商務數據分析與應用（微課版）課件 第5-10章 運營數據分析 -商務數據分析報告

運營數據分析

《商務數據分析與應用》（微課版）第5

章本章學習目標了解運營數據分析的基本概念、重要性以及它在企業決策過程中的作用。熟悉運營數據分析中常見的分析方法，以便在不同情境下靈活運用這些方法理解和掌握運營數據分析的常用指標并能夠靈活運用。熟練掌握使用數據分析工具（如Excel）進行運營數據分析的技能，包括店鋪交易情況分析、預測店鋪利潤、流量結構與質量分析等多個方面，以全面提升數據分析能力和業務洞察力。1銷售數據分析2推廣數據分析目錄3服務績效分析

案例導入“雙十一”的興起及發展“雙十一”是指每年的11月11日，現已成為我國電子商務平臺的標志性購物狂歡節。各大電商平臺（如阿里巴巴、京東、唯品會等）利用這一天開展大規模的打折促銷活動，以吸引消費者并提高銷售額。從2009年開始，天貓商城“雙十一”的銷售額逐年增加。天貓商城2009年“雙十一”銷售額為0.5億元，2010年提高到9.36億元，……，2017年銷售額達到1682.69億元（相當于全國線下最大連鎖超市當年的銷售額）。2020年，在各種因素的影響下，雙十一銷售額仍然強勁增長，達到4982億元，再次證明了電子商務的韌性和活力。“雙十一”銷售額的快速增長離不開數字化運營。阿里巴巴等電商平臺通過大數據分析和預測，能夠更準確地把握消費者需求，制定更為精準的營銷策略。同時，數字化運營還優化了供應鏈管理、物流配送等環節，提高了運營效率，降低了成本。“雙十一”的成功不僅在于其高銷售額，更在于其背后的數字化運營理念和技術支撐。這為電商行業提供了寶貴的啟示：只有不斷創新和進步，才能滿足消費者日益增長的需求，贏得市場競爭的主動權。

案例導入思考1．阿里巴巴如何通過數字化運營實現銷售額的快速增長？2．數字化運營在電商平臺中的作用和價值是什么？3．電商行業應如何借鑒“雙十一”的成功經驗，推動自身的創新和發展？1銷售數據分析銷售數據指的是能體現企業銷售業績的數據，常見的銷售數據包括交易數據、店鋪利潤數據、店鋪流量數據等。交易數據的概念01

5.1.1交易數據分析交易數據是反映企業日常經營活動中的實際業務的數據，它描述組織業務運營過程中的內部事件、外部事件或交易記錄。主要包括各種訂單數據、銷售記錄數據、采購入庫數據等。交易數據分析旨在從交易數據中提取有價值的信息。它有助于企業理解交易模式、識別市場趨勢、預測未來表現，并據此制定更有效的業務策略。交易數據分析的常用指標025.1.1交易數據分析對商務企業，特別是電商企業而言，企業的銷售額為訪問量、轉化率和客單價的乘積。銷售額=訪問量×轉化率×客單價訪問量：表示潛在客戶的數量，它反映了企業網站的吸引力及市場推廣的效果。訪問量越高，說明企業的品牌知名度越高，曝光率越高。轉化率：是指訪問者中實際完成購買行為的比例。高轉化率意味著企業能夠更有效地將潛在客戶轉化為實際購買者。轉化率=（轉化人數/點擊人數）×100%客單價：是指在一定周期內客戶購買產品的平均金額，即平均每位客戶在店里消費了多少金額。提高客單價有助于提高整體銷售額。客單價=支付成交金額/成交用戶數交易數據趨勢分析035.1.1交易數據分析交易數據趨勢分析主要包括以下幾個方面。銷售額與銷售量趨勢分析：通過統計店鋪的銷售額和銷售量，分析不同時間段（如月度、季度、年度）的變化趨勢，評估銷售業績的穩定性和波動性。通過銷售額與銷售量趨勢分析，企業可以了解銷售額與銷售量的季節性變化、市場波動等信息，為合理制定銷售計劃與銷售策略提供參考。訂單量與轉化率分析：分析訂單數量和訪客流量轉化為實際購買的比例，了解訪客流量的吸引力和店鋪的銷售效率，從而評估店鋪的吸引力和銷售策略的有效性。客單價分析：計算每位客戶的平均消費金額（即客單價），分析其與店鋪定位和產品定價策略的匹配程度，確保營銷策略的合理性。5.1.1交易數據分析【課堂實操5-1】分析某店鋪的交易趨勢在生意參謀“交易”模塊中采集近1個月的銷售數據，分析店鋪交易情況。由于單日數據趨勢波動起伏不定，下面以“星期”為時間維度分析店鋪交易的整體趨勢情況圖5.1計算客單價5.1.1交易數據分析【課堂實操5-1】分析某店鋪的交易趨勢圖5.2按星期銷售額與銷量趨勢圖圖5.3按星期客單價趨勢圖銷售額和銷量在一周內呈現先降后升的趨勢，其中星期四的銷售額與銷量達到最低點，而從星期五開始，兩者均開始上升，并在周六達到峰值。這表明周末可能是銷售的高峰期，客戶的購買力在這兩天尤為強勁。因此，企業應該考慮在周末加大營銷力度，推出促銷活動或特別優惠，以吸引更多客戶并提升銷售額。從中可以看出，客單價在一周內呈現先降后升的趨勢。從星期日到星期二，客單價逐漸下降，從星期三開始，客單價開始回升，并在周六達到峰值。這可能是由于周末客戶有更多的空閑時間和購物意愿。因此，企業可以在周末加大促銷力度，吸引更多客戶購買商品，提高銷售額借助轉化漏斗模型分析整體轉化情況045.1.1交易數據分析轉化漏斗模型用于可視化客戶從進入某個過程（如營銷、銷售、客戶注冊等）到實現目標（如購買產品、完成注冊等）的轉化率。該模型通過將一個過程分解為多個步驟，并量化每一步的客戶流失情況，幫助企業了解并優化其業務流程。轉化漏斗模型可以展示客戶從訪問到最終支付的各個環節的轉化情況，轉化率分析指標主要有有效訪問率、咨詢轉化率、靜默轉化率、訂單支付率、成交轉化率等。

圖5.4成交轉化漏斗模型借助轉化漏斗模型分析整體轉化情況045.1.1交易數據分析①有效訪問率通常是指網站中有效訪問次數與總訪問次數的比例，它反映了網站訪問者中真正對網站內容感興趣或有所貢獻的用戶比例。

