电子商务数据分析与应用（Excel版） 课件 项目十 电商运营数据分析

电子商务数据分析与应用项目十电商运营数据分析本章提纲

运营数据分析的概念与主要指标10.1销售数据分析10.3

客服绩效分析10.4

推广数据分析10.2

课中实训10.5

课后提升10.6思维导图案例导入“森马项目组”客服培训考核

“森马在阿里巴巴客服外包市场发起客服外包的招标活动，吸引了众多优秀服务商参与竞标，经过方案制作——竞标演讲——实地考察等多轮考评，最后确定济南淘掌柜为合作公司。

为了服务好森马项目，济南淘掌柜建立了独立的“森马项目组”，从培训课程到考核标准，从人员选拔到项目对接，从服务流程到销售话术，力求在每个环节都能够做到精益求精。经过培训和磨合，在双方共同努力下，客服的响应时间从59.71秒缩减到24.79秒，转化率从50.81%提升到54.38%。客服响应时间和转化率是考核客服人员的重要因素，那么你还知道哪些客服绩效考核的指标和方法？除了客服绩效分析，你又了解哪些电子商务运营数据分析的类型呢？10.1运营数据分析的概念与主要指标10.1.1运营数据分析的概念及其必要条件10.1.2运营数据分析的分类10.1.1运营数据分析的概念及其必要条件运营数据分析是指对企业运营过程中和最终成果产生的数据进行分析，从中获得运营规律和效果的过程。在进行运营数据分析时，需要有以下三个必要条件：海量且精确的运营数据拥有专业的数据分析团队和运营团队精细化运营的需求10.1.2运营数据分析的分类推广数据分析推广数据分析是对企业在推广过程中产生的数据进行分析，包括对各推广渠道的展现、点击、转化以及其他相关推广数据进行分析。通过推广数据分析，企业能够了解推广过程中流量的来源情况、关键词的推广效果、活动的推广效果以及内容运营的效果等。销售数据分析销售数据分析主要用于衡量和评估管理人员所制定的计划销售目标与实际销售之间的关系，它可以采用销售差异分析和微观销售分析两种方法。销售差异分析主要用于分析各个不同的因素（品牌、价格、售后服务、销售策略等）对销售绩效的不同作用，主要包括：营运资金周转期分析、销售收入结构分析、销售收入对比分析、成本费用分析、利润分析、净资产收益率分析等。客服绩效分析客服绩效分析是指在客户服务系统中，客户服务组织、客户管理人员和员工全部参与进来，通过沟通、激励等方式，将企业战略、管理人员职责、管理方式和手段以及员工的绩效目标等基本内容确定下来，在持续不断沟通的前提下，管理人员为员工提供必要的支持、指导和帮助，与员工共同完成客户服务的绩效指标，从而实现客户服务组织的愿景规划和战略目标。10.2推广数据分析流量来源可以分为付费流量和免费流量两个类型。付费流量的优点是流量大、效果好，相较于免费流量，更容易获取大批的流量；缺点是投入成本较高。免费流量包括站内免费流量和站外免费流量。站内免费流量指企业通过电商平台获取的流量，比如平台购物车、产品推荐等；站外免费流量主要是第三方网站带来的流量，如论坛、微博等。企业在引入站外流量前，需要先调整好企业平台形象，优化产品页面描述等，以达到刺激客户购物的目的。10.3销售数据分析10.3.1电商销售数据的基础知识10.3.2销售数据分析的过程10.3.3销售数据的动态分析方法10.3.1电商销售数据的基础知识电商销售数据的特点：可得性多样性复杂性销售数据的作用：对精准营销的支撑引导产品及营销活动更加符合用户需求监测竞争对手与品牌传播基于市场预测与决策分析发现新市场与新趋势10.3.2销售数据分析的过程进行销售数据分析，首先要明确此次数据分析的目标，然后围绕该目标收集、整理并分析相应的数据，找到销售数据变动的原因，改善销售情况。在进行销售数据分析时，一般包括以下四个步骤：分析目标定位确定目标数据整理并分析目标数据分析销售数据变动的原因问题编号用户反馈信息用户比例1支付界面经常卡顿68%2支付界面设计缺少人性化提示10%3支付系统操作复杂8%4支付系统安全性问题6%5后台系统容易崩溃5%6其他3%10.3.3销售数据的动态分析方法动态分析是应用统计方法研究社会经济现象数量方面在一段时间内发展变化的过程。包括三个比较重要的统计指标，即增长量（水平指标）发展速度增长速度（速度指标）10.4客服绩效分析10.4.1客服绩效分析的基础知识10.4.2客服绩效分析的方法客服绩效分析的目的：客服绩效考核有以下几个作用：节约店铺成本，明确定位与目标，提升客服工作效率，体现企业激励文化以及提升企业的实质性收益。客服绩效分析的原则：公开的原则客观性原则反馈的原则公私分明原则时效性原则权责一致原则量化考核原则10.4.1客服绩效分析的基础知识10.4.2客服绩效分析的方法KPI是一种绩效管理工具，其主要是通过建立一种绩效评估机制，在企业内部经营管理过程中确定评价指标，通过对指标的完成情况进行考评，推动内部员工为实现企业目标不断努力，促进企业目标加快实现。通过这种考评机制的建立，KPI指标分解企业的各项经营目标和业务发展方向，确保目标的可实现。针对电商卖家，KPI的考核指标一般有5个：咨询转化率支付率客服落单率响应时间售后及日常工作本章知识小结

