电商数据指标体系详解：电商数据的定义、体系构建和指标

电商数据对于电商行业是十分重要且关键的，观测数据也是必不可少的日常工作，本篇文章作者系统地介绍了电商数据的指标体系，干货满满，从多个方面介绍了电商数据指标体系，一起来学习一下。

在各大电商平台或电商公司内部，最常见到的就是这种数据监控大屏，用于帮助平台和商家实时了解业务情况。

要观测数据，首先就要建立一套完备的数据指标体系，定义清楚我们要看什么，怎么看。

本文将通过电商数据的定义、体系构建、指标详解介绍电商数据指标体系。

一、电商数据的定义

电商数据指用来记录用户行为的数字信息，包括用户的注册、登录、流量、点击、消费、复购等一系列行为习惯的量化数据。

要分析数据，首先得了解电商的业务流程，通过业务流程分析用户的业务路径，每个路径需要关注什么指标，以及需要每个路径可能带来的业务损耗。最终形成一个完善的业务漏斗。

例如，从用户的角度出发，电商的业务流程可包括以下重要节点：

1. 注册

用户是从哪些渠道成为电商注册用户的，包括自有的APP，或者是其他投放渠道，包括微信、支付宝、抖音、线下广告等。

这里需要重点观测每个渠道的注册用户数以及每个渠道的获客成本，例如CPA（单个注册成本）。

2. 流量

当用户注册完成后，会有电商页面进行承接，也就意味着用户会产生浏览和点击行为，此时可以通过用户的浏览行为，判断用户的喜好兴趣和潜在交易。

这里需要重点观测每个页面的UV、PV、浏览时长、商品点击率等。

需要注意的是，在电商阵地中，搜索是一个非常重要的入口，当用户有明确的购物意向时，更可能通过搜索直接到达商品。

因此需重点关注搜索的相关流量，包括搜索UV、PV、有结果率等。

3. 转化

当用户到达商品层面后，就会进入下单和交易的转化环节。

这是电商的核心黄金流程，也是用户交易的重要路径。

这里需要重点关注下单量、下单人数、下单金额、支付单量、支付人数、支付金额、客单价、毛利率等。

同时需要注意售后订单的情况，但订单因为售后或者其他异常原因关单时，对于平台来说也是一部分流失。所以需要关注售后订单量、关单量、关单率等。

4. 复购

对于平台来说，获取一个用户后，当然会希望他尽可能的多复购，多产生GMV，也就是尽可能提高ARPU（Average Revenue Per User），即单用户贡献价值。

所以此处需要关注用户活跃度、复购率、购物车情况等。

购物车其实是一个下单工具，但根据用户习惯，加到购物车的商品更可能后续购买或复购，所以在这阶段也可以关注用户购物车的使用率。

除了用户角度，还可以从商品角度、订单角度、店铺角度去搭建业务流程和对应的数据体系。

因为用户有生命周期，商品同样有生命周期，从上架、下单、成交、到清空库存。同样可以建立一套商品数据指标体系。

二、电商数据体系

基于以上数据定义和业务流程的讲解，我们可以先建立一套尽可能完善，即覆盖全部业务流程和业务视角的数据指标体系。

在这套BI体系中，通过不同维度的指标，层层搭建。

三、电商数据指标

1. 用户

用户是电商“人——货——场”体系的根基，没有人来，再优质的货，再豪华的场，也没有任何意义。

把用户运营好，才有可能形成转化。

1）用户基本属性

• 年龄；
• 性别；
• 省份；
• 城市；
• 类型：例如用户的当前身份，为学生、白领等；
• 风险等级：在很多涉及金融的分期电商，用户的风险等级是一个重要属性，决定该用户是否可以获取额度并使用分期购物。

以上用户的基本属性，主要是帮助平台建立用户画像，分析用户的电商消费喜好。

2）用户交易行为

• 最近一次成交订单距今天数；
• 最近一次成交订单金额；
• 历史成交订单数；
• 历史成交订单金额。

通过前两个指标，可以判断该用户当前的活跃状态，是否需要对齐进行激活或者召回。

通过后两个指标，则可以清楚计算得到用户的客单价，也就是该用户的ARPU值，是衡量用户价值的关键。

3）用户生命周期

• 注册用户数：注册电商平台用户数；
• 活跃用户数：登录APP用户数；
• 浏览商详用户数：浏览商品详情页用户数；
• 新用户数：历史成交订单数为0的用户数；
• 老用户数：历史成交订单数大于0的用户数；
• 复购用户数：历史成交订单数大于1的用户数；
• 沉默用户数：距离上次登录APP大于30天，小于90天的用户数；
• 流失用户数：距离上次登录APP大于等于90天的用户数。

