電子數據基礎分析 1

第三章網店運營數據分析3.1網店運營數據分析的作用及階段目標教學目的與要求：

說明網店運營數據分析的作用描述網店運營不同階段數據分析的目標一、網店運營數據分析的作用

1.為店鋪制定經營決策提供支持

借助數據分析，可以把隱沒在大量運營數據中的有用信息，集中、萃取和提煉出來，幫助網店經營者發現問題、分析問題，找出店鋪運營的內在規律，并提供店鋪決策支持。

例如：某店鋪通過解析和挖掘內在的數據源，與行業的周數據對比，發現其余環節都略高于行業均值，只有客單價部分是短板，那么應該建議店鋪增加同類寶貝推薦以及搭配套餐等，同時多做一些店鋪活動提高客單價。一、網店運營數據分析的作用

2.協助網店診斷運營問題網店在運營過程中會存在各種不同的問題，網店經營者應懂得一些常見問題診斷的基本技巧，及時找出網店存在的問題，并有針對性地給出解決方案。3.監控銷售效果借助一些平臺提供的網店運營數據分析工具，跟蹤監控和評估推廣效果的相關數據，及時提出整改意見；或指導網店的日常維護更新，如產品上下架、產品添加和編輯、修改等。例如：當發現店鋪產品定價過高的時候，就應該根據行業的平均價格以及自身的成本情況及時制定一個合理的價格，這樣才能讓店鋪的新老客戶不致流失，從而謀求更好地發展。數據分析在網店運營中具有重要的作用，可以扮演多重角色。可以充當預測師，幫助店鋪選款、預測庫存周期、預測未來風險；可以充當規劃師，通過數據分析合理規劃店鋪裝修板塊和樣式；可以充當醫師，診斷店鋪經營狀況，對不健康運營的店鋪找出病源并對癥下藥；可以充當行為分析師，通過用戶購買的物品、單價、花費、活躍時間、客服聊天反饋等分析買家行為特性；可以充當營銷師，通過對現有資源合理分析，制定最大化銷售計劃以促進銷量增長。

二、網店運營不同階段數據分析的目標網店運營數據分析的總體目標是：為提高網店知名度、排名和瀏覽量，提升品牌形象，提高顧客粘度和成交率，以及完成既定的銷售任務等，提供決策支持。

二、網店運營不同階段數據分析的目標

網店的發展過程一般可以分為四個階段：初創期、成長期、成熟期、穩定期。3.2網店運營數據的獲取與清洗教學目的與要求：

陳述網店運營數據獲取的主要途徑；描述常用網店運營數據清洗的一般方法。一、網店運營數據的獲取

1.運用生意參謀獲取

生意參謀是一個專門為淘寶、天貓商家提供店鋪經營分析服務的數據工具，可以幫助商家了解店鋪目前的經營狀況，包括銷售數據、訪客數據、流量數據、推廣數據等，為商家優化商品管理、提升營銷效果和客戶服務質量提供依據。

訪問生意參謀，輸入淘寶或天貓商家賬戶和密碼登錄，即可查看和分析自家店鋪各方面的數據。對新手賣家來說，建議在網店初始階段充分利用生意參謀的基礎功能；網店做到第四層級以上時，由于競爭激烈需要定制很多不同的數據組合，具體的版本需要根據賣家的實際情況選擇。不同類目和等級的網店，銷售情況不同，需要的輔助工具也不同。

一、網店運營數據的獲取

2.通過數據魔方獲取

數據魔方是淘寶網推出的一款數據分析商品，主要用于行業數據分析、網店數據分析，可以為賣家提供實時的運營數據支持（如網店或行業的實時成交情況等），其主要功能如下：①多維數據分析②個性化定制③智能預測與建議④行業對比用戶可以根據不同業務需求，選擇多個維度（如時間、地域、商品類別等）和指標（如銷售額、訪客數、轉化率等）組合進行交叉分析，從而更全面地理解數據之間的關系。數據魔方提供了靈活的報表創建和編輯功能，商家可以根據其需求定制專屬的數據報告，諸如店鋪銷售概況、流量來源分析、顧客行為跟蹤等。利用大數據和機器學習技術，數據魔方能夠對未來的銷售趨勢做出預測，并給出優化店鋪運營銷策略的具體建議除了查看自身店鋪的表現外，數據魔方還可以將這些數據與同行業的其他商家進行對比，了解店鋪所在行業市場的競爭態勢。一、網店運營數據的獲取

3.通過平臺API獲取

大多數電商平臺提供API（應用程序接口）以便開發者直接與平臺交互，提取店鋪數據、管理庫存、處理訂單等。

獲取電商平臺的開發者文檔頁面的通用步驟如下：

①訪問官網。

②尋找開發者中心或API文檔入口。

③注冊開發者賬號。

④瀏覽文檔。

一、網店運營數據的獲取

4.通過網店后臺導出

網店后臺管理系統通常提供了訂單管理、商品管理等功能，并支持將這些數據導出為CSV或Excel格式。不同電商平臺提供的導出功能可能有所不同，但大多數平臺都會提供基本的數據導出選項，以便商家能夠獲取銷售、訂單、客戶等信息。

針對淘寶和天貓平臺通過店鋪后臺導出數據的步驟如下：

①登錄商家后臺

②導航至數據頁面

③設置導出條件

④導出數據

⑤下載數據文件使用店鋪賬號登錄到淘寶或天貓的商家后臺（賣家中心）。在商家后臺中，找到并點擊進入“生意參謀”或其他數據分析工具，根據欲導出的數據類型，選擇相應的模塊，諸如流量、交易、商品、客戶等。這些條件包括時間范圍（指定欲導出數據的時間段）、數據維度（選擇具體指標或字段，如銷售額、訂單量、訪客數等）、篩選條件（即根據需要設置額外的篩選條件，如特定的商品類目、關鍵詞等）。大多數情況下，頁面上會有一個明顯的“導出”按鈕，點擊它可以選擇導出格式（通常是Excel或CSV文件）。數據準備好后，即可以直接下載生成的文件到本地計算機進行進一步分析。一、網店運營數據的獲取

