理在線，也是相同的道理。

5．利用數(shù)據(jù)分析用戶(hù)的行為習(xí)慣

利用數(shù)據(jù)分析來(lái)揣測(cè)用戶(hù)的心理和行為習(xí)慣，最真實(shí)地了解用戶(hù)需要什么，這些可以通過(guò)問(wèn)卷調(diào)查及用戶(hù)瀏覽記錄等數(shù)據(jù)來(lái)實(shí)現(xiàn)，然后進(jìn)行用戶(hù)體驗(yàn)改善和確定產(chǎn)品定位及營(yíng)銷(xiāo)方案。分析用戶(hù)行為習(xí)慣，挖掘客戶(hù)潛在需求，可高效地促成交易。

6．客戶(hù)的交易行為分析

當(dāng)用戶(hù)在電子商務(wù)網(wǎng)站上有了交易行為之后，就從潛在客戶(hù)變成了網(wǎng)站的價(jià)值客戶(hù)，電子商務(wù)網(wǎng)站一般都會(huì)將用戶(hù)的交易信息(包括購(gòu)買(mǎi)時(shí)間、購(gòu)買(mǎi)商品、購(gòu)買(mǎi)數(shù)量、支付金額等)保存在數(shù)據(jù)庫(kù)里面，所以可以基于網(wǎng)站的運(yùn)營(yíng)數(shù)據(jù)對(duì)他們的交易行為進(jìn)行分析，以評(píng)估每位用戶(hù)的價(jià)值及針對(duì)每位用戶(hù)的擴(kuò)展?fàn)I銷(xiāo)的可能性。這些對(duì)于電子商務(wù)精準(zhǔn)運(yùn)營(yíng)都是非常重要的。 6.2電子商務(wù)數(shù)據(jù)分析的衡量指標(biāo)

與工作步驟

6.2.1電子商務(wù)數(shù)據(jù)分析的衡量指標(biāo)

1．流量指標(biāo)

流量指標(biāo)主要用于描述網(wǎng)站訪問(wèn)者的數(shù)量和質(zhì)量，是電子商務(wù)數(shù)據(jù)分析的基礎(chǔ)。該部分指標(biāo)主要包括訪客數(shù)、回訪客數(shù)、瀏覽量、人均瀏覽量、停留時(shí)間、回訪者比率、跳失數(shù)、跳失率等。

訪客數(shù)(UV)：在統(tǒng)計(jì)周期內(nèi)，訪問(wèn)網(wǎng)站的獨(dú)立用戶(hù)數(shù)。網(wǎng)站的訪客數(shù)指標(biāo)是為了近似地模擬訪問(wèn)網(wǎng)站的真實(shí)人數(shù)，故“同一個(gè)人”(在cookie技術(shù)下，通常表現(xiàn)為同一客戶(hù)端同一瀏覽器)多次訪問(wèn)網(wǎng)站，也僅記為一個(gè)訪客。瀏覽量(PV)：在統(tǒng)計(jì)周期內(nèi)，訪客瀏覽網(wǎng)站頁(yè)面的次數(shù)。訪客多次打開(kāi)或刷新同一頁(yè)面，該指標(biāo)均累加。

人均瀏覽量：在統(tǒng)計(jì)周期內(nèi)，每個(gè)訪客平均查看網(wǎng)站頁(yè)面的次數(shù)，即PV/UV。

停留時(shí)間：訪客在同一訪問(wèn)內(nèi)訪問(wèn)網(wǎng)站的時(shí)長(zhǎng)。實(shí)際應(yīng)用中通常取平均停留時(shí)間。

回訪者比率：在統(tǒng)計(jì)周期內(nèi)，衡量網(wǎng)站內(nèi)容對(duì)訪客者的吸引程度和網(wǎng)站的實(shí)用性，絕大多數(shù)網(wǎng)站都希望訪客回訪，因此都希望這個(gè)值不斷提高，如果這個(gè)值下降，說(shuō)明網(wǎng)站的內(nèi)容或產(chǎn)品的質(zhì)量沒(méi)有加強(qiáng)。計(jì)算公式為：回訪者比率?=?回訪客數(shù)?/?獨(dú)立訪客數(shù)。跳失數(shù)：訪客入站后，只訪問(wèn)了登錄頁(yè)即離開(kāi)的次數(shù)。

跳失率：在統(tǒng)計(jì)周期內(nèi)，跳失數(shù)占入站次數(shù)的比例。假設(shè)該訪問(wèn)的入站次數(shù)為10，跳失次數(shù)為5，則是一個(gè)跳失率為50%的訪問(wèn)。跳失率越高，網(wǎng)站的黏性越低。

UV、PV是最常見(jiàn)的描述網(wǎng)站流量數(shù)量的指標(biāo)，跳失率、人均瀏覽量、停留時(shí)間是最常見(jiàn)的描述網(wǎng)站流量質(zhì)量的指標(biāo)。從電子商務(wù)網(wǎng)站角度來(lái)看，通常訪客平均查看的頁(yè)面數(shù)越多,停留時(shí)間越長(zhǎng)，表示訪客對(duì)網(wǎng)站的內(nèi)容或商品越感興趣，但也不排除訪客在網(wǎng)站迷失，找不到所需要的內(nèi)容或商品的可能。上述流量指標(biāo)能夠幫助我們對(duì)網(wǎng)站訪問(wèn)概況有一個(gè)整體把控，如果要定位到網(wǎng)站的具體問(wèn)題，進(jìn)而提升網(wǎng)站運(yùn)營(yíng)效率，還需要從多個(gè)維度解讀這些指標(biāo)，如時(shí)間，流量來(lái)源，訪客地域、性別、年齡，頁(yè)面類(lèi)型等。

2．轉(zhuǎn)化指標(biāo)

轉(zhuǎn)化指標(biāo)主要用于描述訪客和網(wǎng)站的交互狀況，用于幫助網(wǎng)站判斷是否達(dá)到了網(wǎng)站建設(shè)的預(yù)期目的。轉(zhuǎn)化是一個(gè)泛化的概念，訪客在訪問(wèn)網(wǎng)站的過(guò)程中，所有有價(jià)值的行為均可記為轉(zhuǎn)化。對(duì)電子商務(wù)網(wǎng)站來(lái)說(shuō)，通用的轉(zhuǎn)化指標(biāo)包括注冊(cè)用戶(hù)數(shù)、收藏用戶(hù)數(shù)、推車(chē)訪客數(shù)等。

注冊(cè)用戶(hù)數(shù)：在統(tǒng)計(jì)周期內(nèi)，發(fā)生注冊(cè)行為的獨(dú)立訪客數(shù)。

收藏用戶(hù)數(shù)：在統(tǒng)計(jì)周期內(nèi)，對(duì)網(wǎng)站或商品等對(duì)象進(jìn)行收藏的訪客數(shù)。推車(chē)訪客數(shù)：在統(tǒng)計(jì)周期內(nèi)，將商品加入購(gòu)物車(chē)行為的訪客數(shù)。通過(guò)推車(chē)訪客數(shù)可以計(jì)算出該網(wǎng)站的推車(chē)率，計(jì)算公式為：推車(chē)率?=?推車(chē)訪客數(shù)?/?所有訪客數(shù)。

下單用戶(hù)數(shù)：在統(tǒng)計(jì)周期內(nèi)，確認(rèn)訂單的用戶(hù)數(shù)。

成交訂單數(shù)：在統(tǒng)計(jì)周期內(nèi)，已完成付款的訂單數(shù)量。

訂單支付率：成交訂單數(shù)占所有下單用戶(hù)數(shù)的比例。網(wǎng)站的支付流程和體驗(yàn)是影響支付率的重要因素。

成交用戶(hù)數(shù)：在統(tǒng)計(jì)周期內(nèi)，完成付款的用戶(hù)數(shù)。

成交轉(zhuǎn)化率：在統(tǒng)計(jì)周期內(nèi)，成交用戶(hù)數(shù)占訪客數(shù)的比例。

3．推廣指標(biāo)

推廣指標(biāo)主要用于衡量企業(yè)所采取的推廣行為的整體效果。本節(jié)中，推廣行為泛指以付費(fèi)廣告、軟文等形式在互聯(lián)網(wǎng)媒體上進(jìn)行的宣傳活動(dòng)。該部分指標(biāo)主要包括推廣費(fèi)用、展示時(shí)長(zhǎng)等。

推廣費(fèi)用：網(wǎng)站花費(fèi)在推廣內(nèi)容上的費(fèi)用。

展示時(shí)長(zhǎng)：推廣內(nèi)容展現(xiàn)的時(shí)間跨度，通常用來(lái)描述以展示時(shí)長(zhǎng)定價(jià)的付費(fèi)廣告。

