如今電商時代，傳統電商該如何破局？ Smartbi教你幾個分析方法！

不知道大家發現了嗎，今年的雙十一過的十分平靜，不復往日的輝煌。身邊的夥伴討論雙十一就更少了，往年雙十一大家見面都會相互問一句：今年剁手買啥了？但是不知道從何時開始，大家都好像忘了有雙11這回事，日子該怎樣過還是怎樣過。雖然雙11的熱度已經慢慢降下來了，但是今年天貓與京東都分別取得了5403億與3491億的成交額，還是一個不錯的數字。

 

但是相對於直播電商行業來說，今年的雙十一卻是賺的非常多，簡直是吸足了眾人眼球。在今年雙十一的首輪預售當日裡，直播帶貨界的一哥一姐李佳琦、薇婭就分別創下了106.5億元與82.5億元的成交金額，讓整個電商界不禁驚呼這兩人聯手“殺死”了雙11。在短短4、5年間裡，直播電商已經發展成為了最具代表性的新型電商模式。

 

相比於直播電商行業的崛起，傳統電商行業就顯得落魄了，很多淘系、京系的小賣家連連叫苦：今年的雙11簡直是顆粒無收，好不容易壓低價格報了活動，結果賣出的銷量慘不忍睹，成本都收不回來。畢竟傳統電商輝煌了這麼多年，也是時候推出新的東西，這個勢頭是不可逆的。

 

如今的電商時代，傳統電商應該如何破局？我的建議有兩點，第一點是可以考慮轉型，從傳統電商的過渡到直播電商、新媒體電商等領域，為自己創造更大的發展空間。第二點是以顧客服務為出發點，專注使用者運營，如果要做到這個，除了要提高運營水平，還要懂得一定的分析方法，下面給大家列舉一些電商領域常見的資料分析方法。

客戶畫像資料分析

對於電商企業來說，客戶的資料都是值得去研究分析，一個好的客戶畫像可以讓我們更清晰地知道我們的客戶都有什麼特徵，進而制定出最佳的營銷方案。針對客戶資料進行分析的方法有很多，小編給大家推薦的客戶分析組合拳是： RFM分析+使用者生命週期分析+使用者活躍度分析。這幾個分析方法都可以從深處洞察使用者行為，大大提升客戶的轉化率和重複購買率，避免客戶流失。

RFM客戶價值資料分析：

 

使用者生命週期資料分析：

 

使用者活躍度資料分析：

 

產品資料分析

大部分的電商管理人員在對產品資料進行分析的時候，用到的分析方法非常單一，對產品的劃分永遠都是兩種：銷量好的與銷量不好的。這樣的分析方法往往比較片面，而且忽略了產品與產品之間的聯絡，對產品銷量的提升沒有什麼大的幫助。小編在這裡給各位電商管理人員推薦一個產品分析的組合拳：波士頓矩陣分析+購物籃分析+ ABC分析，這幾個分析方法非常經典，相信很多人都聽說過，把這套分析方法運用之後，你會發現，產品的銷量一下子就上來了，是不是很神奇？

波士頓矩陣資料分析：

 

購物籃資料分析：

 

ABC資料分析：

 

留存資料分析

很多企業的管理者都在吐槽，想留住客戶怎麼就這麼難，昨天來了10個人，今天一下子就走了9個，是不是我們的店鋪有什麼問題？說實話，留存問題一直以來是企業管理者的一塊心病，有可能是產品問題，有可能是頁面的吸引力問題，要想提高使用者的留存，必須做出全方面的分析。下面給各位電商從業者推薦一個留存資料分析的組合拳：同期群cohort分析+同期群cohort收入分析+復購率回購率分析。這套資料分析模型可以幫你有效監測客戶的流失資料，找出精準的問題所在，進而對症下藥。

同期群cohort資料分析：

 

同期群cohort收入資料分析：

 

復購率回購率資料分析：

 

資料分析工具的選擇

需要做出資料分析模型，我們有很多的資料分析工具選擇，例如python、powerbi這些都可以，但是最適合資料小白的工具還是智分析，下面以智分析為案例給大家介紹一下，如果做電商資料的視覺化分析需要怎麼做，主要分成三個步驟：

上傳資料

點選資料連線裡的Excel檔案資料來源，把Excel資料上傳到智分析裡：

資料建模

點選資料準備裡的資料模型，找到上傳的Excel檔案，把該檔案保持為資料模型的格式：

 

資料視覺化

點選分析展現裡自助儀表盤，找到剛剛儲存好的資料模型，通過滑鼠拖拽的方式，便能製作出栩栩如生的動態視覺化報表了：

 

在如今電商時代已經過了躺著就能賺錢的時候了，在電商市場三分天下的格局，中小電商在傳統經營領域需要做到更精細化的運營，對使用者畫像更瞭解，對規則掌握更熟練才能在眾多競品中差異化脫穎而出， 而對經營資料進行資料分析是能夠了解使用者需求和經營情況的重要手段。