跨境电子商务数据分析

数据分析是指使用适当的方法对收集来的数据进行分析，将它们加以转化，以最大化地挖掘数据中隐藏的信息，发挥数据的作用。在跨境电子商务行业中，数据分析至关重要。

商品、销售、供应链、物流等每一个环节的改进和优化都少不了数据做支撑。卖家需要通过开展数据分析来找到、分析并解决运营中存在的问题，为做出精确的经营决策提供依据。

跨境电子商务数据分析的基本步骤

在店铺运营过程中，能够为卖家做出运营决策提供参考依据的就是数据分析。卖家开展数据分析的目的是找到适合自己店铺的运营方案，从而实现销售利润最大化。

一般来说，开展数据分析包括以下步骤。

1.确定目标

在开展数据分析之前，卖家首先要明确开展数据分析的目标，即想要通过数据分析发现并解决哪些问题。

卖家通过数据分析进行选品，通过数据分析掌握某次营销活动的效果等。

2.搜集数据

开展数据分析，首先要有足够的有效数据，卖家可以通过以下几个渠道搜集数据。

(1)卖家账号后台

卖家账号后台会记录卖家店铺运营的相关数据，如账号等级、商品的销售数据、交易转化数据、广集相箱、以策。家需要及时关注账号表现，并定期经中的数据进行收集、整理和归档，以便于后期应用。

(2)电商平台数据工具

各大跨境电子商务平台都会为卖家提供一些数据分析工具。例如，数据纵横是全球速发通基于平台海量数据打造的一款数据营销工具，卖家可以充分利用这个工具了解自己店铺的运营状况。

在各大跨境电子商务平台的买家端也会有热销榜、销量榜等榜单信息，这些地方也是卖家搜集行业销售数据和竞品销售数据的重要渠道。

(3)第三方数据工具

市场上有一些专门提供数据分析服务的第三方数据工具，如谷歌趋势、Keyword Spy等，这些工具通常会提供有关跨境电子商务平台监测数据、市场规模、行业销售数据、竞品销售数据和网民搜索趋势等各类数据，卖家可以通过这些工具搜集自己需要的数据。

(4)网页数据抓取工具

卖家可以使用诸如八爪鱼采集器之类的网页数据采集器或Python语言来爬取数据。

3.整理数据

将搜集来的数据进行整理，可以将数据制作成图表，也可以用Excel表格中的公式及数据透视表对数据进行统计运算。无论采取何种方式整理数据，最重要的是要将数据整理成能够直接反映某些信息的形式。

4.分析数据

为了更好地得出结论，卖家需要对整理后的数据结果进行分析。例如，将本月数据与上月数据做对比，将不同商品的销售数据做对比等。

5.发现问题并做出改变

卖家可以通过数据分析发现自身存在的问题，并及时改正。卖家可以尝试设计多个方案，通过数据测试从中筛选出最优方案，然后将其运用到实际运营中，以达到最佳的运营效果。

在进行店铺装修时，卖家可以多尝试几种店铺装修风格，然后通过分析不同装修风格下店铺的浏览量、跳失率等数据来确定或调整装修方案。

跨境电子商务数据分析指标

数据统计分析工作的顺利进行离不开合理的数据分析指标的支持，合理的数据分析指标能够帮助卖家更好地理解数据。

在开展数据分析之前，卖家需要建立科学、合理的数据分析指标体系。

常用的数据分析指标

构建系统的数据分析指标体系是实现跨境电子商务数据化运营的重要前提，不同类别的指标对应着跨境电子商务运营的不同环节，卖家通过对不同类别指标的分析，可以深入了解店铺各方面的情况。跨境电子商务数据分析常用指标如表所示。

跨境电子商务数据分析常用指标

指标类型

常用指标

指标说明

流量类指标

页面浏览量(PageView，PV)

又称访问量，指用户访问页面的次数，用户每访问一个页面就计一个访问量，用户多次访问同一页面,访问量累计

独立访客数(Unique Visitor,UV)