展現(xiàn)量：推廣內(nèi)容被展現(xiàn)的次數(shù)，可理解為該內(nèi)容的PV數(shù)。

點(diǎn)擊量：推廣內(nèi)容被點(diǎn)擊的次數(shù)。點(diǎn)擊率：在統(tǒng)計(jì)周期內(nèi)，推廣內(nèi)容點(diǎn)擊量占推廣內(nèi)容展現(xiàn)量的比率。

二跳率：指用戶(hù)點(diǎn)擊廣告跳轉(zhuǎn)進(jìn)入內(nèi)容頁(yè)面后，再次點(diǎn)擊頁(yè)面內(nèi)容繼續(xù)瀏覽的比率。二跳率是為了分析廣告流量的有效性。如果是有效流量的話，一般會(huì)有合理的二跳。如果是虛假點(diǎn)擊的話，一般沒(méi)有二跳。

平均點(diǎn)擊花費(fèi)：在統(tǒng)計(jì)周期內(nèi)，推廣內(nèi)容被點(diǎn)擊一次需要支付的平均費(fèi)用，通常用來(lái)描述以點(diǎn)擊定價(jià)的付費(fèi)廣告。

點(diǎn)擊到達(dá)率：通過(guò)推廣內(nèi)容來(lái)源到達(dá)網(wǎng)站登錄頁(yè)的次數(shù)占推廣內(nèi)容點(diǎn)擊量的比例。過(guò)低的點(diǎn)擊到達(dá)率通常和網(wǎng)站加載速度、推廣內(nèi)容投放渠道等因素相關(guān)。引導(dǎo)成交訂單數(shù)：在統(tǒng)計(jì)周期內(nèi)，訪客通過(guò)點(diǎn)擊推廣內(nèi)容進(jìn)入網(wǎng)站并成功付款的訂單數(shù)量。

點(diǎn)擊轉(zhuǎn)化率：在統(tǒng)計(jì)周期內(nèi)，推廣內(nèi)容引導(dǎo)成交訂單數(shù)占廣告點(diǎn)擊量的比例。

投資回報(bào)率(ROI)：在統(tǒng)計(jì)周期內(nèi)，推廣內(nèi)容引導(dǎo)成交金額與推廣費(fèi)用的比率，該指標(biāo)是描述推廣效果的核心指標(biāo)。

4．服務(wù)指標(biāo)

服務(wù)指標(biāo)主要用于描述電子商務(wù)網(wǎng)站的服務(wù)水平。本節(jié)主要探討電子商務(wù)在線營(yíng)銷(xiāo)范疇的售中、售后等服務(wù)指標(biāo)。該部分指標(biāo)主要包括咨詢(xún)用戶(hù)數(shù)、咨詢(xún)響應(yīng)率、平均退款時(shí)間等。

咨詢(xún)?cè)L客數(shù)：利用各種通訊工具進(jìn)行業(yè)務(wù)咨詢(xún)的訪客數(shù)。

咨詢(xún)響應(yīng)用戶(hù)數(shù)：獲得客服反饋回應(yīng)的咨詢(xún)用戶(hù)數(shù)。

咨詢(xún)響應(yīng)率：在統(tǒng)計(jì)周期內(nèi)，咨詢(xún)響應(yīng)用戶(hù)數(shù)占總咨詢(xún)用戶(hù)數(shù)的比例。

咨詢(xún)響應(yīng)時(shí)間：用戶(hù)首次發(fā)出咨詢(xún)至得到客服反饋的時(shí)間。咨詢(xún)成交用戶(hù)數(shù)：在統(tǒng)計(jì)周期內(nèi)，成功下單并完成付款的咨詢(xún)?cè)L客數(shù)。

咨詢(xún)用戶(hù)轉(zhuǎn)化率：咨詢(xún)成交用戶(hù)數(shù)占咨詢(xún)響應(yīng)用戶(hù)數(shù)的比例。

平均退款時(shí)間：在統(tǒng)計(jì)周期內(nèi)，用戶(hù)發(fā)起退款申請(qǐng)至退款結(jié)束的平均時(shí)間。

訂單處理耗時(shí)：在統(tǒng)計(jì)周期內(nèi)，用戶(hù)完成訂單至訂單出庫(kù)的時(shí)間。該指標(biāo)描述了電子商務(wù)網(wǎng)站的訂單處理效率。

物流耗時(shí)：訂單出庫(kù)后至到達(dá)用戶(hù)的時(shí)間。該指標(biāo)指訂單出庫(kù)后，由第三方物流或自建物流配送至用戶(hù)地址的耗時(shí)，與“訂單處理耗時(shí)”共同描述網(wǎng)站的發(fā)貨速度。發(fā)貨準(zhǔn)確率：正常發(fā)貨訂單占所有成交訂單數(shù)的比例。異常訂單包括商品錯(cuò)誤、數(shù)量錯(cuò)誤、丟包或地址錯(cuò)誤等。

退款訂單數(shù)：在統(tǒng)計(jì)周期內(nèi)，發(fā)生退款的訂單數(shù)。

退款訂單率：在統(tǒng)計(jì)周期內(nèi)，退款訂單數(shù)占成交訂單數(shù)的比例。

投訴訂單數(shù)：在統(tǒng)計(jì)周期內(nèi)，發(fā)生投訴的訂單數(shù)。

投訴率：投訴訂單數(shù)占成交訂單數(shù)的比例。

5．用戶(hù)指標(biāo)

用戶(hù)指標(biāo)主要從有真實(shí)成交記錄用戶(hù)的角度來(lái)描述網(wǎng)站的發(fā)展?fàn)顩r。對(duì)大部分電子商務(wù)網(wǎng)站來(lái)說(shuō)，新用戶(hù)的獲取成本、老用戶(hù)的活躍度等指標(biāo)是評(píng)價(jià)網(wǎng)站核心競(jìng)爭(zhēng)力的重要指標(biāo)。該部分指標(biāo)主要包括新老用戶(hù)比例、用戶(hù)地域分析、重復(fù)購(gòu)買(mǎi)率等。

新老用戶(hù)比例：老用戶(hù)比例越高，證明用戶(hù)忠誠(chéng)度越好。但是還要考慮絕對(duì)量，不能靠新用戶(hù)越來(lái)越少來(lái)襯托老用戶(hù)越來(lái)越多。

用戶(hù)地域分析：用戶(hù)地域與訂單地域分布基本一致，通常用于分析用戶(hù)的分布比例以及經(jīng)濟(jì)發(fā)達(dá)程度等，對(duì)于提升區(qū)域配送能力及服務(wù)水平較有幫助。新成交用戶(hù)數(shù)：在統(tǒng)計(jì)周期內(nèi)，歷史上首次在網(wǎng)站有成交記錄的用戶(hù)數(shù)。

用戶(hù)獲取成本：在統(tǒng)計(jì)周期內(nèi)，每增加一個(gè)新成交用戶(hù)所需投入的廣告費(fèi)用。

成交回頭客數(shù)：在統(tǒng)計(jì)周期內(nèi)，歷史上曾在網(wǎng)站有成交記錄的成交用戶(hù)數(shù)。

成交回頭客占比：在統(tǒng)計(jì)周期內(nèi)，成交回頭客數(shù)占所有成交用戶(hù)數(shù)的比例。

重復(fù)購(gòu)買(mǎi)率：成交用戶(hù)數(shù)在未來(lái)一段時(shí)間內(nèi)再次發(fā)生成交的比例。

客單價(jià)：在統(tǒng)計(jì)周期內(nèi)，成交用戶(hù)的平均成交金額，即成交金額/成交用戶(hù)數(shù)。成交頻次：在統(tǒng)計(jì)周期內(nèi)，成交用戶(hù)在網(wǎng)站產(chǎn)生的訂單數(shù)。

最近成交日期：成交用戶(hù)在網(wǎng)站最近一次成交的發(fā)生日期。

上述內(nèi)容介紹了電子商務(wù)數(shù)據(jù)分析的基本衡量指標(biāo)，分析人員要根據(jù)數(shù)據(jù)分析的情況來(lái)發(fā)現(xiàn)問(wèn)題和總結(jié)問(wèn)題，進(jìn)而優(yōu)化網(wǎng)站的結(jié)構(gòu)和用戶(hù)體驗(yàn)、提升網(wǎng)站的轉(zhuǎn)化率和用戶(hù)忠誠(chéng)度。這些都是電子商務(wù)運(yùn)營(yíng)非常重要的基礎(chǔ)工作。6.2.2電子商務(wù)數(shù)據(jù)分析的實(shí)施步驟