本章主要介绍了电商运营数据分析的基本概念和主要指标，以及三个重要的电商运营数据分析工作——推广数据分析、销售数据分析和电商客服绩效分析。

掌握以上三类电商运营数据分析的流程和方法，通过Excel表格等工具对电商运营数据进行全面分析。10.5课中实训实训一

流量结构分析实训二

推广数据分析实训三

销售数据分析实训四

电商店铺客服KPI考核实例实训一流量结构分析1.免费流量结构分析免费流量结构分析需要对免费流量各来源渠道的引流情况进行分析。下表是某企业2020年7月的免费流量数据，以这组数据为基础进行免费流量结构分析。序号流量来源浏览量点击量成交订单数1自主搜索19203541372购物车26135051923其他店铺1442147494首页1624257875收藏推荐776156276其他免费来源1943205137实训一流量结构分析选择流量来源、浏览量、点击量和成交订单数对应的数值区域，插入组合图形。将浏览量设置为簇状柱形图，将点击量和成交订单数设置为折线图。将浏览量设置为簇状柱形图是为了更好地对各个流量来源的浏览量进行比较，将点击量和成交订单数设置为折线图是为了更清楚地看到这两个指标的变化走势。实训一流量结构分析选中数据表中的流量来源与成交订单数，插入饼状图，并将饼状图的数值显示方式设置为“百分比”，得到免费流量结构分析比例图。根据左图可知：在免费流量来源中，购物车的各项指标都占优势，为企业带来的浏览量为2613次，成交订单数占比达到30.5%；免费流量来源中收藏推荐的各项指标表现最差，其为企业仅带来浏览量776次，成交订单数占比只有4.3%。企业可以利用该分析结果优化其免费推广渠道布局。实训一流量结构分析2.付费流量结构分析付费流量结构分析的核心是各付费推广渠道的流量占比。下表是某店铺2020年7月的付费流量数据。（注：投入产出比=成交额÷投入成本。）序号流量来源成交占比投入成本/元成交额/元投入产出比1超级推荐9%8515975648240.662钻石展位27%152147517118831.133聚划算12%9499727666380.814直通车22%121289114020351.165淘宝客30%165553619873001.20实训一流量结构分析选择流量来源、成交占比、投入产出比对应的数值区域，插入图形。将成交占比设置为簇状柱形图，将投入产出比设置为折线图，将成交占比设置为次坐标轴，得到付费流量结构分析图。由左图可知：付费流量来源中，淘宝客最占优势，其成交占比和投入产出比分别是30%和1.20。除淘宝客外，钻石展位的成交占比和投入产出比是27%和1.13，直通车的成交占比和投入产出比是22%和1.16，这三种付费推广渠道对该商家此次付费推广活动的贡献最大。实训二推广数据分析进行推广数据分析，首先要明确此次推广的目标定位，然后围绕该目标收集、整理并分析相关数据，找到推广中的优势与不足，最后调整相关的推广策略和内容，改善推广效果。在进行推广数据分析时，一般包括以下四个步骤：推广目标定位收集推广目标数据整理和分析目标数据推广策略调整推广目标定位收集推广目标数据整理和分析目标数据实训二推广数据分析左图通过新的x轴和y轴划分出四个象限：右上区域（第一象限）代表高点击、高转化人群，这类人群应该重点推广；左上区域（第二象限）是低点击、高转化人群，这类人群点击基数偏低，商家可以通过提高关键词排名来提升点击基数后再观察转化数据；左下区域（第三象限）是低点击、低转化人群，点击基数偏低，转化数据存在不确定性；右下区域（第四象限）是高点击、低转化人群，点击花费推广费用却没有达到推广效果。一二三四4.推广策略调整针对以上的数据分析结果可得出结论：优先推广第一象限区域内的优质客户，适当增加第二、第三象限的点击基数，减少对第四象限内人群的推广。18-25岁的男性用户和31-40岁的女性用户位于第一象限，这类用户具有较高的推广潜力，商家应该优先对其进行推广。31-40岁的男性用户位于第四象限，这类用户具有较低的推广潜力，商家可以适当的减少对其推广。剩余的用户，商家应该适当的增加其点击基数，观察其转化数据，最后确定对其的推广策略。实训二推广数据分析实训二推广数据分析1.网店平台推广活动的作用：帮助店铺快速吸引消费者，能直接在较短的时间内为店铺带来大量的流量，平台活动为店铺带来的持续性购买是相当可观的，再通过成交数据的累计，不断为店铺带来更多的流量。