在统计时间内访问页面的人数，同一个用户在统计时间内的多次访问只计一次访问

访问深度

用户在一次访问中浏览了店铺内不同页面的数量，反映了用户对店铺内各个页面的关注程度

平均访问深度

用户平均每次连续浏览的店铺页面数

页面访问时长

单个页面被访问的时间长度

人均页面访问数

人均页面访问数=页面浏览量(PV)+独立访客数(UV),该指标反映了页面的黏性

跳失率

只访问了一个页面就离开的访问次数占该页面总访问次数的百分比。该指标反映了页面内容对用户的吸引程度，跳失率越大，说明页面对用户的吸引力越小，该页面内容越需要调整

平均访问时长

总访问时长与访问次数的比值

销售转化类指标

购物车支付转化率

一定周期内将商品加入购物车并支付的用户数占将商品加入购物车的用户数的百分比

浏览一下单转化率

在统计时间内下单的用户数占店铺访客总数的百分比

浏览一支付转化率

在统计时间内支付订单的用户数占店铺访客总数的百分比

下单一支付金额转化率

在统计时间内支付金额占下单总金额的百分比

下单一支付买家数转化率

在统计时间内支付的用户数占下单用户总数的百分比

下单一支付时长

用户下单时间距离支付时间的差值

连带率

销售的件数与交易次数的比值，反映用户平均单次消费的商品件数

销售业绩类指标

成交总额(GrossMerchandiseVolume,GMV)

一段时间内店铺的成交总金额。只要用户下单生成订单号，无论这个订单最终是否成交，都可以计算在GMV中，即GMV包含付款和未付款的部分

销售业绩类指标

销售金额

店铺产生的总销售额，一般指实际成交金额

销售毛利

商品销售收入与成本的差值

毛利率

毛利与销售收入的百分比

会员类指标

注册会员数

一定统计周期内的注册会员的数量

活跃会员数

一定时期内有消费或登录行为的会员总数

活跃会员比率

活跃会员数占会员总数的百分比

会员复购率

在某时期内产生两次及两次以上购买行为的会员数占产生过购买行为的会员总数的百分比

会员平均购买次数

在统计周期内每个会员平均购买的次数，会员平均购买次

数=订单总数–产生购买行为的会员总数

客户类指标

留存率

用户在某段时间内开始访问店铺，经过一段时间后，仍然

继续访问店铺的用户被认作是留存用户，留存用户数量与

当时新增用户数量的百分比就是留存率

客单价

每一个用户平均购买商品的金额，即成交金额与成交用户数的比值

客单件

每一个用户平均购买商品的数量

消费频率

一定期间内用户在店铺内产生交易行为的次数

最近一次购买时间

用户最近一次在店铺内产生交易的时间距离现在的时间差

消费金额

用户在最近一段时间内交易的金额

重复购买率

在单位时间内，再次购买商品的人数占购买该商品的总人

数的百分比

商品类指标

库存量单位(Stock

Keeping Unit ,SKU)

物理上不可分割的最小存货单位。例如，iPhoneX64G银色就是一个SKU，每个SKU的编码均不相同，如相同则会出现商品混淆，导致卖家发错货

准化产品单元

( Standard Product

Unit,SPU)

商品信息聚合的最小单位，它是一组可复用、易检索的标标准化信息的集合，该集合描述了一个商品的特性。简单来讲，属性值、特性相同的商品就可以称为一个SPU,例如，

iPhone 11就是一个独立的SPU

在线SPU

在线商品的SPU数

独家商品收入比重

独家销售的商品所产生的收入占总销售收入的比例

品牌数

店铺内商品的品牌总数量

在线品牌数

在线商品的品牌总数量

上架商品SKU数

店铺内上架商品的SKU数量

上架商品SPU数

店铺内上架商品的SPU数量

商品类指标

首次上架商品数

第一次在店铺内上架的商品数量

订单执行率

订单执行率=能够执行的订单数量+订单总数量x100%

市场营销活动指标

新增访问数

某推广活动所带来的新访客的数量

活动下单转化率

某推广活动所带来的下单次数与访问该活动次数的百分比

投资回报率(Return OnInvestment,ROI)