有效訪問率=有效訪問次數/總訪問次數②咨詢轉化率是指潛在客戶在與企業進行交流后，轉化為實際購買或采取進一步行動的比例

咨詢轉化率=咨詢成交人數/咨詢人數③靜默轉化率是指客戶訪問網店后，不通過咨詢，而是通過比較、搜索或其他自助方式直接下單購買的比例。

靜默轉化率=靜默成交人數/靜默訪客數借助轉化漏斗模型分析整體轉化情況045.1.1交易數據分析④訂單支付率是指付款客戶數與下單客戶數之比

訂單支付率=付款客戶數/下單客戶數⑤成交轉化率是指產生購買行為的客戶人數與店鋪或網站的訪客人數之比

成交轉化率=產生購買行為的客戶人數/店鋪或網站的訪客人數5.1.1交易數據分析【課堂實操5-2】分析某店鋪的整體轉化情況某電商不同營銷環節的人數如下圖，要求計算計算整體轉化率。①首先計算每個環節的轉化率（當前環節人數/上一個環節人數）；②計算每個環節的整體轉化率（當前環節人數/總人數，這里總人數即為選購商品環節的當前人數）；③計算占位數據。計算當前環節整體轉化率與初始轉化率的差值（即100%），差值除以2后獲得占位數據，即占位數據=（初始轉化率-當前環節整體轉化率）÷2。圖5.5某電商營銷環節人數5.1.1交易數據分析【課堂實操5-2】分析某店鋪的整體轉化情況圖5.6計算環節轉化率、整體轉化率與占位數據圖5.7調整數據順序后的下單轉化率圖表該店鋪的整體轉化率為2.90%，這意味著在1000個初始客戶中，只有29個客戶成功完成了支付。同時，圖中顯示“提交訂單”及“選擇支付方式”這兩個環節的客戶流失率相對較高。造成這兩個環節客戶流失率較高的原因可能是客戶體驗不佳或支付方式受限等問題。因此，企業應該重點關注這兩個環節，找出客戶流失的原因，并采取相應的措施進行優化，以提升店鋪的整體轉化率。單品轉化分析055.1.1交易數據分析（1）單品流量轉化分析在電子商務或零售領域中，單品流量轉化分析是指對特定商品（單品）的流量與轉化情況進行深入分析和研究。通過分析單品的流量轉化情況，企業可以了解不同流量渠道的轉化效果，從而制定更有效的運營推廣策略。5.1.1交易數據分析【課堂實操5-3】分析店鋪單品流量與轉化利用已下載并整理到Excel中的單品流量轉化數據來分析單品的流量和轉化情況。①首先分別計算下單轉化率（下單買家數/訪客數）和支付轉化率（支付買家數/訪客數）；②為當前數據創建數據透視表；③以當前數據透視表為基礎創建數據透視圖；圖5.8計算下單轉化率和支付轉化率5.1.1交易數據分析【課堂實操5-3】分析店鋪單品流量與轉化由圖可知，該商品最重要的兩個流量渠道為淘內免費其他和我的淘寶，這兩個流量渠道的轉化率不是太高，如果能提高轉化率，則能給店鋪的銷量帶來較大的提升。手淘旺信的轉化率最高，說明該渠道的流量質量很好，店鋪應該進一步加大“引流”力度。圖5.9流量轉化情況單品轉化分析055.1.1交易數據分析（2）單品關鍵詞轉化分析單品關鍵詞轉化分析是電子商務和SEO中非常關鍵的一環，它主要關注特定商品（單品）的關鍵詞在搜索引擎中的表現以及關鍵詞如何促進實際的銷售。通過單品關鍵詞轉化分析，企業可以更加精準地了解客戶需求和市場變化，制定更加有效的營銷策略和優化方案，從而提高單品在搜索引擎中的曝光度和轉化率，進而提升整體銷售額。5.1.1交易數據分析【課堂實操5-4】分析某店鋪使用的咖啡關鍵詞的轉化效果①將某店鋪使用的咖啡關鍵詞的轉化數據整理到Excel中，分別計算下單轉化率（下單客戶數/訪客數）和支付轉化率（支付客戶數/訪客數）；②同時選擇A1:A11,J1:J11，創建組合圖。在“插入圖表”對話框中，將“訪客數”數據系列的圖表類型設置為“簇狀柱形圖”，坐標軸設置為主坐標軸，將“支付轉化率”數據系列的圖表類型設置為”折線圖“，坐標軸設置為次坐標軸，單擊”確定“按鈕。圖5.10計算下單轉化率和支付轉化率5.1.1交易數據分析【課堂實操5-4】分析某店鋪使用的咖啡關鍵詞的轉化效果圖5.11咖啡關鍵詞轉化效果分析關鍵詞“條裝原味三合一速溶咖啡”“正品無糖低脂咖啡”訪客數較多，但支付轉化率均較低，說明關鍵詞可能過于寬泛，吸引了大量非目標受眾訪問者。這些訪問者可能只是出于好奇而訪問，并沒有明確的購買意向。關鍵詞還可能與實際商品的相關性不高，導致吸引的訪問者并非真正的潛在買家。而“提神速溶藍山咖啡”“提神速溶拿鐵研磨咖啡粉”關鍵詞的訪客數不多但支付轉化率很高，說明關鍵詞可能非常精準地吸引到了目標受眾，這些訪問者對商品有明確的需求和購買意向。該店鋪可以通過拓展關鍵詞，發現更多與商品相關的關鍵詞，并嘗試進行廣告投放或優化SEO，以吸引更多潛在買家。店鋪利潤分析的概念01

5.1.2店鋪利潤分析店鋪利潤是指在一定經營期間內，店鋪通過銷售商品和提供服務所獲得的總收入減去所有成本和費用后的剩余金額。這個剩余金額直接反映了店鋪的盈利水平，是衡量店鋪經營狀況的重要指標之一。店鋪利潤分析是指對店鋪運營過程中的各項財務數據進行深入挖掘和分析，以評估店鋪的盈利能力、運營效率和揭示其潛在問題。店鋪利潤分析涉及對各種成本和費用的計算，包括原材料成本、人工成本、租金、水電費等。通過對比不同時期的利潤數據，可以發現店鋪盈利的變化趨勢，并找出影響利潤的關鍵因素。交易數據是反映企業日常經營活動中的實際業務的數據，它描述組織業務運營過程中的內部事件、外部事件或交易記錄。主要包括各種訂單數據、銷售記錄數據、采購入庫數據等。店鋪利潤分析的過程02

5.1.2店鋪利潤分析店鋪利潤分析是一個綜合性過程，涉及多個方面。店鋪利潤分析的主要過程如下。（1）基礎數據收集；（2）銷售額分析；（3）成本分析：影響成本的因素主要有商品成本、推廣成本和固定成本；（4）費用分析（5）利潤計算與分析

利潤=成交金額-總成本

銷售利潤率=利潤÷成交金額×100%

成本利潤率=利潤÷總成本×100%。（6）比較與對標（7）制定優化策略

5.1.2店鋪利潤分析【課堂實操5-5】預測店鋪利潤利用某店鋪上半年的銷售和成本數據，以及下半年的銷售目標來預測下半年的各項成本和利潤。①將店鋪每月的成交金額、商品成本、推廣成本、固定成本等數據整理到Excel中，并輸入店鋪未來6個月的成交金額目標數據。②選擇C8單元格，插入“TREND”函數,進行相應設置；③向右拖曳C8單元格右下角的填充柄至E8單元格，然后繼續向下拖曳填充柄至E13單元格，快速填充公式，得到成本預測值；④選擇F2:F13，計算各月份的利潤及利潤預測值。圖5.12輸入店鋪數據圖5.13設置TREND函數參數

5.1.2店鋪利潤分析【課堂實操5-5】預測店鋪利潤圖5.14得到成本預測值圖5.15計算利潤及利潤預測值流量來源的分類01

5.1.3店鋪流量分析淘寶網的流量主要可以從兩個維度進行劃分：按付費性質（免費流量和付費流量）按來源位置（站內流量與站外流量）圖5.16流量來源的分類流量結構分析02

5.1.3店鋪流量分析流量結構分析是商務數據分析中的重要環節，通過對站內流量、站外流量、免費流量和付費流量等的深入分析，企業可以制定更有效的營銷策略和優化方案，提升業務效果和客戶滿意度。在分析店鋪流量結構時，企業需要關注各個來源的流量的占比、變化趨勢及轉化效果。通過對比不同來源流量的表現，企業可以發現哪些流量來源更為有效，從而調整投入策略，提升整體運營效果。

5.1.3店鋪流量分析【課堂實操5-6】免費流量結構分析利用某企業2023年7月的免費流量數據，以這組數據為基礎進行免費流量結構分析①如圖5-17，選擇流量來源、瀏覽量、點擊量和成交訂單數對應的數值區域，插入組合圖形。②將瀏覽量設置為簇狀柱形圖，將點擊量和成交訂單數設置為折線圖；將瀏覽量設置為主坐標軸，將點擊量、成交訂單數設置為次坐標軸；③選中數據表中的流量來源與成交訂單數，插入餅圖，并將餅圖的數值顯示方式設置為“百分比”，得到免費流量結構分析比例圖。圖5.17免費流量數據

