在数据驱动精准运营趋势下，做电商的不会点数据分析怎么行呢?不论你在哪个岗位，都需要透过数据，去真正客观地了解业务现状、了解市场、了解对手，更了解自己。今天，网聚宝数据分析师给大家分享几种常用的数据分析思维方法和应用场景，希望可以给到各位电商运营同学一些启发，通过数据洞察，找到适合的符合自身店铺特点的运营方法。后续，我们也会陆续分享更多洞察数据的方法。
CRM入门级 新手必会的数据分析
基础1 新老客占比分析 ——你的流量还好吗？
横轴（时间维度）：付款日期 2015.12-2017.2期间
纵轴（会员量）：会员数
对比维度：
- 红色趋势线代表老客户，即入店购买2次以上的客户
- 蓝色趋势线代表新客户，即入店购买1次的客户
分析这些数据我们发现：2015.12-2016.1老客户数量在增长，新客数量下降。那为什么会出现这样的情况呢？
思考方向：
- 是否是拉新引流活动没有做好？
- 是否是双11、双12的活动透支了客户的购买力？
基础2 会员复购率分析 ——你的老客给力吗？
横轴维度：会员数（百分比）、付款金额 求和（百分比）
纵轴维度：总购买次数(1/2/3/4/5/6/7)
时间维度：2014.1.1-2017.2.1
从数据中可以看出，购买1次的新客的会员量占比63.79%，他们的付款金额占比86%，新客的人均贡献＞老客户。那为什么会出现这一情况？这个数据走势是好？还是坏呢？
思考方向：
- 吸引新客的是什么？是商品？是价格？
- 老客回购少？是商品特性问题？还是老客经验策略问题？
基础3 各商品复购分析 ——运营的锅还是商品的锅？
横轴维度：会员数（百分比）
纵轴维度：总购买次数(1/2/3/4/5/6/7)
对比维度：类目
时间维度：2014.1.1-2017.2.1
洞察发现，购买商品A的新客户，二次回店购买率＞购买商品B和C的新客户。不同的类目回购率不同。但相似的类目如果有较大差异，原因是什么?是由于产品本身特性造成的？还是运营策略方面导致的？
思考方向：
- 是商品布置的问题吗？
- 如果给买了商品B的会员推荐组合（包含商品B和商品A），这样用户如果回来复购商品B可能就会连带着买了组合，从此成为高回购类目A的用户，这样他们的复购率也能有所提高。
基础4 会员商品排行购买次数对比——哪些商品是常客们的心头好？
横轴维度：商品名称
纵轴维度：会员数（百分比）
对比维度：总购买次数（1次/2次/3次/4次以上）
时间维度：2016-11-11~2016-11-11
这些数据让我们能够洞察客户的商品偏好。哪些商品适合新客？哪些商品向第2次进店客户推荐转化更高？哪些商品是常客们的心头好？从而调整店铺商品陈列布局，调整对不同人群的营销及推荐策略。
思考方向：
- 是否是商品的店铺布局问题
- 是否需要调整营销策略
基础5 各个生命层级的会员商品排 —— 客户“挂”在哪个商品上
横轴维度：商品名称
纵轴维度：会员数（百分比）
筛选条件：付款日期距今日分别为：0~30；30~60；60~90；90~120
处于不同活跃度的客户，都在买哪些商品？比如沉睡客户，他们的最后付款时间正好处于双十一前，也就是购买了这些商品后，双十一都没有唤醒他们，那是不是这些商品导致他们流失？
思考方向：
- 调整商品的店铺布局
- 调整对不同人群的营销策略
- 是否放弃“死亡”商品
- 以此类推根据各个城市的会员商品排行、各个客单价的会员商品排行等数据洞察进行精准营销
作者：网聚宝分析师