5.借助第三方工具和服務獲取

市場上有很多專門用于電商數據分析的第三方工具和服務，如Shopify、Etsy、WooCommerce

等平臺提供的插件或服務，可以幫助更方便地獲取和處理數據。選擇合適的工具取決于店鋪的具體需求、預算和技術能力。需要注意的是，在使用任何第三方工具時都應確保遵守相關法律法規，尤其是關于隱私保護和數據安全的規定。

一、網店運營數據的獲取

6.使用網絡爬蟲獲取

使用網絡爬蟲技術獲取店鋪數據是一種從網頁上提取信息的技術手段，它能夠自動地收集大量公開的數據。對于某些無法通過API或后臺直接獲取的數據，可以使用網絡爬蟲技術來抓取網頁上的公開信息，但必須考慮法律、道德和技術方面的問題。

使用網絡爬蟲獲取店鋪數據的技術實現步驟：

①選擇合適的工具或編程語言

②分析目標網頁結構

③編寫爬蟲代碼

④處理反爬機制

⑤數據存儲與清洗

⑥定期更新爬蟲二、網店運營數據的清洗

1.訂單數據的清洗

（1）缺失值處理：檢查訂單日期、產品ID、客戶信息等關鍵字段是否有缺失。對于可預測的數值（如價格），可以使用歷史平均值或中位數填充；對于不可預測的信息（如客戶地址），考慮刪除或標記為待補充。

（2）異常訂單識別：使用統計方法（如Z分數、IQR規則）檢測異常高的訂單金額或數量。檢查是否存在重復下單的情況，并決定如何處理這些重復記錄（例如保留最新一條或合并）。

數據清洗（DataCleaning）：也稱為數據清理或數據凈化，是數據分析和處理過程中至關重要的一步，涉及識別并修正或移除數據集中的錯誤、不一致性和冗余信息，以提高數據質量。二、網店運營數據的清洗

2.產品庫存與銷售數據清洗

（1）庫存同步：確保庫存數據與實際庫存一致，避免出現超賣或缺貨問題。處理負庫存情況，通常這是由于系統錯誤導致的，需要調查原因并修正。

（2）銷售數據驗證：核對銷售記錄與支付記錄是否匹配，防止漏單或假訂單。清洗促銷活動期間的數據，確保折扣計算正確，且不計入正常銷售統計中。3.顧客行為數據清洗

（1）去重瀏覽記錄：如果同一用戶在短時間內多次訪問相同頁面，可能只需要保留第一次訪問作為有效行為。

（2）清理無效點擊：移除來自機器人或測試環境產生的點擊數據，以保證分析結果的真實性。

（3）標準化用戶標識符：統一不同平臺上的用戶ID格式，便于追蹤跨渠道的行為模式。二、網店運營數據的清洗

4.物流與配送數據清洗

（1）地址標準化：將送貨地址轉換成標準格式，有助于提高物流效率和準確性。

（2）運輸時間調整：根據實際情況調整預估的運輸時間，考慮到節假日、天氣等因素的影響。

5.評論與反饋數據清洗

（1）情感分析：利用自然語言處理技術對用戶評論進行情感分類，區分正面、負面、中立評價。

（2）去除無關內容：過濾掉與產品質量和服務無關的評論，如對運費、包裝等的討論。

教學目的與要求：

掌握分析訂單狀態和訂單時間數據的方法和特征；正確解釋訂單數據特征背后的原因。3.3網店訂單數據分析一、訂單狀態數據分析

訂單狀態數據通常按照一定的時間劃分，顯示某一時間段內各種訂單的情況，分析訂單狀態數據，可以為企業調整接下來的經營工作方向提供依據。表1某服裝企業網上商店2個月的運營情況時間周期新客戶（個）老客（個）未付款客戶（個）付款客單價（元）全部訂單金額（元）4月（1—30日）4

9363851

108230.351

385

325.003月（1—31日）3

521212863209.251

016

239.00（1）全部訂單金額4月比3月上升，說明該網店整體運營情況良好，商品占有一定市場。（2）新老客戶數量保持增長，說明該網站在吸引客流、提高客戶忠誠度、發展新客戶等方面措施比較適當有一定的效果。（3）未付款客戶數量增加，意味著該網店應該在客戶下單后積極與其溝通，通過一些限時的優惠活動，增強其購買意愿。（4）付款客單價提高，顯示客戶對該網店有了一定的認同，愿意產生更多的消費。二、訂單時間數據分析訂單時間數據主要針對一周或一天的訂單數據進行分析，目的是據此推測下一周的銷售時機分布，或一天內的最佳銷售時段分布。左圖所示為某化妝品網店4周的訂單時間數據。分析圖中數據可以發現，每周星期六的訂單金額、訂單量和會員數都降到最低點。從時間節點特征來分析，星期六是雙休日，更多的人會選擇外出度假或逛街，因為即使是回家晚了，第二天（星期日）也還可以休整。因此，周六這一天上網購物的人數相對減少了。1．分析一周時段的數據二、訂單時間數據分析

凌晨，大部分人都處于休息狀態，不會上網購物；10～12點、15～17點，許多上班族緊張地處理完事務之后，處于相對放松的狀態，更有可能忙里偷閑上網購物。2．分析一天時段的數據左圖顯示了某網店一天內各個時間段的訂單數據。觀察圖中網店運營數據，可以發現該網店在10～12點、15～17點銷售情況最佳，凌晨銷售情況最差。教學目的與要求：

理解RFM模型的含義，掌握網店客戶類別數據分析方法；掌握網店客戶行為、群體特征、購買頻次數據分析方法。3.4網店客戶數據分析一、網店客戶類別分析

1.基于RFM模型的客戶分類

（1）RFM模型的含義

R（Recency）：是指最近一次消費的時間。R值越大表明客戶越久沒來消費，其活躍度越低，可能是流失的客戶；反之，R值越小，說明客戶的活躍度越高，其越有可能與網站達成新的交易。F（Frequency）：是指消費頻率。F值越大表明客戶消費意愿越高，活躍度越高，忠誠度也越高；反之，F值越小，表明客戶的活躍度越低，客戶越有可能流失。M（Monetary）：是指消費金額。M值越大表明客戶產生的價值越高，是網站的主要盈利客戶；反之，M值越小，表明客戶的購買力越低或者購買欲望越低。一、網店客戶類別分析