5.1.3店鋪流量分析【課堂實操5-6】免費流量結構分析圖5.18免費流量結構分析圖圖5.19免費流量結構分析比例圖在免費流量來源中，購物車的各項指標都較好，為企業帶來的瀏覽量為2613次，成交訂單數占比為30%；收藏推薦的各項指標表現最差，僅為企業帶來776次的瀏覽量，成交訂單數占比僅為4%。企業可以利用該分析結果優化其免費推廣渠道布局。

5.1.3店鋪流量分析【課堂實操5-7】付費流量結構分析利用某店鋪2023年7月的付費流量數據（投入產出比=成交額÷投入成本），進行付費流量結構分析。①如圖5-20，選擇流量來源、成交占比、投入產出比對應的數值區域，插入組合圖；②將成交占比設置為簇狀柱形圖，將投入產出比設置為折線圖，將成交占比設置為次坐標軸，得到付費流量結構分析圖。圖5.20付費流量數據

5.1.3店鋪流量分析【課堂實操5-7】付費流量結構分析圖5.21付費流量結構分析圖在付費流量來源中，淘寶客最占優勢，其成交占比和投入產出比分別是30%和1.2；鉆石展位的成交占比和投入產出比分別是27%和1.13；直通車的成交占比和投入產出比分別是22%和1.16。這3種付費推廣渠道的轉化效果最好。頁面流量分析03

5.1.3店鋪流量分析就網店而言，店鋪中的每一個頁面都承擔著不同的引流功能。通過分析不同頁面的流量數據，企業可以了解各頁面是否發揮了相應的作用，并且可以依據分析結果對流量不足的頁面進行調整和修改，從而提升引流效果。

5.1.3店鋪流量分析【課堂實操5-8】頁面流量分析分析淘寶某網店最近7天的頁面訪問數據①在“瀏覽量”前面插入新列，設置列名為“頁面”，將“訪問頁面標題”列中的標題按類別進行簡化處理后填入“頁面”列，以便后續進行圖表的創建和分析；②選擇C1:F30單元格區域，創建組合圖。單擊“插入”選項卡下“圖表”選項組中的“簇狀條形圖”，適當調整圖表，單擊“確定”按鈕。5.22最近7天的頁面訪問數據

5.1.3店鋪流量分析【課堂實操5-8】頁面流量分析圖5.23頁面流量數據組合圖商品詳情頁1的流量占比最大，推測該商品是該網店的引流款商品。店鋪其他頁1和店鋪其他頁2的流量占比也相對較大，說明其頁面內容也有吸引客戶之處。此外，商品詳情頁3和商品詳情頁5是客戶停留時間較長的兩個頁面，說明客戶對這兩款商品比較感興趣，網店可以加大針對這兩款商品的引流力度，或參照這兩款商品詳情頁的設計思路來優化其他商品詳情頁。流量質量分析04

5.1.3店鋪流量分析流量質量即流量的優劣，體現的是流量的價值。進行流量質量分析時不僅需要關注訪問量的多少，還需要關注流量為網站或應用帶來的實際價值。運營者在分析某個渠道的流量質量時，需要重點關注該渠道的訪客的UV價值、轉化率和加購率3個指標。UV價值=支付金額/訪客數轉化率=支付人數/訪客數加購率=加購人數/訪客數在分析店鋪流量質量時，不能將UV價值、轉化率、加購率直接匯總，而需要先對其進行數據標準化，再將標準化后的數據匯總，得到流量價值，通過流量價值的高低來判斷各渠道的流量質量。這里采用Min-Max標準化方法進行數據標準化：新數據=(原數據-最小值)/(最大值-最小值)

5.1.3店鋪流量分析【課堂實操5-9】分析店鋪流量質量分析某店鋪不同渠道的流量質量圖5.24不同渠道流量來源

5.1.3店鋪流量分析【課堂實操5-9】分析店鋪流量質量分析某店鋪不同渠道的流量質量運營者可以根據流量價值情況采取不同的運營手段，對于流量價值高的渠道，如“手淘旺信”，可以想辦法增加訪客數；對于流量價值一般或較差且訪客數較多的渠道，如“手淘推薦”，需要查看店鋪的訪客標簽和商品標簽是否相符，通過優化關鍵詞、產品描述等方法獲得更精準的流量和訪客，以提高成交率。圖5.25不同渠道流量價值2推廣數據分析推廣數據是指在產品或服務的推廣活動中產生的相關數據。通過推廣數據的分析，企業能夠了解推廣過程中流量的來源情況、關鍵詞的推廣效果、活動的推廣效果及內容運營的效果等，進而制定和調整推廣策略，提高推廣投入產出比，實現精準、高效引流。常見的推廣渠道01

5.2.1推廣渠道分析不同的商務企業會使用不同的推廣渠道，對淘寶平臺的電商企業而言，淘寶客、淘寶直通車、鉆石展位等是常見的推廣渠道。淘寶客淘寶直通車鉆石展位淘寶直播圖5.26常見的推廣渠道推廣渠道ROI分析02

5.2.1推廣渠道分析ROI是評估不同推廣渠道的效果的關鍵指標。ROI的計算公式通常為

ROI=（收益-投入）/投入×100%它反映了推廣活動的盈利能力和效果。在推廣渠道平臺中采集指定時期內相應渠道的投入成本與成交總額等數據，將相關數據整理到Excel中，便可進行ROI分析。

5.2.1推廣渠道分析【課堂實操5-10】對推廣渠道進行ROI分析①利用生意參謀或在推廣渠道的官方后臺將所需數據下載下來，并將數據整理到Excel中。插入新列“投入產出比”，在D2單元格中輸入“=（B2-C2）/C2”并按Enter鍵，計算相應的ROI。②選擇A1:D6單元格區域，插入組合圖。將“成交總額”和“投入成本”數據系列的圖表類型設置為“簇狀柱形圖”，坐標軸設置為主坐標軸；將“投入產出比”數據系列的圖表類型設置為“折線圖”，坐標軸設置為次坐標軸，單擊“確定”按鈕。圖5.27常見的推廣渠道除了超級推薦，其他推廣渠道的成交總額均高于投入成本，說明推廣取得了一定的效果。其中聚劃算、直通車和鉆石展位的投入產出比較高，企業還需調整淘寶客和超級推薦的推廣策略，以提高ROI。圖5.28分析各推廣渠道的RO關鍵詞的分類01

5.2.2關鍵詞推廣效果分析商品標題中的關鍵詞根據作用的不同，可以分為主關鍵詞、長尾關鍵詞和修飾詞等，品牌商品則還涉及品牌詞。主關鍵詞：這是商品標題中最核心和重要的部分，主要說明商品的名稱或類別。例如，如果商品是智能手機，那么“智能手機”就可能是主關鍵詞。長尾關鍵詞：長尾關鍵詞在主關鍵詞的基礎上添加了一些修飾詞或描述性詞匯，更具針對性和精確性。例如，“防水防摔智能手機”“便攜式無線藍牙音箱”等都是長尾關鍵詞。修飾詞：修飾詞用于進一步描述商品的屬性或特征，如顏色、尺寸、材質等。例如，“防水”“防滑”等都是智能手機的修飾詞。功能詞：這類關鍵詞主要描述商品的功能或特點，如“高清攝像”“大容量電池”等；品牌詞：如果商品屬于某個知名品牌，那么品牌詞也是標題中不可或缺的一部分關鍵詞的選擇、調整與優化02

5.2.2關鍵詞推廣效果分析（1）關鍵詞的選擇添加原則說明熱門搜索詞選擇添加當前與所售商品相關的最核心、最熱門、搜索量最大的關鍵詞，例如推廣的商品為連衣裙，店鋪運營者可以選擇“連衣裙”“雪紡連衣裙”“連衣裙夏”等搜索熱度較高的關鍵詞符合客戶搜索習慣運營者要站在客戶的角度來進行思考，分析客戶會搜索什么樣的關鍵詞，如“顯瘦連衣裙”等精準屬性能夠描述細節的關鍵詞和能夠精準表達商品本質、直擊客戶購買需求的關鍵詞，如“無袖長款純色連衣裙”優勢組合運營者要從不同的角度考慮相關詞，并將其與商品中心詞進行適當的組合，盡可能涵蓋商品的各個方面，如“復古印花連衣裙”“帶短褲韓版連衣裙”等表5.1添加淘寶直通車關鍵詞的原則關鍵詞的選擇、調整與優化02

