1. 對業務的改進優化；
2. 幫助業務發現機會；
3. 創造新的商業價值。
——講壹個案例助於理解——
90年代，美國沃爾瑪超市管理人員分析銷售數據時發現：在某些情況下，”啤酒”與”尿布”兩件看上去毫無關系的商品會經常出現在同壹個購物籃中。原來，當老公被老婆派去超市購買孩子尿布時，也會順便為自己購買啤酒。商場幹脆把兩種商品放在壹起，竟然增加了銷量。
上面案例中從日常數據中發現了規律，並做出推測，成功的提升了業務的增長。回到電商運營中來， 店鋪可以分析哪些商品容易出現在壹個訂單中，再將這些商品互相推薦互相引流，以及在店鋪頁中靠近展示等； 可以考慮平臺中哪些商品連接性更強， 女裝與女鞋則可以考慮將兩個類目聯合起來***同策劃活動，若商品側允許還可策劃滿減、滿件等營銷，加深連帶，提升業績。
通過把數據放到壹起對比來說明問題，單獨指標過於片面，缺乏實際性意義。
壹項業務有 銷售總額、UV、轉化率 等指標，這些指標可以在壹定程度上說明業務的進展情況，但是單獨的指標過於片面，缺乏實際性的指導意義。 例如壹個電商banner廣告圖某天的點擊率是5%，我們並不能立即判斷出這個廣告圖的文案、引流商品、色調、風格等是否成功，而如果可以與相同位置其他時間的廣告圖來作對比，我們則能發現更多問題。 除此之外，可以對比的維度還有 性別、年齡、地區、省份 等等，以地區舉例，我們可以統計連衣裙這壹類目在不同區域 （華北、華中、華南、華西、華東）的訂單占比，從而得出連衣裙在XX地區更受歡迎（尤其是在換季季節） 的結論，再回到業務中去調整連衣裙在不同區域用戶中的曝光程度，讓流量能夠更加有效地利用起來，提升業績。還有壹項運用到對比思維的就是 A/B test ，比如測試產品改版的效果時，可以把用戶質量均勻地分成兩組來分別體驗未改版和改版後，通過兩組用戶的數據反饋來判斷產品改版是否成功。
（以上均是右箭頭、具體看最上方轉化欄）
梳理好流程後，計算： 曝光點擊率、商詳到達率、下單轉化率、支付轉化率 等，再將各個環節的轉化率與其他活動頁的轉化率作對比，或是與這個活動頁前三日日均轉化率作對比，看數據是否偏高或偏低。 如果壹個頁面的曝光UV低，可以考慮增加在站外的流量投放以及在站內申請更多資源。如果點擊率低，則可能是因為文案太弱、廣告圖不夠吸引用戶、或是資源本身質量較差等原因。
如果壹個頁面的商詳到達率低，則應該考慮 頁面結構是否合適、商品是否符合用戶喜好 等，可 根據數據反饋及時替換 點擊效果差的商品，如果 商詳到達率隨著時間的推移呈現逐漸減弱的趨勢，則應尋找壹定的規律定期更換頁面的商品排序 。如果商品的購買轉化率低，則應該考慮商詳頁是否有可優化的空間，如在商詳頁主圖下方增加促銷氛圍圖，在商品信息位置增加促銷說明等。還有 商品的付款率，如果低於正常值，建議賣家催單。
so，想要增長業績需要：
1、更多的用戶；
2、從用戶身上得到更多錢。
淘寶的 聚劃算，拼多多的拼團商品 等，都是可以 提升用戶數 的玩法； 滿減、買送、滿件折、滿壹定金額後可參與抽獎 等等，這些則是可以 提升客單價的營銷方法。
平臺銷售總額可以分為壹級類目的銷售總額，壹級類目再拆成二級類目，二級類目再拆分到店鋪。如果 想要達到壹個業務目標，可以按照平臺各類目的日常產出占比來計算各個類目應該承擔的業務目標，然後根據店鋪（或商品）的平均銷售（可拔高）來計算妳的業務目標需要各類目提供多少店鋪（或商品）來支撐實現。 這樣以來，目標就會變得 清晰可實現，且若最終結果出現偏差，也方便分析其中的原因。
分析壹個項目，第壹步是清楚產品的定位和現狀、預計可以改善的方向、選擇切入點、保證有清晰的“主線”，整理框架。
根據目標收集、整合相關資源。
剔除不重要數據，留下“關鍵原因”。
通過分析，從中找出因果關系，為商業提供決策參考（具體目標不能偏移）。
分析的目的、過程、結果、方案呈現，供參考
分析得出的《合理性建議》保留，留好相關數據、做好策略復盤。
數據對業務很重要！！！
以上就是我對電商運營的業務數據分析的總結。以上某些資料來源於網絡，當然圖全是我做的，哈哈哈。? 編輯不易，不喜勿噴。