1.基于RFM模型的客戶分類

（2）基于RFM模型的分類原則

根據企業的實際情況，設置合適的分割點，可以對客戶進行分類。

根據以上RFM參數設置，企業可對客戶進行分類如表3-2所示。

表3-2RFM參數設置下的客戶分類

重要保持客戶重要發展客戶重要價值客戶重要挽留客戶一般重要客戶一般客戶一般挽留客戶無價值客戶R√√√×√×××F√××√√×√×M√×√√×√××

R的分割點一般設置為30天，即客戶的最后消費時間以30天為界限；

F的分割點一般設置為5次，即消費者自開業以來成功付款的單數以5為界限；M的分割點一般設置為300元，即客戶的平均訂單金額以300元為界限。一、網店客戶類別分析

1.基于RFM模型的客戶分類

（3）基于RFM模型的客戶類型劃分及其特征

①重要保持客戶。重要保持客戶的R值低于參數分割點，F值和M值高于參數分割點。這類客戶的活躍度高，購買頻次高，訂單平均單價高，是最具忠誠度、最有購買能力、最活躍的網絡購買者。

②重要發展客戶。重要發展客戶的R值、F值和M值都低于參數分割點。這類客戶的活躍度較高，雖然其購買頻次和購買能力都相對較低，但這類客戶對企業的利益貢獻也不能忽視。

③重要價值客戶。重要價值客戶的R值和F值都低于參數分割點，M值高于參數分割點。這類客戶活躍度較高，購買能力較強，但是購買頻次較低。消費能力高決定了其可以為網店貢獻較大的交易額，是網店贏利的保障。但是其購買頻次較低，即該類客戶在最終購買時易與其他網站商品進行對比或其購買意愿不夠強。

一、網店客戶類別分析

1.基于RFM模型的客戶分類

（3）基于RFM模型的客戶類型劃分及其特征

④重要挽留客戶。重要挽留客戶的R值、F值和M值都高于分割點。這類客戶活躍度較低，但購物頻次高，并且購買能力強。他們的存在往往是網店持續發展的保證。

⑤一般重要客戶和一般挽留客戶。一般重要客戶活躍度和購買頻次都比較高，但是平均訂單金額較低；一般挽留客戶雖然活躍度和平均訂單金額較低，但是購買頻次較高。

⑥一般客戶和無價值客戶。這兩種客戶的RFM參數，可以發現其R值可以都高于參數分割點，F值都低于參數分割點，這說明其活躍度不高，購物頻次也較低，即網購的機會較少。這類客戶在該網店購物的隨機性很強，若想發展這類客戶，需要付出的成本較高，并且成功率較低。

一、網店客戶類別分析

1.基于RFM模型的客戶分類

（4）基于RFM模型的客戶分類應用舉例

表3-3是某網店各類客戶的數據。根據表中相關數據和RFM模型分析的客戶分類原則，網店可以將客戶分為以下6種類型。

表3-3某網店各類客戶的數據R：最后購買時間（天）F：成功購買訂單數（次）M：成功購買平均

訂單價（元）P：客戶數量（人）W：成功購買的總金額（元）客戶類型≤30>5>30000.00重要保持客戶≤30≤5≤3003

7191

001

949.00重要發展客戶≤30≤5>300450401

158.00重要價值客戶>30>5>300520

944.00重要挽留客戶≤30>5≤300510

595.00一般重要客戶>30≤5>3003

1123

392

151.00一般客戶>30>5≤3003044

370.00一般挽留客戶>30≤5≤30015

62418

250

743.00無價值客戶一、網店客戶類別分析

1.基于RFM模型的客戶分類

（5）網店針對不同類型客戶的營銷策略

①重要保持客戶。對于一般企業，這類客戶較少，所以一旦出現了這類客戶，就要積極溝通，重視其需求，給予其VIP資格，牢牢抓住這類客戶。

②重要發展客戶。賣家應該采取措施，將這類客戶積極發展為高忠誠度、高價值的客戶。例如，賣家可以向其提供“滿就送”或超值套餐促銷等以低價位為主要手段的促銷策略。

③重要價值客戶。賣家應該在該類客戶選購商品時積極與其溝通，為其制定一些促銷優惠，或是在平時定期向其發送區別于其他網站的商品信息，增強其購買意愿。一、網店客戶類別分析

1.基于RFM模型的客戶分類

（5）網店針對不同類型客戶的營銷策略

④重要挽留客戶。賣家應加強客戶關系管理，重視這類客戶的需求并給予其特定的優惠，逐步增強其忠誠度。

⑤一般重要客戶和一般挽留客戶。一般重要客戶對于以盈利為目的的電子商務網站來說，其重要性比起前4種客戶相對低一些；一般挽留客戶能為網站帶來一定的收益，因此賣家也需要給予他們一定的關注。

⑥一般客戶和無價值客戶。這兩類客戶由于其在該網店的購物機會并不多，因而其購買能力對于網店來說意義也不大。

一、網店客戶類別分析2.基于運營經驗的客戶分類

根據網店運營經驗，從營銷的角度來看，網店可以將客戶分為4類：經濟型客戶、道德型客戶、個性化客戶、方便型客戶。（1）經濟型客戶（2）道德型客戶（3）個性化客戶（4）方便型客戶這類客戶有一定的消費能力，通常會關注知名的企業和品牌的商品，比較信任大品牌和口碑較好的商品。這類客戶的消費沒有定性，一般是憑感覺決策，只要自身滿足、覺得合適就會購買，在價格和品牌上沒有太多要求。這類客戶的消費水平較低，一般不會花太多時間和金錢在消費上，他們網購時關心最多的是商品價格。這類客戶追求的是購買的方便性，如支付的便捷、選擇的便捷、收貨的便捷等。這類客戶一般沒有太多的時間花在購物上，但其消費能力不容忽視，賣家應注意解決這類客戶中大部分人有較強的消費能力卻又不愿動手網購的矛盾。。二、網店客戶行為分析1.影響客戶行為的因素分析