5.2.2關鍵詞推廣效果分析（2）關鍵詞的調整與優化對于表現優異的關鍵詞和有潛力的關鍵詞，運營者要對其進行合理優化，使其發揮更好的效果；對于效果不好的關鍵詞，運營者要果斷將其刪除。關鍵詞的表現處理方法有展現但沒有流量的關鍵詞可以對直通車圖片進行優化，看是否能提高點擊率，如果對圖片進行優化后還是沒有流量，則可以刪除此類關鍵詞沒有展現的關鍵詞可以通過提高關鍵詞的出價來獲取流量。如果關鍵詞的平均排名很高，但沒有展現，說明這些關鍵詞本身就沒什么展現，可以將其刪除有流量但沒有轉化的關鍵詞可以通過優化商品詳情頁、商品賣點來提高轉化率，但當其他關鍵詞有轉化，而此類關鍵詞就是沒有轉化時，很有可能是此類關鍵詞與商品的匹配度存在問題。此時，可以降低此類關鍵詞的出價，以降低直通車的費用，提高直通車的ROI。如果對此類關鍵詞進行了長期優化仍然沒有轉化，或者是ROI很低，運營者也可以考慮刪除此類關鍵詞表5.2不同表現的關鍵詞的處理方法關鍵詞推廣分析的常用指標03

5.2.2關鍵詞推廣效果分析關鍵詞推廣效果分析的常用指標包括搜索量、點擊率、競爭度、相關性以及百度指數等。（1）搜索量：是衡量關鍵詞熱度的重要指標，可以反映潛在用戶對某一產品或服務的關注程度。（2）點擊率：是指搜索結果中被用戶點擊的比例，反映了用戶對搜索結果的滿意度和信任度。（3）競爭度：反映了關鍵詞在搜索引擎中的競爭情況，即有多少個網站在競爭關鍵詞的排名。（4）相關性：關鍵詞的相關性是指關鍵詞與產品或服務的匹配程度。相關性高的關鍵詞更容易吸引潛在用戶的注意，從而提高轉化率。（5）百度指數：可反映關鍵詞在百度搜索引擎中的搜索量，它可以幫助企業了解關鍵詞的搜索，趨勢和熱度變化。通過分析百度指數，企業可以把握市場動態，及時調整關鍵詞策略。關鍵詞質量得分的優化04

5.2.2關鍵詞推廣效果分析直通車根據運營者所投放關鍵詞的質量得分和關鍵詞出價所獲得的綜合得分來確定商品排名，綜合得分的計算公式如下：綜合得分=出價×質量得分關鍵詞質量得分會影響商品的排名，提高關鍵詞的質量得分有助于提高商品排名。影響關鍵詞質量得分的因素主要有3個，分別是創意質量、相關性和客戶體驗。5.2.2關鍵詞推廣效果分析創意質量客戶體驗相關性關鍵詞點擊反饋圖片質量指的是關鍵詞所屬商品的推廣創意效果關鍵詞與商品類目的相關關鍵詞與商品信息的相關性關鍵詞與商品屬性的相關性用于衡量關鍵詞與推廣商品的匹配度直通車轉化率收藏和加入購物車關聯營銷詳情頁加載速度好評與差評率反映了客戶對商品或服務的滿意度關鍵詞質量得分的優化04

5.2.2關鍵詞推廣效果分析【課堂實操5-11】分析關鍵詞的推廣效果采集某款女生工裝褲商品近30天的直通車關鍵詞數據，如圖所示，對關鍵詞的推廣效果進行分析。圖5.29女生工裝褲商品的關鍵詞數據【課堂實操5-11】分析關鍵詞的推廣效果（1）展現量與點擊量趨勢分析可以看出，兩個詞包的點擊量趨勢基本一致，其中“流量智選詞包”的展現量和點擊量較大。“工裝褲女”關鍵詞的點擊量波動較大，運營者可以在直通車計劃中通過調整預算等方式讓點擊量保持平穩上升。

5.2.2關鍵詞推廣效果分析圖5.30查看各關鍵詞/詞包的展現量與點擊量趨勢【課堂實操5-11】分析關鍵詞的推廣效果（2）展現量與點擊率分析如果直通車數據展現量大但點擊率低，可能是關鍵詞選錯或創意主圖不夠吸引人造成的，此時需要優化創意主圖。若直通車數據點擊率高但展現量小，則需要提高關鍵詞的出價，優化創意標題，添加展現量大的關鍵詞。

5.2.2關鍵詞推廣效果分析圖5.31展現量與點擊率圖表【課堂實操5-11】分析關鍵詞的推廣效果（3）轉化率分析收藏轉化率和點擊轉化率最高的均是關鍵詞“工裝褲女”，加購轉化率最高的“#流量智選詞包#”。

5.2.2關鍵詞推廣效果分析圖5.32“轉化率”分析圖表活動推廣效果的分析維度01

5.2.3活動推廣效果分析運營者分析活動推廣效果時，應從整體出發，重點關注活動的流量、轉化、拉新和留存這4個核心維度活動總結的核心維度說明活動流量分析分析大促活動為店鋪帶來的流量情況，運營者可重點關注訪客數、成交訂單數、成交占比、成交額、投入成本、ROI等指標活動轉化分析分析大促活動所獲得流量的轉化情況，如收藏、加購、下單等情況，運營者可重點關注訪客數、收藏數、加購數、成交訂單數、收藏轉化率、加購轉化率、支付轉化率等指標活動拉新分析分析大促活動給店鋪帶來新客戶的情況，運營者可重點關注訪客數、新訪客數、新訪客占比等指標活動留存分析在大促活動結束一段時間后，分析因大促活動成為店鋪粉絲的客戶相關數據，運營者可重點關注訪客數、留存訪客數、留存訪客占比等指標表5.3活動推廣效果分析的4個核心維度活動推廣效果的分析02

5.2.3活動推廣效果分析（1）活動流量分析：活動流量指的是因營銷活動而直接增加的店鋪或網站訪問量。（2）活動轉化分析：轉化率是衡量營銷活動效果的另一關鍵指標。運營者應關注如何將流量有效轉化為訂單，進而實現銷售收入的增長。對活動轉化的分析，應聚焦于活動流量轉化為交易狀態的效率。（3）活動拉新分析：營銷活動的另一重要目標是吸引新客戶。活動拉新分析包括兩個層面：一是分析各推廣渠道吸引的新客戶流量，以評估活動在拉新方面的效果；二是通過流量和轉化數據的對比，明確新客占比，進一步了解活動的拉新貢獻。（4）活動留存分析：活動留存指的是活動結束后持續在店鋪消費的客戶，即活動引流產生的長期消費客戶。對活動留存進行分析的方法與活動拉新分析方法類似，唯一的不同點是，活動拉新分析重點關注活動流量、轉化環節中的新客比例，而活動留存分析主要關注活動結束后的復購率。

5.2.3活動推廣效果分析【課堂實操5-12】分析活動推廣的轉化效果和拉新效果在各活動平臺中采集與活動推廣效果核心維度相關的數據，并將其整理到Excel中，分別計算出新訪客占比、收藏轉化率、新收藏占比、加購轉化率、新加購占比和支付轉化率等數據。其中：新訪客占比=新訪客數÷訪客數、收藏轉化率=收藏數÷訪客數、新收藏占比=新收藏數÷收藏數加購轉化率=加購數÷訪客數、新加購占比=新加購數÷加購數、支付轉化率=成交訂單數÷訪客數分析相應活動的推廣轉化效果和拉新效果圖5.33

