零售O2O该如何做数据分析？

dendi

在日常的运营与决策中，我们可以通过数据分析评判商业模式是否可行，预估哪种推广渠道效率最高，能发现网站、商品结构、物流等各个环节的问题，能评估改进效果。

  我们需要做哪些准备？

首先是数据来源，我们可以通过网站统计工具、ERP系统、客服与投诉等工具进行数据收集。我们收集到的数据包含简单的几类三类：前期的营销推广、网站运营，
中期的顾客消费与供应链等ERP信息，后期的客服与投诉。
将之细化我们可以看到，
前期的数据包括访问量（IP UV PV）、平均浏览时长（浏览量）、新客比例、跳出率、转化率（注册、订单、支付）、流量来源（搜索、地区、渠道）、网页打开时间、网站热点、搜索分析等。
中期的顾客消费与供应链数据包含：订单量、客单价、毛利率、二次购买率、忠实顾客转化率、顾客流失率、缺货率、商品价格变化、SKU数量变化、周转率、退货率、品类销售占比、会员注册量、注册会员转化率等。
后期客服与投诉包含：客服回访问卷投诉数据主要包含：投诉分类、UI印象、品类印象、价格印象、网站功能印象、物流体验印象、售后印象等。
我们通过将以上数据串联起来，构成一个完整的用户行为流程。
  

  怎么分析数据？

有的公司成立专门的数据分析部门，数据部门不仅提供数据，还要完成数据分析工作。这种工作方式，虽然基础数据准确，但分析结果可能有较大偏差。因为数据分析人员不熟悉业务，对各种信息的了解也不如市场部和运营部等业务部门。
比如市场部推广方式的突然改变，或者市场上的供求关系突然失衡，数据分析人员不了解这些信息，则可能简单的判断成顾客不欢迎这类商品。更合理的数据分析方式是，由数据分析部门提供基础数据，由相关部门组成项目组共同分析，归因哪些方面的因素造成的数据异动。
对于新项目而言，可以引入目标分析法，目标分析法是以分析“新客成本”和“忠客转化率”为核心，设定合理目标，以此判断商业模式是否可行。如果目标和实际业绩数据相差不多，可以通过优化改善业绩，如果数据相差太大，则说明商业模式可能不可行，应该早点调整商业模式，并在试错过程中重复以上数据分析步骤。
  

  数据分析结果该怎么用?

其实我们在日常运营中最大的两部分支出就是推广成本与运营成本。而我们所获取的数据分析结果，能够帮助我们判别不同推广方式的优劣势，计算每种推广的投资回报率，根据数据分析结果，重点投入和侧重优化投资回报率最高的推广方式。
与此同时，促销也是推广的重要组成，依靠数据分析评估每一次主题促销，就在ERP系统中建立促销单据，设置促销主题，促销商品，促销档期。通过BI工具分析促销商品销量变化，促销毛利损失，促销活动带动正常商品销量变化，综合评估促销效果，以此指导下一次促销活动。
而分析中期的运营数据的目的是降低顾客跳出率，让顾客购物更加简单轻松。让网站的布局更加清晰，让顾客购物过程更加流畅。通过热点分析，了解顾客关注的位置，把顾客关注的内容放到热点区域。在顾客容易跳出的页面显示推荐内容，吸引顾客继续留在网站。

另一方面，根据转化漏斗模型，去调整商品结构、促销方式、网站整体体验、不同区域的物流配送设置、老客户维系等方面。通过数据分析了解顾客需求，不断引进和剔除引起数据波动的商品，使商品结构尽量符合顾客需求。建立商品维度表，综合考虑商品所有维度，比如价格、型号、外形、品牌、规格等维度，把商品根据不同维度区分，数据分析各品类各维度的销售量，增加高销量维度商品品类占比，精简低销量维度商品品类占比。
但不要忘记，商品选择的过程还受到很多外部因素影响，比如“结构商品”即使销量不好，也不能淘汰，“季节商品”需要把季节因素考虑进去。
最后，我们来说说后期数据。客服与投诉作为接受用户反馈的重要组成，客服部门通过对新、老顾客回访。对生成订单、但最后没有提交订单的顾客回访，在UI、品类、价格、网站体验、物流、售后等方面统计数据，分析那个方面最影响顾客体验，根据实际情况逐条解决。不断优化。
综上，通过分析整个用户行为流程的数据，不断调整自身的网站、商品结构、客户服务等等内容，才算是真正的通过数据优化。（文章来源于搜狐网）