在活动期间，推广效果越好，未来的店铺流量提升也就越快。同时，也在一定程度上提升了店铺的买家回头率，让卖家获取更大的收益。因此，网店卖家不定期地开展促销活动已经成为一种常态。2.四种常见的活动推广分析维度：活动推广流量分析活动推广转化分析活动推广拉新分析活动推广留存分析实训二推广数据分析3.活动推广效果分析活动推广流量分析下表为H店铺推出三周年店庆活动之后一周的店铺流量相关数据。以这组数据为例，对该店铺的活动推广流量进行分析。序号流量来源访客数成交订单数成交占比投入成本/元成交额/元投入产出比1超级推荐1201511039.18%12432119320.962钻石展位19632253612.92%532157361.083聚划算1302110017.69%368825520.694直通15%439949631.135淘宝客20162496624.6309实训二推广数据分析选择流量来源、访客数、成交订单数、成交占比、投入产出比对应的区域，插入组合图形，将访客数、成交订单数设置为簇状柱形图，成交占比、投人产出比设置为折线图，将次坐标轴设置为访客数和成交订单数，得到活动推广流量分析图。由左图可知：店铺H在推广活动中获取流量表现优秀的渠道有：钻石展位、直通车和淘宝客，这三种渠道无论是获取访客数、获取订单数和投入产出比均排名在前。店铺在后续推广活动中可优先选择这三种渠道。实训二推广数据分析活动推广转化分析下表为H店铺在店庆活动后一周内的转化相关数据。以这组数据为例，对该店铺活动推广转化进行分析。序号流量来源访客数收藏数加购数成交订单数收藏转化率加购转化率支付转化率1超级推荐12015829160311036.90%13.34%9.18%2钻石展位1963232213236253616.41%16.48%12.92%3聚划算13021269104310012.07%8.01%7.69%4直通车1420215322088158310.79%14.70%11.15%5淘宝客2016239835120496619.75%25.39%24.63%实训二推广数据分析选择流量来源、访客数、收藏数、加购数、成交订单数对应的区域，插入三维柱形图，如右图所示。选择流量来源、收藏转化率、加购转化率、支付转化率对应的数据区域，插入折线图，如右图所示。结合上面两图可知：店铺H在推广活动中，转化效果最好的是淘宝客，其各项转化均排名第一。排名二、第三依次是钻石展位和直通车。在今后的活动中店铺可以优先考虑淘宝客、钻石展位和直通车这三种推广渠道。实训二推广数据分析活动推广转化分析活动推广拉新与活动推广留存分析方法和计算过程类似，需要将新客户或留存客户对应的比例计算出来。对活动拉新进行分析需要将新访客占比、新收藏占比、新加购占比、新成交额占比统计并整理出来。对活动留存进行分析需要将留存访客占比、留存收藏占比、留存加购占比、留存成交额占比统计并整理至Excel表格中，然后进行分析。下表为店铺H店庆活动后的一周的拉新相关数据。以这组数据为例，对该店铺活动推广拉新进行分析。流量来源数据指标超级推荐钻石展位聚划算直通车淘宝客访客数1201519632130211420220162新访客数354463212869565412021收藏数829322126915323983新收藏数23115631105321210加购数16033236104320885120新加购数63112233696542369成交额1193257362552496320013新成交额63212010968156310211序号流量来源新访客占比新收藏数占比新加购占比新成交额占比1超级推荐29.50%27.86%39.36%52.98%2钻石展位32.20%48.53%37.79%35.04%3聚划算22.03%40.89%35.38%37.93%4直通车39.81%34.73%31.32%31.49%5淘宝客59.62%30.38%46.27%51.02%实训二推广数据分析选择流量来源、新访客占比、新收藏占比、新加购占比、新成交额占比对应的数据区域，插入折线图。由左图可知：综合来看，在店铺H的推广活动后拉新效果整体较好，其中新成交额表现最好，其最低占比为31.49%，最高占比为52.98%。拉新综合效果最好的渠道是淘宝客。店铺可以结合该分析结果为后续推广渠道的优化提供参考。实训三销售数据分析（一）销售数据的动态分析