計算各指標的結果

5.2.3活動推廣效果分析【課堂實操5-12】分析活動推廣的轉化效果和拉新效果圖5.34分析活動推廣的轉化效果淘寶客和超級推薦的訪客數排在前兩位，說明引流效果很好，但其轉化效果不好；鉆石展位的訪客數雖然最少，但其收藏轉化率、加購轉化率和支付轉化率都較高，說明鉆石展位的轉化效果非常好；直通車的訪客數也不多，但其收藏轉化率、加購轉化率和支付轉化率也較高。因此，直通車和鉆石展位都取得了較好的轉化效果，如果能進一步引流，就能實現更好的推廣效果。

5.2.3活動推廣效果分析【課堂實操5-12】分析活動推廣的轉化效果和拉新效果圖5.35分析活動推廣的拉新效果淘寶客和超級推薦的訪客數最多，新收藏占比也最高，說明這兩個活動能更好地吸引流量。內容營銷推廣效果分析的內容01

5.2.4內容營銷推廣效果分析內容營銷是一種通過提供有趣的和有意義的內容來吸引和留住目標受眾的營銷策略。它采用文字、圖片、視頻、音頻等多種形式的內容，以滿足不同用戶的需求。常見的內容營銷包括博客寫作、信息發布、社交媒體營銷、視頻營銷和營銷自動化等。內容營銷推廣效果分析的內容01

5.2.4內容營銷推廣效果分析分析內容說明相關指標內容展現情況體現了內容覆蓋的用戶群體的廣度和可觸達的目標用戶群體的數量瀏覽人數：在統計時間內瀏覽內容的人數，同一個人瀏覽多次按1人計算。“瀏覽”包括圖文類內容的閱讀量、直播的觀看量、短視頻的播放量。瀏覽次數：在統計時間內內容被用戶瀏覽的次數，同一個人多次瀏覽按多次計算。內容吸引能力體現了內容對客戶的吸引力，影響客戶做出購買決策的能力內容互動人數：在統計時間內與內容進行互動的人數，同一個人互動多次按1人計算。“互動”包括點贊、評論、分享、轉發、收藏等行為。內容互動次數：在統計時間內用戶與內容進行互動的次數，同一個人多次互動按多次計算。內容轉化能力體現了內容激發客戶主動了解商品、購買商品的能力點擊次數：在統計時間內點擊內容瀏覽商品詳情或進入店鋪的人數，同一個人多次點擊按1人計算。收藏/加購/支付人數：在統計時間內瀏覽內容后產生收藏商品/加購/支付行為的人數。支付金額：在統計時間內通過內容營銷所產生的支付金額。表5.4內容營銷推廣效果分析的主要內容商品短視頻推廣效果分析02

5.2.4內容營銷推廣效果分析短視頻是指在新媒體平臺上播放的，適合在移動狀態和短時休閑狀態下觀看的、高頻推送的視頻內容，其時長從幾秒到幾分鐘不等。商家通過在短視頻平臺（如抖音、快手、微視等）發布商品短視頻，提高商品的曝光率和銷售轉化率。同時，用戶可以通過觀看短視頻了解商品信息，從而做出更明智的購買決策。商品短視頻推廣效果分析02

5.2.4內容營銷推廣效果分析（1）商品短視頻推廣策劃流程明確推廣目標和目標用戶：確定短視頻推廣的目標，是提高品牌知名度、推廣特定商品還是增加用戶互動等。分析目標用戶群體，了解他們的興趣、需求和消費習慣，以便制訂更有針對性的推廣方案；競品分析：研究競爭對手的短視頻內容和推廣策略，找出優點和不足。根據分析結果，制定相應的推廣策略。內容策劃：根據推廣目標和目標用戶的特點，制訂詳細的內容策劃方案。確定短視頻的主題、故事情節等，確保內容能夠吸引目標用戶。商品短視頻推廣效果分析02

5.2.4內容營銷推廣效果分析（2）常見品類商品短視頻的內容策劃策略不同品類的商品，其屬性、作用、功能各不相同，在短視頻中的表現形式也應有所不同。

食品類商品服裝類商品美妝類商品【課堂實操5-13】分析商品短視頻的推廣效果在生意參謀“流量”板塊的“內容分析”中采集商品短視頻流量數據，分析其近30天的流量趨勢將采集到的近30天（2023年9月23日～2023年10月22日）短視頻流量數據整理到Excel中。

5.2.4內容營銷推廣效果分析圖5.36短視頻流量數據【課堂實操5-13】分析商品短視頻的推廣效果

5.2.4內容營銷推廣效果分析圖5.37短視頻流量趨勢折線圖相較于30天前，短視頻流量呈上升趨勢。在使用短視頻進行推廣時，運營者可以投放多個短視頻，并對其呈現的流量效果進行對比，采用流量效果較好的短視頻進行推廣。3服務績效分析客戶服務能力能夠體現店鋪的“軟實力”，高品質的客戶服務能夠為客戶提供良好的購物體驗，提高客戶的滿意度，從而增強客戶與店鋪的黏性。

5.3.1銷售客服數據分析KPI（關鍵績效指標，KeyPerformanceIndicator）是衡量組織、團隊或個人績效表現的核心量化工具，用于評估目標達成情況。銷售客服數據分析為企業優化客戶服務提供了依據。通過建立有效的KPI考核系統，企業可以量化客服人員的工作表現，識別改進點，并據此制定策略以提高整體業績。建立客服KPI考核系統的關鍵點在于確定考核指標及各指標在考核系統中的權重。表5.5某電商企業選擇的客服KPI考核指標和權重分配方案指標權重計算公式響應時間首次相應時間10%-平均相應時間5%-月退貨率10%月退貨率=月推貨量÷月成交量成交客單價20%成交客單價=客服人員落實客單價÷網店客單價咨詢轉化率30%咨詢轉化率=成交人數÷咨詢人數訂單支付率25%訂單支付率=成交量÷下單量

5.3.1銷售客服數據分析響應時間01響應時間指的是客戶詢問后，客服人員回復客戶的時間間隔。一般情況下，客服人員的響應時間在15秒以內屬于正常水平，超過15秒，就可能影響客戶的購物體驗。響應時間又可以分為首次響應時間和平均響應時間。首次響應時間應嚴格控制在15秒以內，否則客戶極有可能流失到競店中。

5.3.1銷售客服數據分析響應時間01指標權重評分標準分值首次響應時間（FT）10%FT≤10秒10010秒<FT≤15秒8015秒<FT≤20秒6020秒<FT≤25秒4025秒<FT≤30秒20FT>30秒0平均響應時間（AT）5%AT≤15秒10015秒<AT≤25秒8025秒<AT≤35秒6035秒<AT≤45秒4045秒<AT≤50秒20AT>50秒0客服人員首次響應時間/秒平均響應時間/秒權重得分甲815100ⅹ10%+100ⅹ5%=15乙122080ⅹ10%+80ⅹ5%=12丙1014100ⅹ10%+100ⅹ5%=15丁161560ⅹ10%+100ⅹ5%=11甲客服的首次響應時間最短，能夠更快地與客戶進行溝通交流；丙客服的平均響應時間最短，客戶流失的概率比甲客服更小；乙客服的首次響應時間較短，但平均響應時間過長，容易流失客戶；丁客服在兩個方面都有待提高。如果這幾位客服在工作時都處于正常狀態，那么出現這種數據就表示人手不夠，企業可以擴招客服人員了。表5.7客服人員響應時間考核結果表5.6響應時間評分標準

5.3.1銷售客服數據分析月退貨率02月退貨率可以反映客服人員的售后溝通水平，月退貨率越低，客服人員的售后溝通水平越高，當然前提條件是商品并未出現嚴重的質量問題指標權重評分標準分值月退貨率（RG）10%RG≤2%1002%<RG≤3%803%<RG≤4%604%<RG≤5%405%<RG≤6%20RG>6%0客服人員月退貨量/件月成交量/件月退貨率權重得分甲12208=12÷208=5.77%=20ⅹ10%=2乙20469=204÷69=4.26%=40ⅹ10%=4丙4156=4÷156=2.56%=80ⅹ10%=8丁8435=8÷435=1.84%=100ⅹ10%=10表5.8月退貨率評分標準表5.9客服人員月退貨率考核結果在4位客服人員中，丁客服的月退貨率最低，得到了該指標的滿分；乙客服的月退貨量最多，但月成交量也最多，因此月退貨率較高；甲客服的月退貨率為5.77%，權重得分最低；丙客服的月退貨量最少，但月成交量有待提高。