客戶的消費行為數據不是恒定的，而是一個“變量”，它會受到各種因素的影響。研究表明，影響客戶消費行為的因素主要包括生理因素、心理因素、自然環境因素、社會環境因素4種。（1）生理因素（2）心理因素（3）自然環境因素（4）社會環境因素主要是源自客戶心理上對于某種事情的擔憂。自然環境是最常見的影響客戶消費行為的因素。客戶常常可能因為生理需要、生理特征、身體健康狀況以及生理機能的健全程度而改變消費行為。這類因素涵蓋的內容比較廣，包括經濟環境因素、法律政治因素、科技環境因素、文化環境因素等，實際應用中需要綜合考察分析其對客戶行為的影響情況。二、網店客戶行為分析2.客戶的忠誠度分析

提高客戶忠誠度通常可以采取以下措施：（1）找到高危客戶（2）了解客戶需求（3）讓網店的常客成為網店商品的擁護者和宣傳者

客戶的忠誠度：反映了客戶對企業或網店的信任程度、服務效果的滿意程度以及繼續接受同一企業或網店服務可能性的綜合評估。保持與客戶之間的不斷溝通、維持和增強消費者的感情紐帶，保持老客戶，是企業間競爭的重要手段。高危客戶是客戶流失的主要群體，其對企業或網店、商品的忠誠度較低，是提高客戶忠誠度需要重點關注的對象。在實際應用中，通常使用“采用率數據”分析高危客戶的情況。通過多種途徑，收集有關客戶關注的信息，了解客戶的潛在需求，及時為客戶提供所需商品或解決問題的方案，是提高客戶忠誠度的重要手段。網店賣家通過分析行為數據了解到其個性化需求，投其所好，讓常客變為網店的擁護者，進而開展一些活動吸引這類常客主動分享其在網店的良好購物體驗，使其成為推廣該網店商品的宣傳者。二、網店客戶行為分析3.其他重點數據分析

關注表征客戶行為的其他重點數據，往往可以起到事半功倍的效果。（1）客戶基本信息的多維度分析（2）客戶價值高低分析（3）客戶瀏覽行為分析（4）客戶“不喜歡”記錄的分析對客戶過去的購買記錄、購買商品的價值、購買的頻率、最近一次購買的時間等屬性進行量比，會產生客戶價值和評分，依此分出客戶價值的高低，從而評估所推薦商品或服務的接受程度，篩選出重點客戶。分析訪問網店的客戶點擊瀏覽過的商品記錄和購買記錄，對其分別打分、統計、歸類，可以預測客戶可能的興趣點。以用戶所處的地域、性別、年齡等人文屬性建立分析維度，對所有的信息進行篩選，可以簡單地把用戶的相關屬性與商品相匹配。在所推薦商品的旁邊增加一個“不喜歡”按鈕，收集客戶不喜歡的商品，這具有與收集客戶喜歡的商品信息一樣重要的價值。三、網店客戶行為分析

如果說客戶行為分析是對客戶個體橫向特征的分析，那么客戶群體特征分析可認為是對客戶群體縱向的特征分析。網店客戶群體的縱向特征包括群體基本特征、群體行為習慣、群體消費心理、群體需求等方面。四、網店客戶購買頻次分析

1.客戶購買頻次的含義及分析方法

賣家增強客戶網店黏性，提高客戶購買頻次的常用方法：（1）客戶活躍度分析（2）客戶流失分析（3）客戶平均停留時間分析

客戶購買頻次:即客戶在某一時間段內發生購買行為的次數。它能夠反映客戶購物的活躍度，頻次越高，其活躍度越高，客戶對于網店的價值就越大，客戶網店的黏性也就越高。客戶的活躍度可以從平均訪問次數、平均停留時間、平均訪問深度3個方面來分析，通常只要這3個方面的數據有所改善，客戶的活躍度就可以明顯提高。通過分析數據可以發現潛在流失客戶名單，從而有針對性地設定“挽回方案”，盡可能地留住需要的客戶。客戶停留在網店的時間越長，就越有可能產生購買行為，從而提高購買頻次。賣家可以根據客戶的瀏覽歷史記錄和購買記錄來選擇分析商品，動態地調整網店商品，向客戶推薦、提供一些特有的商品信息和廣告，從而使客戶能夠繼續保持對網店的興趣。四、網店客戶購買頻次分析2.分析客戶購買頻次特征

某零食銷售網店一年內客戶購買頻次和每單平均消費金額如圖3-5所示。左圖中的數據顯示，每天購買1次或多次的客戶占13.1%，每周購買3～6次的客戶占33.7%，每周購買1～2次的客戶占32.4%，每月購買2～3次的客戶占15.1%，每月購買1次的客戶占5.7%；每單平均消費金額在20元以下的占8.7%，20～30元的占34.5%，31～50元的占37.6%，51～100元的占14.9%，101～200元的占2.8%，200元以上的占1.5%。

分析客戶下單次數與訂單金額可以發現，該網店大部分客戶在一周內通常至少會下單1次，而且每單的平均消費金額大部分為20～50元；只有少數客戶每月購買1次，平均消費金額在200元以上的訂單與購買頻次少有很大關系。

考慮到該網店主要銷售零食，這個結果是合理的。因為零食的回購率往往都很高，所以客服人員可以在短時間內向消費者推廣商品，適當推出促銷活動，這樣就可以在短時間內增加回購率，加大訂單量，提高網店效益。3.5網店銷售額數據分析教學目的與要求：

掌握網店總銷售額數據、新客戶銷售額、回頭客銷售額分析的規律性特征；正確解釋網店銷售額數據特征背后的原因。一、網店總銷售額數據分析

某化妝品企業在天貓旗艦店一周的銷售額數據如下圖所示。

圖中的總銷售額由新客戶銷售額和回頭客銷售額組成，整個網店的銷售額環比下降了14.24%。

銷售額環比下降，說明這一周與上一周相比銷售額減少。一般情況下，網店的工作人員需要分析、查找銷售額下降的原因。圖3-6某化妝品企業在天貓旗艦店的銷售額數據二、新客戶銷售額數據分析根據圖3-6所示的數據，新客戶銷售額下分了3個指標，分別為新客戶數、客單價和購買頻次。新客戶數減少：說明網店在吸引客流方面的策略可能需要調整。

