互联网营销关键指标(电商分析必懂的指标体系，引流、转化、留存，一文带你搞懂)

但是对于互联网行业来说，每个时间段的推广费用都是较为昂贵的，我们完全可以分析出工作日和周末的用户流量趋势，进行有针对性的时间段投入推广，通过更小的成本获取到更多的用户流入。可以看出，工作日的流量主要集成在每日的9点（上班时间）、13点（午餐时间）、20点（晚间娱乐休息时间），那么在得到这样的一些用户流量规律之后，便可以在这些用户活跃高峰期时间段有针对性对白领群体多做一些相关商品推广活动，以实现最小时间成本和推广费用最大化用户引流效果。

电商分析必懂的指标体系，引流、转化、留存，一文带你搞懂

今天，我就来讲讲电商到底该重点关注哪些指标，又该拿这些指标来进行怎么样的分析。

一般来说，在运营模块，需要重点关注的是新用户的引流和转化，以及老用户的活跃、留存、回购、流失。

简单来说，引流就是要吸引没买过我们的商品的人来买我们的商品。

分析这个指标，主要是为了摸索出不同日期、不同时段的流量规律，并据此对企业服务及推广活动进行调整。

对于互联网企业来说，流量数据往往都会呈工作周相关。对此，我们可以先宏观地统计出周一到周日中的总的平台流量柱状图数据对比情况。首先我们可以仔细观察工作日和非工作日的数据，发现周末的平台流量较工作日流量要高，这在互联网行业来说都是一个比较普遍的现象。

掌握了用户流量的周分布规律之后，我们就大致有一个推广方向，周末休息时间用户群体较大，相较于工作日可以投入更多的和丰富有吸引力推广活动来进行新用户引流和老用户活跃。

接着我们可以进行下一步思考，那工作日和周末我们的活动推广时间如何制定？

有的同学们可能会觉得全天活动都可以，不需要关注具体的活动时间。但是对于互联网行业来说，每个时间段的推广费用都是较为昂贵的，我们完全可以分析出工作日和周末的用户流量趋势，进行有针对性的时间段投入推广，通过更小的成本获取到更多的用户流入。

首先是工作日的时间段流量统计分布，我们通过FineBI工具分时间段作图得到如下所示的流量分布图。可以看出，工作日的流量主要集成在每日的9点（上班时间）、13点（午餐时间）、20点（晚间娱乐休息时间），那么在得到这样的一些用户流量规律之后，便可以在这些用户活跃高峰期时间段有针对性对白领群体多做一些相关商品推广活动，以实现最小时间成本和推广费用最大化用户引流效果。

再来看周末的各时间段流量分布走势，和工作日所不同的是，周末的流量早高峰期延后到了10点，这可能和各位小伙伴们周日作息较晚有关（同学们周末都是几点起床呢），除此之外，晚上的流量高峰退潮期也有延后。针对与周末用户流量分布的特性，互联网企业在周末时可以将活动开始时间和活动结束时间都适当进行延后，这个时候不能再套用工作日制定好的活动时间计划了，因为符合用户群体作息规律的推广促销活动才能达到更好的效果。

电商推广渠道主要有三种：线上渠道（谷歌、百度等），线下渠道（活动、会议等），新媒体营销（微信、小红书等）。

通过对不同推广渠道的流量进行分析，我们可以清晰看出各个渠道对企业带来的价值占比差异，便于制定有针对性的营销策略。

如上图所示，由于推广渠道是分多层级的，我们通过FineBI工具的多层饼图进行数据的分析统计再合适不过了。分析下图的数据我们可以看出，首先是一级渠道的主要战斗力来自于新媒体营销，当今的微信、知乎等社交媒介社区时代受众广泛，用户群体非常庞大，是公司需要投入主要成本进行推广的。其次线上渠道的效果也不容忽视，对于互联网企业来说，做好百度、Google等SEO搜索引擎关键词推广也是很重要的一部分工作。相较于线上渠道和新媒体营销，线下渠道说所需要的经费和时间、人力成本较大，受众又相对较小，所以此类活动往往针对核心粉丝进行运营即可。

这里涉及到跳失率的概念，即顾客通过相应入口进入，只访问了一个页面就离开的访问次数占该页面总访问次数的比例。跳失率=跳出次数/访问次数。跳失率越低，用户的访问越有深度。

如上图所示，我们通过BI工具将企业的VIP用户、老用户、新用户分别进行分时间段的用户群体访问深度分析统计。总体来说可以发现平台的VIP用户访问深度较老用户以及新用户稍微高些，但是不是太明显，说明平台运营的VIP这部分群体的活跃度还有待提升。

同时，平台老用户访问深度和新用户更是相差无几，公司对于用户这方面的活跃运营明显需要加油了，建议将平台的部分忠诚度较高的老用户以VIP用户组建起来，共建平台生态圈，增加整体的用户活跃度。也可以向老用户以及VIP用户实施一些优惠政策，如定向商品折扣、根据用户画像进行喜好商品特惠推送等。

主要强调的是核心指标的动态变化。那什么是这里所提及的“核心指标”呢？

不管是电商还是其他互联网行业，往往都需要关注如下指标：

浏览量-PV;访问次数-Visits；访客数-UV；平均访问深度（总浏览量/访问次数），平均停留时间（总停留时间/总浏览量），跳失率（跳出次数/访问次数）。

其中，前面三个指标常常用来衡量流量数据的数量，后面三个指标则多用衡量流量指标的质量。通过对这些指标的动态分析，我们可以很好地评估某一时段推出的营销策略的效果。

举个例子，我们仔细分析上图中的平台流量指标，可以发现10月份是2017全年的流量高峰期，应该跟企业在国庆黄金假期所做的促销引流活动有关。浏览量、跳失次数、访问次数分别为4941、1290、2182，对比计算可得到跳失率为59.12%，明显低于其他时间段的跳失率，说明10月份的活动效果还不错，其经验对以后的营销推广可以起到参考作用。