電子商務(wù)數(shù)據(jù)分析的過(guò)程主要由識(shí)別信息需求、確立合理KPI、收集數(shù)據(jù)、分析數(shù)據(jù)、評(píng)估分析結(jié)果并提出改進(jìn)措施等部分組成。

1．識(shí)別信息需求

識(shí)別信息需求是確保數(shù)據(jù)分析過(guò)程有效的首要條件，可以為收集數(shù)據(jù)、分析數(shù)據(jù)提供清晰的目標(biāo)。就過(guò)程控制而言，管理者應(yīng)了解識(shí)別需求要利用哪些數(shù)據(jù)支持分析過(guò)程的合理性，并明確分析對(duì)象和目標(biāo)。比如在電子商務(wù)數(shù)據(jù)分析中，我們的分析對(duì)象可能是廣告投放狀況、頁(yè)面、訪客或成交用戶(hù)等，分析目標(biāo)可能是找到銷(xiāo)售額降低的原因，并提出可操作的改進(jìn)措施等。

2．確立合理KPI(關(guān)鍵績(jī)效指標(biāo))

對(duì)分析對(duì)象確立合理的KPI。合理的KPI包括關(guān)鍵指標(biāo)的設(shè)定和對(duì)該指標(biāo)的合理“預(yù)期”值。比如，分析網(wǎng)站一個(gè)按點(diǎn)擊付費(fèi)的廣告效果，如果選擇以點(diǎn)擊單價(jià)和投資回報(bào)率作為關(guān)鍵指標(biāo)，則需要為這兩個(gè)指標(biāo)設(shè)定合理的預(yù)期值，因?yàn)闆](méi)有合理的預(yù)期值，難以判斷做得好與壞，從而無(wú)法進(jìn)行分析。預(yù)期值的設(shè)定需要我們對(duì)其他影響因素(如廣告預(yù)算、網(wǎng)站商品的競(jìng)爭(zhēng)力)和分析對(duì)象本身(如當(dāng)前的點(diǎn)擊單價(jià)是歷史峰值還是低值等)都有客觀的認(rèn)識(shí)。確認(rèn)了合理的預(yù)期值,就可以開(kāi)始從不同角度進(jìn)行進(jìn)一步的分析評(píng)價(jià)，從而獲得客觀、有用的觀點(diǎn)來(lái)指導(dǎo)決策。

3．正確收集數(shù)據(jù)

正確收集數(shù)據(jù)是指從分析目標(biāo)出發(fā)，排除干擾因素，正確收集服務(wù)于既定分析目標(biāo)的數(shù)據(jù)。正確的數(shù)據(jù)對(duì)于實(shí)現(xiàn)數(shù)據(jù)分析目的將起到關(guān)鍵性的作用。對(duì)收集數(shù)據(jù)的內(nèi)容、渠道、方法進(jìn)行策劃；將識(shí)別的需求轉(zhuǎn)化為具體的數(shù)據(jù)要求；明確數(shù)據(jù)的收集時(shí)間、收集渠道和收集方法；采取有效措施，防止數(shù)據(jù)丟失和虛假數(shù)據(jù)的干擾。

4．分析數(shù)據(jù)

開(kāi)始進(jìn)入具體的分析數(shù)據(jù)階段后，就需要將收集的數(shù)據(jù)通過(guò)加工、整理和分析，使其轉(zhuǎn)化為有效信息。通常情況下，分析數(shù)據(jù)并不需要復(fù)雜的分析算法或高端的分析軟件，掌握“細(xì)分、對(duì)比和轉(zhuǎn)化”的分析手段，就能滿(mǎn)足電子商務(wù)的基礎(chǔ)數(shù)據(jù)分析任務(wù)。

(1)數(shù)據(jù)細(xì)分。對(duì)分析對(duì)象抽絲剝繭，逐步定位到問(wèn)題點(diǎn)，細(xì)分的角度可以有很多，越細(xì)分越能準(zhǔn)確描述問(wèn)題。比如確認(rèn)了“廣告點(diǎn)擊單價(jià)過(guò)高”的問(wèn)題，就可以通過(guò)多角度的細(xì)分，如投放商品、投放位置、投放時(shí)間段等角度去找到引起“廣告點(diǎn)擊單價(jià)過(guò)高”的原因。

(2)數(shù)據(jù)對(duì)比。主要包括橫向和縱向兩個(gè)角度，各指標(biāo)間的橫向?qū)Ρ葞椭覀冋J(rèn)識(shí)預(yù)期值的合理性；縱向?qū)Ρ仁侵笜?biāo)自身在時(shí)間維度上的對(duì)比，即通常說(shuō)的趨勢(shì)分析。對(duì)分析對(duì)象，如廣告投放的一系列優(yōu)化操作，往往只有通過(guò)數(shù)據(jù)指標(biāo)在時(shí)間軸上的前后對(duì)比，才能判斷出這些操作的效果。

(3)數(shù)據(jù)轉(zhuǎn)化。數(shù)據(jù)分析對(duì)象往往是一些“結(jié)果”型指標(biāo)，這種結(jié)果的形成通常涉及多個(gè)步驟。如分析網(wǎng)站的銷(xiāo)售額，可以分解成“訪客數(shù)×轉(zhuǎn)化率×客單價(jià)”，從而對(duì)每個(gè)細(xì)分的轉(zhuǎn)化步驟進(jìn)行分析，也可以幫助我們迅速找到問(wèn)題點(diǎn)。

5．評(píng)估分析結(jié)果并提出改進(jìn)措施

企業(yè)在評(píng)估數(shù)據(jù)分析結(jié)果時(shí)，要注意數(shù)據(jù)是否真實(shí)和充分，數(shù)據(jù)分析方法是否合理，是否將風(fēng)險(xiǎn)控制在可接受的范圍內(nèi)，并根據(jù)分析結(jié)果找出問(wèn)題的關(guān)鍵，制定相應(yīng)調(diào)整和改善的措施，使問(wèn)題得到解決或負(fù)面影響降到最低。改進(jìn)措施是最為關(guān)鍵的一步，也是很多數(shù)據(jù)分析工作中容易忽視的一步，很多數(shù)據(jù)分析只是呈現(xiàn)結(jié)果，缺少解決問(wèn)題的方案，這就相當(dāng)于找到了管道的漏水點(diǎn)，卻任由其漏水而不作處理。 6.3電子商務(wù)數(shù)據(jù)分析的工作內(nèi)容

6.3.1電子商務(wù)數(shù)據(jù)分析方法

1．看數(shù)據(jù)分布

看數(shù)據(jù)分布是較為基礎(chǔ)的分析方法。通常情況下，綜合性(總數(shù)和平均數(shù))的統(tǒng)計(jì)數(shù)據(jù)主要用于對(duì)宏觀現(xiàn)狀的了解，但是容易丟失掉很多重要的信息，不能夠全面和具體地反映真實(shí)情況。在深入分析數(shù)據(jù)分布時(shí)，應(yīng)該多關(guān)注數(shù)據(jù)中的眾數(shù)，即一組數(shù)據(jù)中出現(xiàn)次數(shù)最多的數(shù)值，因?yàn)檫@個(gè)數(shù)值會(huì)直觀反映實(shí)際分布情況，而不受極端數(shù)據(jù)的影響。

在網(wǎng)絡(luò)營(yíng)銷(xiāo)中會(huì)常常發(fā)生只關(guān)注平均數(shù)而丟失重要信息的情況，下面將針對(duì)一些簡(jiǎn)單的案例進(jìn)行分析?！景咐喿x1】頁(yè)面平均停留時(shí)間的誤導(dǎo)

如表6-1所示，從中可計(jì)算得出該電子商務(wù)網(wǎng)站的平均停留時(shí)間為3分34秒，部分運(yùn)營(yíng)人員就可能根據(jù)這個(gè)時(shí)間來(lái)進(jìn)行業(yè)務(wù)決策，例如設(shè)置“停留時(shí)間超過(guò)3分34秒為高價(jià)值流量”，或者設(shè)置系統(tǒng)在用戶(hù)停留了3分34秒還沒(méi)有下訂單的話就彈出在線客服窗口。設(shè)置這些時(shí)間點(diǎn)的根據(jù)是“平均停留時(shí)間”，在我們的假設(shè)里，每個(gè)顧客都有著“平均的”表現(xiàn)，停留時(shí)間大致都是3分34秒，可實(shí)際上真正的顧客訪問(wèn)時(shí)間有長(zhǎng)有短，差別巨大。表6-1某商品頁(yè)面訪問(wèn)數(shù)據(jù)從該表數(shù)據(jù)里可以看出，平均停留時(shí)間短是因?yàn)楹芏嗳送Ａ袅瞬坏?0秒就離開(kāi)了，這里就能反映出這部分流量存在跳失率過(guò)高的問(wèn)題。然后再去分析這部分流量跳失率高的流量來(lái)源，最后主要發(fā)現(xiàn)兩個(gè)問(wèn)題：