结合动态分析法来分析销售数据。若某电商平台2020年12个月的销售额依次为1238.28

万、1345.98万、1456.93万、1567.64万、1630.38万、1789.76万、1935.47万、2100.31

万、2245.57万、2367.38万、2512.39万、2709.43万元。根据这组数据对该电商平台2020年的销售数据进行动态分析。实训三销售数据分析

新建一个工作簿，将上述数据导入该工作簿中。在销售额的下一单元格输入累计增长量，将1

月的销售额视为a0，用公式an-a0计算每个月的累计增长量。用鼠标指针选中D4单元格，输入公式“=D3-$C$3”，单击“√”，算出2月的累计增长量；用鼠标指针选中D4单元格，将鼠标指针放在D4单元格的右下角，当鼠标指针变成黑色十字时，向右拖填充柄，得到3月至12月的累计增长量。实训三销售数据分析

在累计增长量下一单元格输入逐期增长量，用公式an-an-1可以计算出每个月的逐期增长量。用鼠标指针选中D5单元格，输入公式“=D3-C3”，单击“√”，算出2月的逐期增长量；用鼠标指针选中D5单元格，将鼠标指针放在D5单元格的右下角，当鼠标指针变成黑色十字时，向右拖动填充柄，得到3月至12月的逐期增长量。实训三销售数据分析

继续在逐期增长量下一单元格输入定基发展速度。定基发展速度等于an/a0。用鼠标指针选中D6单元格，输入公式“=D3/$C$3”，单击“√”，算出2月的定基发展速度；用鼠标指针选中D6，将鼠标指针放在D6单元格的右下角，当鼠标指针变成黑色十字时，向右拖填充柄，得到3月至12月的定基发展速度。实训三销售数据分析

