今天我想谈的电商数据分析，不是流量，不是访客，而是最直接的，交易数据分析。访问量固然重要，但是访问量不能当饭吃，交易才是王道。所以，我们进入主题。
作为零售电商，数据分析可以归纳为“一个中心，两个基本点”。以销售为中心，两个基本点是客户和商品。大部分的分析都是围绕着这一个中心和两个基本点来进行的。
我们先从客户这个基本点开始谈起。说到客户分析，最经典的当然是RFM模型分析，即分别从最近一次消费时间(R)，消费频率/次数(F)，消费金额(M)三个维度来对客户进行分群分析，然后将这个分析结果作为制定客户经营策略的依据。直接上图，
上图是根据客户的订单数将客户分组，并显示每个组的一些指标。至于多少订单数作为一档分组依据，可以根据这些指标的差异来调整。找到合适的分组后，导出分组客户列表，这就是你下一步工作的对象了，精准营销，客户唤醒，消费激励，该咋整咋整。除了这些直接的动作以外，更重要的是，这些数据让你对自己的客户有个准确的了解，透过数据，让你发现问题，找到思路。
相类似的，还可按照最后下单日期，订单总额，客单价，注册时长等，对客户进行分组。
每当你要推新品的时候，你会想知道购买过某些相关商品的客户是哪些，这就是客户商品关联分析，见下图：
在上图中，通过点击某个品类/品牌/单品，可以得到在选定时间范围内有过购买的客户列表，接下来的事就水到渠成了。
另一个基本点，商品。电商就是在网上卖货，但是，随着品类的丰富，SKU的增加，很可能你对自己的商品卖的怎么样并不是很清楚。打造爆款，调配促销资源，如果对商品销售情况只是有个大概的感觉，那八成是不靠谱的。最基础的是一段时间内商品销售分析。一般来说，商品都是按照一定的层次组织起来的，例如，品类，品牌，商品组，单品等。按照从整体到细节的方法查看商品销售，如下图：
在上图中，通过品类à品牌à单品的路径，层层下钻查看销售情况。
要发现更多问题，还可以对比两个时段的商品销售情况，例如本月销售和上月销售做对比，见下图：
同样，在对比模式下，也可以层层向下钻取，逐步找到问题所在。
分析一段时间以来商品的日销售趋势，可以帮助你把握商品的销售走势，发掘有潜质的商品，或者调整销售不力的商品，如下图：
以上两个基本点，其实也都是围绕着销售这个中心的。至于销售本身，更多的是订单的分析。从日常操作层面来看，常用的有订单筛选，即在某段时间内，满足某些条件的订单列表，见下图：
使用这样一个订单查询报表，可以完成一些日常的操作，例如下单未付款催单，异常订单查找等。
从订单层面，把握网站的整体销售趋势，并比较不同指标的走势，例如销售量，销售额，客单价，订单商品数量，优惠金额等，见下图：
↓点击下方「阅读原文」查看更多精彩文章