很多新手分析或运营同学都会忽略：做完分析后要提出专业性的意见和建议，经常有新手前面做了很多酷炫的数据表格、各种各样的维度分析和拆解后，忽略了最后一步：提出意见和建议，如果没有这一步，整个分析报告的价值会大打折扣，因为所有内容最终都是要落脚到业务的发展上，如果只是分析了数据背后的原因，却没有落脚到最终建议上，运营或业务也不知道该怎么做，这个报告的价值就没有完全发挥出来。

要想提出比较有价值的建议：需要依赖对业务的深入理解，可以通过走进业务、了解业务慢慢进行积累，有了业务敏感度后，才能提出对业务发展比较好的建议，这个需要慢慢沉淀。

二、详解常用的电商数据分析方法

电商常用的数据分析模型和方法主要有五种：RFM分析、留存分析、漏斗分析、路径分析、归因分析。

RFM三个英文字母代表三个具体维度：

• R代表用户最近一次的消费时间，比如A用户最近一次在平台上发生购买是1月1号，离现在的时间是24天，该指标衡量的是用户近期消费热度的数据，如果最近一次消费时间离现在已经过了好几年，大概率该用户已经流失；
• F代表的是用户在一段时间内在平台上的消费频率，通常用户消费频率越高，用户越忠诚；
• M代表的是用户在一段时间内在平台上的消费金额，该指标代表用户的购买力，比如有的用户购买频率非常高，但总消费金额一共只花了一百块钱，说明消费率可能有问题，通过这三个维度可以对用户进行划分。

通常也会对每个维度设定一个阈值，把高于或低于阈值的用户划分成两个群体，所以整个用户群体可以划分成八个细分人群（上图左边所示），而阈值的设定通常会用平均值或其他更科学的方式，比如B用户在消费时间、频率和金额上都比阈值高，说明该用户是一个重要的价值客户。

这八个细分人群也有不同的运营策略，该流失召回的召回，该做保持的保持，该发展潜力的发展潜力等。

RFM分析具体过程如下：

第一，做RFM分析需要用到数据表，这张表指订单交易表，核心字段是用户ID 、消费时间和消费金额，有订单交易表即可进行RFM分析；

第二，在订单交易表的基础上，进行三个维度数据的加工，字段是用户ID、最近一次消费时间间隔、消费频率、消费金额，这样即可对每个用户进行加工生成比较详细的RFM加工表；

第三，进行阈值划分，常见方式是直接求均值，还有比较特殊的如阶段打分等；

第四，对阈值划分后就可以判定用户属于八个细分人群里的哪种，然后对用户进行打标识，属于重要发展客户还是维系客户等。

RFM分析的优缺点：

RFM分析的优点主要有两个：第一个是数据的获取性好，主要用订单交易表即可，只要有成交数据，即可进行RFM分析，这是最大优势；第二个是模型的分层可解释性强，此模型是直接基于逻辑进行分解，因为有很多模型如算法模型等分析很难对业务解释清楚，但通过RFM分析模型划分成八个用户类别的解释性很强。

缺点：第一个是滞后性，因为其分析的是购买行为，只有用户发生购买后才能进行分析；第二个是不同行业应用起来有差别，比如耐消品冰箱，用户购买后可能十年内都不会再复购，这种情况下，RFM分析就丧失分析的价值和意义。

留存分析在电商里非常常见，常用于分析用户在获取后的一段时间内，在网站或APP的留存情况，这里需注意的是留存分析一定要加上日期，比如很多网站留存率50%的数据没有参考性，是因为其并没有说明是次日留存还是30日留存，这是有明显差别的，网站一年后的留存率肯定比网站一个月的留存率或次留存率含量更低，时间越长留存越少是很正常的，如果只提留存率高低，而不提时间，这个留存是没有任何对比分析意义的。

留存分析还需要关注开始行为和结束行为，比如通常网站分析留存是用户第一次登录后在多长时间内再次登录；或者开始行为定义为用户第一次注册后在多长时间内再次登录，不同的开始结束行为定义对留存分析也完全不一样，如果把开始行为定义成第一次购买，结束行为就可以定义为复购。

文章来源：《数据分析与知识发现》 网址: http://www.sjfxyzsfx.cn/zonghexinwen/2022/0214/1723.html

上一篇：2月10日中国科传涨停分析：知识付费，传媒，知
下一篇：6000字干货｜数据分析需求处理详解