新客戶購買頻次下降：說明新客戶購物活躍度不高或購買意愿不強，網店客服應該更積極地與客戶溝通，適當給予優惠政策，激發其購買意愿。

新客戶客單價升高：說明在已購物的新客戶中，每個客戶的平均購買金額都提高了。圖3-6某化妝品企業在天貓旗艦店的銷售額數據三、回頭客銷售額數據分析

觀察分析圖3-6所示的數據，可以發現回頭客銷售額環比上升了31.82%。回頭客銷售額環比上升，其下屬的3個指標也全部環比上升，這說明網站在提高老客戶的忠誠度和購買意愿上運營相對成功，據此可以推測出該店鋪做到了與老客戶的積極溝通，能及時了解其需求并適當給予優惠。進一步觀察還可以發現，回頭客客單價提高，是由于商品單價提高，說明該網店在穩定老客戶方面運營得比較成功。圖3-6某化妝品企業在天貓旗艦店的銷售額數據3.6網店商品關聯數據分析教學目的與要求：

掌握網店關聯訂單數、關聯比例、關聯客戶數的分析方法；正確解釋網店商品關聯數據特征背后的原因。一、關聯訂單數分析

關聯商品是指那些與店鋪銷售的主力商品或輔助商品共同購買、共同消費的商品。關聯訂單就是購買這些關聯商品產生的訂單。

購買“韓式喜糖盒”的訂單共有5筆，購買“高檔婚禮糖果盒185”的訂單共有3筆，購買“創意喜帖1001”的訂單共有22筆。從訂單數的角度來看，與“韓式喜糖盒”一起購買得最多的商品是“高檔婚禮糖果盒185”和“創意喜帖1001”。因此，在5件商品中，“韓式喜糖盒”與這兩件商品的關聯度最高。因此，賣家可以考慮在商品詳情頁中推薦這兩款商品，或將其與“韓式喜糖盒”捆綁銷售。韓式喜糖盒訂單數（次）比例客戶數（人）關聯商品購買A、B購買A購買B購買

A、BA訂單中

購買BB訂單中

購買A購買A、B買A

未買B高檔婚禮糖果盒18525333.33%40%66.7%14創意喜帖100125228%40%9.09%23婚慶大紅包袋15511.11%20%20%14婚慶用品糖果盒18115116.67%20%9.09%14韓式請帖信封X0115216.67%20%50%14以“韓式喜糖盒”為商品A，其關聯商品為商品B，抽取出一組A、B商品的關聯數據，如表3-7所示。表3-7A、B商品的關聯數據二、關聯比例分析關聯比例的公式有以下兩種：購買A或B的比例=同時購買A或B的訂單數×100%購買A+購買B-同時購買A和B的訂單數

A訂單中同時購買B的比例=同時購買A和B的訂單數×100%購買A的訂單數二、關聯比例分析分析表3-7中的比例數據，“創意喜帖1001”僅為8%。結合關聯訂單數，購買“創意喜帖1001”的訂單共有22筆，可見，購買“創意喜帖1001”的訂單數較多，在這個前提下，同時購買“韓式喜糖盒”和“創意喜帖1001”的2筆訂單較小。這種情況說明商品關聯具有方向性，在“韓式喜糖盒”的頁面中推薦“創意喜帖1001"成功率比較高，但若在“創意喜帖1001”的頁面中推薦“韓式喜糖盒”，成功率則相對較低。韓式喜糖盒訂單數（次）比例客戶數（人）關聯商品購買A、B購買A購買B購買

A、BA訂單中

購買BB訂單中

購買A購買A、B買A

未買B高檔婚禮糖果盒18525333.33%40%66.7%14創意喜帖100125228%40%9.09%23婚慶大紅包袋15511.11%20%20%14婚慶用品糖果盒18115116.67%20%9.09%14韓式請帖信封X0115216.67%20%50%14表3-7A、B商品的關聯數據三、關聯客戶數分析分析關聯客戶數，可以得到一些輔助信息。從表3-7中的數據可以看出，“韓式喜糖盒”和“高檔婚禮糖果盒185”關聯度較高，但此處的客戶數僅為1，可見，雖然通過訂單數可以得出關聯度高的結論，但由于所有同時購買這兩件商品的訂單都屬于同一個客戶，因此這很有可能只是個別現象，這兩件商品的關聯度實際上并沒有想象的那么高，需要進一步查看更多的數據才能得出可靠的結論。韓式喜糖盒訂單數（次）比例客戶數（人）關聯商品購買A、B購買A購買B購買

A、BA訂單中

購買BB訂單中

購買A購買A、B買A

未買B高檔婚禮糖果盒18525333.33%40%66.7%14創意喜帖100125228%40%9.09%23婚慶大紅包袋15511.11%20%20%14婚慶用品糖果盒18115116.67%20%9.09%14韓式請帖信封X0115216.67%20%50%14表3-7A、B商品的關聯數據3.7應用實例：淘寶網店數據分析教學目的與要求：

掌握網店地域數據、會員數據、客服數據、利潤數據的分析方法；正確解釋網店各類數據特征反映的市場信息。3.7.1淘寶網店地域數據分析

淘寶網店的交易平臺雖然是通過網絡，但是店主所在地（即商品的發貨地）也是顧客選擇是否消費的依據之一。例如，有些急需的商品顧客可能會選擇同城，這樣物流速度快可以及時得到需要的商品；還有些商品具有地方優勢，比如上海的旗袍之類的，它們的歷史悠久，可信度高。這些例子都表明了一個問題，網店的地域數據也在影響著其正常經營。