在定基发展速度下一单元格输入环比发展速度，环比发展速度等于an/an-1。用鼠标指针选中D7单元格，输入公式“=D3/C3”，单击“√”，算出2月的环比发展速度；用鼠标指针选中D7单元格，将鼠标指针放在D7单元格的右下角，当鼠标指针变成黑色十字时，向右拖填充柄，得到3月至12月的环比发展速度。实训三销售数据分析某电商平台2020年各月商品销售数据的动态分析如下表所示月份动态数据123456789101112累计增长量/107.7218.65329.36392.1551.48697.19862.031007.291129.11274.111471.15逐期增长量/107.7110.95110.7162.74159.38145.71164.84145.26121.81145.01197.04定基发展速度/1.091.181.271.321.451.561.701.811.912.032.19环比发展速度/1.091.081.081.041.101.081.091.071.051.061.08定基增长速度/91827324556708191103119环比增长速度/988410897568增长量：万元；发展速度：倍数；增长速度：%实训三销售数据分析（二）销售数据的预测分析方法基于回归分析方法的销售额预测回归分析是一种确定两种或两种以上变量相互依赖关系的定量分析方法。回归分析按照涉及变量的多少，分为一元回归分析和多元回归分析；按照因变量的多少，分为简单回归分析和多重回归分析；按照自变量和因变量的关系类型，可分为线性回归分析和非线性回归分析（具体计算可见本书的第3章）。回归分析预测法不仅可以分析因素之间的相关性，也可以通过现象发展预测未来。实训三销售数据分析利用10.3.3节中电商平台2020年各月商品销售数据对销售额进行预测。新建一个工作表，将商品销售数据复制粘贴到工作表中。用鼠标选中B2:B14，插入“折线图”，增加坐标轴名称。选择“趋势线”中的“其他趋势线选项”，弹出“设置趋势线格式”窗口。勾选“显示公式”和“显示R平方”两项，折线图中则显示趋势线和回归直线方程及R平方值，如下图所示。由该图可以看出，回归直线方程为y=132.86x+1044.7，R平方为0.9918，表明因果关系显著。预测2021年1月该电商的销售额，可将x=13代入回归方程，得y=2771.88万元。实训三销售数据分析基于时间序列方法的销售数据趋势分析现象变动趋势分析就是要把动态数列受各类因素的影响状况分别测定出来，弄清研究对象变化的原因及规律，为预测未来和决策提供依据。店铺销售受许多因素影响，营业额看起来在不断地变化，好像没什么规律可循，但是在这些影响营业额的因素中，有的是长期起作用的，有的只是短期起作用。因此在分析时间序列的变化规律时要将诸多的影响因素划分为几大类时间序列的构成要素，然后对这些构成要素分别进行分析。一般的，时间序列的构成要素分为以下几类：长期趋势季节变动循环变动不规则变动实训三销售数据分析仍选用10.3.3节中电商平台2020年各月商品销售数据。选定移动次数N=3，用鼠标选中D5，输入公式fx=(C3+C4+C5)/3，，点击“√”，就可以算出3月的一次移动平均数，如下图所示。用鼠标选中D5，将鼠标放在D5的右下角，变成黑色十字时向右拖动填充柄，计算4月至12月的一次移动平均数。实训三销售数据分析用鼠标选中E7，输入公式fx=(D5+D6+D7)/3，，点击“√”，就可以算出5月的二次移动平均数，如下图所示。用鼠标选中E7，将鼠标放在E7的右下角，变成黑色十字时向右拖动填充柄，计算6月至12月的二次移动平均数。实训三销售数据分析一次移动平均数和二次移动平均数如下表所示。根据第3章所学知识可得出时间序列的线性趋势预测模型为：y=148.87x+2678.6，如果要预测2021年1月该电商的销售额，可以将x=1代入预测模型，得y=2827.47万元。月份销售额（万元）一次移动平均值二次移动平均值11238.28————21345.98————31456.931347.06——41567.641456.85——51630.381551.651451.8561789.761662.591557.0371935.471785.201666.4882100.311941.851796.5592245.572093.781940.28102367.382237.752091.13112512.392375.112235.55122709.432529.732380.87实训四电商店铺客服KPI考核实例电商店铺客服KPI的实例1.电商店铺客服KPI考核指标体系与权重得分某电商平台上一家主营服装的店铺对客服考核指标权重的分配为w咨询转化率=0.3，w支付率=0.25，w客服落单率=0.2，w响应时间=0.15，w售后及日常工作=0.1。表10.12所示，为该店铺对客服KPI考核制定的考核表。实训四电商店铺客服KPI考核实例2.对网店3名客服的绩效评价及得分计算咨询转化率下表是对3名客服人员最近30天客服咨询转化率的统计，通过计算客服咨询转化率的得分，可知：乙客服的咨询转化率最高，其次是丙客服，最低的是甲客服。客服人员成交总人数咨询总人数咨询转化率得分权重得分甲12289013.71%6018乙20356036.25%8024丙17368425.29%7021实训四电商店铺客服KPI考核实例客服支付率下表是对3名客服人员最近30天客服支付率的统计，通过计算客服支付率的得分，可知：丙客服和甲客服的客服支付率最高，乙客服的客服支付率较低。客服人员成交笔数下单总笔数支付率得分权重得分甲26530586.89%9022.5乙48072965.84%7017.5丙36741289.08%9022.5实训四电商店铺客服KPI考核实例客服落单率下表是对3名客服人员最近30天客服落单率的统计，通过计算客服落单率的得分，可知：丙客服的客服落单率最高，其次是甲、乙两位客服。客服人员客服客单价店铺客单价客服落单率得分权重得分甲79.2651.2189018乙78.8651.2129018丙80.5651.23810020实训四电商店铺客服KPI考核实例响应时间下表是对3名客服人员最近30天客服响应时间的统计，计算首次响应时间和平均响应时间的得分和权重得分，可知：乙客服的得分最高，然后是甲客服，最后是丙客服。客服人员首次响应时间得分权重得分平均响应时间得分权重得分甲1880825804乙11909181005丙2370733703.5实训四电商店铺客服KPI考核实例售后及日常工作下表是对3名客服人员最近30天客服售后及日常工作的统计，通过计算3名客服人员的月退货量和月缺勤次数的得分，可知：丙客服的月均退货率最低，其次是甲客服，最后是乙客服。乙客服的月缺勤次数率最低，其次是甲客服，最后是丙客服。客服人员月退货量得分权重得分月缺勤次数得分权重得分甲68042804乙1360301005丙010056603实训四电商店铺客服KPI考核实例客服人员KPI复合考核计算结果KPI考核指标甲客服乙客服丙客服咨询转化率