南昌一中掏脑子挖眼睛完整版_极品太监猎美传奇_太阳是奶酪做的(h)(弓行永夜)_男生宿舍的公共小受_小东西好几天没弄你了最新章节

數(shù)據(jù)指標(biāo)是什么？——是一個(gè)切入數(shù)據(jù)的角度。有了數(shù)據(jù)指標(biāo)的存在，才能知道需要采集什么數(shù)據(jù)、需要持續(xù)監(jiān)測什么數(shù)據(jù)、用什么角度來和歷史表現(xiàn)做對比。

數(shù)據(jù)指標(biāo)的類型各種各樣，有些指標(biāo)是被廣泛使用的，如 DAU、新注冊用戶數(shù)、PV 等；還有些指標(biāo)，是帶有強(qiáng)烈的業(yè)務(wù)特征的，例如直播平臺可能會(huì)關(guān)注新增主播數(shù)量，酒店預(yù)訂業(yè)務(wù)更可能關(guān)注房間預(yù)訂量，等等。

那么在電商場景中，應(yīng)該看哪些數(shù)據(jù)指標(biāo)？下文中，筆者會(huì)依據(jù)工作中的數(shù)據(jù)分析經(jīng)驗(yàn)，為你梳理看電商數(shù)據(jù)的基本邏輯和視角，并詳細(xì)解讀 10 條電商場景里常見的數(shù)據(jù)指標(biāo)。

電商中，看數(shù)據(jù)的基本邏輯

1. 從事情的發(fā)生順序角度看：流量→行為→交易

電商中看數(shù)據(jù)，首先需要從事情的發(fā)生邏輯來去理解它。從事情發(fā)生的先后順序來說，先得有用戶過來（流量），然后在這邊瀏覽挑選加購（行為），最后付款（交易）。也就是：流量→行為→交易，這三個(gè)大的步驟順序，構(gòu)成了一個(gè)完整的電商交易事件。

2. 從排查問題的角度看：交易→流量→行為

面對真實(shí)業(yè)務(wù)場景，怎么去看數(shù)據(jù)最有效率？

就如同你看一棵樹長得怎么樣，不會(huì)把它的所有葉子都扒過來看一遍，而是先從整體長勢去看它是否高大繁茂。同理，推薦的分析角度是：從宏觀到微觀，也就是交易→流量→行為。

先看最終的結(jié)果，也就是交易數(shù)據(jù)?？从袥]有明顯的漲跌，給這個(gè)周期 / 這次運(yùn)營事件的成敗定個(gè)調(diào)。

如果交易數(shù)據(jù)有明顯漲跌的，再進(jìn)一步判斷是否是因?yàn)榱髁繑?shù)據(jù)的漲跌而造成的。因?yàn)榱髁繑?shù)據(jù)是決定了最終交易規(guī)模高低的最重要影響因素之一。無論你的運(yùn)營策略多精妙、商品優(yōu)惠多高，如果完全沒流量進(jìn)來訪問，也就不會(huì)有成交的爆發(fā)。

最后，如果流量的漲跌沒有呈現(xiàn)顯著的高低，可以從行為去拆解，看關(guān)鍵行為的數(shù)據(jù)是否有值得關(guān)注的異常。例如，若是研究電商的下單黃金流程是否存在問題，可以拆解為看搜索、商詳、加購、訂單這幾個(gè)關(guān)鍵路徑的流量漏斗，是否存在某個(gè)節(jié)點(diǎn)跳出特別高的情況；若是 618 主會(huì)場，可以把頁面的訂單產(chǎn)出拆解為重點(diǎn)樓層訂單量、次要樓層訂單量，看重點(diǎn)主推樓層的訂單量是否達(dá)到預(yù)期。

以上步驟，可以幫助我們快速建立對于看電商數(shù)據(jù)的基本視角；但進(jìn)一步的分析，就需要對指標(biāo)進(jìn)行更深的挖掘了。

常見數(shù)據(jù)指標(biāo)

1. 交易：終極目標(biāo)