對于地域數據可以先做一些描述性統計、餅圖、走勢圖等簡單的統計分析，描述性統計可以得到數據的數字特征，餅圖能反映變量的地區分布情況，走勢圖能反映變量在地區內的變化情況，在此基礎上然后可進行深入挖掘分析。【實例1】收集一家經營電腦的網店在10個地區的6個變量數據，包括UV量（個）、銷量（臺）、下單量（臺）、退貨量（臺）、轉化率（%）、退款率（%）以及支付率（%）(如表3-8所示)，分析該店鋪在地域分布上的特點。1.應用問題表3-8地域數據表為方便對該網店的經運營數據進行系統地分析，需要了解表3-8中各變量在哪些地區分別有最大值、最小值，哪些是變化大的地區，哪些地區能夠代表整體水平。為此，首先對上表中的數據做描述性統計，得到各變量的最大值、最小值、變化范圍、均值、方差、偏度和峰度，詳細結果如表3-9所示。下面結合表3-8和表3-9對統計結果進行分析。2.描述性統計表3-9地域數據的描述性統計（1）UV量分析。UV量是店鋪的獨立訪客數，本例中UV變化范圍值為235665，可見該店鋪流量的地區差距很大，最大值235668個在E省，最小值3個在W省，整體水平體現在均值24794上。但表3-8顯示大部分地區的UV量低于表3-9中的均值，方差的數值卻特別大，這說明UV量的分布是十分離散的，其偏度和峰度為正，表明數據分布是右偏的并且陡峭程度相對較高。2.描述性統計表3-9地域數據的描述性統計（2）銷量分析。銷量是能直接反映店鋪經營情況的指標之一。本例中銷量的變化范圍是53偏大，最小值1臺出現在W省，均值代表的整體水平是28臺，可見W省的銷量水平與整體水平的差距比較大；方差值比較大，表明銷量分布是不穩定在均值附近的；偏度和峰度值為負，說明銷量數據的分布曲線左偏且比較平緩。（3）下單量分析。表3-9中該網店下單量的范圍值比銷量的范圍值要大，最小值為2臺也是發生在W省，均值為47臺，低于表3-8中大部分下單量的數值；方差929.433，表明下單量數據的分布更加不穩定；偏度和峰度也為負值，表明下單量和銷量曲線一樣是左偏分布且較平緩。（4）轉化率分析。該網店的轉化率變化范圍接近0.5，最小值0.02%在E省，盡管其UV量是最大的，實際消費的比率不高，說明其內在商品性能對顧客沒有吸引力；最大值為50%出現在S省，雖然關注人數中消費的顧客比較多，但由于UV量這個基數本來就很小，所以無法說S省商品的吸引力強。（5）退款率分析。退款率和許多原因有關，或因為顧客改變主意不想買了，或由于商品的質量、款式、尺寸不符合顧客的要求，抑或是因為客觀的運輸原因等，其中受寶貝本身影響的退款商品占絕大多數，所以一家經營好的淘寶網店不僅有很高的銷量，它的退款率必定也是很低的。本例中這10個地區的退款率最高的是W省在50%左右，最低值33.33%同時有3個地區，這個數值其實是比較大的，可能是受到電腦所在行業不穩定性因素的影響，產品更新速度快也可能是讓一些原本考慮購買的商品被退貨的主要原因之一。表3-9地域數據的描述性統計（6）支付率分析。支付率的變化范圍比轉化率和退款率的變化范圍要大，說明這個變量的地區影響很強；最小值為0.04%是E省，最大值接近75%是S省，說明UV量多的地區未必是支付率高的，很有可能因為基數大而變成整個區域支付率最低的省份。

上述（4）（5）（6）3個比率指標的均值相差不多，能夠代表數據的整體水平；這些數據的方差都比較小，說明數據的變化是穩定的；偏度和峰度一個為正一個為負，說明它們的數據分布曲線都是右偏分布，且形態比較平緩。（1）UV量地域分布餅圖。圖3-7展示的是該網店UV量的地域分布情況。

從圖3-7可以看出，E省占據UV量的95%左右，剩下的9個省市的UV量總和不超過總量的5%，可見該店鋪的電腦最受關注的地區是E省，其他省份的訪問量很低。因此，店家可以在其他地區適當擴大規模增加可供商品數量，增加運輸渠道，使UV量在各地區分布得相對均勻一些。否則，像當前這樣集中度太高，只能導致其他地區客戶的流失，一旦E省同行競爭店家多了，該店的UV總量會急劇減少，店鋪將面臨危機。圖3-7UV量地域分布餅圖3.餅圖分析圖3-8銷量地域分布餅圖（2）銷量地域分布餅圖。圖3-8展示的是該網店銷量的地域分布情況。

從圖3-8可以看出，該網店絕大部分地區的銷量在其總銷量中占比差不多，有一半省份（分別是A、C、G、F、I省）的占比在10%以上，可見該店鋪的銷量在大部分地區分布上是比較均勻的；但是，也有些省份如W、P、S省這3個地區的銷量占比都不超過5%，表明該網店在這些地區需要加強銷售能力以提高銷量。3.餅圖分析圖3-9下單量地域分布餅圖（3）下單量地域分布餅圖。

圖3-9展示了各地區下單量在店鋪總下單量中所占的比例，其中占比最大的E省為18.26%，同時注意到E省的銷量以及UV量也都是占比最大的，這表明E省對店鋪的運營影響巨大；下單量占比居第二位的是K省（超過15%），其UV量、銷量也居第二，可見，K省對店鋪經營業績的影響也是比較大的。此外，還有5個省份（分別是A、C、G、F、K五省）的下單量占比超過了10%，這些地區對店鋪經營業績的影響也是不容忽視。需要注意的是，W、S、P這三個省份的下單量占比總和不超過5%，表明該網店在這些地區的經營效果很差，必須采取措施加以改善。

通過描述性統計和餅圖分析了網店數據的區域分布情況，接下來了解一下表3-8中每個變量的發展態勢也是店鋪經營者所需要的，因為表中3個比率數據（轉化率、支付率、退款率）都很小，而銷量、下單量比較大，UV量數值最大。為此，將6個變量分為3個部分，描繪折線圖顯示在3張不同的圖上，以方便做個體分析、對比分析以及綜合分析。4.走勢圖分析圖3-10UV量（單位：個）地域分布走勢圖（1）UV量地域分布走勢圖

UV量的地域分布走勢如圖3-10所示，UV量集中在E省，K省也有較大差距，其他省是平穩發展的。有些省市發展貼近于0，這與上面的數據和餅圖分析一致，是需要重點改善的地區。4.走勢圖分析圖3-11銷量（單位：臺）以及下單量（單位：臺）地域分布走勢圖（2）銷量以及下單量地域分布走勢圖