1.網(wǎng)站之間的友情鏈接每天都帶來(lái)海量流量，但是往往點(diǎn)開(kāi)網(wǎng)頁(yè)就離開(kāi)，因?yàn)樵撾娮由虅?wù)網(wǎng)站和友情鏈接網(wǎng)站內(nèi)容其實(shí)不太相關(guān)，用戶(hù)也并不重合。

2.因?yàn)樵撾娮由虅?wù)網(wǎng)站的名字比較特別，和某熱播電視劇重名，所以很多搜索電視劇的用戶(hù)點(diǎn)擊進(jìn)入網(wǎng)站，然而發(fā)現(xiàn)網(wǎng)站并不是討論該電視劇，馬上離開(kāi)了。接著，我們可以根據(jù)這兩個(gè)問(wèn)題分析得出一些結(jié)論和行動(dòng)方法，例如以后在進(jìn)行友情鏈接合作的時(shí)候主要看雙方用戶(hù)的重合度，而不是流量，或者將網(wǎng)站上所有和該熱播電視劇匹配的產(chǎn)品做個(gè)特別的引導(dǎo)頁(yè)面，把那部分敲錯(cuò)門(mén)的用戶(hù)留下來(lái)?！景咐喿x2】平均訂單金額背后隱藏的變化

某電子商務(wù)網(wǎng)站上個(gè)月平均訂單金額為500元/單，這個(gè)月同樣也是500元/單，從平均訂單金額來(lái)看并沒(méi)有出現(xiàn)異常情況，這時(shí)候網(wǎng)站運(yùn)營(yíng)人員容易忽略平均數(shù)據(jù)后面所發(fā)生的變化了。

實(shí)際的情況是上個(gè)月的5萬(wàn)張訂單都是由400～600元組成的，而這個(gè)月的5萬(wàn)張訂單則由2萬(wàn)單300元，2萬(wàn)單400元,5千單500元，5千單1700元以上的訂單組成。這個(gè)時(shí)候其實(shí)客戶(hù)購(gòu)買(mǎi)習(xí)慣已經(jīng)發(fā)生了巨大變化，一方面出現(xiàn)部分客戶(hù)訂單金額降低，由原來(lái)的最低400元降到了300元，出現(xiàn)這種情況有可能是這個(gè)月產(chǎn)品單價(jià)下降、客戶(hù)購(gòu)買(mǎi)數(shù)量減少或者客戶(hù)選擇了比較便宜的替代品；另一方面出現(xiàn)了一些金額相對(duì)較大的訂單，出現(xiàn)這種情況的原因可能是出現(xiàn)大批量購(gòu)買(mǎi)的客戶(hù)，也可能是網(wǎng)站產(chǎn)品線擴(kuò)充見(jiàn)效了。所以如果只看訂單的平均值，則會(huì)忽視一些潛在的變化。

以上兩個(gè)案例的參考主要是提醒我們要看到“平均數(shù)”后面的數(shù)據(jù)分布情況，這樣才能有深入的洞察，才能夠制定合理的行動(dòng)方案。

2．拆因子

在數(shù)據(jù)分析過(guò)程中很多時(shí)候很難直接從數(shù)據(jù)變化中分析出具體的原因，這時(shí)可以考慮采用拆因子的方法，例如分析網(wǎng)站銷(xiāo)售額，在計(jì)算公式中，銷(xiāo)售額=訪客數(shù)×全店成交轉(zhuǎn)化率×客單價(jià)，那么影響它的因子有訪客數(shù)、全店成交轉(zhuǎn)化率、客單價(jià)，通過(guò)對(duì)這三個(gè)因子的變化分析，將問(wèn)題逐步細(xì)化，從而找出原因?！景咐喿x3】拆因子發(fā)現(xiàn)網(wǎng)站轉(zhuǎn)化率下降原因

某電子商務(wù)網(wǎng)站近期出現(xiàn)轉(zhuǎn)化率下降，我們要尋找原因。如圖6-1所示，因?yàn)檗D(zhuǎn)化率=訂單/流量，所以“轉(zhuǎn)化率”下降的原因可能是“訂單量下降”或“流量上升”，或兩者皆有。按照這個(gè)公式思路我們可能發(fā)現(xiàn)主要的原因是“流量上升”，那么下面就可以來(lái)拆解“流量”的構(gòu)成，例如拆成“直接訪問(wèn)流量”、“廣告流量”和“搜索引擎流量”，再看具體是哪部分的流量發(fā)生了變化，接下來(lái)再找原因。圖6-1某電子商務(wù)網(wǎng)站轉(zhuǎn)化率下降原因分拆這時(shí)可能看到搜索引擎訪問(wèn)流量上升，那就可以再進(jìn)一步分析是付費(fèi)關(guān)鍵詞部分上升，還是自然搜索流量上升。如果是自然搜索流量上升，那么是品牌關(guān)鍵詞帶來(lái)的流量上升還是非品牌關(guān)鍵詞帶來(lái)的流量上升？

假如最后發(fā)現(xiàn)是非品牌關(guān)鍵詞帶來(lái)的流量上升，那么繼續(xù)分析出現(xiàn)這種情況的原因是因?yàn)槭袌?chǎng)變化(淡季旺季之類(lèi))、競(jìng)爭(zhēng)對(duì)手行動(dòng)還是自身改變。假如剛好最近產(chǎn)品頁(yè)面進(jìn)行過(guò)改版，那么可以查一下是不是因?yàn)楦陌孀屗阉饕媸珍涀兌?，?quán)重變高。接下來(lái)再分析改版時(shí)哪些地方的改動(dòng)幫助網(wǎng)站優(yōu)化了(如把頁(yè)面導(dǎo)航欄從圖片換成文字)，從而把經(jīng)驗(yàn)記錄下來(lái)為以后頁(yè)面改版提供參考。

另一方面還要分析哪里沒(méi)做好，因?yàn)樾略隽髁苛耍卿N(xiāo)售額并沒(méi)有明顯提高，需要研究怎樣讓“產(chǎn)品頁(yè)面”更具吸引力，對(duì)很多搜索引擎流量來(lái)說(shuō)，他們對(duì)網(wǎng)站的第一印象是產(chǎn)品頁(yè)面，而不是首頁(yè)。【案例閱讀4】拆因子分析銷(xiāo)售額的變化

銷(xiāo)售額的變化，可以從訪客數(shù)、全店成交轉(zhuǎn)化率、客單價(jià)三者的變化中得到解答。訪客數(shù)即UV，指全店各頁(yè)面的總訪問(wèn)人數(shù)；全店成交轉(zhuǎn)化率指成交用戶(hù)數(shù)占訪客數(shù)的比例；客單價(jià)指平均每個(gè)成交用戶(hù)的成交金額，銷(xiāo)售額=訪客數(shù)×全店成交轉(zhuǎn)化率×客單價(jià)。

訪客數(shù)與全店成交轉(zhuǎn)化率的乘積即成交用戶(hù)數(shù)，分析這兩個(gè)數(shù)據(jù)，可以了解成交用戶(hù)數(shù)的構(gòu)成及變化，不同來(lái)源渠道的訪客數(shù)量及質(zhì)量，進(jìn)而尋找能有效促進(jìn)銷(xiāo)售額增長(zhǎng)的點(diǎn)，如增加高轉(zhuǎn)化率的來(lái)源的訪客數(shù)，優(yōu)化高訪客數(shù)登錄頁(yè)的頁(yè)面等。全店成交轉(zhuǎn)化率與客單價(jià)的乘積可以理解為平均每一個(gè)UV帶來(lái)的價(jià)值，該數(shù)據(jù)是引流成本的參考值，可以幫助我們制定合理的廣告策略；另外，分析這兩個(gè)數(shù)據(jù)，可以了解不同經(jīng)營(yíng)活動(dòng)的影響，如“打折促銷(xiāo)”在提高全店成交轉(zhuǎn)化率的情況下，如果沒(méi)有刺激用戶(hù)購(gòu)買(mǎi)更多產(chǎn)品的方案，是否會(huì)明顯降低客單價(jià)。

如表6-2所示，是天貓商城某品牌旗艦店2013年9月份經(jīng)營(yíng)過(guò)程中不同日期的數(shù)據(jù)表現(xiàn)。T1天是該店鋪在該季節(jié)下,正常經(jīng)營(yíng)狀況下的數(shù)據(jù)表現(xiàn)，這里，我們通過(guò)拆因子分析方法對(duì)灰色區(qū)域的數(shù)據(jù)進(jìn)行解讀。表6-2天貓商城某品牌旗艦店9月運(yùn)營(yíng)數(shù)據(jù)