某一推广活动期产生的交易金额与该活动投资成本的百分比

风控类指标

买家评价率

某段时间参与评价买家数量与该时间段内总买家数量的百分比。该指标反映了买家对评价的参与度

买家好评率

某段时间内卖家收到好评的数量与该时间段内卖家收到评价总数量的百分比

买家差评率

某段时间内卖家收到差评的数量与该时间段内卖家收到评价总数量的百分比

投诉率

发起投诉的买家数量与买家总数量的百分比

市场竞争类指标

市场占有率

店铺内某一商品(或品类)的销售量(或销售额)在市场同类商品(或品类)中所占比率

市场增长率

店铺内某一商品(或品类)的市场销售量或销售额在比较期内的增长比率

tis

数据分析指标的选择

跨境电子商务数据分析的指标有很多，并且各个指标所能反映的现象各有不同，那么在诸多指标中，哪些才是卖家开展数据分析时需要使用的核心指标呢?这个问题其实并没有标准答案，因为各个店铺所属的行业、性质不同，所处的阶段不同，卖家的关注点也不相同。

卖家在选择数据分析指标时，可以参考以下几个原则。

1.店铺所处阶段不同，关注重点不同

一个新店铺，在运营初期积累数据、找准营运方向，比卖多少商品、赚多少利润更为重要。因此，处于这个阶段的卖家可以重点关注流量类指标。

已经运营一段时间的店铺，通过开展数据分析提高店铺销量是首要任务。因此，处在这个阶段的卖家需要关注的重点指标是流量类指标、销售转化类指标和销售业绩类指标。

已经有一定规模的店铺，利用数据分析提升店铺的整体运营水平是关键任务。此时，卖家需要重点关注的指标是独立访客数、页面浏览量、转化率、复购率、留存率、客单价、ROI和销售金额等。此外，会员复购率和会员留存率也非常值得关注，因为对于店铺来说，即使会员复购率很高，如果会员留存率大幅下降也是很危险的。

2.周期不同，侧重点不同

本的境电子商务中，有的数据金新指标需要接天，时段来追踪，有的数据分析指核可以周为单位进行分析，有的数据分析指标可以作为店铺员工的绩效考

(1)每日追踪的指标

要家需要每日追踪的指标主要有独立访客数、页面测览量、页面访问时长、跳失车、转化率、客单价，以及重点商品的库存量、订单执行率等。

(2)按周分析的指标

大部分数据分析指标都可以按周进行分析，不过卖家可以将重点放在对重点商品的分并和重点流量的分析上。以“用”为单位进行分析的指标包括但不限于日均访问深度、重复购买率、成交总额、销售金额、销售毛利等。

(3)绩效考核指标

数据分析指标不仅可以帮助卖家掌握店铺的运营情况，还可以作为关键绩效指标(Keyperformance Indicator，KPI)，用于考核员工的工作业绩。KPI在精而不在多，家需要根据员工的业务分工来制定差异化的绩效考核指标。例如，对于店铺营运人员来说，KPI包括独立访客数、转化率、访问深度、客单价和带率等指标;对于店铺推广人员来说，KPI包括新增访问数、新增购买用户数、活动下单转化率、跳失率和ROI等。

跨境电子商务数据分析的思维与方法

数据本身没有价值，有价值的是从数据中提取出来的信息。从数据中提取信息需要讲究一定的思维方法和运用一定的数据分析方法，这样才能让提取出来的信息更加科学，更具参考性。

跨境电子商务数据分析的思维方式

在开展数据分析的过程中，卖家可以采用以下几种思维方式。

1.对比思维

没有对比，就没有优劣。单独看一个数据并不能得到有效的信息，而将其与其他数据进行比较，才更容易得到有用的信息，这运用的就是对比思维。表11-2列举了某店铺在2019年12月24日和12月25日两天的成交记录，单从成交总金额的角度来说，该店铺12月24日的成交情况比12月25日的成交情况好;而从下单支付率的角度来说，该店铺12月25日的下单支付率要比12月24日的下单支付率高。