在通过引流吸引到了新用户的目光之后，往往需要采取一系列的运营策略，实现用户的转化，也就是让用户搜索商品-浏览商品-下单商品-交易付款。在转化阶段，需要重点关注的指标有：下单转化率、事件转化率、服务转化率和退货率。

对于平台经营方来说，我们希望一旦有用户流量进入平台网站，他们就能够顺利按照我们平台运营设定好的系列要求一步步进行下去，最终完成交易付款操作。那么对于互联网运营方来说，就需要做好用户在会员注册、商品收藏、购物车添加、交易付款等环节的转化操作。对于这样需要进行逐级转化的平台运营，我们首先可以通过漏斗图进行宏观的流程转化数据分析找出目前阶段最需要优化的运营环节，有效地进行针对性治理，最终提高整体平台用户下单转化率。

以上面这个漏斗呈现的信息为例：

首先看用户从浏览商品行为到添加购物车行为这一流程的转化情况，通过漏斗图可以快速看出其转化率为50.77%，反映出该平台的商品介绍、图片描述等对用户有较强的吸引力。

接下来继续看添加购物车到下单的转化率，可以看出其转化率高达99.66%，非常不错。之后却看到单至付款的转化率仅50%，这是一个值得反思的转化节点，通过数据分析猜测该平台商铺支付渠道不完善，需要增加例如支付宝、微信等快捷支付渠道，降低平台因为没有提供用户习惯性的支付渠道而导致用户放弃购买行为的几率。

事件转化率通常指的是平台或商铺通过一系列的运营推广活动以及由于公共事件影响所带来的额外价值。这一指标对于平台运营评估和指导市场推广运营活动极为重要，例如网络营销总的SEO关键词投放、折扣促销活动、邮件营销等等效果跟踪。关于事件转化率方面的数据分析，通常我们可关注于营销渠道转化率、会员转化率、店铺流量转化率、下单转化率等指标进行活动的推广营销效果评估。

利用BI工具，首先分析出各个营销推广渠道的转化率环形玫瑰分布图。可以看出目前平台的转化率最高的渠道主要是基础上线工作、SEO关键词推广、微信推广、品牌推广几个渠道。同时我们想联动查看每个渠道对应的转化率数据时，通过BI工具提供的数据自动联动过滤功能让用户无需任何设置即可进行所有相关联的数据联动。

除了以上渠道营销策略之外，对于平台商铺而言，合适的关联性商品推荐也能够提高用户对关联商品的购买率，比如用户在购买完服装之后可以再给他推送鞋子一类商品。另外关于事件转化率方面，由于季节性以及公共事件也会影响商品的下单转化率，针对不同时期较流行的商品进行进货营销往往才能够达到最大的盈利目的。

服务转化率方面，通常用户在网上购买商品时，对于商品的一些细节品质以及发货渠道和速度等会需要做一些了解。那么良好的服务自然能够提高顾客的购买率，对于平台的客户人员，我们可以统计处其咨询到下单的节点转化率，并且以咨询到下单的转换率指标作为KPI指标之一来评价客服人员的工作绩效。

如下图所示，通过BI工具进行客服咨询下单转化率条形图的数据分析统计可以发现，该平台的Blanche、Henry、Christian、汉克、贝蒂这五名客服的转化率比较优秀，并且都在10%以上，其他的客服员工的转化率则相对较低，故而这方面可以让转化率最为优秀的Blanche客服给其他客服做一次服务培训，整体上提升平台的服务水平，进而提升用户的下单转化率。

对于用户而言退货的原因通常可分为两大类，一类是由于买到的商品质量有问题而申请退货，另外一类可能是由于用户自身原因想申请退货。平台方往往更为需要关注第一类因为商品质量问题而申请退货的商品，通过历史商品的质量原因退货数据统计分析，对于确确实实是存在质量问题的商品需要及时反馈给供应商，质量过于严重的话可以考虑该类商品和供应商的协商库存退货。

新用户转化成功，变成老用户之后，我们需要着重关注留存问题，简而言之就是关注怎么做才能留住客户的心。

我们可以从宏观上来定义平台的留存用户：在互联网行业中，用户在某段时间内开始使用应用，经过一段时间后，仍然继续使用该应用的用户，被认作是留存用户。我们往往希望留存用户越多越好。

一般来说，留存方面，需要关注如下指标：

即某天新增的用户中，在次日/7天后/30天后依然”活跃“（比如有浏览行为、收藏行为、购买行为等）的比例。

不同时长的留存率分析可以折射出不同的问题。一般而言，分析次日留存率有利于抓住产品的品质变动和渠道优势；7日留存率可以体现出一个较为完整的周期后的用户去留情况；30日留存率可以反应产品或渠道迭代后的稳定性，协助判断演进方向的合理性。

不同渠道的用户质量往往是不尽相同的。再考虑留存率的同时，对比留存渠道，可以进行更高质量的广告投放。

最后给大家分享一份《电商数据分析平台建设方案》，方案提供了电商通用的精细数据分析场景包，具体包括市场洞察（市场行业变化分析、市场竞争分析），运营结果（市场销售追踪分析、店铺运营分析、商场运营分析），专题分析（站内推广投放分析、站外推广投放分析、直播专题分析、活动大促专题分析、客户体验分析、私域营销分析）。