T1+1天時(shí)，可以計(jì)算出該店鋪的成交金額是T1天的4.38倍，其中訪客數(shù)增長(zhǎng)86%，成交轉(zhuǎn)化率增長(zhǎng)53%，客單價(jià)增長(zhǎng)53%，人均成交件數(shù)增長(zhǎng)8%。

如表6-3所示，分析該網(wǎng)站主要的流量來(lái)源變化可知，從T1到T1+1，各渠道的流量均有顯著增長(zhǎng)，并且對(duì)比免費(fèi)流量和付費(fèi)流量的增長(zhǎng)幅度，我們可以判斷T1+1時(shí)該店鋪顯著加大了廣告流量的投入，這解釋了訪客數(shù)的變化原因。表6-3天貓商城某品牌旗艦店9月流量來(lái)源通過(guò)表6-2可以看出，T1+1比T1的客單價(jià)顯著上升，但人均成交件數(shù)并沒(méi)有相應(yīng)幅度的提高，說(shuō)明該店鋪銷(xiāo)售的商品的單價(jià)變高。查看該店鋪的寶貝銷(xiāo)售排行并與T1天對(duì)比,發(fā)現(xiàn)該店鋪在周一時(shí)上新了一款468元的高價(jià)單品，帶來(lái)了大量銷(xiāo)售，另外有一款68元的低價(jià)商品，也貢獻(xiàn)了很高的轉(zhuǎn)化率。

至此，通過(guò)拆因子分析可知，T1+1天時(shí)，該店鋪上架新商品，新商品單價(jià)較高(做了相應(yīng)折扣提高了轉(zhuǎn)化率)，并且相應(yīng)做了大力推廣，從而促進(jìn)了銷(xiāo)售額增長(zhǎng)。同樣，對(duì)T2+1和T3+1天的銷(xiāo)售額劇增狀況，也可以通過(guò)這種拆因子分析得到解答。

3．漏斗分析

漏斗分析，是指以漏斗圖的形式來(lái)展現(xiàn)分析結(jié)果。漏斗分析是一個(gè)適合業(yè)務(wù)流程比較規(guī)范、周期比較長(zhǎng)、各流程環(huán)節(jié)涉及復(fù)雜業(yè)務(wù)過(guò)程比較多的數(shù)據(jù)分析方法。漏斗分析不僅可以非常直觀地發(fā)現(xiàn)訪客在業(yè)務(wù)流程中存在的轉(zhuǎn)化與流失情況，發(fā)現(xiàn)隱藏在其中的業(yè)務(wù)問(wèn)題，而且通過(guò)進(jìn)入業(yè)務(wù)頁(yè)面的訪問(wèn)次數(shù)與整站訪問(wèn)次數(shù)的比率，還可以反映出業(yè)務(wù)在網(wǎng)站中的受歡迎程度。

需要注意的是，單一的漏斗模型對(duì)于分析沒(méi)有任何意義，不能單從一個(gè)漏斗模型中評(píng)價(jià)網(wǎng)站某個(gè)關(guān)鍵流程中各步驟的轉(zhuǎn)化率的好壞，而必須通過(guò)趨勢(shì)、比較和細(xì)分的方法對(duì)流程漏斗中各步驟的轉(zhuǎn)化率進(jìn)行分析。趨勢(shì)：從時(shí)間軸的變化情況進(jìn)行分析，適用于對(duì)某一流程或其中某個(gè)步驟進(jìn)行改進(jìn)或優(yōu)化的效果監(jiān)控。

比較：通過(guò)比較類(lèi)似產(chǎn)品或服務(wù)間購(gòu)買(mǎi)或使用流程的轉(zhuǎn)化率，發(fā)現(xiàn)某些產(chǎn)品或應(yīng)用中存在的問(wèn)題。

細(xì)分：細(xì)分不同來(lái)源或客戶(hù)類(lèi)型在轉(zhuǎn)化率上的表現(xiàn)，發(fā)現(xiàn)高質(zhì)量的來(lái)源或客戶(hù)，通常用于分析網(wǎng)站的廣告或推廣的效果及投資回報(bào)率。

所以，漏斗模型適用于網(wǎng)站中某些關(guān)鍵路徑的轉(zhuǎn)化率分析，用于確定整個(gè)流程的設(shè)計(jì)是否合理、各步驟的優(yōu)劣、是否存在優(yōu)化的空間等。例如在分析廣告的引流效果時(shí)，可以通過(guò)廣告點(diǎn)擊漏斗，如圖6-2所示，從廣告展現(xiàn)量—廣告點(diǎn)擊量(廣告展現(xiàn)量×點(diǎn)擊率)—入站次數(shù)(廣告點(diǎn)擊量×廣告點(diǎn)擊到達(dá)率)—跳失數(shù)(入站次數(shù)×跳失率)四個(gè)步驟來(lái)分別解讀引流目標(biāo)在各個(gè)階段的流失情況，幫助我們判斷廣告在哪個(gè)階段具有較大的優(yōu)化空間，從而提高廣告引流效果。圖6-2廣告點(diǎn)擊漏斗又如分析網(wǎng)站訪客轉(zhuǎn)化效果時(shí)，訪客訪問(wèn)一個(gè)網(wǎng)站，有入店、瀏覽、出店三個(gè)過(guò)程。網(wǎng)站的成交轉(zhuǎn)化漏斗如圖6-3所示，可以幫助我們了解訪客在網(wǎng)站各個(gè)步驟的流失情況，了解訪客進(jìn)入網(wǎng)站最終卻未產(chǎn)生購(gòu)買(mǎi)的原因，是首頁(yè)質(zhì)量較差，訪客一進(jìn)入網(wǎng)站就關(guān)閉退出；還是網(wǎng)站導(dǎo)航搜索體驗(yàn)不好，訪客未能找到需要的商品；甚至是不是因?yàn)椴煌瑸g覽器支持的支付工具的問(wèn)題，導(dǎo)致訪客辛辛苦苦填完訂單后卻未能順利支付。通過(guò)成交轉(zhuǎn)化漏斗分析，可以逐一解答。圖6-3成交轉(zhuǎn)化漏斗【案例閱讀5】某網(wǎng)站轉(zhuǎn)化漏斗分析

如圖6-4所示，可以分析得出該網(wǎng)站的跳失率維持在70%左右，即70%的訪客進(jìn)入網(wǎng)站后并未瀏覽其他頁(yè)面即離開(kāi)，當(dāng)然就不可能產(chǎn)生購(gòu)買(mǎi)。如果更深入地分析高跳失率的流量來(lái)源或高跳失率的登錄頁(yè)面，那么我們也許就可以找到改善該指標(biāo)的方法。所幸的是，十一長(zhǎng)假以后，該網(wǎng)站的跳失率明顯降低。細(xì)心的讀者也許會(huì)發(fā)現(xiàn)，這一時(shí)間段，網(wǎng)站的推車(chē)率(將商品加入購(gòu)物車(chē)的用戶(hù)的比例)和下單率(成功填寫(xiě)完訂單的用戶(hù)的比例)卻有下降的趨勢(shì)，要探究背后的原因，還需要對(duì)流量做更多的細(xì)分分析，暫不作為本案例的討論點(diǎn)。圖6-4某B2C網(wǎng)站9月底至10月中旬，全部訪客在網(wǎng)站的跳失率和支付率變化趨勢(shì)如圖6-5所示，可以分析得出該網(wǎng)站的推車(chē)率水平約為4.5%左右，下單率約為1.5%左右，根據(jù)圖6-5可以得出支付率約為55%左右，這說(shuō)明4.5%的訪客將商品加入了購(gòu)物車(chē)，而其中有30%(4.5%×30%=1.5%)的人成功填寫(xiě)了訂單，而這些人中又有55%的用戶(hù)最終成功完成了支付，成為了網(wǎng)站的成交用戶(hù)。通過(guò)漏斗分析，哪一個(gè)轉(zhuǎn)化步驟的流失顯著高于行業(yè)水平，或者比預(yù)想的差很多，那么就可以去探究它的深層次原因，并且找到對(duì)應(yīng)的解決辦法。圖6-5該網(wǎng)站的推車(chē)率和下單率變化趨勢(shì)

4．用戶(hù)分析

我們把電子商務(wù)理解為傳統(tǒng)行業(yè)(一般指商品零售相關(guān)的)在互聯(lián)網(wǎng)上的應(yīng)用。而傳統(tǒng)零售業(yè)的用戶(hù)管理至關(guān)重要，大部分的電子商務(wù)企業(yè)也越來(lái)越認(rèn)識(shí)到用戶(hù)管理的重要性。這里，主要介紹細(xì)分用戶(hù)族群以及用戶(hù)成本與質(zhì)量分析這兩種用戶(hù)分析方法。