銷量以及下單量地域分布走勢如圖3-11所示，銷量和下單量的變化趨勢完全一致，下單量高的地區對應的銷量也高，而且下單量普遍比銷量高，但又不存在完全重合的現象，這反映出該店鋪無法讓其所有下單的客戶完全完成實際購買行為。造成這種情況的原因，可能與客服的服務有一定關系，也可能是因為行業內其他店鋪的沖擊所致。對于S和W兩省幾乎接近于0的銷量和下單量，網店經營者應高度重視，必須尋找到在這些地區滯銷的原因。4.走勢圖分析圖3-12轉化率（%）、退款率（%）、支付率（%）的地域分布走勢圖

在大部分地區（7個省份）退款率比轉化率和支付率高很多，表明在這些地區的商品銷售很不符合當地的市場需求，需要盡快查明退款的原因并做出相應的調整；P、S、W三省的轉化率和支付率比較高，退款率比較低，說明負責這些省份的客服人員在與客戶交流過程中服務是到位的，應鼓勵其繼續保持，也可以為其他地區提供借鑒參考。（3）3個比率數據的地域分布走勢圖

轉化率、退款率、支付率的地域分布走勢如圖3-12所示，其中轉化率和支付率的變化趨勢基本一致，退款率雖在一定范圍內波動，但總體比較穩定，這與之前的描述性統計結果一致。

實例1展示了利用描述性統計、餅圖、走勢圖分析淘寶店鋪地域數據的情況，分析可以為店鋪調整經營策略改善經營業績提供輔助決策的依據。此外，還有些在實例1中沒有涉及的與地域相關的變量（例如郵費等），也可以利用上述3種統計工具分析。3.7.2淘寶網店會員數據分析

網店會員數據的分析一般從會員消費程度、會員特征、會員等級3個方面進行，主要目的是了解會員的消費需求、消費習慣、消費偏好等信息，進而推出有針對性的銷售方案。下面介紹如何對淘寶網店會員數據采用RFM分析法、會員標簽細分法、會員等級細分法進行分析。

RFM分析法主要是對會員的消費數據展開分析（RFM模型中各個字母代表的含義請參閱教材3.4.1節）。

1.RFM分析法

R值大表示該會員很久沒有來消費，客戶可能正在流失；F值小表明會員的活躍度低，也暗示著客戶可能正在流失；M值越小表明會員的購買能力越弱。1.RFM分析法

【實例2】分析某網店會員最近一段時間的消費記錄。按購買時間先后排序選取30位會員的消費數據如下表3-9所示，以時間2018年10月為基準，在2018年上半年有購買記錄者認為是很長時間沒有消費類用戶。序號最近購買時間用戶名一年內消費次數累計消費金額（元）12018/1/1511:28:36199f***ffe215022018/1/1514:59:475ww2***w2329632018/1/1516:36:057422***qsz34542018/1/2101:00:421238***xyy656652018/1/2305:02:022323***gyf584062018/1/2721:48:534615***qq2776072018/1/2917:30:39824q***q47660682018/2/406:18:46690p***p53416492018/2/611:16:191310***q892148102018/2/912:32:219008***3951711

650112018/2/915:08:038659***hxf3165122018/2/1118:20:59zybe***liz136132018/2/1207:18:55-270***x432308142018/2/1217:12:31x89-***hui216152018/3/210:42:37rtne***cou298162018/3/1410:16:24200g***gf8129172018/3/2707:08:257kk6***kk62104182018/4/421:21:37gare***mar3117192018/4/514:34:50itin***nik2128202018/4/2815:50:00zunz***eli147212018/5/908:03:07za-5***raj166222018/5/919:29:34tre-***tre282232018/5/1718:20:58bit_***bit2108242018/5/2804:18:22zb.z***zsb152252018/6/719:20:39.us.***wst136262018/6/719:20:41.mae***mee184272018/6/719:20:412217***dch127282018/7/810:32:47haeb***mic248292018/8/2502:17:15.see***cse115302018/10/604:16:43zabr***eli175（1）消費時間（R）分析

先從表3-9數據來看，有17位客戶是半年多（4月以前）沒有前來消費的，尤其是消費次數高達17的那位會員，其最近的消費時間停留在2月9號，表明這位會員應該是該店鋪的長時間老顧客，但近期活躍度不高，很有可能是轉向其他店鋪消費了，需要深入了解到底是哪方面的原因，盡力挽回這一類顧客。1.RFM分析法序號最近購買時間用戶名一年內消費次數累計消費金額（元）12018/1/1511:28:36199f***ffe215022018/1/1514:59:475ww2***w2329632018/1/1516:36:057422***qsz34542018/1/2101:00:421238***xyy656652018/1/2305:02:022323***gyf584062018/1/2721:48:534615***qq2776072018/1/2917:30:39824q***q47660682018/2/406:18:46690p***p53416492018/2/611:16:191310***q892148102018/2/912:32:219008***3951711

650112018/2/915:08:038659***hxf3165122018/2/1118:20:59zybe***liz136132018/2/1207:18:55-270***x432308142018/2/1217:12:31x89-***hui216152018/3/210:42:37rtne***cou298162018/3/1410:16:24200g***gf8129172018/3/2707:08:257kk6***kk62104182018/4/421:21:37gare***mar3117192018/4/514:34:50itin***nik2128202018/4/2815:50:00zunz***eli147212018/5/908:03:07za-5***raj166222018/5/919:29:34tre-***tre282232018/5/1718:20:58bit_***bit2108242018/5/2804:18:22zb.z***zsb152252018/6/719:20:39.us.***wst136262018/6/719:20:41.mae***mee184272018/6/719:20:412217***dch127282018/7/810:32:47haeb***mic248292018/8/2502:17:15.see***cse115302018/10/604:16:43zabr***eli175（2）消費頻率（F）分析

再看一年內會員的消費頻率，表3-10是會員消費次數的描述性統計結果。可以看到30位會員的平均消費次數是3次；眾數和中位數是2次，說明有很多會員消費的次數低于平均值；消費次數的方差是10，表明會員的消費次數差異很大；最大值是17次，最小值只有1次，極差是16，說明會員消費的頻率分布極不均勻。對于大多數不經常光臨的顧客，店鋪可以通過打折、返現金券送小禮品等方式吸引其再次光顧，以增大其來該店消費的頻率。