GMV 和訂單量（GMV：訂單金額）

在分析之前需要意識到，這兩個(gè)指標(biāo)是一個(gè)結(jié)果的描述。它們可以用以判斷交易結(jié)果的成敗，但同時(shí)也存在局限性：它們只是最表層、最宏觀的數(shù)值，有非常多的變量可以影響和決定它們，因此，它們只能說明結(jié)果（好或壞），但無法直接給出造成結(jié)果的原因（為什么好或壞）。

因此，我們需要警惕把這些宏觀指標(biāo)與某個(gè)原因鏈接，直接得出因果判斷的結(jié)論。例如，我們不能看到 GMV 漲了，就直接下判斷說，這代表我們的運(yùn)營策略成功了——這個(gè)結(jié)果和原因之間缺乏更多的論證，需要進(jìn)一步溯源。如何避免這種拍腦袋的判斷呢？從公式上去推導(dǎo)是比較客觀的做法，如下圖是數(shù)懶里的一個(gè)分析功能，可以看出：因?yàn)?UV 大幅下降，雖然轉(zhuǎn)化率有較大提升，但仍導(dǎo)致訂單量大幅下降，所以最終導(dǎo)致引入訂單金額降了。

△  GMV 公式分析，圖表來自數(shù)懶分析平臺

轉(zhuǎn)化率（轉(zhuǎn)化率 = 引入訂單量 / 流量）

它描述的是流量的轉(zhuǎn)化效率特征，首先受品類特性影響，例如奢侈品類的轉(zhuǎn)化率，就大概率比消費(fèi)品低。另一個(gè)轉(zhuǎn)化率的影響因素是運(yùn)營玩法，比如派發(fā)更多優(yōu)惠券，也會(huì)令用戶更容易轉(zhuǎn)化。還有一個(gè)因素，即引入的流量與當(dāng)前落地頁的匹配度，如導(dǎo)入價(jià)格敏感型用戶進(jìn)入到新品專題的頻道頁，就會(huì)有導(dǎo)致低轉(zhuǎn)化率的風(fēng)險(xiǎn)。

客單價(jià)（客單價(jià) = GMV / 引入訂單量）

它描述了每個(gè)訂單的平均成交金額，具有比較強(qiáng)的品類特征，比如奢侈品類的客單價(jià)，天然是比消費(fèi)品的客單價(jià)高的。同時(shí)，如果進(jìn)行了拼單滿減等運(yùn)營策略，也能夠刺激用戶一單購買更多的商品，進(jìn)而提升客單價(jià)。

UV 價(jià)值（UV 價(jià)值 = GMV / 流量）

它描述的是每個(gè) UV 產(chǎn)出的平均金額，也能側(cè)面看出流量的質(zhì)量、流量與業(yè)務(wù)的匹配程度。試想一個(gè)頁面，如果它的 UV 價(jià)值高，那么也就代表給它引入更多同類的流量，它就能創(chuàng)造更大的 GMV。因此 UV 價(jià)值也是一個(gè)很重要的指標(biāo)，和轉(zhuǎn)化率一起綜合看，可以用來評估到底哪個(gè)業(yè)務(wù) / 頁面值得投入更多的流量。

思考：UV 價(jià)值和客單價(jià)有什么不同？

o 影響因素不同：UV 價(jià)值更受流量質(zhì)量的影響；而客單價(jià)更受賣的貨的影響；

o 使用場景不同：UV 價(jià)值可以用來評估頁面 / 模塊的創(chuàng)造價(jià)值的潛力；客單價(jià)可以用來比較品類和商品特征，但一個(gè)頁面客單價(jià)高，并不代表它創(chuàng)造價(jià)值的能力強(qiáng)，只能得出這個(gè)頁面的品類更趨近于是賣高價(jià)格品類的。

2. 流量：決定成敗

UV & PV（頁面瀏覽人數(shù)、頁面訪問次數(shù)）

UV 描述了訪問的人數(shù)，是一個(gè)很重要的數(shù)據(jù)指標(biāo)，它的多少往往決定了最終 GMV 的高低。UV 源自各種途徑，例如站外廣告、站內(nèi)的資源位分配、用戶主動(dòng)回訪流量、社交裂變活動(dòng)的分享引流等。