(1)細(xì)分用戶(hù)族群。

很多時(shí)候，需要把用戶(hù)行為數(shù)據(jù)進(jìn)行拆分，根據(jù)用戶(hù)的屬性、行為、需求、偏好以及價(jià)值等因素對(duì)用戶(hù)進(jìn)行分類(lèi)，了解不同族群的用戶(hù)有什么不同的表現(xiàn)，通過(guò)比較異同來(lái)獲取更多的信息，并提供有針對(duì)性的產(chǎn)品、服務(wù)和銷(xiāo)售模式。一般來(lái)說(shuō)，細(xì)分可以從以下三個(gè)方面來(lái)進(jìn)行。

外在屬性：如用戶(hù)的地域分布，產(chǎn)品需求，組織歸屬——企業(yè)用戶(hù)、個(gè)人用戶(hù)、政府用戶(hù)等。通常，這種分類(lèi)最簡(jiǎn)單、直觀，數(shù)據(jù)也很容易得到。但這種分類(lèi)比較粗放，依然不知道在每一個(gè)用戶(hù)層面，誰(shuí)是“好”用戶(hù)，誰(shuí)是“差”用戶(hù)。我們能知道的只是某一類(lèi)用戶(hù)(如大企業(yè)用戶(hù))較之另一類(lèi)用戶(hù)(如政府用戶(hù))可能消費(fèi)能力更強(qiáng)。

內(nèi)在屬性：內(nèi)在屬性是用戶(hù)內(nèi)在因素所決定的屬性，比如性別、年齡、信仰、愛(ài)好、收入、家庭成員數(shù)、信用度、性格、價(jià)值取向等。消費(fèi)行為分類(lèi)：對(duì)消費(fèi)行為的分析主要從三個(gè)方面考慮，即最近消費(fèi)、消費(fèi)頻率與消費(fèi)額。按照消費(fèi)行為來(lái)分類(lèi)通常只能適用于現(xiàn)有用戶(hù)。對(duì)于潛在用戶(hù)，由于消費(fèi)行為還沒(méi)有開(kāi)始，當(dāng)然分層無(wú)從談起。即使對(duì)于現(xiàn)有用戶(hù)，消費(fèi)行為分類(lèi)也只能滿(mǎn)足用戶(hù)分層的特定目的。至于找出用戶(hù)中的特點(diǎn)為市場(chǎng)營(yíng)銷(xiāo)活動(dòng)找到確定對(duì)策，則要做更多的數(shù)據(jù)分析工作。

(2)用戶(hù)成本與質(zhì)量分析。

電子商務(wù)企業(yè)的收入由成交用戶(hù)貢獻(xiàn)，企業(yè)要最終實(shí)現(xiàn)贏利，必須滿(mǎn)足平均每一個(gè)用戶(hù)貢獻(xiàn)的利潤(rùn)水平至少覆蓋獲得該用戶(hù)的成本。新用戶(hù)的獲得需要投入一定的成本(如廣告投入、商品讓利促銷(xiāo)等)，老用戶(hù)也需要有相應(yīng)的投入來(lái)維持，而每一個(gè)用戶(hù)在網(wǎng)站的成交金額(訂單金額×成交次數(shù))及表現(xiàn)出來(lái)的時(shí)間間隔都有一定的特征，如果從用戶(hù)成本和質(zhì)量這一角度進(jìn)行分析，可以很好地指導(dǎo)我們進(jìn)行經(jīng)營(yíng)決策，如圖6-6所示。圖6-6用戶(hù)成本與質(zhì)量分析架構(gòu)【案例閱讀6】某B2C網(wǎng)站2012年底新用戶(hù)成本質(zhì)量分析

如表6-4所示，該網(wǎng)站2012年底正常運(yùn)營(yíng)獲得12600名新用戶(hù)，花費(fèi)市場(chǎng)費(fèi)用50萬(wàn)，則每一個(gè)新用戶(hù)的獲得成本為40元，通過(guò)客單價(jià)和毛利率可計(jì)算出在首次購(gòu)買(mǎi)中每個(gè)用戶(hù)貢獻(xiàn)36元的毛利，而平均每個(gè)新用戶(hù)需購(gòu)買(mǎi)1.11次，該網(wǎng)站才能收回成本，經(jīng)計(jì)算，這批用戶(hù)在未來(lái)3個(gè)月內(nèi)產(chǎn)生重復(fù)購(gòu)買(mǎi)的比例為30%，即這批用戶(hù)在未來(lái)三個(gè)月，平均每人還能貢獻(xiàn)10.8元(客單價(jià)120×毛利率30%×復(fù)購(gòu)率30%=10.8元)的毛利，加上首次購(gòu)買(mǎi)的毛利，足以覆蓋新用戶(hù)獲得成本。表6-4某B2C網(wǎng)站2012年底新用戶(hù)數(shù)據(jù)

5．關(guān)聯(lián)分析

關(guān)聯(lián)分析是指在交易數(shù)據(jù)、關(guān)系數(shù)據(jù)或其他信息載體中，查找存在于項(xiàng)目集合或?qū)ο蠹现g的頻繁模式、關(guān)聯(lián)、相關(guān)性或因果結(jié)構(gòu)。關(guān)聯(lián)分析的一個(gè)典型例子是購(gòu)物車(chē)分析。該過(guò)程通過(guò)發(fā)現(xiàn)顧客放入其購(gòu)物車(chē)中的不同商品之間的聯(lián)系，分析顧客的購(gòu)買(mǎi)習(xí)慣。即了解哪些商品頻繁地被顧客同時(shí)購(gòu)買(mǎi)，通過(guò)這種關(guān)聯(lián)制定營(yíng)銷(xiāo)策略，從而影響頁(yè)面設(shè)計(jì)、商品促銷(xiāo)、商品的展現(xiàn)等。關(guān)聯(lián)分析的任務(wù)就是發(fā)現(xiàn)事物間的關(guān)聯(lián)規(guī)則或相關(guān)程度。關(guān)聯(lián)規(guī)則的一般形式是：如果A發(fā)生，則B發(fā)生的幾率有多少，這個(gè)幾率就稱(chēng)為關(guān)聯(lián)規(guī)則的置信度。利用關(guān)聯(lián)分析能尋找數(shù)據(jù)庫(kù)中大量數(shù)據(jù)的聯(lián)系。常用的關(guān)聯(lián)技術(shù)有兩種：一是關(guān)聯(lián)規(guī)則，用于發(fā)現(xiàn)一個(gè)事物與其他事物間的關(guān)聯(lián)性或依賴(lài)性，如分析客戶(hù)同時(shí)購(gòu)買(mǎi)牙刷和牙膏的可能性；二是序列模式分析，該模式重點(diǎn)分析數(shù)據(jù)之間的因果關(guān)系，如買(mǎi)了電腦的顧客在三個(gè)月內(nèi)有買(mǎi)殺毒軟件的可能性。關(guān)聯(lián)分析的主要作用可以概括如下：

(1)通過(guò)關(guān)聯(lián)分析，推出相應(yīng)的產(chǎn)品組合，最大限度地促進(jìn)消費(fèi)者購(gòu)買(mǎi)更多的產(chǎn)品，快速提高銷(xiāo)售額。例如常見(jiàn)的P&G產(chǎn)品組合(飄柔洗發(fā)水+玉蘭油沐浴露、海飛絲洗發(fā)水+舒膚佳沐浴露)，這些產(chǎn)品組合都離不開(kāi)數(shù)據(jù)支撐，而背后的原理就涉及數(shù)據(jù)的關(guān)聯(lián)分析。

(2)進(jìn)行相關(guān)產(chǎn)品推薦或挑選相應(yīng)的關(guān)聯(lián)產(chǎn)品進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)。例如在亞馬遜或京東商城選購(gòu)產(chǎn)品的時(shí)候，旁邊會(huì)出現(xiàn)一個(gè)提醒欄，顯示歷史購(gòu)買(mǎi)該商品的人有多少比例還會(huì)購(gòu)買(mǎi)其他產(chǎn)品，從而快速幫助客戶(hù)找到喜好的產(chǎn)品。

(3)尋找更多潛在的目標(biāo)客戶(hù)。假設(shè)購(gòu)買(mǎi)紙巾產(chǎn)品的100個(gè)人里面，有70人也會(huì)購(gòu)買(mǎi)洗衣液產(chǎn)品，那么在推廣某品牌洗衣液時(shí)，可以向購(gòu)買(mǎi)紙巾的用戶(hù)推薦產(chǎn)品，這樣就能最大限度地尋找更多的目標(biāo)客戶(hù)。

