本篇是flink 的「電商用戶行為資料分析」的第 9 篇文章，也是該系列的最后一篇，為大家帶來電商常見的指標匯總和對前8篇文章做一個的階段性的總結，并融入一些我自己的思考，希望大家能夠從中受益，感謝閱讀！
電商指標整理
有關"人"的指標
- 客服
| 指標名詞 | 名詞解釋 |
|---|---|
| 詢單量 | 下單前來詢問客服的客戶總數 |
| 詢單轉換率 | （轉化率= 成單數/來訪量轉化率）影響的因素有：寶貝描述（寶貝圖片優化和描述很大程度上決定了轉化率的高低，其次是店鋪的整體布局和設計，）、銷售目標（買家都有從眾心理，商鋪的定價和定位有待調查和確認，主流的消費群體應該是首選銷售目標，）、寶貝的評價（評價對于店鋪的存在是致命的，沒有信譽便放在之后考慮是很多淘寶買家的心理，）、客服（客服是店鋪視窗，好的客服相當于銷售成功了一半，對于客服的嚴格要求是必不可少的，） |
| 平均接待時長 | 平均客服接待客戶總的時長 |
| DSR評分 | DSR就是賣家服務評級系統，就比如我們在淘寶、京東等電商平臺賣商品，收到歡訓要求我們評價評分，DSR評分就是選取連續六個月內的買家給予該項評分的總和除以連續六個月內買家給與該評分的次數，淘寶店鋪中DSR評分是淘寶店鋪動態評分，淘寶店鋪動態評分是指在淘寶網交易成功后，買家可以對本次交易的賣家進行如下三項評分：寶貝與描述相符、賣家的服務態度、物流服務的質量， |
- 用戶
– 流量（用戶）
| 指標名詞 | 名詞解釋 |
|---|---|
| 免費流量 | （1）搜索流量；搜索流量涉及的提升維度很多，如全店關鍵詞布局，標題，產品架構等，都是細致功夫，手淘首頁手淘首頁流量的入口有很多，就是付費流量中提及的生活研究所/愛逛街/必買清單/淘立拍/有好貨/有好店/猜你喜歡等，都是（2）手淘首頁；流量來源，其中流量最大的可操作性最強的，是猜你喜歡，（3）主動訪問；如直接訪問、購物車、寶貝收藏、已買到商品等，（4）新品流量；有一個可以利用的規則，在這里說一下，就是大家都知道的淘寶對店鋪新品的扶持流量，一件商品在剛上架的時候，淘寶平臺會有一定的流量扶持，但是由于一件商品的扶持流量比較小，不會很明顯，這時候就可以利用大量的上貨，利用淘寶的扶持流量發展自身，想要利用這個規則的話，一次性上架幾件寶貝肯定是不行的，最好是一次性上架數百的商品，這樣的話，店鋪自身就會有比較大的流量，但是一次性上架上百的商品，還是每天都上架數百的商品，完全靠人工的話，幾乎不可能完成這個任務，這種情況下只能靠一些軟體來采集上傳商品，以達到一直不斷的獲取淘寶的扶持流量的目的，這種大量鋪貨的模式在店鋪前期可以做，等到店鋪有比較穩定的流量轉化的時候，就可以用精細化運營技術來經營店鋪了， |
| 付費流量 | （1）平臺廣告；聯盟按銷售額付傭金，如淘寶客，（2）搜索定向基于平臺訪客搜索行為，如直通車，同時，直通車也可以人群定向的，下面不再重復提及，（3）人群定向；基于平臺訪客瀏覽與購買行為，如鉆展，品銷寶，淘積木，內容渠道，鉆展/品銷/淘積木大家應該都比較清楚，這里特別說明一下內容渠道，淘系的內容渠道，如有好貨/生活研究所/必買清單/愛逛街…等等，都是基于訪客標簽個性化展現，這些渠道其實是可以獲得大量免費流量的，只要產品足夠優質，平臺或者達人會主動且免費推，但不能全部指望免費，偶爾聯系精準達人付費一下，識訓流量與轉化率雙高，也是不錯的，（4）硬廣；包斷某時段的固定位置，如2012年前淘寶首頁首屏焦點圖是可以每天16萬買到，還送登錄頁面左側廣告等平臺免費資源，這就是傳說中的電商紅利，當沒有了紅利，只有土豪才能買硬廣了，上次看到的土豪就是科顏氏，買斷天貓/淘寶首頁第一屏， |
| UV | unique Visitor，指訪問某個站點或點擊某條新聞的不同IP地址的人數， |
| PV | page View，即頁面瀏覽量 |
| VV | 訪問次數，訪客從進入網站到離開網站的一系列活動記為一次訪問，也稱會話(session),1次訪問(會話)可能包含多個PV， |