根据用户的生命周期，对用户进行区分，有利于对用户进行分层精细化运营，针对不同阶段的用户，采取不同的运营策略，例如新用户可通过新人优惠券和push尽快促其完成首单，沉默用户数可通过短信和专属优惠将其召回。

需注意，不同平台对于自身沉默和流失的用户定义不同，有些平台会通过活跃来判断，也有些是通过交易来判断。此次仅做参考，需结合自身平台特点和业务诉求进行制定。

2. 流量

用户进来后，最先承接用户的就是各级页面，包括APP的访问、首页、各活动页、商详页以及各页面内元素的点击，这些就是流量统计的关键指标。

1）APP

• APP打开人数；
• APP打开次数；
• 各tab曝光UV；
• 各tab曝光PV；
• 各tab点击UV；
• 各tab点击PV；
• 各tab的UV点击率=各tab点击UV/各tab曝光UV；
• 各tab的PV点击率=各tab点击PV/各tab曝光PV。

一般情况下，我们定义打开APP为活动人数，所以需要通过统计APP打开人数和次数来衡量活跃情况。

当前的APP多存在多个底部tab，例如淘宝有首页、逛逛、消息、购物车和我的淘宝。

每个tab都会有对应的曝光和点击，并可依此计算点击率。

2）活动页

• 页面曝光UV；
• 页面曝光PV；
• 页面点击UV；
• 页面点击PV；
• 页面UV点击率=页面点击UV/页面曝光UV；
• 页面PV点击率=页面点击PV/页面曝光PV；
• 人均曝光=页面曝光PV/页面曝光UV；
• 人均点击=页面点击PV/页面点击UV。

活动页包括首页、各级活动页、频道页，对于页面的统计流量，最重要的是曝光和点击，依此可以判断一个活动页面的客流量。

也可以参考人均点击、点击率等指标去判断单活动页面对用户的吸引力。

3）活动页元素

• 元素曝光UV
• 元素曝光PV
• 元素点击UV
• 元素点击PV
• 元素UV点击率=元素点击UV/元素曝光UV
• 元素PV点击率=元素点击PV/元素曝光PV
• 人均曝光=元素曝光PV/元素曝光UV
• 人均点击=元素点击PV/元素点击UV