PV 描述了訪問的次數(shù)，例如用戶一天訪問了這個(gè)頁面3次，這時(shí)候會(huì)計(jì)算為 3 PV 和 1 UV。也就是說，PV 比 UV 多了某段時(shí)間內(nèi)用戶多次訪問的信息。若要看頁面的流量量級，無論看 UV 還是 PV 都是可以的。

人均瀏覽次數(shù)（人均瀏覽次數(shù) = 頁面訪問次數(shù) / 頁面瀏覽人數(shù)）

這個(gè)指標(biāo)描述了某段時(shí)間內(nèi)，每個(gè)用戶平均瀏覽頁面的次數(shù)。不同的場景會(huì)有不同的值，需要根據(jù)具體的場景來判斷高低。有些情況會(huì)出現(xiàn) PV 高出 UV 很多的場景，如存在需要用戶多次回訪的玩法、有分時(shí)段運(yùn)營的策略（e.g. 一天三次紅包雨）等等，需要具體場景具體分析。

3. 行為：尋根溯源

點(diǎn)擊率（點(diǎn)擊率 = 模塊點(diǎn)擊人數(shù) / 頁面瀏覽人數(shù)）

用戶對此模塊的點(diǎn)擊人數(shù)，在所有進(jìn)入頁面的流量中的百分比。可以看作用戶對于模塊的需求強(qiáng)烈程度的評判指標(biāo)之一。與頁面流量和頁面 GMV 的關(guān)系類似，模塊的點(diǎn)擊率與模塊的產(chǎn)出是強(qiáng)相關(guān)的（如下圖，橫軸是各模塊）。

△ 各模塊的點(diǎn)擊率 & 訂單金額占比對比，圖表來自數(shù)懶分析平臺

點(diǎn)擊率的影響因素有：

o 模塊在頁面中的位置：若放得越高，則越可能被更多的用戶看見，那么點(diǎn)擊率高的可能性，就比放置位置低的模塊要來得更高。畢竟頁面越往下，看到的用戶就更少了。

o 模塊本身的吸引程度：比如模塊本身是個(gè)優(yōu)惠券集合樓層，就比沒有利益點(diǎn)的普通模塊更吸引人、更容易獲得更多點(diǎn)擊。此外，模塊的樣式設(shè)計(jì)、主題表述的清晰與否、主題對用戶的吸引力和潛在用戶群大小，這些都會(huì)影響到模塊的吸引力。

曝光點(diǎn)擊率（曝光點(diǎn)擊率 = 模塊點(diǎn)擊人數(shù) / 模塊曝光人數(shù)）

用戶對此模塊的點(diǎn)擊人數(shù)，在所有看到此模塊的流量中的百分比。與點(diǎn)擊率的公式對比可發(fā)現(xiàn)，點(diǎn)擊率的分母是所有進(jìn)入頁面的流量，但用戶的瀏覽行為永遠(yuǎn)是瀏覽得越深，流量越少的。這也就導(dǎo)致位置越深的模塊算點(diǎn)擊率就越吃虧，因?yàn)橄喈?dāng)一部分流量壓根就沒有看到這個(gè)模塊，也被算進(jìn)分母里了。而曝光點(diǎn)擊率，就是一個(gè)排除了頁面位置對模塊的影響后，可以用來相對公平地去比較各模塊的吸引力的數(shù)據(jù)指標(biāo)。

思考：什么場景用點(diǎn)擊率，什么場景用曝光點(diǎn)擊率呢？

o 當(dāng)想要單純評估樓層對用戶的吸引力時(shí)，可以看曝光點(diǎn)擊率；

o 當(dāng)想要綜合評估樓層的整體效果與貢獻(xiàn)時(shí)，看點(diǎn)擊率，畢竟它與樓層 GMV 相關(guān)性更高；

o 曝光需要特殊埋點(diǎn)，且可能會(huì)影響頁面性能，因此很多時(shí)候我們沒有辦法獲取到曝光數(shù)據(jù)，也只能看點(diǎn)擊率了。