| 流量深度（PV/UV） | 平均每個獨立訪客產生的PV，人均瀏覽頁數=瀏覽次數/獨立訪客，體現網站對訪客的吸引程度，PV/UV |
| 停留時長 | 用戶在一個商品頁面停留的時間 |
| ROI | 投資回報率；投資回報率（ROI）是指通過投資而應回傳的價值，即企業從一項投資活動中得到的經濟回報，（投資回報率（ROI）=年利潤或年均利潤/投資總額×100%） |
| 來源轉換率 | 指用戶通過什么渠道進入該頁面，比如：APP，廣告，直通車… |
| 跳失率 | 指統計時間內，訪客中沒有發生點擊行為的人數/訪客數，即 1-點擊人數/訪客數，該值越低表示流量的質量越好，多天的跳失率為各天跳失率的日均值，簡單地說，就是訪客只訪問一個頁面就離開了，一個較高的跳失率是不利于店鋪轉化率提升以及店鋪的發展的， |
– 成交用戶
| 指標名詞 | 名詞解釋 |
|---|---|
| 新用戶數 | 第一次購買商品的用戶 |
| 老用戶數 | 不是大于一次購買商品的用戶 |
| 活躍用戶數 | 指那些會時不時地光顧下網站，并為網站帶來一些價值的用戶數量 |
| 沉睡用戶數 | 沉睡用戶定義，是指有一段時間沒有使用、訪問的用戶數，例如：移動互聯網產品常把90天活躍度作為一個評判節點，如果一個用戶90天之內沒有任何活躍行為，就會被判定為沉睡用戶， |
| 復購率 | 再次消費的用戶數量/總用戶數量x100%比如母嬰店有1000個會員，當月有100個會員來店再次消費，則回頭率為10%， |
| 客單價 | 一段時間內的銷售額/客戶數，客單價的本質是：在一定時期內，每位顧客消費的平均價格 |
| 連帶率 | 銷售件數/交易次數反映的是顧客平均單次消費的產品件數 |
| RFM | RFM模型，包含三個指標：（1）最近一次消費 (Recency)：最近一次消費意指上一次購買的時候——顧客上一次是幾時來店里、上一次根據哪本郵購目錄購買東西、什么時候買的車，或在你的超市買早餐最近的一次是什么時候，（2）消費頻率 (Frequency)：消費頻率是顧客在限定的期間內所購買的次數，我們可以說最常購買的顧客，也是滿意度最高的顧客，如果相信品牌及商店忠誠度的話，最常購買的消費者，忠誠度也就最高，增加顧客購買的次數意味著從競爭對手處偷取市場占有率，由別人的手中賺取營業額，（3）消費金額 (Monetary)：指的是一段時間（通常是1年）內的消費金額 |
有關"貨"的指標
- 進貨
| 指標名詞 | 名詞解釋 |
|---|---|
| 備貨SKU數 | 指倉庫中實際儲存的貨物規格、顏色、款式的數量， SKU，英文全稱為 stock keeping unit，定義為保存庫存控制的最小可用單位，例如紡織品中一個SKU通常表示：規格、顏色、款式， STOCK KEEP UNIT.這是客戶拿到商品放到倉庫后給商品編號,歸類的一種方法. 通常是SKU#是多少多少這樣子. 還有的譯為存貨單元\庫存單元\庫存單位\貨物存盤單位\存貨保存單位\單元化單位\單品\品種,基于業務還有的是最小零售單位\最小銷售單位\最小管理單位\庫存盤點單位等；專業物流術語解釋為“貨格”， |
| 備貨品類數 | 指倉庫中實際儲存的貨物種類， |
| 平均每款SKU數 | 一般是基于品類或者平臺來進行統計， |
| 平均每款備貨數量 | 平均每款備貨量=總備貨量/備貨品類數 |
| 品類采銷比 | 指采購商品種類和銷售種類的比例 |
| 價格帶采銷比 | 指采購商品價格和銷售價格的比例 |
| 尺碼采銷比 | 指采購尺碼和銷售尺碼的比例 |
- 銷售
| 指標名詞 | 名詞解釋 |
|---|---|
| 銷售結構（品類/價格帶/折扣帶） | 價格帶(Price Zone )指各個商品品種銷售價格的上限與下限之間的范圍，在店鋪內，為了滿足顧客對既豐富又有效的商品構成的需要，有必要減少銷售格層，并縮小價格帶，如果銷售價格的種類很多，則必然導致顧客不需要的商品增加，使顧客選擇商品成為困難，并失去了商店的特性， |
| 暢滯銷 | 指市場的產品上因為一些原因不受消費者歡迎而導致銷售速度極慢，其特征為:購買量為零;售價等于或低于成本;簡單再生產難以為繼; |