将不同的数据进行对比，是开展数据分析最基本的思路，也是最重要的思路。例如，监控店铺的交易数据、对比两次营销活动的效果等，这些过程就是在做对比。卖家拿到数据后，如果每个数据都是独立的，就无法判断数据反映出来的变化趋势，也就无法从数据中获取有用的信息。

某店铺交易信息记录

时间

下单总金额(美元)

下单一支付金额(美元)

成交总金额(美元)

成交会员数

下单数

下单一支付订单数

下单支付率

2019年12月24日

1023

437

50.0%

2019年12月25日

591.5

328.8

60.0%

2、拆分思维

当一些数据在某个维度可以进行对比时，卖家就可以选择对比的方式对数据进行分析。

如果通过对比分析后，需要找到导致这个结果出现的背后原因，就需要利用拆分思维。

例如，为什么2019年12月24日的成交总金额会比2019年12月25日的高，是当天购买商品的人数多，还是因为购买商品的人数少但买家购买的商品价格高呢?此时，就需要用到

拆分思维，将一些数据拆分为更加细分的数据，从细节处寻找原因。

例如，成交总金额=成交买家数x客单价，而成交买家数=访客数x转化率。将成交总金额拆分之后，其分析维度更加细致，卖家可以从客单价、访客数、转化率等细节处寻找造成2019年12月24日的成交总金额比2019年12月25日的成交总金额高的原因。

3.降维、增维思维

在进行数据分析时，卖家一般只需要关心对自己有用的数据即可，当某些维度下的数据与此次数据分析的目的无关时，卖家就可以将其剔除，从而达到“降维”的目的。

“增维”和“降维”是相对的，有降必有增。当使用当前的维度不能很好地解释某个数据时，卖家就需要对该数据做一个运算，多增加一个维度，这个增加的维度通常被称为“辅助列“。

例如，卖家在分析某个热搜词的热搜度时，发现可以从两个维度对该数据进行分析，一个是搜索指数，另一个是当前商品数。这两个指标一个代表需求度，另一个代表竞争度，于是有很多卖家会多做一个运算，即“搜索指数+当前商品数=倍数“，用“倍数代表一个词的竞争度(计算的倍数越大，说明该热搜词的竞争度越小)，这种做法就是在“增维“。

总之，“增维”和“降维”就是卖家对数据的意义进行充分的了解后，为了方便进行数据分析，有目的地对数据进行转换运算。

4.假设思维

当尚未得出数据分析的结果时，卖家可以运用假设思维，先假设有了结果，然后运用逆向思维推导造成这种结果的原因。从结果到原因，即探索是哪些原因才会导致这种结果。

通过不断地假设原因，卖家可以知道要想导致这种结果出现，自己现在满足了多少原因，还需要多少原因。

如果导致某种结果出现的原因有多种，那么卖家也可以通过假设从众多原因中找到导致这种结果出现的最重要的那个原因。当然，除了结果可以假设外，过程也是可以假设的。

：

跨境电子商务常用的数据分析方法

数据分析有法可循，需家在分析数据时佛用科学、合理的分析方法可以快速有效进分折数据，从数据中获取信息。下面介绍几种跨境电子商务常用的数据分析方法。

1.对比分析法

对比分析法也称比较分析法，是指将两个或两个以上的数据进行对比，分析数据之间的差异，进而揭示这些数据背后隐藏的规律。

(1)对比分析法的类型

按照发展速度采用基期的不同，对比分析法可以分为同比、环比和定基比，三者均用百分数和倍数表示。

①同比

同比是指今年第N月与去年第N月相比较。同比发展速度主要是为了消除季节变动的影响，用于说明本期发展水平与去年同期发展水平对比而达到的相对发展速度。例如，2019年12月的店铺销售额与2018年12月的店铺销售额相比。