活动页元素，是指上述页面中的元素，例如包站、banner、icon、feed流、广告位、弹窗和floating等。

这是活动页流量监控的重要数据，只有知道每个元素的点击率，才能知道用户对页面中哪些内容更感兴趣，依此指导运营进行页面的设计和调整。

尤其是广告位的投放，很多平台对于广告位投放内容，是需要进行内部竞争的。

竞争的主要依据之一就是点击率，如果投放的内容点击率高，说明投放价值相对更高，当然这个还需要结合后续转化来查看。

4）商详

• 商详页UV；
• 商详页PV；
• 添加购物车点击UV；
• 添加购物车点击PV；
• 立即购买点击UV；
• 立即购买点击PV。

商品详情页是下单支付流程的重要页面，主要记录用户对商品的浏览和跳转下单情况。

除了基本的浏览数据、点击加车和购买数据。

其实商详页还有许多模块，例如优惠券弹层，用户是否点击查看有哪些优惠券并点击领取等。

在实际的埋点中，所有的弹层浏览和点击都应该有埋点，根据业务需要，可以对页面上相应模块的浏览和点击数据都进行观测。

5）订单页面

• 确认订单页UV；
• 确认订单页PV；
• 提交订单点击UV；
• 提交订单点击PV。

订单确认页同样是下单支付流程的核心页面，用户不管是通过商详页还是购物车页面，要下单支付时，都必须经过订单确认页，确认订单相关信息后，再跳转至支付。

其中，页面浏览数据和点击提交订单数据是最重要的，这是下单流程漏斗的关键数据指标。

还有其他的模块也可以适当关注，例如优惠券弹层，用户是否点击查看有哪些优惠券并点击使用；选择收货地址弹层等。

6）支付页面

• 支付页UV；
• 支付页PV；
• 支付订单点击UV；
• 支付订单点击PV。

支付页是下单支付流程的最后一个页面，也是成交的关键，用户只有最终成交了才意味着GMV的提升。支付页面一般也叫收银台页面。

页面浏览数据和点击支付数据是最重要的，这是下单流程漏斗的关键数据指标。

很多平台在收银台还会开放其他功能，例如选择不同支付方式，支持选择分期支付并选择不同分期数，可以通过用户的点击去观察用户的支付喜好。

3. 搜索

在电商业务中，搜索是一个非常重要的业务入口，当用户无明确购买目标时，可能会浏览feed流的推荐商品。

但是当用户有非常明确的购买目标时，搜索永远是用户的第一大入口。

1）搜索基本情况

• 搜索曝光UV；
• 搜索曝光PV；
• 搜索点击PV；
• 搜索点击PV；
• 搜索UV使用率=搜索点击UV/搜索曝光UV；
• 搜索PV使用率=搜索点击PV/搜索曝光PV；
• 人均搜索次数=搜索点击PV/搜索点击UV；
• 人均搜索词量=（搜索有结果词量+搜索无结果词量）/搜索点击UV。

搜索入口会存在于多个页面，一般多在首页，让用户明显能看到，所以需记录其曝光和点击的数据，分析用户对搜索的使用情况。

除此之外，可以观测人均搜索次数和词量。如果用户搜索很多，一方面说明其来到该平台的目的明确，一方面也需要关注是否相关推荐不够精准，导致用户只能频繁使用搜索。

2）搜索有结果

• 搜索有结果UV；
• 搜索有结果PV；
• 搜索有结果点击结果UV；
• 搜索有结果点击结果PV；
• 搜索有结果无点击UV；
• 搜索有结果无点击UV占比=搜索有结果无点击UV./搜索有结果UV；
• 搜索有结果词量；
• 搜索有结果无点击词量；
• 搜索有结果无点击词量占比=搜索有结果无点击词量 / 搜索有结果词量。

根据搜索结果可分为搜索有结果和搜索无结果，搜索有结果时可以查看其搜索有结果的人数和次数，以及其出结果后是否点击。

如果搜索有结果，但无点击占比很高，那可能需要关注搜索结果是否不够准确，搜索出来的商品并不是用户想要的，所以用户不想点击。

3）搜索无结果

• 搜索无结果UV；
• 搜索无结果PV；
• 搜索无结果人数占比=搜索无结果UV / 搜索点击UV；
• 搜索无结果词量；
• 搜索无结果词量占比=搜索无结果词量 /（搜索有结果词量+搜索无结果词量）。

相对于搜索有结果，搜索无结果则需要重点关注词量问题。

如果搜索无结果词量很多，且占比很高，则意味着当前商品短缺或搜索匹配算法需要优化。

当用户整体搜索无结果人数占比提升时，则需要马上关注搜索产品的优化了，如果越来越多的用户来搜索却没有得到结果反馈，那么用户将流失得越来越多。

在搜索数据中，观测思路可以是：

1. 先关注无结果数据，降低搜索无结果占比，确保用户搜得到东西；
2. 再关注有结果数据，降低有结果无点击占比，确保用户搜到的东西是他想要的；
3. 最后关注有结果点击数据，判断用户搜到且点击的东西最终有没有形成转化。

4. 商品

商品主要看其销量和利润，销量通过下单支付指标，而利润则通过毛利指标。

1）商品基本情况

• 商品数量；
• 商品上新数量；
• 商品有库存数量；
• 商品无库存数量；
• 商品有销售数量；
• 商品无销售数量；
• 商品上新率=商品上新数量 /商品数量；
• 商品动销率=商品有销售数量 /商品数量；
• 商品滞销率=商品无销售数量 /商品数量；
• 商品倾销率=商品无库存数量 /商品数量。