| 動銷率 | 動銷，即拉動銷售，指在營銷的渠道終端，通過一系列的營銷組合手段，提高單店/單點銷售業績的方式，促銷是動銷的方式之一，動銷的手段和方式遠超出促銷的范疇，（1）動銷率越高不一定越好（2）動銷率等于100%也不一定就是正常，動銷率小于100%也不一定就是滯銷商品惹得禍，（3）實際作業中不能僅僅被百分比所迷惑，只看資料的表面，不透過表面找到問題的實質， 動銷率計算公式為(商品動銷率=動銷品種數 /倉庫總品種數×100%) |
| 售罄率 | 指一定時間段某種貨品的銷售占總進貨的比例，是根據一批進貨銷售多少比例才能識訓銷售成本和費用的一個考核指標，便于確定貨品銷售到何種程度可以進行折扣銷售清倉處理的一個合理尺度，售罄率反映了產品的銷售速度–是否受歡迎，要充分關注新貨上市的售罄率，發現問題研究問題，及時采取措施. （售罄率=實際銷售貨品成本/總進貨成本)或者(售罄率=實際銷售貨品/總進貨零售價） |
- 庫存
| 指標名詞 | 名詞解釋 |
|---|---|
| 周轉率/天數 | 存貨周轉率（次數）是指一定時期內企業銷售成本與存貨平均資金占用額的比率，是衡量和評價企業購入存貨、投入生產、銷售識訓等各環節管理效率的綜合性指標 |
| 庫存金額 | 指的是存貨按成本計價的金額 |
| 庫存數量 | 指倉庫中實際儲存的貨物數量 |
| 庫存結構（年份/品類/價格） | 指倉庫中的貨物記錄的年份，品類和價格 |
| 有效庫存比 | 要計算有效庫存比首先需要定義有效庫存的標準，有效庫存定義是能給門店帶來價值的商品的庫存，從定義來看殘次商品、過季商品和沒有銷售的商品肯定都不屬于有效庫存商品，不過在實際的分析程序中有效庫存的確定會復雜很多，首先無效庫存包括殘次商品、過季商品、凍銷商品、甚至是虛庫存，滯銷商品，對于滯銷商品需要確定一個標準將將有銷售的商品分成有效庫存和無效庫存，這個標準一般以周銷售量或月銷售量來衡量，并且渠道不同標準是不一樣的，例如某款衣服某周銷售了2件，2件對于單個專賣店來說這可能就是有效庫存，但是對于一個區域或總公司來說銷售2件的商品肯定不是有效庫存，因為產生的價值不大，需要提高標準， （有效庫存比=有效庫存金額/總庫存金額×100%） |
| 可銷天數 | 指庫存里面的總數量可以銷售多少天， 有2種核算方式：1.(庫存可銷天數 = 庫存總數量 / 日均銷售數量) 2.(庫存可銷天數 = 庫存總成本 / 日均銷售成本) |
- 售后
| 指標名詞 | 名詞解釋 |
|---|---|
| 退貨率（整體/單款） | 指產品售出后由于各種原因被退回的數量與同期售出的產品總數量之間的比率，有2種計算方式 1.（退貨率=退貨批次/出貨總批次×100%）2.（退貨率=退貨總數量/出貨總數量×100%） |
有關"場"的指標
現在的電子商務：
1、大多買家通過搜索找到所買物品，而非電商網站的內部導航，搜索關鍵字更為重要；
2、電商商家通過推薦引擎來預測買家可能需要的商品，推薦引擎以歷史上具有類似購買記錄的買家資料以及用戶自身的購買記錄為基礎，向用戶提供推薦資訊；
3、電商商家時刻優化網站性能，如A/B Test劃分來訪流量，并區別對待來源不同的訪客，進而找到最優的產品、內容和價格；
4、購買流程早在買家訪問網站前，即在社交網路、郵件以及在線社區中便已開始，即長漏斗流程（以一條推文、一段視頻或一個鏈接開始，以購買交易結束），
「相關資料指標」：關鍵詞和搜索詞、推薦接受率、郵件串列/短信鏈接點入率
電商8類基本指標
1）總體運營指標：從流量、訂單、總體銷售業績、整體指標進行把控，起碼對運營的電商平臺有個大致了解，到底運營的怎么樣，是虧是賺，
2）站流量指標：即對訪問你網站的訪客進行分析，基于這些資料可以對網頁進行改進，以及對訪客的行為進行分析等等，
3）銷售轉化指標：分析從下單到支付整個程序的資料，幫助你提升商品轉化率，也可以對一些頻繁例外的資料展開分析，
4）客戶價值指標：這里主要就是分析客戶的價值，可以建立RFM價值模型，找出那些有價值的客戶，精準營銷等等，