5.3.1銷售客服數據分析成交客單價03成交客單價反映了客服人員與客戶“討價還價”的水平。一般來說，企業會告知客服人員網店客單價的最低標準，客服人員談妥的客單價不能低于這個標準。指標權重評分標準分值成交客單價（DP）20%DP≥1.51001.4≤DP<1.5801.3≤DP<1.4601.2≤DP<1.3401.1≤DP<1.220DP<1.10客服人員落實客單價/元網店客單價/元成交客單價/元權重得分甲128.880=128.8÷80=1.61=100ⅹ20%=20乙9880=98÷80=1.23=40ⅹ20%=8丙10880=108÷80=1.35=60ⅹ20%=12丁12280=122÷80=1.53=100ⅹ20%=20表5.10成交客單價評分標準表5.11客服人員成交客單價考核結果甲客服和丁客服在成交客單價方面得分最高，為滿分；乙客服的考核結果較差，權重得分只有8分；丙客服的權重得分為12分，說明其溝通技巧有待提高

5.3.1銷售客服數據分析咨詢轉化率04咨詢轉化率是客服人員最重要的考核指標之一，可反映客服人員與客戶溝通的效果。指標權重評分標準分值咨詢轉化率（CC）30%CC≥50%10045%≤CC<50%8040%≤CC<45%6035%≤CC<40%4030%≤CC<35%20CC<30%0客服人員成交人數咨詢人數咨詢轉化率權重得分甲88248=88÷248=35.48%=40ⅹ30%=12乙153302=153÷302=50.66%=100ⅹ30%=30丙122295=122÷295=41.36%=60ⅹ30%=18丁134408=134÷408=32.84%=20ⅹ30%=6表5.12咨詢轉化率評分標準表5.13客服人員咨詢轉化率考核結果乙客服做得最好，其咨詢轉化率為50.66%，權重得分為滿分30分；丙客服做得也不錯，其咨詢轉化率為41.36%，權重得分為18分；甲客服的咨詢人數較少，成交人數也比較少，因此企業需要對其進行專業方面的培訓，以提高其溝通水平；丁客服的咨詢人數最多，但轉化率最低，企業應該查看其聊天記錄，評估該客服人員在溝通方法、技巧、話術等方面是否存在不足，也要考慮客服人員配備是否充足，如果咨詢人數較多，可以考慮增加客服人員。

5.3.1銷售客服數據分析訂單支付率05訂單支付率是指成交量與下單量之比，它能夠反映企業的營收情況，也能在一定程度上體現客服人員的工作效果。指標權重評分標準分值訂單支付率（CP）25%CP≥90%10085%≤CP<90%8080%≤CP<85%6075%≤CP<80%4070%≤CP<75%20CP<70%0客服人員成交量/件下單量/件訂單支付率權重得分甲208230=208÷230=90.43%=100ⅹ25%=25乙166192=166÷192=86.46%=80ⅹ25%=20丙146160=146÷160=91.25%=100ⅹ25%=25丁159180=159÷180=88.33%=80ⅹ25%=20表5.14訂單支付率評分標準表5.15客服人員訂單支付率考核結果所有客服人員的訂單支付率考核結果都不錯。其中甲客服和丙客服的訂單支付率分別為90.43%和91.25%，權重得分為滿分；丁客服和乙客服的訂單支付率略低一些，分別為88.33%和86.46%，權重得分均為20分，說明他們需要提高訂單催付的技巧。

5.3.1銷售客服數據分析將各考核結果相加，就能得到最終的考核結果。考核指標甲乙丙丁首次響應時間108106平均響應時間5455月退貨率24810成交客單價2081220咨詢轉化率1230186訂單支付率25202520總分74747867表5.16客服人員最終考核結果

5.3.2售后服務數據分析商務企業以商品流通為經營核心，因此買家對商品本身的評價、對服務態度的評價，以及對物流服務的評價，構成售后服務數據的關鍵指標。賣家服務評級（DetailSellerRating，DSR）是電商平臺上用于衡量賣家服務質量和商品質量的重要指標。DSR評分系統015.3.2售后服務數據分析（1）DSR評分系統的組成132衡量賣家提供的商品描述與實際商品的一致性。通過買家評價商品是否與描述相符，反映賣家提供的商品描述的準確性。寶貝與描述相符賣家的服務態度物流服務的質量評價賣家在交易過程中提供的服務質量和響應速度，包括售前咨詢、售后服務及問題處理等方面的表現。評估賣家在物流配送方面的效率和準確性。通過買家對物流速度、包裝安全等的評價反映賣家的物流服務質量。DSR評分系統015.3.2售后服務數據分析（2）DSR評分的計算方法DSR評分通常以半年為一個評分周期，取連續6個月內所有買家給予的評分的算術平均值。在某些平臺（如拼多多），DSR評分是基于90天內或連續6個月內買家給出的評價進行計算的。這意味著評分會隨時間的推移而更新，反映賣家近期的表現。具體計算方法如下。

某項店鋪評分=連續6個月內買家給予該項評分的總和/評價次數例如，如果連續6個月內共有100位買家對賣家的服務態度進行評價，其中90位給出5分，10位給出4分，則服務態度評分為（90×5+10×4）÷100=4.9分。當然，并非所有評價都會被計入DSR評分。例如，在拼多多，只有近90天內的有效評價（即下單、支付和物流正常的訂單評價）才會被計算。根據DSR總分的不同，賣家可能會被分為不同的等級，如1星至2星為不合格，3星為合格，4星為良好，5星為優秀。DSR評分系統015.3.2售后服務數據分析（3）DSR評分的影響DSR評分對賣家的影響主要包括以下幾個方面。影響搜索排名：DSR評分較低的賣家在搜索結果中的排名可能會相對靠后，從而影響店鋪曝光量。影響購買轉化率：買家在購物時會參考賣家的DSR評分，評分較低的賣家可能會降低買家的購買意愿。限制參加營銷活動：電商平臺上的許多營銷活動對DSR評分有明確要求，評分較低的賣家可能無法參加。影響金牌賣家打標：金牌賣家是電商平臺上的一種榮譽標識，DSR評分較低的賣家可能無法獲得該標識。DSR評分系統015.3.2售后服務數據分析（4）提高DSR評分的方法提高商品質量，確保商品描述與實際商品一致，避免夸大或虛假宣傳；提升服務質量，加強客服團隊建設，提高響應速度和解決問題的能力；優化物流配送，選擇可靠的物流合作伙伴，確保商品準時送達并保障包裝安全；及時處理問題，對買家提出的問題和投訴要及時響應并妥善處理。推算5分好評的數量025.3.2售后服務數據分析當前DSR評分的計算公式為：若設目標DSR評分為y，還需要評5分的人數為x，則目標DSR評分的計算公式應調整為

為了解出x，我們可以對上述公式進行變形，最終得到還需要評5分的人數x為：

推算5分好評的數量025.3.2售后服務數據分析如果將各種評分的人數替換為總人數與對應評分人數占比的乘積，則最終簡化為：

【課堂實操5-14】分析店鋪客服人員的KPI店鋪針對客服人員的咨詢轉化率制定了考核得分標準：咨詢轉化率<15%，得0分；15%≤咨詢轉化率<20%，得50分；20%≤咨詢轉化率<30%，得60分；30%≤咨詢轉化率<35%，得70分；35%≤咨詢轉化率<40%，得80分；咨詢轉化率≥40%，得100分。咨詢轉化率在KPI考核中的權重為30%，要求計算店鋪5名客服人員的咨詢轉化率權重得分。

