店舗データ運用分析の理解（経営アドバイザー業界のコアデータ指標のデジタル分析）

ビジネスインテリジェンス業界市場コアデータ指標データ分析

ビジネス アドバイザーは、隠れたコア業界データ指標と一般的なデータ トラップを解釈します。

今日は、ビジネス アドバイザーに隠された業界データのコア指標ディメンションのデータ解釈と、同じレベルのデータ比較間のデータ トラップについて説明します。

本日分析するデータは、Business Advisor のホームページを少し下にスクロールすると見つかります。店舗や業界のデータディメンションを確認できる操作ウィンドウがあります。なぜなら、多くの操作は、データを分析する際にデータ解釈の表面レベルにとどまるからです。しかし、一部のデータ指標は、いくつかの操作上の動作とその背後にある影響要因を表します。

売上やコンバージョン率など、これらのデータ指標の背後にある影響要因を理解していない場合、データの表面的な理解しか得られず、データを詳細に分析することが難しくなります。これではデータ分析を運用の最適化に実装することが難しくなります。

まず、データを分析する際には、訪問者数が一定であること、つまり重みデータを裏付ける必要があります。訪問者数が比較的少ない場合、コンバージョン率、収集および購入率などの一連の指標を分析する価値はありません。たとえば、訪問者が 10 人しかおらず、コンバージョン率が 10% の場合、訪問者ベースが小さすぎる、つまり規模が十分ではないため、10% の基準値はありません。ベースが小さい場合、確率は非常に高くなるため、このようなデータ分析は意味がありません。

したがって、データを分析する前に、まず訪問者ベースが十分に大きいことを確認する必要があります。そのため、期間を選択する際には、一般的には週単位または月単位のデータ単位が使用され、蓄積されるデータ量は大きくなります。

これが第一点です。たとえば、最初のデータを見てみましょう。支払金額は全体の販売フィードバックデータです。支払い金額は何に関係しますか?まず、訪問者数、次にコンバージョン率、そして平均注文額です。これらの指標が合わさって支払額が決定されます。訪問者数、コンバージョン率、平均注文額または返金額は、全体的なデータ蓄積プロセスです。

店舗訪問者総数の背後にはどのような側面が隠されているのでしょうか?細かく分析しなければ、それは単なる結果となり、データで分析できるものはあまりありません。しかし、訪問者の数は交通構造であり、訪問者がどこから来るかによって異なります。これには詳細なチャネルの分析が含まれます。たとえば、チャネルが異なれば、コンバージョン率や人口の正確さも異なります。来場者数によってもたらされるデータ分析です。

ここで店舗のコンバージョン率を分析する際には、異なる製品、異なるグループの人々、異なるチャネルのコンバージョン率を区別することに注意する必要があります。チャネルを絞り込むことによってのみ、どのチャネルでコンバージョン率を向上させることができるかがわかります。

平均注文額に影響を与える要因を見てみましょう。まず、商品のレイアウトレベル、活動期間、さらにはユーザーの閲覧深度も平均注文額に影響します。閲覧深度が深いほど、最終的に購入される商品が多くなる可能性があり、これは操作レイアウトに関係しているからです。

返金額を見てみましょう。多くのオペレーターは、今日の払い戻し額を今日の取引額で割って算出される今日の払い戻し率を確認することを好みます。まず、これは間違いです。返金額は数日前から蓄積されている可能性があるからです。本日払い戻し処理が行われる場合、本日の全額の累計に基づく計算が不正確になる可能性があります。

次に、直接消費量を使用して、それが総売上高のどの程度を占めるかを確認します。このディメンションから、店舗がパフォーマンスを達成するために有料プロモーションを実施しているかどうかもわかり、ここでの割合に基づいて分析できます。 10,000元の直接消費だけを見ても意味がありません。それが合理的かどうかは分からないからです。総取引額に占める割合を業界と比較することによってのみ、それが合理的かどうかを知ることができます。

有料購入者数と古い有料購入者数だけでなく、古い有料購入者数からも店舗の古い顧客の再購入率を知ることができます。数字だけを見ても意味がありません。もちろん、再購入率はさまざまなカテゴリーのデータに基づいて分析する必要があります。

ここで支払われたサブオーダーの数も平均注文額に影響を与えるため、指標間には相関関係があります。次に、商品をカートに追加した人数、カートに追加した商品の数、商品を引き取った人数を、例えばカートに追加率や一人当たりの平均カート追加数に変換する必要があります。カートに追加率や一人当たりの平均カート追加数が増加すると、コンバージョン率の向上に影響します。

次に、10 人中 9 人のオペレーターが常に誤解している、同レベルのデータ分析の罠について説明します。多くの人は、同じレベルの同僚の優秀さや、同じレベルの同僚の平均とデータを比較して分析することを好みます。例えば、平均受注額は200以上ですが、同業種・同レベルの優秀な商品は基本的に2,000以上です。市場に出回っている良質な製品の価格がどれも非常に高いと想像できますか?いいえ、ここではデータ統計に少し問題があります。ほとんどの人はそれを理解していません。データは平均顧客支出額に応じて高いものから低いものの順にソートされ、データパフォーマンスが良好な上位 20% のみが、同じ業界およびレベルの優れたデータとして採用されます。最終的に上位60%の平均を同じ業界・レベルの平均として計算します。

そのため、多くの事業者は、同レベルの同業者の平均注文額の優秀さを見て、同レベルの同業者が優秀であるからこそ、高い平均注文額で販売できるのだと考えてしまいます。実は、これは真実ではありません。これは、平均注文額でランク付けされ、最高のデータ パフォーマンスを持つ、同じレベルの上位 20% の同業者の平均注文額を指します。したがって、同業グループ内の同じレベルの優良顧客の平均支出が非常に高いことがわかった場合、これは実際にはデータの統計的な問題であり、ここでのコンバージョン率は同じです。

同業他社や同レベルの企業の中で、コンバージョン率の上位 20% だけに注目しないでください。これは意味がありません。同業他社と同レベルの平均は、同業他社と同レベルの間でのコンバージョン率の上位 60% のデータを使用しているため、依然としてある程度の参考値があります。そのため、データの分析方法を知らない多くの人がデータをランダムに分析しますが、これは間違っています。

今日はこれで終わりです。フォローしていただければ、次回も会話を続けられます。