6．指標(biāo)對(duì)比分析

指標(biāo)對(duì)比分析又稱(chēng)比較法，就是通過(guò)指標(biāo)的對(duì)比，檢查計(jì)劃的完成情況，分析產(chǎn)生差異的原因，進(jìn)而挖掘內(nèi)部潛力的方法。這種方法可以非常直觀地看出事物某方面的變化或差距，并且可以準(zhǔn)確、量化地表示出這種變化或差距，因而在電子商務(wù)數(shù)據(jù)分析中得到了廣泛的應(yīng)用。

實(shí)際操作過(guò)程中，指標(biāo)對(duì)比分析法適用于同質(zhì)指標(biāo)的數(shù)量對(duì)比。采用這種分析方法，應(yīng)注意相比指標(biāo)的可比性?？杀鹊墓餐A(chǔ)包括指標(biāo)內(nèi)容、計(jì)算方法、計(jì)算周期和影響指標(biāo)形成的客觀條件等方面。指標(biāo)對(duì)比分析法主要有以下兩種應(yīng)用形式。

(1)縱向比較法。

縱向比較是比較同一事物在不同時(shí)期的形態(tài)，從而認(rèn)識(shí)事物的發(fā)展變化過(guò)程，揭示事物的發(fā)展規(guī)律。

本期實(shí)際指標(biāo)與上期實(shí)際指標(biāo)對(duì)比。通過(guò)這種對(duì)比，可以看出各項(xiàng)指標(biāo)的動(dòng)態(tài)情況，反映運(yùn)營(yíng)管理水平的提高程度。將實(shí)際指標(biāo)與計(jì)劃指標(biāo)對(duì)比，以檢查計(jì)劃的完成情況，分析完成計(jì)劃的積極因素和影響計(jì)劃完成的原因，以便及時(shí)采取措施，保證成本目標(biāo)的實(shí)現(xiàn)。在進(jìn)行實(shí)際與計(jì)劃指標(biāo)對(duì)比時(shí),還應(yīng)注意計(jì)劃本身的質(zhì)量。如果計(jì)劃本身出現(xiàn)質(zhì)量問(wèn)題，則應(yīng)調(diào)整計(jì)劃，重新正確評(píng)價(jià)實(shí)際工作的成績(jī)，以免挫傷工作積極性。

(2)橫向比較法。

橫向比較法是指對(duì)同類(lèi)的但不同對(duì)象的指標(biāo)在統(tǒng)一標(biāo)準(zhǔn)下進(jìn)行比較的方法。該方法按照調(diào)研目的確定比較基準(zhǔn)和分類(lèi)屬性，比較過(guò)程中要注意事物的可比性，善于發(fā)現(xiàn)和比較本質(zhì)的不同。

與本行業(yè)先進(jìn)水平對(duì)比。通過(guò)這種對(duì)比，可以反映企業(yè)網(wǎng)站的運(yùn)營(yíng)管理水平與同行業(yè)先進(jìn)水平的差距，進(jìn)而采取措施趕超先進(jìn)水平。例如網(wǎng)站這周的成交額上漲了10%，固然值得表?yè)P(yáng)，不過(guò)這個(gè)上漲的背后是否隱含著什么危機(jī)？如果你的競(jìng)爭(zhēng)對(duì)手們這周的成交額都上漲了20%，當(dāng)你洋洋得意的時(shí)候，可能已經(jīng)被競(jìng)爭(zhēng)對(duì)手拉開(kāi)距離了。6.3.2圖表展示

圖表在數(shù)據(jù)分析工作中具有非常重要的作用。圖表可以將數(shù)據(jù)圖形化，更明確地顯示其相互關(guān)系。

通常情況下，數(shù)據(jù)分析使用到的圖表類(lèi)型主要有以下幾種。

1．柱形圖

柱形圖也稱(chēng)直方圖，是經(jīng)常使用的一種圖表類(lèi)型。通常用來(lái)描述不同時(shí)期數(shù)據(jù)的變化情況或是描述不同類(lèi)別數(shù)據(jù)(稱(chēng)做分類(lèi)項(xiàng))之間的差異，也可以同時(shí)描述不同時(shí)期、不同類(lèi)別數(shù)據(jù)的變化和差異。例如不同時(shí)期多種銷(xiāo)售指標(biāo)的比較等。一般將分類(lèi)數(shù)據(jù)或時(shí)間在水平軸上標(biāo)出，而把數(shù)據(jù)的大小在垂直軸上標(biāo)出。如果要描述不同時(shí)期、不同類(lèi)別的數(shù)據(jù)，則將不同類(lèi)別的數(shù)據(jù)用圖例表示，如圖6-7所示。圖6-7柱形圖示例

2．條形圖

條形圖類(lèi)似于水平的柱形圖，它使用水平橫條的長(zhǎng)度來(lái)表示數(shù)值的大小。條形圖主要用來(lái)比較不同類(lèi)別數(shù)據(jù)之間的差異情況。一般把分類(lèi)項(xiàng)在垂直軸上標(biāo)出，而把數(shù)據(jù)的大小在水平軸上標(biāo)出，這樣可以突出數(shù)據(jù)之間差異的比較，而淡化時(shí)間的變化。如圖6-8所示，要分析2012年各類(lèi)產(chǎn)品銷(xiāo)售量時(shí)，可使用條形圖：在垂直軸上標(biāo)出產(chǎn)品名稱(chēng)，在水平軸上標(biāo)出銷(xiāo)售量數(shù)值。圖6-8條形圖示例

3．折線圖

折線圖是用直線段將各數(shù)據(jù)點(diǎn)連接起來(lái)而組成的圖形，以折線方式顯示數(shù)據(jù)的變化趨勢(shì)。在折線圖中，數(shù)據(jù)是遞增還是遞減、增減的速率、增減的規(guī)律(周期性、螺旋性等)、峰值等特征都可以清晰地反映出來(lái)。如圖6-9所示，折線圖常用來(lái)分析數(shù)據(jù)隨時(shí)間的變化趨勢(shì)，也可用來(lái)分析多組數(shù)據(jù)隨時(shí)間變化的相互作用和相互影響。例如可用來(lái)分析某類(lèi)商品或是某幾類(lèi)相關(guān)的商品隨時(shí)間變化的銷(xiāo)售情況，從而進(jìn)一步預(yù)測(cè)未來(lái)的銷(xiāo)售情況。在折線圖中，一般水平軸(X軸)用來(lái)表示時(shí)間的推移，并且間隔相同；而垂直軸(Y軸)代表不同時(shí)刻數(shù)據(jù)的大小。圖6-9折線圖示例

4．餅圖

餅圖通常只用一組數(shù)據(jù)系列作為源數(shù)據(jù)。它將一個(gè)圓劃分為若干個(gè)扇形，每個(gè)扇形代表數(shù)據(jù)系列中的一項(xiàng)數(shù)據(jù)值，其大小用來(lái)表示相應(yīng)數(shù)據(jù)項(xiàng)占該數(shù)據(jù)系列總和的比例。所以餅圖通常用來(lái)描述比例、構(gòu)成等信息。如圖6-10所示是2013年我國(guó)電子商務(wù)市場(chǎng)規(guī)模構(gòu)成。圖6-10餅圖示例

5．XY散點(diǎn)圖

XY散點(diǎn)圖與折線圖類(lèi)似，它不僅可以用線段，也可以用一系列的點(diǎn)來(lái)描述數(shù)據(jù)。XY散點(diǎn)圖除了可以顯示數(shù)據(jù)的變化趨勢(shì)以外，更多地用來(lái)描述數(shù)據(jù)之間的關(guān)系。例如：幾組數(shù)據(jù)之間是否相關(guān)，是正相關(guān)還是負(fù)相關(guān)，以及數(shù)據(jù)之間的集中程度和離散程度等，如圖6-11所示。圖6-11某網(wǎng)站用戶(hù)散點(diǎn)圖示例

6．雷達(dá)圖

雷達(dá)圖是專(zhuān)門(mén)用來(lái)進(jìn)行多指標(biāo)體系分析的專(zhuān)業(yè)圖表。通常由一組坐標(biāo)軸和多個(gè)同心圓構(gòu)成。每個(gè)坐標(biāo)軸代表一個(gè)指標(biāo)。同心圓中最小的圓表示最差水平或是平均水平的1/2；中間的圓表示標(biāo)準(zhǔn)水平或是平均水平；最大的圓表示最佳水平或是平均水平的1.5倍。其中中間的圓與外圓之間的區(qū)域稱(chēng)為標(biāo)準(zhǔn)區(qū)。

