淘寶賣家數據分析體系

              本身寫的淘寶賣家數據分析體系，能夠看看，一些內容還不完整，只供參考！

分析項目	細分	數據來源	內容
總覽	店鋪整體經營狀況	量子恆道銷售總覽（銷售額、客單、成交用戶數等）	包括銷售額、訪客數、成交轉化率、客單價、拍下支付率、單客筆數、單筆件數、單件價格、訪問深度、成交回頭客佔比、收藏量等，能夠大體反映店鋪整體經驗狀況以及引發銷售金額變化的環節。
	營銷費用佔比	賣家中心-我要推廣	基本上是每日手動錄入數據，總體毛利率就在那裏，營銷費用太高，會侵蝕利潤。
	活動銷售佔比	平常統計	主要是指相似聚划算這種低價低毛利率，引入的客戶後續購買存疑的活動。這類活動佔銷售額比重太高，一樣說明店鋪對侵蝕整體毛利率的短時間內確定低價值的活動過於依賴，不健康。
	(類目)銷售額分佈	寶貝銷售排行	前50、100的銷售額佔整體的比例等，銷售額連續排在末尾的產品，各產品對利潤的貢獻率。總之，是判斷產品結構是否合理，利潤品、競品、引流品、潛力股、淘汰品等。
	PC端和移動端銷售額佔比	寶貝銷售排行	判斷手機端和PC端的趨勢，若是有外部數據則判斷是否發展落後於市場
	客服客單價對比靜默下單客單、退款率	赤兔	客服工做成效的判斷
產品	產品基礎資料	本身設置完善，分類材質價格顏色等等	產品檔案包括物料編號，大分類，小分類，小小分類，產品名稱，價格，重量，等級，包裝材質，顏色等,不一樣於BOM的產品組成，是對產品特徵和定位的描述。另外還要有頁面產品ID和物料編號的對應表(有些軟件能獲取)，這些都爲從此以產品爲核心打通流量、客戶和供應鏈全面分析打下堅實基礎。產品分類在詳細基礎上又要爲將來留有一些餘地，編碼在簡單基礎上能明顯反應產品關鍵信息又要爲產品系列的擴充提供餘地，事先合理規劃很重要。
	市場規模估算	數據魔方-行業分析-買家購買分析	全部價格區間的成交金額累加即得類目的成交金額，也能夠用不一樣客單的成交人數來算。結合自身產品的分類，便可以判斷自身發展與市場的對比狀況，自身相應類目在江湖中的地位(市場份額)，類目中必定價格區間產品在市場中的地位(份額及增加對比)。市場診斷也能夠用產品的主關鍵詞在淘寶指數進行搜索。
	新產品開發訂價	數據魔方-行業分析-買家購買分析	取得商品成交單價分佈數據後，能夠判斷類目商品在不一樣價格的銷售數量和銷售金額(估算)佔比，根據店鋪和品牌定位以及能力選取佔份額較大的銷售數量和銷售金額的價格區間，在淘寶上搜索類目主關鍵詞，按銷量排序，能夠找出市場上的主要對手，以及市場是否過於集中，存在的機會等。買家偏好參考。
	產品診斷	量子恆道寶貝銷售排行	寶貝銷售額、訪客數、頁面轉化率、單客件數、單件均價、訪問深度、頁面跳失率隨時間的變化，這個部分能夠找出影響銷售額變化的最主要因素，或者可用於判斷產品人員主動刺激的效果，好比文字描述和頁面排列對訪問深度和跳失率是否有積極影響，新的促銷活動是否有效讓顧客購買更多的件數，另外能夠探索單件價格是否影響轉化率等頁面指標
	競爭者分析	競爭者總體店鋪數據以及重點競爭產品數據	魔方提供的數據只能看看，不許。須要手工或者用軟件去抓取，另外還要關注對手天天的促銷動態以及搜索排名，因此人工完成信息的收集能夠接收，特別是人多的時候。
	關聯分析/套裝組合	客道等具備客戶標識的數據庫	哪些產品有較強的關聯性？關聯的產生是天然產生，仍是因爲推薦以及套餐設置？哪些產品有潛力設置關聯？關聯的數量推薦？新套餐設置是否提升了關聯度，是不是合適的關聯？驗證和發現其餘提升或下降關聯度的調整
	產品結構分析	平常統計銷售分類	各產品的銷售額和利潤分佈，結合產品銷售額、毛利率、增加率、市場發展潛力，調整產品定位和策略，增減產品
	產品銷售預測	平常統計	結合流量、轉化率單人購買件數，預測產品銷售數量。須要根據過去購買歷史分別對三項進行預測，須要涉及到整體流量在各頁面、各產品的分配，以及熱銷產品和普通產品在購買決策時的差異。無相關數據，則假設潛在條件不變。
頁面	頁面是否關聯了合適的頁面	淘寶未提供數據	是否更有效率的流量流轉、促進成交和導入高質量客戶
	頁面產品以及內容的分佈	淘寶未提供數據	展示量和點擊率在頁面上的分佈，哪些位置是更好的位置，哪些內容用戶不關注等等
	中間頁面是否有效	淘寶未提供數據	是否更有效率的流量流轉、促進成交和導入高質量客戶
流量	流量來源及成交特徵	量子恆道訪客分析&成交來源分析	這兩個數據能夠大體看哪些流量對本身是最重要的，哪些是有潛力的，各投入多少精力和資源。哪些流量發生了異常變化，溯源尋找問題，以及不一樣流量來源的客戶數、轉化率、客單等等。