5）商品類指標：主要分析商品的種類，那些商品賣得好，庫存情況，以及可以建立關聯模型，分析哪些商品同時銷售的幾率比較高，而進行捆綁銷售，有點像啤酒和尿不濕的故事，
6 ) 市場營銷活動指標，主要監控某次活動給電商網站帶來的效果，以及監控廣告的投放指標，
7）風控類指標：分析賣家評論，以及投訴情況，發現問題，改正問題
8）市場競爭指標：主要分析市場份額以及網站排名，進一步進行調整
以上總共從8個方面來闡述如何對電商平臺進行資料分析，當然，具體問題具體分析，每個公司的側重點也有所差異，所以如何分析還需因地制宜，
專案回顧和總結
本次基于flink 的電商用戶行為資料分析專案組成模塊如下：
這些指標的具體開發在之前的8篇文章中都有陸續介紹，我們在這里可以對其進行一個分類，其中統計類的開發套路有跡可循，無非就是將資料集進行讀取，然后經過map封裝成樣例類，可能還會有filter過濾,keyBy分組的操作，接著就是開時間窗，做聚合，如果遇到稍復雜一點的情況，例如求每個時間范圍內的topN，我們按照每個視窗結束的時間indowEnd進行分組，再做一個process自定義Function即可，
在后面的模塊中，我們開發需要針對業務流程中的一些狀態做檢測和輸出警告，跟時間相關的，我們就需要使用processFunction定義定時器，如果是正常的狀態邏輯，我們就需要使用到狀態編程，自定義一些狀態，總體來講，就是一套這樣的處理規則，對于統計類指標的開發，如果我們不想用DataStreamAPI，想用更高級的API，也可以考慮用 tableAPI 和 flinkSQL，將需要計算的指標提取出來，做一個聚合即可，如果是對事件，邏輯，風控進行管理，往往我們可以定義CEP復雜事件處理去做定義，
專案識訓
首先談談為什么我會嘗試去追B站的視頻，來學習這個所謂的基于 flink 的電商用戶行為資料分析專案，主要還是因為自己在平時的作業中，flink接觸到的內容不多，而近幾年flink社區的發展又非常迅猛，前幾天才剛推出flink1.12.0，流批一體真正統一運行，所以說，大資料未來幾年的發展，flink大勢所趨！
通過這次專案的學習，讓我這個大資料萌新對于flink又有了更深的認知，尤其是之前沒有在意過flink的CEP編程，但是在一些復雜場景下，使用CEP卻是真的能提高我們開發的效率，否則自己寫邏輯代碼要寫到吐…另外，對于一些其他的含義，例如時間視窗，水印，以及各種不同的自定義處理函式，都讓我加深了印象，尤其是現在再去看之前寫的flink代碼，果然是順眼了很多（讓我臭個美，順便截個圖），
我相信一定會有小伙伴看到這里，也想跟這個專案，這里我先投出網頁視頻鏈接：https://www.bilibili.com/video/BV1yV411f7ZR，其中專案原始碼我已經放到github上了，歡迎小伙伴們前來圍觀，
https://github.com/Alice-czxy/FlinkECUserBehaviorAnalysis/
有留言之前幾期文章內容的小伙伴都應該知道，我寫的代碼基本每行都有注釋，所以不用擔心看不懂哈，如果看了注釋還不太理解，歡迎加微信交流哈~
之后的計劃
這個專案只是我自學的一個小階段，接下來，我會去自學一項最近很火的 技術——ClickHouse，到時候學習做的筆記或者好的資料我都會貢獻出來，但是暫時的文章我不會去寫這個，因為我現在能寫的內容太多了，檔期完全排不過來，一大堆已經有了思路還未動筆的文章等著我去解除封印！ 好了，本篇文章over，很感興趣堅持看到這里的你們 |?･ω･` ) 你知道的越多，你不知道的也越多！我是Alice，我們下一期見！
文章持續更新，可以微信搜一搜「 猿人菌 」第一時間閱讀，思維導圖，大資料書籍，大資料高頻面試題，海量一線大廠面經…期待您的關注!
CSDN認證博客專家
CSDN博客專家
大資料學者
追夢人
轉載請註明出處，本文鏈接：https://www.uj5u.com/ruanti/237117.html
標籤：其他