用户|电商业务数据分析实践指南( 二 ) 阶段|初始|直播|用户|直播间

2. 分析原因
文章插图
数据通过提取、清洗、指标体系，再通过可视化方法的几个维度后，就可以把生意现状较清晰描述出来，描述出来后就需要分析数据好或不好的原因，这对分析人员的逻辑性与业务理解要求比较高，如果对业务理解不深入，分析的思路可能会有偏差，分析出来的结果也不受认可。
分析背后原因主要分三个方面：
第一个是对所在行业、公司业务有较深入的理解与沉淀，这是最基础的；
第二个是套用行业比较成熟、典型的分析模型，比如RFM、留存分析等；
第三个是需要了解数据背后反映的问题、代表的真实含义以及数据的生产过程，比如指标如何从买点流转到数据库？在途中做了怎样的加工等，这个要求也比较高，但如果有能力要尽可能达到要求，因为对指标的口径定义流转不清晰很有可能在分析时会走弯路。
如果以上三个方面做得好，分析原因环节就可以做好。
3. 提出建议
文章插图
很多新手分析或运营同学都会忽略：做完分析后要提出专业性的意见和建议，经常有新手前面做了很多酷炫的数据表格、各种各样的维度分析和拆解后，忽略了最后一步：提出意见和建议，如果没有这一步，整个分析报告的价值会大打折扣，因为所有内容最终都是要落脚到业务的发展上，如果只是分析了数据背后的原因，却没有落脚到最终建议上，运营或业务也不知道该怎么做，这个报告的价值就没有完全发挥出来。
要想提出比较有价值的建议：需要依赖对业务的深入理解，可以通过走进业务、了解业务慢慢进行积累，有了业务敏感度后，才能提出对业务发展比较好的建议，这个需要慢慢沉淀。
二、详解常用的电商数据分析方法
文章插图
电商常用的数据分析模型和方法主要有五种：RFM分析、留存分析、漏斗分析、路径分析、归因分析。
1. RFM分析
文章插图
RFM三个英文字母代表三个具体维度：

R代表用户最近一次的消费时间，比如A用户最近一次在平台上发生购买是1月1号，离现在的时间是24天，该指标衡量的是用户近期消费热度的数据，如果最近一次消费时间离现在已经过了好几年，大概率该用户已经流失；
F代表的是用户在一段时间内在平台上的消费频率，通常用户消费频率越高，用户越忠诚；
M代表的是用户在一段时间内在平台上的消费金额，该指标代表用户的购买力，比如有的用户购买频率非常高，但总消费金额一共只花了一百块钱，说明消费率可能有问题，通过这三个维度可以对用户进行划分。

通常也会对每个维度设定一个阈值，把高于或低于阈值的用户划分成两个群体，所以整个用户群体可以划分成八个细分人群（上图左边所示），而阈值的设定通常会用平均值或其他更科学的方式，比如B用户在消费时间、频率和金额上都比阈值高，说明该用户是一个重要的价值客户。
这八个细分人群也有不同的运营策略，该流失召回的召回，该做保持的保持，该发展潜力的发展潜力等。

文章插图
RFM分析具体过程如下：
第一，做RFM分析需要用到数据表，这张表指订单交易表，核心字段是用户ID 、消费时间和消费金额，有订单交易表即可进行RFM分析；