商品的数量体现了电商中“货”的能力，先有货才能有成交。

但除此之外，需要关注几大指标，商品上新率反馈平台是否有持续迭代更新商品。

商品动销率确保不仅有商品，而且还有人买。

如果视频滞销率过高，则需要采取相应措施，提升长尾商品的曝光。

如果商品倾销率很高，一方面可以体现平台用户喜好，一方面也需要注意供应链是否完备，是否需要迭代优化以支撑商品销售。

2）商品销售

• 下单人数；
• 下单数量；
• 下单金额；
• 支付人数；
• 支付单数；
• 支付金额。

商品的下单和支付数据指标主要反馈商品的销售情况。

3）商品利润

• 自营商品毛利=成交金额-采购成本-仓储成本-物流成本+返利；
• pop商品毛利=成交金额*扣点比例-平台促销费用。

商品的利润可分为自营商品和pop商品来计算。

对于大平台来说，既有自营商品，也会有店铺入驻，通过分佣扣点的方式来计算平台利润。

自营商品毛利需要在商品成交金额上扣除采购成本、仓储成本和物流成本。

除此之外还可能与品牌方有合作，销售某商品可获得对应返利，这也是收入的一部分。

需注意的是，此处仅考虑商品的毛利，都是从商品的角度出发，像人力成本则不考虑在内。

对于pop商品，即入驻店铺销售商品，一般通过扣点比例计算佣金，同时还要扣除平台花费的促销费用，例如平台发放的优惠券金额等。

5. 订单

订单是电商体系的核心，是一切转化和统计的关键。订单全流程包括下单、支付、成单、售后。

1）下单

• 下单数量；
• 下单人数；
• 下单金额。

2）成交

• 成交数量；
• 成交人数；
• 成交金额；
• 成交件单价=成交金额/成交数量；
• 成交客单价=成交金额/成交人数；
• 成交人数转化率=成交人数/下单人数；
• 成交订单转化率=成交数量/下单数量。

除了基本订单成交指标，还需要观测客单价，客单价是衡量用户价值的关键，也可以了解用户的消费习惯。

此外，通过成交的转化率可查看订单的流失情况，进而优化下单支付的流程漏斗。

3）关单

• 关单数量；
• 关单人数；
• 关单金额；
• 自动关单数量；
• 手动关单数量。

订单关单包括用户主动取消订单或者系统因为各种原因取消订单。

除了关注数量，需要关注关单的具体原因，例如用户主动取消订单的原因分类，是价格过高还是质量不好等。

相当于一个用户调研，以此根据用户反馈不断迭代。

4）售后

• 售后单数量；
• 售后单人数；
• 售后单成功数量；
• 售后单失败数量。

售后形式一般包括退款、退货和换货。观测售后单量和人数可以确认订单的履约质量，如果售后单量过高，说明商品质量和服务存在问题。

同时还要关注售后单的结果，判断是否为用户提供了良好的售后服务。

6. 营销

电商营销多通过优惠券和各类促销活动来完成，包括单品直降活动、满减满折优惠活动、拼团活动等。不同活动的基本衡量指标类似，但优惠券因为设置上不同所以对应指标也存在一些差距。

1）优惠券

• 发行量；
• 领券人数；
• 领券数量；
• 领取率=领券数量/发行量；
• 用券人数；
• 用券数量；
• 用券率=用券数量/领券数量；
• 用券下单人数；
• 用券下单数量；
• 用券下单金额；
• 用券支付人数；
• 用券支付单量；
• 用券支付金额；
• 优惠券投入金额=用券支付单量*优惠券面额；
• 优惠券ROI=优惠券投入金额/用券支付金额。

优惠券的领取率和用券率可以帮助运营发现漏斗问题，是用户不领券还是领完券不用券下单。

优惠券的ROI是衡量优惠券活动价值的关键，通过用券支付金额可以确认优惠券带来的订单金额，再通过消耗的优惠券总数量与优惠券面额相乘得到总投入成本，最终计算得到投入产出比。

2）活动

• 活动下单人数；
• 活动下单数量；
• 活动下单金额；
• 活动支付人数；
• 活动支付单量；
• 活动支付金额；
• 活动投入金额；
• 活动ROI=活动投入金额/活动支付金额；
• 活动的指标与优惠券类似，主要以ROI作为活动价值的衡量。

以上流量、订单、商品、营销等指标，既可以用于平台自营，也可以用于平台入驻商家的运营衡量。

如果像京东这样的既有自营又有pop商家的平台，只需将不同指标应用于不同对象即可。

四、总结

数据是业务完善和迭代的可靠基础，提升转化的有力依据，战略决策的可靠依据。

它代表用户的行为习惯与方式，需要通过运算、观察、分析才能看出结论。

数据对于电商有不可替代的作用，是其不断发展的保障。

只有搭建完整清晰数据指标体系，才能实现通过数据提升业务转化。

电商数据指标的核心包括用户、流量、搜索、商品、订单和营销。

每个公司和业务或许存在些微不同，可根据实际情况进行调整，最终搭建起匹配自身业务的数据体系。

作者：球溜溜，微信公众号：产品小球。