淘宝卖家数据分析体系

              本身写的淘宝卖家数据分析体系，能够看看，一些内容还不完整，只供参考！

分析项目	细分	数据来源	内容
总览	店铺整体经营状况	量子恒道销售总览（销售额、客单、成交用户数等）	包括销售额、访客数、成交转化率、客单价、拍下支付率、单客笔数、单笔件数、单件价格、访问深度、成交回头客占比、收藏量等，能够大体反映店铺整体经验状况以及引发销售金额变化的环节。
	营销费用占比	卖家中心-我要推广	基本上是每日手动录入数据，总体毛利率就在那里，营销费用太高，会侵蚀利润。
	活动销售占比	平常统计	主要是指相似聚划算这种低价低毛利率，引入的客户后续购买存疑的活动。这类活动占销售额比重太高，一样说明店铺对侵蚀整体毛利率的短时间内确定低价值的活动过于依赖，不健康。
	(类目)销售额分布	宝贝销售排行	前50、100的销售额占整体的比例等，销售额连续排在末尾的产品，各产品对利润的贡献率。总之，是判断产品结构是否合理，利润品、竞品、引流品、潜力股、淘汰品等。
	PC端和移动端销售额占比	宝贝销售排行	判断手机端和PC端的趋势，若是有外部数据则判断是否发展落后于市场
	客服客单价对比静默下单客单、退款率	赤兔	客服工做成效的判断
产品	产品基础资料	本身设置完善，分类材质价格颜色等等	产品档案包括物料编号，大分类，小分类，小小分类，产品名称，价格，重量，等级，包装材质，颜色等,不一样于BOM的产品组成，是对产品特征和定位的描述。另外还要有页面产品ID和物料编号的对应表(有些软件能获取)，这些都为从此以产品为核心打通流量、客户和供应链全面分析打下坚实基础。产品分类在详细基础上又要为将来留有一些余地，编码在简单基础上能明显反应产品关键信息又要为产品系列的扩充提供余地，事先合理规划很重要。
	市场规模估算	数据魔方-行业分析-买家购买分析	全部价格区间的成交金额累加即得类目的成交金额，也能够用不一样客单的成交人数来算。结合自身产品的分类，便可以判断自身发展与市场的对比状况，自身相应类目在江湖中的地位(市场份额)，类目中必定价格区间产品在市场中的地位(份额及增加对比)。市场诊断也能够用产品的主关键词在淘宝指数进行搜索。
	新产品开发订价	数据魔方-行业分析-买家购买分析	取得商品成交单价分布数据后，能够判断类目商品在不一样价格的销售数量和销售金额(估算)占比，根据店铺和品牌定位以及能力选取占份额较大的销售数量和销售金额的价格区间，在淘宝上搜索类目主关键词，按销量排序，能够找出市场上的主要对手，以及市场是否过于集中，存在的机会等。买家偏好参考。
	产品诊断	量子恒道宝贝销售排行	宝贝销售额、访客数、页面转化率、单客件数、单件均价、访问深度、页面跳失率随时间的变化，这个部分能够找出影响销售额变化的最主要因素，或者可用于判断产品人员主动刺激的效果，好比文字描述和页面排列对访问深度和跳失率是否有积极影响，新的促销活动是否有效让顾客购买更多的件数，另外能够探索单件价格是否影响转化率等页面指标
	竞争者分析	竞争者总体店铺数据以及重点竞争产品数据	魔方提供的数据只能看看，不许。须要手工或者用软件去抓取，另外还要关注对手天天的促销动态以及搜索排名，因此人工完成信息的收集能够接收，特别是人多的时候。
	关联分析/套装组合	客道等具备客户标识的数据库	哪些产品有较强的关联性？关联的产生是天然产生，仍是因为推荐以及套餐设置？哪些产品有潜力设置关联？关联的数量推荐？新套餐设置是否提升了关联度，是不是合适的关联？验证和发现其余提升或下降关联度的调整
	产品结构分析	平常统计销售分类	各产品的销售额和利润分布，结合产品销售额、毛利率、增加率、市场发展潜力，调整产品定位和策略，增减产品
	产品销售预测	平常统计	结合流量、转化率单人购买件数，预测产品销售数量。须要根据过去购买历史分别对三项进行预测，须要涉及到整体流量在各页面、各产品的分配，以及热销产品和普通产品在购买决策时的差异。无相关数据，则假设潜在条件不变。
页面	页面是否关联了合适的页面	淘宝未提供数据	是否更有效率的流量流转、促进成交和导入高质量客户
	页面产品以及内容的分布	淘宝未提供数据	展示量和点击率在页面上的分布，哪些位置是更好的位置，哪些内容用户不关注等等
	中间页面是否有效	淘宝未提供数据	是否更有效率的流量流转、促进成交和导入高质量客户
流量	流量来源及成交特征	量子恒道访客分析&成交来源分析	这两个数据能够大体看哪些流量对本身是最重要的，哪些是有潜力的，各投入多少精力和资源。哪些流量发生了异常变化，溯源寻找问题，以及不一样流量来源的客户数、转化率、客单等等。