5.3.2售后服務數據分析圖5.38編輯客服人員咨詢轉化率統計表及閾值表【課堂實操5-14】分析店鋪客服人員的KPI

5.3.2售后服務數據分析①在A1:F6區域，編輯客服人員咨詢轉化率統計表，并填寫“咨詢成交人數”、“咨詢總人數”。在H1:J7單元格區域編輯咨詢轉化率得分標準表，其中“閾值”為相應分值標準的最小值；②選擇D2，在編輯欄中輸入公式“=B2/C2”，計算出咨詢轉化率，然后向下拖動填充柄至D6單元格，填充公式。③選擇E2，在編輯欄輸入=VLOOKUP(D2,$H$2:$I$7,2)，并按Enter鍵確認，計算出得分，然后向下拖動填充柄至E6單元格，填充公式；④選擇F2單元格，在編輯欄中輸入公式“=E2*0.3”，并按Enter鍵確認，計算出權重得分，然后向下拖動填充柄至F6單元格，填充公式。可知4號服人員的咨詢轉化率權重得分最高，1號客服和3號客服權重得分一樣，5號客服的咨詢轉化率最低，權重得分也最低。圖5.39計算咨詢轉化率及權重【課堂實操5-15】計算某電商企業需要的5分好評數量

5.3.2售后服務數據分析某經營女鞋的電商企業半年內DSR動態評分如圖所示。該企業想在半年內將“寶貝與描述相符”指標的DSR評分提高至行業平均水平，因此需要計算出還需要多少個5分好評才能達到平均值①利用近半年參與動態評分的總人數與各評分人數占比的乘積，計算出各評分的具體人數結果，分別是評價5分的人數為24276，評價4分的人數為1618，評價3分的人數為535，評價2分的人數為115，評價1分的人數為251。②計算出該企業當前“寶貝與描述相符”指標的DSR動態評分=（5×24276+4×1618+3×535+2×115+1×251）÷26795=4.849，進一步計算出該項目同行業平均水平現階段的DSR評分=4.849÷（1-0.94%）=4.895。③以4.895為目標DSR值，計算5分好評需求量：X=26795ⅹ[4.895-（5ⅹ90.60%+4ⅹ6.04%+3ⅹ2.0%+2ⅹ0.43%+1ⅹ0.94%）]÷（5-4.895）≈11586說明該電商企業“寶貝與描述相符”指標的DSR動態評分要想達到行業均值，在外部條件不變的情況下，還需要連續獲得11586個5分好評。圖5.40某女鞋電商企業半年內的DSR評分課后實訓：分析運營數據并撰寫運營數據分析報告通過實訓，掌握分析店鋪運營數據的方法，并撰寫運營數據分析報告。實訓目標1．分析交易數據小米獲取了某企業近一個月在某電商平臺的交易數據，包括銷量、銷售額、訪客數、交易客戶數等，她需要分析該企業近一個月的交易趨勢和交易轉化率情況。要求如下。（1）通過銷量數據和銷售額數據分析近一個月的交易趨勢。（2）計算出交易轉化率并分析交易轉化率。2．分析推廣數據企業將近7日所參與的各種活動的數據交給了小米，希望小米能夠充分利用這些數據找出優質的推廣渠道。要求如下（1）計算各活動的收藏率、加購率、下單轉化率和支付轉化率。（2）分析各活動的推廣效果，找出優質推廣渠道。實訓內容課后實訓：分析運營數據并撰寫運營數據分析報告1分析交易數據①打開文件“實訓素材/第5章/交易數據.xlsx”，計算出每日的交易轉化率（交易客戶數/訪客數）；②以交易數據為數據源創建數據透視表，在“數據透視表字段”窗格中將“日期”字段添加到“行”區域，將“銷售額”和“銷量”字段添加到“值”區域；在此基礎上創建并美化組合圖，其中“銷售額”對應的圖表類型為折線圖，且為次坐標軸；③將“銷售額”和“銷量”字段刪除，在“值”區域中添加“交易轉化率”字段，將圖表類型更改為折線圖；2分析推廣數據①打開文件“實訓素材/第5章/推廣數據.xlsx”，計算出各活動的收藏率、加購率、下單轉化率、支付轉化率；②以推廣數據為數據源創建數據透視圖，類型為柱形圖，在“數據透視圖字段”窗格中將“來源”字段添加到“軸（類別）”區域，在“值”區域中依次添加收藏率、加購率、下單轉化率、支付轉化率等相應的字段，然后分別對這些字段進行降序排列，分析各渠道的推廣效果，找出優質推廣渠道。實訓步驟課后實訓：分析運營數據并撰寫運營數據分析報告3～5人一組，以小組為單位，完成運營數據分析，并用Word或PPT展示數據分析報告。實訓成果（1）考慮到課堂時間有限，實訓可采取“課外+課內”的方式進行，即團隊組成、分工、討論和方案形成在課外完成，成果展示安排在課內。（2）每個團隊的成果展示時間為10分鐘左右，教師和學生的提問時間為5分鐘左右。實訓要求商品數據分析

《商務數據分析與應用》（微課版）第6章本章學習目標了解商品數據分析的基本概念及其在企業決策中的重要性。理解商品銷售數據、商品采購成本、商品庫存數據，包括銷售額、銷售量、退貨率、采購成本、庫存周轉率等關鍵指標。熟練運用數據分析技術，識別商品銷售趨勢、分析采購時間、預測采購金額、制作庫存預警表等。熟悉商品數據分析工具和方法，能夠與業務部門和其他利益相關者有效溝通，根據業務需求選擇合適的數據可視化工具和技術，撰寫具有說服力和影響力的數據分析報告。

2商品采購成本分析目錄1商品銷售數據分析3商務庫存數據分析

案例導入沃爾瑪的數據生態系統沃爾瑪是全球大的零售商之一，它在大數據還未在行業流行時就利用大數據進行數據分析，通過Hadoop集群遷移把10個不同的網站整合到一個網站上，這樣所有生成的非結構化數據都被收集到一個新的Hadoop集群里。沃爾瑪有龐大的大數據生態系統。沃爾瑪的大數據生態系統每天處理多個TB級的新數據和PB級的歷史數據，其分析涵蓋數以百萬計的商品數據和不同來源的客戶數據。沃爾瑪利用Hadoop維護其地圖應用程序，這些地圖能夠給出沃爾瑪商店里一小塊肥皂的精確位置。沃爾瑪還利用Hadoop數據進行價格監測——只要周邊競爭對手降低了客戶已經購買的商品的價格，應用程序就會提醒客戶并向客戶發送禮券以補償差價。沃爾瑪使用數據挖掘技術來向客戶提供商品推薦，大大提高了客戶轉化率。

大數據在以下方面幫助沃爾瑪提高了銷售量。

（1）幫助推出新商品。沃爾瑪利用社交媒體數據發現熱門商品，熱門商品會被引進到世界各地的沃爾瑪商店。例如，當沃爾瑪通過分析社交媒體數據發現熱搜詞“蛋糕棒棒糖”時，便會迅速做出反應——將蛋糕、棒棒糖上架到各個沃爾瑪商店。

（2）利用預測分析技術優化商品送貨服務。沃爾瑪提高了在線訂單免費送貨的低金額，將免運費的低金額從45美元調高到50美元，同時還增加了新商品，以提升客戶的購物體驗。

