一、前言

随着大数据在各行各业的普及，用户的数据信息逐渐详细、透明，利用这些用户的行为数据来帮助实现更优的用户体验或者满足更多的用户需求，从而实现信息的价值变现，也就是提高衡量投放、运营、销售、产品等岗位的业绩指标，如用户的点击率、客单价等指标。

对于企业而言，数据分析主要分为管理分析和经营业务分析，分析的整体思路在于明确业务场景-确定分析目标-构建分析体系-梳理核心指标。

而以电商为例，常用的业务分析场景有销售、商品、渠道、竞品、会员等，而商品可进一步细化为商品的库存、利润以及关联销售分析。

二、数据分析的应用

01投放

传统投放

投放领域最常见的是广告投放，传统方式并没有做任何前期调研，不会对目标用户人群进行分析，也不会针对用户推送个性化广告。比如电视广告、报纸期刊广告等

互联网投放

而现在爬虫技术日益成熟，能够通过爬取公众号的文章，分析阅读量，通过文本处理等方式对文章主题分类，分析出各公众号文章的用户画像，基于已有的用户数据，可以预测该渠道投放后的转化率，通过这些信息作为精准化投放，实现更多的预期管理。

案例

2017年5月，朋友圈到处转发百雀羚广告，其刷屏效果显著。

一方面，百雀羚文章从发布到各平台、自媒体转载，获得了3000万+阅读的关。另一方面，转化率不到0.00008。

从传播角度来看，这事件无疑是成功的，但从销售的角度来看，这又是失败的。

而其中的原因在于百雀羚传播圈子是营销、运营圈内人士在阅读，并没有真正触动有需求用户的购买欲，而这部分刷屏的人群只是认为广告不错。

主要通过以下转化链路来分析以下：

转化率在不同的环节中对应的计算方式不同。

在本文的百雀羚案例中，广告展示阶段，吸引了大量用户分享和转发，其转化率无疑是成功的。而在销售阶段其效果很不理想。

主要原因在于，朋友圈疯传的图文来源是4A广告圈，其对应的受众是各大互联网公司的公关和运营等。而百雀羚自身的群体定位，应该是有护肤需求的，中低消费水平的女性。其投放公众号的受众群体，并不能转化为产品的目标群体。

投放广告的时候，还需要考虑成本因素。作为管理投放的营销岗位，需要通过预测来确定该渠道投放对公司业务带来的效益，从而确定投入产出比评估可行性。

02销售

传统销售

在传统的销售管理体系中，是通过人与人的关系网进行销售。销售员得到定向推销名单，通过电话或者邮件方式与客户沟通来发展业务，而且现在大部分的传统企业如保险和房地产大都还是依赖这种方式运转。

互联网销售

现在通过收集到的用户信息，和网站用户行为数据，对用户进行分层。实现标签化管理，自动分成不同类别的客户，再个性化接触客户。

销售分析从两个方面入手，一是对整体表现评估，用于监控平台大的异动。二是特定性分析，从整体向下细分，对于特定性问题分析，比如渠道对比分析等。

下面将从两个层面分别介绍数据分析案例。

• 整体表现评估

模拟某超小型电商零售企业的日销售金额数据如下图：

从总体看，销售额在2020/1/21-2020/1/25逐渐下降，之后逐渐上升，且在2020/1/29日达到最高。

• 特定问题分析

进一步分析当日的渠道。该电商渠道分为app、小程序和推广渠道，对应渠道的日销售金额如下：

可以看出，1/29日销售额最高的原因，可能在于推广金额占比的增加。考虑可能是微信推文，或者其他渠道入口的转化增长。

当然，销售日常所见的日报，或者周报，是由多个曲线图、柱形图构成。

对于销售而言，熟悉业务很重要，再结合数据的结果，能够看懂数据到底在说什么也很重要，一个指标的异动可能会给提高销售额提供新思路。

应用

• 电商
  

一款高客单价的奢侈品，日销售额近日有明显下跌。通过对订单的追踪，发现原因在于订单取消率升高。

其中一位销售观测到了这个值的变化，时刻关注取消订单的用户，并电联询问其取消原因，做出针对性挽留客户的方案。

比如，用户发现其他平台价格更低，则给予一定的优惠券。如果是用户对于商品的真假存疑，则提供相应的售卖认证。该操作为公司挽回了大量损失。

• 零售
  

目前传统销售行业，如零售，也需要数据分析能力。

比如零售行业的巨头沃尔玛，有一系列的菜篮子数据分析工具RetailLink，能够帮助零售店更好进行陈列和促销。

03运营

传统运营

传统运营是先给定一个活动主题，围绕主题选定产品和活动形式，并不会细分到不同品类对应不同用户。

互联网运营

互联网的运营基本要求，是具备基础的数据分析能力和商业知识。比如技术方面能够会sql提数，并利用python等工具进行用户数据的分析。

在电商领域，要基于用户属性和行为数据对用户进行分层，方便运营更高效筛选目标群体。

更细致的用户分层，是在不同品类下，再细分标签。比如一个美妆的重要客户，在数码类目下属于沉默用户/流失用户。

应用

利用数据分析更好地对用户分层：

上图中给出一个简单的用户分层，用户分层主要涉及到AARRR模型和RFM模型。前者主要关注用户的转化流程，而后者是对一个独立用户的刻画。

首先依据最近一次消费时间(Recency)进行划分，再依据消费金额(Monetary)和消费频率(Frequency)进一步分层，而运营需要对这些不同标签用户区别处理。

运营工作涉及到的数据分析，主要是预测和复盘。

预测，是设定目标，及对于未来不同类目资源的分配。复盘，不仅可以对活动效果进行评估，同时可以对下一次活动提供基准和建议。

04产品

传统产品

传统的产品孵化，是先有一个idea，有对应的目标人群满足其对应需求，然后在此基础上完善产品的功能。

比如说共享单车的诞生，一开始是为了解决大学生出行的问题。最开始仅在北大校园上线，然后推广到国内高校，进而走出校园，这是传统意义上的产品孵化。

当然在传统产品领域，也会对产品的受众和定位调研，确定其投资价值。

现在的产品

在目前互联网岗位中，产品经理更多的是负责小部分的优化，接受运营的信息改进，并协调技术进行版本的迭代。

比如对于电商平台而言，弹窗、banner和icon等UI界面的设计，都需要产品向设计师传达明确的需求。通过数据分析才能够将这些需求更加细化和具体，同时验证对应优化页面的可行性。

三、总结

在大数据浪潮当中，我们每一个人，每天无时无刻都在生产数据，一分钟内，微博上新发的数据量超过10万，b站的视频播放量超过600万......

这些庞大的数字，意味着什么？

美团外卖根据你以前点的外卖口味倾向，去预测你今天会点的外卖，在首页就推荐给你，提高下单率；
滴滴打车会实时监测某个区域的打车需求数，当需求暴增时，会适当调配更多的车量，抬高行程的价格，使得公司利润最大化；
百度会根据客户的最近的搜索词条，去联动网站电商给客户推荐最近可能会需要购买的产品，提高购买率......

数据分析可以直接反馈业务的真实情况，几乎所有知名互联网企业，都会有自己的大数据中心用来分析数据，提供给公司业务部门，辅助业务决策。

不管是互联网公司，还是传统企业。一般都有两类人才：技术型和业务性。无论你做数据分析，还是做产品，运营，财务，甚至是管理，数据分析都是其基本功。

毫不夸张的说：数据分析能力，是职场必备技能！可以让你未来至少10年的技术生涯游刃有余。