曝光點(diǎn)擊率的使用注意：

首屏內(nèi)的樓層的曝光點(diǎn)擊率，數(shù)據(jù)可能不準(zhǔn)確。首屏的曝光 UV 是最大的，里面包含了各種異常情況，例如一進(jìn)頁面就跳出，也算作曝光。因此導(dǎo)致首屏的曝光點(diǎn)擊率往往會(huì)偏?。ㄈ缦聢D所示），無法與其他樓層比較。若想比較首屏情況，建議與點(diǎn)擊率一起綜合來看。

△ 各屏的曝光點(diǎn)擊率差異，圖表來自大促某頁面的數(shù)據(jù)分析

曝光率（曝光率 = 模塊曝光人數(shù) / 頁面瀏覽人數(shù)）

這個(gè)數(shù)據(jù)可以看出用戶在頁面上的瀏覽深度如何，有百分之多少的用戶看到了哪一屏。從這個(gè)數(shù)據(jù)中，我們可以發(fā)現(xiàn)一些關(guān)鍵的節(jié)點(diǎn)。例如，若我們的業(yè)務(wù)主推是在第二~三屏的位置，但最終發(fā)現(xiàn)曝光率在第二屏便暴跌，這便是存在問題的，說不定我們需要把主推內(nèi)容再往上提一些，或者需要去排查首屏是否有會(huì)令用戶立即跳轉(zhuǎn)和跳出的內(nèi)容……這便是曝光率這個(gè)數(shù)據(jù)指標(biāo)，可以帶來的分析價(jià)值。

停留時(shí)長

這個(gè)數(shù)據(jù)指標(biāo)很好理解，是描述用戶在頁面上平均停留多少秒。

思考：曝光率下跌曲線越慢 / 瀏覽深度越深 / 停留時(shí)長越長，就代表我們的頁面做得越好嗎？

曝光率和停留時(shí)長的影響因素比較一致，因此可以合在一起解釋。曝光率的下降曲線、停留時(shí)長的長與短，影響因素有這些：

人的生理極限：人不是機(jī)器，根據(jù)研究，「人不受干擾地執(zhí)行單一操作的時(shí)長為 6s ~ 30s 」[注1]，超過這一常數(shù)，用戶就會(huì)走神?？上攵脩粼趩我豁撁嫔贤Ａ舻臅r(shí)間是有上限的，不因頁面放置入的內(nèi)容多少而變化。一個(gè)反例，是通過利益點(diǎn)來吸引用戶在頁面上瀏覽得更深，這不但與生理極限相悖，也把用戶自然的瀏覽行為和目標(biāo)，硬生生變成了為了追尋更多利益點(diǎn)而進(jìn)行類似完成任務(wù)的操作。除了用利益點(diǎn)交換一個(gè)好看的數(shù)據(jù)以外，這樣的做法似乎沒能帶來更多的產(chǎn)出。

頁面定位及內(nèi)容：在雙 11 主會(huì)場中，用戶的行為模式趨近找優(yōu)惠和找目標(biāo)品類，那么他可能不會(huì)在這里瀏覽太多屏數(shù)、也不會(huì)停留太久——這個(gè)時(shí)候影響曝光率和停留時(shí)長的，就是他有多快能找到感興趣的優(yōu)惠，因此，并不能說瀏覽深度越深、停留時(shí)長越長就越好；在 BI（千人千面）商品瀑布流中，用戶的行為是閑逛和挑選，這時(shí)候他更可能瀏覽更多的屏數(shù)、停留更長時(shí)間——因此瀏覽的商品越多，可以說是對最終效益最好的。

異常情況：例如加載異常、頁面崩潰的場景，就會(huì)導(dǎo)致停留時(shí)長異常低、二屏后曝光異常低。

綜上，我們應(yīng)該根據(jù)具體的場景、通過數(shù)次歷史數(shù)據(jù)的對比，去設(shè)定和校正目標(biāo)曝光率、目標(biāo)停留時(shí)長。平日看這兩個(gè)數(shù)據(jù)，可以當(dāng)作一個(gè)監(jiān)測異常的數(shù)據(jù)，在正常范圍內(nèi)的波動(dòng)不需要過度解讀，一旦發(fā)現(xiàn)特別異常的情況，再進(jìn)行具體的分析。

原文地址https://www.uisdc.com/10-e-commerce-design-data-index