在雷達(dá)圖上，相關(guān)指標(biāo)標(biāo)在相應(yīng)的坐標(biāo)軸上，并用線段將各坐標(biāo)軸上的點(diǎn)連接起來(lái)。如圖6-12所示，如果某項(xiàng)指標(biāo)位于平均線以?xún)?nèi)，說(shuō)明該指標(biāo)有待改進(jìn)。而對(duì)于接近甚至低于最小圓的指標(biāo)，則是危險(xiǎn)信號(hào)，應(yīng)分析原因，抓緊改進(jìn)。如果某項(xiàng)指標(biāo)高于平均線，說(shuō)明相應(yīng)方面具有優(yōu)勢(shì)。各種指標(biāo)越接近外圓越好。圖6-12某電子商務(wù)網(wǎng)站用戶(hù)雷達(dá)圖示例6.3.3Excel在數(shù)據(jù)分析中的基本應(yīng)用

1．了解Excel數(shù)據(jù)列表

Excel數(shù)據(jù)列表是由多行多列數(shù)據(jù)組成的有組織的信息集合，它通常由位于頂部的字段標(biāo)題以及下面多行數(shù)值或文本的數(shù)據(jù)行組成。

圖6-13展示了一個(gè)Excel數(shù)據(jù)列表的實(shí)例。此數(shù)據(jù)列表的第一行是字段標(biāo)題，下面包含若干行數(shù)據(jù)信息。數(shù)據(jù)列表中的列通常稱(chēng)為字段，行稱(chēng)為記錄。為了保證數(shù)據(jù)列表能夠有效地工作，它必須具備以下特點(diǎn)。

(1)每列必須包含同類(lèi)的信息，即每列的數(shù)據(jù)類(lèi)型都相同。

(2)列表第一行應(yīng)該包含文字字段，每個(gè)標(biāo)題用于描述下面所對(duì)應(yīng)的列的內(nèi)容。

(3)列表中不能存在重復(fù)的標(biāo)題。

(4)數(shù)據(jù)列表的列不能超過(guò)16384列，行不能超過(guò)1048576行。

(5)如果一個(gè)工作表中包含多個(gè)數(shù)據(jù)列表，列表間應(yīng)至少空一行或空一列以分隔數(shù)據(jù)信息。圖6-13數(shù)據(jù)列表實(shí)例圖

2．?dāng)?shù)據(jù)列表排序和篩選

對(duì)于一張有價(jià)值的工作表來(lái)說(shuō)，常常需要將整個(gè)表格的數(shù)據(jù)進(jìn)行排序或篩選出部分?jǐn)?shù)據(jù)，這樣才可以從一張表格中獲取有用的信息，而通過(guò)Excel提供的排序、篩選功能就可以達(dá)到這樣的目的。

(1)數(shù)據(jù)列表排序。

數(shù)據(jù)的排序是把一列或多列無(wú)序的數(shù)據(jù)變成有序的數(shù)據(jù)，這樣能更方便地管理數(shù)據(jù)，在進(jìn)行數(shù)據(jù)排序時(shí)可以按照默認(rèn)排序順序，也可以按照單列或多列排序順序和自定義順序來(lái)排序。排序時(shí)，Excel將按照指定的排序順序重新排列行、列以及各單元格。

未經(jīng)排序的數(shù)據(jù)看上去雜亂無(wú)章，不利于查找分析數(shù)據(jù)，如圖6-14所示。圖6-14未經(jīng)排序的數(shù)據(jù)列表要對(duì)圖6-14所示的數(shù)據(jù)列表按“所屬分類(lèi)”字母順序升序排序，可參照以下步驟：

選擇表格在E列中的任意一個(gè)單元格(如E4)，在【數(shù)據(jù)】選項(xiàng)中單擊【升序】按鈕，如圖6-15所示。這樣就可以以“所屬分類(lèi)”為關(guān)鍵字對(duì)表格進(jìn)行升序排序。圖6-15按“所屬分類(lèi)”字母順序升序排序的列表

(2)數(shù)據(jù)列表篩選。

篩選是從數(shù)據(jù)列表中查找和分析具備特定條件記錄數(shù)據(jù)子集的快捷方法。經(jīng)過(guò)篩選的數(shù)據(jù)列表中只顯示滿(mǎn)足條件的行，該條件由用戶(hù)針對(duì)某列指定。與排序不同，篩選并不重排工作表。篩選只是暫時(shí)隱藏不必顯示的行。Excel篩選行時(shí)，可以對(duì)工作表子集進(jìn)行編輯、設(shè)置格式、制作圖表和打印，而不必重新排列或移動(dòng)。

對(duì)工作表中的普通數(shù)據(jù)列表，可以使用下面的方法進(jìn)行篩選。如圖6-16所示，先選擇列表中的任意一個(gè)單元格，如B3，然后單擊【數(shù)據(jù)】選項(xiàng)中的【篩選】按鈕，即可啟用篩選。此時(shí)，功能區(qū)中的【篩選】按鈕將呈現(xiàn)高亮顯示狀態(tài)，數(shù)據(jù)列表中所有字段的標(biāo)題單元格中也會(huì)出現(xiàn)下拉箭頭。圖6-16對(duì)普通數(shù)據(jù)列表啟用篩選數(shù)據(jù)列表進(jìn)入篩選狀態(tài)之后，單擊每個(gè)字段的標(biāo)題單元格中的下拉箭頭，都會(huì)彈出下拉菜單，提供有關(guān)【排序】和【篩選】的詳細(xì)選項(xiàng)。如單擊B1單元格中的下拉箭頭，彈出的下拉菜單如圖6-17所示。不同數(shù)據(jù)類(lèi)型的字段所能夠使用的篩選選項(xiàng)也不同。圖6-17包含排序和篩選選項(xiàng)的下拉菜單完成篩選后，被篩選字段的下拉按鈕形狀會(huì)發(fā)生變化，同時(shí)數(shù)據(jù)列表中的行號(hào)顏色也會(huì)改變，如圖6-18所示。

如果要取消對(duì)指定列的篩選，則可以單擊單列的下拉列表框并選擇【全選】，如果要取消數(shù)據(jù)列表中的所有篩選，則可以單擊【數(shù)據(jù)】選項(xiàng)卡中的【清除】按鈕。圖6-18篩選狀態(tài)下的數(shù)據(jù)列表

3．?dāng)?shù)據(jù)分類(lèi)匯總

分類(lèi)匯總能夠迅速地以某一個(gè)字段為分類(lèi)項(xiàng)，對(duì)數(shù)據(jù)列表中的其他字段的數(shù)值進(jìn)行各種統(tǒng)計(jì)計(jì)算，如求和、計(jì)數(shù)、平均值、最大值、最小值、乘積等。

以圖6-19所示的表格為例，如果希望在數(shù)據(jù)列表中計(jì)算每個(gè)所屬分類(lèi)的銷(xiāo)售金額合計(jì)，可以參照以下步驟。圖6-19分類(lèi)匯總前的數(shù)據(jù)列表

(1)單擊數(shù)據(jù)列表中的任意單元格，如B3，在【數(shù)據(jù)】選項(xiàng)卡中單擊【分類(lèi)匯總】按鈕，彈出【分類(lèi)匯總】對(duì)話框，如圖6-20所示。圖6-20【分類(lèi)匯總】對(duì)話框

(2)在【分類(lèi)匯總】對(duì)話框中，【分類(lèi)字段】選擇“所屬分類(lèi)”，【匯總方式】選擇“求和”，【選定匯總項(xiàng)】勾選“銷(xiāo)售金額”，并勾選【匯總結(jié)果顯示在數(shù)據(jù)下方】復(fù)選框，如圖6-21所示。圖6-21設(shè)置分類(lèi)匯總

(3)單擊【確定】后，Excel會(huì)分析數(shù)據(jù)列表，自動(dòng)運(yùn)用SUBTOTAL函數(shù)插入指定的公式，結(jié)果如圖6-22所示。圖6-22分類(lèi)匯總的結(jié)果

4．?dāng)?shù)據(jù)合并計(jì)算

Excel的“合并計(jì)算”功能可以匯總或者合并多個(gè)數(shù)據(jù)源區(qū)域中的數(shù)據(jù)，合并計(jì)算的數(shù)據(jù)源區(qū)域可以是同一工作表中的不同表格，也可以是同一工作簿中的不同工作表，還可以是不同工作簿中的表格。

如圖6-23所示，兩個(gè)結(jié)構(gòu)相同的數(shù)據(jù)表“表一”和“表二”，利用合并計(jì)算可以輕松地將這兩個(gè)表進(jìn)行合并匯總，具體步驟如下：

(1)選擇B11單元格，作為合并計(jì)