	天然搜索變化	量子恆道-搜索診斷	這兩個數據能夠大體看哪些產品對本身是最重要的，哪些是有潛力的，產品搜索排名是否發生了變化。哪些產品發生了異常變化，溯源尋找問題，以及不一樣流量來源的客戶數、轉化率、客單等等。以及產品關鍵詞的相互借鑑等等
	直通車	我要推廣	直通車最重要的是議題是花錢在哪一個產品上？花多少錢？怎麼花有效率？跟一段時間的產品策略有直接關係。通常的關鍵指標是ROI，導入客戶數，導入單個客戶的成本和收入等等
	淘客	我要推廣	一樣是花錢也是花錢效率的問題，關鍵議題是哪些產品作淘寶客？定多少佣金合適？通常的關鍵指標是ROI，導入客戶數，導入單個客戶的成本和收入，另外量大的話，能夠考慮越過中間層直接合做
	不一樣流量的購買行爲	暫無來源標識數據	這個呢，主要是看不一樣流量來源的顧客的後續購買有沒有明顯差異，能夠算上覆購計算各個流量渠道帶來客戶的終極價值
	PC端和手機端的流量分佈、轉化率，變化以及銷售額佔比	平常統計銷售分類	移動端和PC端的趨勢的關注吧，可能涉及到的議題是哪些產品更適合移動端銷售？是否根據佔比狀態調整投入資源
顧客行爲	購買不一樣產品的顧客數	客道等具備客戶標識的數據庫	側面反映產品的重要性
	購買不一樣產品的顧客後續購買行爲	客道等具備客戶標識的數據庫	大概測算每一個產品的價值，價值低的就掛彩啊
	購買不一樣件數產品的顧客後續購買行爲	客道等具備客戶標識的數據庫	這個是想探測下購買件數是否對復購有直接影響
	購買單個產品和複合產品的顧客後續購買行爲有差別？	客道等具備客戶標識的數據庫	同上
	首次客單、單件價格、件數不一樣的顧客的後續購買行爲	客道等具備客戶標識的數據庫	同上
	首次客單、件數、單件價格是否影響顧客購買幾回	客道等具備客戶標識的數據庫	同上
	短信通知對比不通知的提高度	客道等具備客戶標識的數據庫	這個大概評價客戶營銷的有效的一面吧，不少產品均可以作，可是什麼樣的顧客會有響應值得研究。
	不一樣類目的交叉購買率	客道等具備客戶標識的數據庫	反映類目的類似性，或者說交叉率越高的類目越具備類似特徵的客戶羣。交叉率越高，交叉推薦的成功可能性也增大，交叉率太低，則尋找提高交叉率的方法。
	上一次購買到下一次購買的復購率	客道等具備客戶標識的數據庫	計算顧客終身價值用
	顧客終身價值計算	客道等具備客戶標識的數據庫	導入的客戶流失以前提供價值的指望，也能夠用來評估產品價值，
	客單分佈以及變化	客道等具備客戶標識的數據庫	活動等的界點能夠參考這個數據，以及觀察活動對客單影響的效果等
	不一樣客單區間的產品購買排行	客道等具備客戶標識的數據庫	找出區間客單最低，數量較多的產品採起各類措施加以影響，同時觀察影響的效果
	什麼樣的顧客會進行下一次購買	客道等具備客戶標識的數據庫	間隔時間的計算，大概能夠預估多長時間顧客就算流失了
	購買特徵對間隔時間的影響	客道等具備客戶標識的數據庫	跟上面同樣的目的
供應鏈	必定期限內的產品銷售量的預測	銷售統計	銷售預測轉而推進生產計劃以及採購計劃
	動態安全庫存的設定	銷售統計與預測	動態安全庫存可能根據動態的周消耗或者日消耗控制，另外考慮生產的彈性，必定時間的最大銷售差來計算
	定貨模型的優化以及單次定貨量的設定	銷售統計與定貨模型的選擇	跟安全庫存一個道理，可是得先肯定單次的定貨量，進而肯定週期
	不一樣地區的快遞的選擇	快遞價格及發貨數量數據	能夠直接算，能夠轉爲線性規劃的問題啊
	倉庫內部庫存位置的優化	銷售關聯數據及倉庫排位	銷售排行以及關聯分析
	生產排程的優化	BOM、銷售數據、工時效率數據	很複雜，涉及到的基礎數據和算法太多
活動	活動流量、轉化率、單客件數、銷量預測等	寶貝銷售排行等歷史數據	寶貝銷售排行那個圖表能夠輕易找到這些數據，爲下次預估提供參考
	活動頁面關聯設置	客道等具備客戶標識的數據庫	爲下次頁面的規劃提供參考，分析分佈的有效性
	活動目標達成率	寶貝銷售排行	表面意思
	活動成交人數，新老佔比，各自客單分佈，各分佈主要產品	客道等具備客戶標識的數據庫	客道等一些數據能夠得出來
	活動成交顧客的後續購買	客道等具備客戶標識的數據庫	分析活動客戶的價值，最終肯定整個活動的ROI
	引進顧客的終身價值計算	客道等具備客戶標識的數據庫	同上內容
	低價活動引進顧客的活動購買率	客道等具備客戶標識的數據庫	判斷活動引入的無價值客戶的比例
	營銷費用佔比，毛利率等	銷售統計	決定活動是否有利可圖