同比增长率的计算公式如下。

同比增长率=(本期数据–上一周期同期数据)/上一周期同期数据x100%

②环比

环比是指报告期水平与其前一期水平之比，表明现象逐期的发展速度。例如，2019年12月的店铺销售额与2019年11月的店铺销售额相比。

环比增长率的计算公式如下。

环比增长率=(本期数据–上期数据)/上期数据x100%

③定基比

跨境电子商务数据分析

定基比是指报告期水平与某一固定时期水平之比，它表明这种现象在较长时期内总的发展速度。例如，将2019年店铺各月的销售额，均以2018年12月的销售额为基准进行对比。

定基比增长率的计算公式如下。

定基比增长率=(本期数据–基期数据)/基期数据x100%

(2)对比分析法的应用

在实际操作中，对比分析法的应用有以下几种方式。

①将完成值与设定的目标进行对比

将实际完成值与设定的目标进行对比，属于横向比较。例如，在跨境电子商务店铺的运营中，卖家每年都会设定全年的业绩目标，将当前达成的业绩与设定的全年业绩目标做对比，以了解店铺的发展进度和业绩完成率，分析业绩目标的设定是否合理、是否需要调整等。

②行业内做对比

将自身发展水平与同行业竞争对手或行业的平均水平做对比，属于横向对比，这样有利于卖家了解自身的发展水平在行业中处于何种位置，了解自身设定的指标是否具有先进性，从而为自身制定发展策略提供参考依据。

③不同类商品做对比

将不同类型的商品做对比，属于横向比较。例如，在开展某项推广活动后，卖家可以将店铺内半身短裙的销售额与连衣裙的销售额进行对比，这样能够让卖家了解各个品类的销售状况，从而及时调整营销策略。

④将活动效果做对比

开展某项营销推广活动后，卖家可以将活动前后的相关运营数据进行对比，这样可以

帮助卖家了解营销推广活动的效果，分析营销推广活动是否达到预期目标。

2.漏斗图分析法

漏斗图分析法是一种以漏斗图的形式展示分析过程和结果的分析方法。这种分析方法适用于业务流程比较规范、业务流程周期较长、各流程环节涉及复杂业务较多的情况。

漏斗图能够让各环节的业务数据得到最直观的展示，明确指出业务流程中存在问题的环节。

例如，运用漏斗图分析法分析买家购买过程，这样能够让卖家了解买家从进入店铺到购买商品的整个过程中每一个环节的转化情况，如图所示。

访问店铺首页100%

访问商品详情页50%

加入购物车20%

生成订单8%

支付成功6%

完成交易5

买家购买过程转化率

3.相关性分析法

相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量这些变量元素的相关密切程度。相关性元素之间需要存在一定的联系，才可以进行相关性分析。

相关性不等于因果性，也不是简单的个性化，相关性所涵盖的范围和领域非常广泛。

在数据分析中，经常需要使用相关性分析法来判断两个因素之间是否存在联系，以确定数据假设是否能够被用于业务中。

各位朋友们，

欢迎您们关注我的公众号：樱洛化泥独宠春”。致力于分享帮助到大家的知识和技巧。

诚邀大家积极转发与分享这些宝贵的内容，共同探讨未来的无限可能，并为您的事业和生活增长赋能！期待与您们携手前行，共创辉煌！

同时，也希望通过我的点滴分享，能够为您带来更多的收获和成长。感谢您们的支持和关注，爱您们哦！

tis：

个人微信号: WJX-miss_u 验证：外贸知识

诚挚邀请您加入知识交流群！一旦您成功添加我的微信，即可扫描专属二维码，免费领取为您精心准备的“外贸干货资料”。这些资料包含了外贸领域的最新知识、实用技巧和成功案例，旨在助您在外贸道路上走得更远、更稳。

该模板不适配微信pc客户端，需要在手机微信/浏览器预览