電子商取引の運用ではデータに注目します（電子商取引を行うために習得する必要があるデータ分析、200以上の指標システムと15の分析モデル、収集）

eコマースを行うために必ず学ぶべきデータ分析、200以上の指標システムと15の分析モデル、コレクション

要点だけを述べ、無駄なことはせず、すべて実用的な内容です。

まず最初に、私の考えを訂正させてください。データ分析の焦点は、より複雑なツールを誰が使用するかということではありません。 Excel のピボットテーブルやグラフの視覚化などの基本的な操作を学習するだけで十分です。 SPSS、Python、R言語などのハイエンドの統計およびBIツールについては、いずれもデータ分析の高度なレベルにあるため、以下で説明します。

古典的な「人、物、場所」の指標体系図を取り出すと、電子商取引の分析は基本的にこの 3 つを中心に行われます。

人: 電子商取引分析では、基本的に平均注文額、会員数増加率などのユーザーデータを指します。

商品：仕入、在庫、売上、アフターサービスデータなどの商品データ。

分野: これには多くのことが含まれます。人とモノをマッチングさせて、最終的に変革を完成させることができるものなら、何でもフィールドと呼べると思います。

ここで注目すべきは、あらゆるデータは長期的に注目されるべきだということである。 1日のデータだけを見ても全く意味がありません。これは、電子商取引データの場合にはさらに当てはまります。プロモーション期間と日常期間の 2 つの期間に分割し、これら 2 つの段階のデータを分析することをお勧めします。もう 1 つの注意点は、サンプルデータが不十分な場合はサンプルサイズを増やすことができるということです。そうしないと、不正確なデータによってエラーが発生します。

プロモーション期間：618、ダブル11、ダブル12、年中プロモーション、年末プロモーションなど。

通常の期間：これを選んでください

データを取得するための Web サイトをいくつか紹介します。

RFM顧客価値分析モデルの構築方法を教えます

パレート/ABC分析: 問題の90%を解決できるデータモデル - パレートモデルを段階的に学ぶ方法を教えます

ボストン行列分析: データ分析初心者必見!ボストンマトリックスモデルを5分で構築すれば、一気に学習できます

ショッピングバスケット分析-相関ルール:データ分析で理解する必要があるモデル-ショッピングバスケットモデル

AARRR ユーザー操作分析: AAARR モデルに関しては、まだ理論だけで使用されていないのでしょうか?例を添付

ここでは、小売電子商取引の事例を使用して、電子商取引プラットフォームでデータ分析を実行する方法に関するヒントをいくつか紹介します。
分析のアイデアは次のとおりです。

a.市場規模：四半期ごとの売上動向グラフと前月比、および州別金額分布分析を通じて、プラットフォームの売上動向と売上分布を把握し、プラットフォームの売上が健全かどうか、および主要な販売分野を把握できます。

b.商品の次元: パレート分析を使用してカテゴリの売上を分析し、散布図を使用してカテゴリの幅と売上の関係を調査し、価格帯分析を使用してプラットフォーム製品の位置付けを理解します。レビュー率を通じて製品満足度を理解し、製品整合性分析を通じて仮定を検証します。

紀元前ヒューマン分析：プラットフォームメンバーの動向を分析してプラットフォームメンバーの健全性を把握し、マップ分布を通じてメンバーの分布を把握し、AARRRモデルを通じてメンバーのコンバージョン率を把握し、円グラフを通じて新旧メンバーの売上を把握します。 RFM モデルを使用してメンバーを階層化し、重要な価値顧客の分布を決定します。メンバーの行動分析を使用して、メンバーの注文時間、支払い方法、平均支払い時間、低スコアのメンバーの割合、レビュー時間の傾向を把握します。

d.その他の分析 - 物流分析：その他の分析：物流の定時性分析、物流の受注時間分析、平均物流日数分析、および物流貨物量の総額に占める割合を通じて、顧客物流サービスの入出力比率を評価します。低い評価の非時間厳守と物流時間の割合を通じて推測を検証します。

e.上記の結論と現象に基づいて適切な改善提案を提供する

データ分析ツールを詳しく勉強したい場合は、こちらの記事をお読みください：2021 年の最も強力なデータ分析ツールの一覧！転職したいなら今すぐ集めてください