	天然搜索变化	量子恒道-搜索诊断	这两个数据能够大体看哪些产品对本身是最重要的，哪些是有潜力的，产品搜索排名是否发生了变化。哪些产品发生了异常变化，溯源寻找问题，以及不一样流量来源的客户数、转化率、客单等等。以及产品关键词的相互借鉴等等
	直通车	我要推广	直通车最重要的是议题是花钱在哪一个产品上？花多少钱？怎么花有效率？跟一段时间的产品策略有直接关系。通常的关键指标是ROI，导入客户数，导入单个客户的成本和收入等等
	淘客	我要推广	一样是花钱也是花钱效率的问题，关键议题是哪些产品作淘宝客？定多少佣金合适？通常的关键指标是ROI，导入客户数，导入单个客户的成本和收入，另外量大的话，能够考虑越过中间层直接合做
	不一样流量的购买行为	暂无来源标识数据	这个呢，主要是看不一样流量来源的顾客的后续购买有没有明显差异，能够算上复购计算各个流量渠道带来客户的终极价值
	PC端和手机端的流量分布、转化率，变化以及销售额占比	平常统计销售分类	移动端和PC端的趋势的关注吧，可能涉及到的议题是哪些产品更适合移动端销售？是否根据占比状态调整投入资源
顾客行为	购买不一样产品的顾客数	客道等具备客户标识的数据库	侧面反映产品的重要性
	购买不一样产品的顾客后续购买行为	客道等具备客户标识的数据库	大概测算每一个产品的价值，价值低的就挂彩啊
	购买不一样件数产品的顾客后续购买行为	客道等具备客户标识的数据库	这个是想探测下购买件数是否对复购有直接影响
	购买单个产品和复合产品的顾客后续购买行为有差别？	客道等具备客户标识的数据库	同上
	首次客单、单件价格、件数不一样的顾客的后续购买行为	客道等具备客户标识的数据库	同上
	首次客单、件数、单件价格是否影响顾客购买几回	客道等具备客户标识的数据库	同上
	短信通知对比不通知的提高度	客道等具备客户标识的数据库	这个大概评价客户营销的有效的一面吧，不少产品均可以作，可是什么样的顾客会有响应值得研究。
	不一样类目的交叉购买率	客道等具备客户标识的数据库	反映类目的类似性，或者说交叉率越高的类目越具备类似特征的客户群。交叉率越高，交叉推荐的成功可能性也增大，交叉率太低，则寻找提高交叉率的方法。
	上一次购买到下一次购买的复购率	客道等具备客户标识的数据库	计算顾客终身价值用
	顾客终身价值计算	客道等具备客户标识的数据库	导入的客户流失以前提供价值的指望，也能够用来评估产品价值，
	客单分布以及变化	客道等具备客户标识的数据库	活动等的界点能够参考这个数据，以及观察活动对客单影响的效果等
	不一样客单区间的产品购买排行	客道等具备客户标识的数据库	找出区间客单最低，数量较多的产品采起各类措施加以影响，同时观察影响的效果
	什么样的顾客会进行下一次购买	客道等具备客户标识的数据库	间隔时间的计算，大概能够预估多长时间顾客就算流失了
	购买特征对间隔时间的影响	客道等具备客户标识的数据库	跟上面同样的目的
供应链	必定期限内的产品销售量的预测	销售统计	销售预测转而推进生产计划以及采购计划
	动态安全库存的设定	销售统计与预测	动态安全库存可能根据动态的周消耗或者日消耗控制，另外考虑生产的弹性，必定时间的最大销售差来计算
	定货模型的优化以及单次定货量的设定	销售统计与定货模型的选择	跟安全库存一个道理，可是得先肯定单次的定货量，进而肯定周期
	不一样地区的快递的选择	快递价格及发货数量数据	能够直接算，能够转为线性规划的问题啊
	仓库内部库存位置的优化	销售关联数据及仓库排位	销售排行以及关联分析
	生产排程的优化	BOM、销售数据、工时效率数据	很复杂，涉及到的基础数据和算法太多
活动	活动流量、转化率、单客件数、销量预测等	宝贝销售排行等历史数据	宝贝销售排行那个图表能够轻易找到这些数据，为下次预估提供参考
	活动页面关联设置	客道等具备客户标识的数据库	为下次页面的规划提供参考，分析分布的有效性
	活动目标达成率	宝贝销售排行	表面意思
	活动成交人数，新老占比，各自客单分布，各分布主要产品	客道等具备客户标识的数据库	客道等一些数据能够得出来
	活动成交顾客的后续购买	客道等具备客户标识的数据库	分析活动客户的价值，最终肯定整个活动的ROI
	引进顾客的终身价值计算	客道等具备客户标识的数据库	同上内容
	低价活动引进顾客的活动购买率	客道等具备客户标识的数据库	判断活动引入的无价值客户的比例
	营销费用占比，毛利率等	销售统计	决定活动是否有利可图