（3）提供個性化定制建議。沃爾瑪基于客戶購買歷史，通過大數據算法分析客戶購買行為，從而向其提供專業建議。

案例導入思考1．沃爾瑪是如何利用大數據進行商品優化的？2．大數據對沃爾瑪提高銷售量起到了哪些作用？1商品銷售數據分析暢銷商品及特點暢銷商品是指市場上銷路很好、沒有積壓滯銷的商品。這些商品通常具有以下特點：（1）市場需求度高（2）品質優良（3）價格合理（4）營銷策略得當016.1.1暢銷商品與滯銷商品分析滯銷商品及特點滯銷商品是指因為一些原因不受消費者歡迎而導致銷售速度極慢的商品。這些商品通常具有以下特點：（1）市場需求度低（2）品質問題（3）營銷策略不當（4）競爭壓力02課堂實操6-1分析商品銷售數據1、不同商品銷售量分類統計3、不同商品銷售額比重統計與分析6.1.2不同商品銷售情況的統計與分析2、不同商品銷售額分類統計4、不同商品分配方案分析課堂實操6-2不同商品銷售量分類統計課堂實操6-3不同商品銷售額分類統計課堂實操6-4不同商品銷售額比重統計與分析課堂實操6-5不同商品分配方案分析21課堂實操6-6不同顏色的同類商品銷售情況統計與分析6.1.3同類商品銷售情況的統計與分析課堂實操6-7不同尺寸的同類商品銷售情況統計與分析6.1.4商品銷售趨勢、銷售目標達成與SKU銷售數據分析132商品銷售趨勢銷售目標達成SKU銷售數據分析課堂實操6-8月度銷售趨勢分析課堂實操6-9銷售目標達成分析課堂實操6-10SKU銷售數據分析21課堂實操6-11商品退貨、退款原因統計6.1.5商品退貨、退款統計與分析課堂實操6-12商品退貨、退款原因統計6.1.6商品評價分析商品評價分析是商品數據分析中的重要環節，它有助于商家了解消費者對商品的滿意度、偏好以及產品可能存在的問題。通過商品評價分析，商家可以及時調整店鋪的服務和銷售策略等。有效的商品評價可以促進其他消費者下單，從而提高商品成交轉化率。通過商品評價分析，商家可以更好地理解消費者的需求和偏好，及時調整商業策略，提高商品質量和服務水平，從而在激烈的市場競爭中獲得優勢。課堂實操6-13商品評價分析2商品采購成本分析6.2.1商品成本價格分析

商品成本價格分析是企業在確定商品價格時必須進行的重要工作，它直接影響企業的盈利能力和市場地位，是企業經營管理中的關鍵環節之一。商品成本價格受很多因素的影響，如市場需求、原材料價格、勞動力成本等，因此，企業需要持續對成本進行監控和分析，以及時調整價格策略。由于商品的成本價格是隨時間動態變化的，因此企業需要根據最新的成本價格進行趨勢分析。動態變化的圖表能隨數據源的改變而自動更新，只展示最近一段時間的成本價格數據。課堂實操6-14商品成本價格分析6.2.2商品采購時間分析商品采購時間分析涉及對何時采購商品進行評估，以確保企業能夠在合適的時機以最低的價格獲取所需的商品。商品的采購價格不是一成不變的，會受到很多因素的影響而上下波動，因此價格是商品采購時間分析的重要考慮因素。企業需要關注商品價格的波動情況，把握好采購的時機，在價格相對較低的時期進行采購，爭取最大限度地降低采購成本，進而提升店鋪的銷售利潤。課堂實操6-15商品采購時間分析6.2.3商品采購金額分析商品采購金額預測是企業采購管理中的重要環節，能夠幫助企業實現采購的精準化、高效化。商品采購金額預測是指對未來一定時期內商品市場的供求關系及其變化趨勢進行預測。通過商品采購金額預測，企業能夠制訂合理的采購計劃，避免采購過多或過少導致資源浪費或生產中斷。移動平均法基于最新的實際數據預測未來一期或幾期內的數據，是一種簡單的平滑預測技術，可以根據時間序列資料、逐項推移，依次計算包含一定項數的序時平均值，以反映發展的長期趨勢。企業可以使用移動平均法對未來一段時間內（如下個月、下一年）的采購金額進行預測，以便進行采購資金的準備和規劃。課堂實操6-16采購金額預測3商品庫存數據分析6.3.1制作庫存商品動態查詢表

對商品庫存數據進行查詢是庫存管理過程中經常進行的工作。當查詢項目或數據記錄很多時，挨個查找費時又費力，這時制作庫存數據的動態查詢表就很有必要。庫存商品動態查詢表能根據篩選條件顯示相應的庫存商品。在Excel中，可以使用窗體控件來制作庫存商品動態查詢表。課堂實操6-17庫存商品動態查詢表6.3.2商品庫存數量分析商品庫存數量分析是企業庫存管理中的關鍵環節，其目的是確保庫存水平既能滿足市場需求，又不至于造成商品積壓。在店鋪運營過程中，商品的庫存數量要適中，既要保證供應充足，又不能有太多的積壓商品，企業可以對一段時間內的商品庫存數量進行分析，以便制訂合理的采購計劃。在分析庫存狀況時，企業可將銷售庫存與標準庫存進行對比，通過二者差距對庫存情況進行判斷并采取相應措施。課堂實操6-18商品庫存數量分析6.3.3商品庫存預警對庫存數據設置預警的目的是保證庫存商品能滿足未來一段時間內的銷售需求。如果缺貨風險較高，企業需要及時進行補貨。企業在管理庫存商品時，可以對固定單元格設置條件格式，以“信號燈”的方式顯示商品是否需要補貨，即當庫存充裕時顯示“綠燈”，當庫存不足時顯示“紅燈”。課堂實操6-19商品庫存預警6.3.4庫存周轉率分析庫存周轉率（也稱為存貨周轉率）是衡量企業庫存管理效率的關鍵指標，它反映了特定時間段內庫存商品轉化為銷售的速度。庫存周轉率具體指某時間段內的出庫總金額（總數量）與庫存平均金額（或數量）的比率，具體計算公式如下。庫存周轉率=期間段出庫總金額÷[(期初庫存金額+期末庫存金額)÷2]×100%課堂實操6-20庫存周轉率分析課后實訓：分析商品數據通過實訓，使學生能夠掌握分析商品數據的方法，并運用商務數據分析方法進行數據整理加工和深入分析。實訓目標（1）商品分配方案分析（2）銷量預測（3）商品銷量動態查詢實訓內容3～5人為一組，以小組為單位完成商品數據分析，并用Word或PPT展示商品數據分析報告，撰寫商務數據分析報告。實訓成果客戶數據分析

《商務數據分析與應用》（微課版）第7章本章學習目標了解客戶數據分析的基本概念以及其在企業運營中的重要作用。理解客戶分析的概念、客戶分析的主要內容、客戶分析指標等。掌握客戶忠誠度分析等內容，具備繪制客戶畫像的能力、基于RFM模型細分客戶的能力等。熟悉客戶數據分析工具和方法，具有數據敏感性，能夠快速找到問題的關鍵點并提出解決方案，具備良好的報告編寫能力，撰寫客戶數據分析報告。2客戶類型分析目錄1客戶分析3客戶購買行為分析

案例導入細分客戶推動小米手機銷量的增長2011年，小米正式推出小米手機。小米手機雖然是市場的后入者，但依然受到很多粉絲追捧。2021年“雙十一”活動中，小米手機在手機品類包攬全平臺銷量冠軍。其中，小米高端旗艦機在淘寶和京東官方旗艦店的銷量增長3.6倍，穩居4000元以上價位安卓手機銷量第一。【思考】1．小米手機是如何細分客戶的？2．小米手機的客群與蘋果手機的客群有哪些差異？3．小米手機的低端機客群與高端機客群各有什么特點？1客戶分析7.1.1客戶數據1.客戶數據搜集3.客戶數據搜集的方法客戶數據收集客戶數據收集是指企業根據各部門的客戶數據需求，通過可靠的數據來源與合適的數據收集方式獲得、維護、更新客戶數據，為后續客戶數據分析提供基礎數據。① 在收集客戶信息時，企業應確保信息的真實性和可靠性，避免使用虛假或過時的信息。② 遵守相關法律法規，如《個人信息保護法》等，保護客戶隱私和信息安全。③ 尊重客戶意愿，不得強制收集客戶信息或濫用客戶信息