【實例2】分析某網店會員最近一段時間的消費記錄。按購買時間先后排序選取30位會員的消費數據如下表3-9所示，以時間2018年10月為基準，在2018年上半年有購買記錄者認為是很長時間沒有消費類用戶。平均中位數眾數方差峰度偏度最小值最大值322101431171.RFM分析法序號最近購買時間用戶名一年內消費次數累計消費金額（元）12018/1/1511:28:36199f***ffe215022018/1/1514:59:475ww2***w2329632018/1/1516:36:057422***qsz34542018/1/2101:00:421238***xyy656652018/1/2305:02:022323***gyf584062018/1/2721:48:534615***qq2776072018/1/2917:30:39824q***q47660682018/2/406:18:46690p***p53416492018/2/611:16:191310***q892148102018/2/912:32:219008***3951711

650112018/2/915:08:038659***hxf3165122018/2/1118:20:59zybe***liz136132018/2/1207:18:55-270***x432308142018/2/1217:12:31x89-***hui216152018/3/210:42:37rtne***cou298162018/3/1410:16:24200g***gf8129172018/3/2707:08:257kk6***kk62104182018/4/421:21:37gare***mar3117192018/4/514:34:50itin***nik2128202018/4/2815:50:00zunz***eli147212018/5/908:03:07za-5***raj166222018/5/919:29:34tre-***tre282232018/5/1718:20:58bit_***bit2108242018/5/2804:18:22zb.z***zsb152252018/6/719:20:39.us.***wst136262018/6/719:20:41.mae***mee184272018/6/719:20:412217***dch127282018/7/810:32:47haeb***mic248292018/8/2502:17:15.see***cse115302018/10/604:16:43zabr***eli175

【實例2】分析某網店會員最近一段時間的消費記錄。按購買時間先后排序選取30位會員的消費數據如下表3-9所示，以時間2018年10月為基準，在2018年上半年有購買記錄者認為是很長時間沒有消費類用戶。（3）消費金額（M）分析

平均中位數眾數方差峰度偏度最小值最大值556973644392132951511650

消費金額從上表3-11可以看出該網店這批會員的平均消費金額是556元，這個數據表明商鋪的平均收益還不錯；但方差很大，表明會員間的消費金額分布很離散；最小值是15，最大值超過1萬，極差很大，表明會員的消費能力有很大差異。消費金額的眾數是36，中為數是97，結合消費頻次來看，有的顧客消費數量雖然不多但金額不少，有的購買次數很多但消費金額不高，說明前者是看中商品質量的顧客，其對價格不是很在意；后者對價格很在意，便宜的商品往往會引起其大量購買。對于后者這類顧客，可以通過買一送一之類的活動，刺激其購買欲望。2.會員標簽細分法

會員標簽細分法是按照屬性、喜好以及購買動機對客戶進行分類的一種方法，它能夠為不同類型的客戶提供針對性強、精準的信息。

例如，經營服裝的網店，為客戶設置了風衣、騎行服等分類標簽后，客服就可以推送不同風格、材質的衣服給有相關偏好的客戶，從而大大提高交易成功率。

對會員貼上標簽之后，會員信息不再是雜亂無序的，這樣可以有效提高會員數據的利用率。3.會員等級細分法

會員等級細分法是一種了解客戶特質的手段，有利于管理會員，而且很多會員有提高其等級的潛在意識，這樣就會刺激其不斷加大購買力度。

（1）劃分會員等級

例如，對于教材表3-10中的30位會員，賣家可以根據其消費次數和累計消費金額劃分等級：

①消費1～2次、累計消費金額不超過100元的會員歸為普通會員；

②消費2～4次、累計消費金額在100～200元的歸為中級會員；

③消費5次以上且累計消費金額超過500元的會員歸為高級會員；

④消費超過10次且累計消費金額超過10

000元的歸為至尊會員（參閱教材表3-13）。3.會員等級細分法

（2）按會員等級對客單價進行描述性統計

下表3-14所示為每一等級會員客單價的描述性統計結果（至尊會員只有1位，表3-14未做統計分析）。會員級別N平均值（元）標準差最小值（元）中位數最大值（元）高級會員411833.994105168普通會員1640.821.6838.584中級會員967.634.83955154

會員數據能給網店經營者帶來很多有用的商務信息，網店可以據此調整經銷方式和營銷策略，從而增加商品成交量。3.7.3淘寶網店客服數據分析

網店客服對整個網店經營狀況有著十分重要的影響，而不僅僅是和顧客聊天那么簡單。網店經營者需要重視對客服績效的考核，培養高效的金牌客服，從而提高店鋪的銷售業績。淘寶網店客服評價的指標有很多，一般可從三個方面來選擇指標評價客服工作：一是分析客服人員的銷售額、銷售量及銷售人數；二是統計客戶的客單價、客件數和件均價，并以此衡量客服關聯銷售的能力；三是從多角度統計客戶的轉換率，主要通過建立KPI考核制度。【實例3】收集一家網店15位在線客服某年6月的銷售數據，整理后如表3-15所示，要求據此對這些客服人員的工作績效和能力進行分析評價。1.網店客服的銷售業績分析表3-15客服銷售數據表（銷售額數據單位：元）客服編號銷售額銷售量銷售人數

客服編號銷售額銷售量銷售人數1711193611212011103211316111182310541002112374935641113167116105421423663742111539228602186

從表3-15中的數據可以看出，每位客服6月份的銷售額各不相同，其中53.3%（有8位）的客服銷售量和銷售人數都只有1，另13.3%（有2位）客服的銷售量為2、銷售人數為1。將銷售額、銷售量、銷售人數這3個變量做描述性統計，結果如表3-16所示。變量平均值標準誤差標準差最小值中位數最大值極差銷售額（元）188.561236.216100823807銷售量3.931.274.93111817銷售頻次20.4141.60411651.網店客服的銷售業績分析表3-16客服銷售數據描述性統計

表3-16顯示，銷售額的極差為807，這個數值比較大，說明客服的業績差異很大；標準差為236.2，也是個比較大的數值，反映出銷售額分布的不穩定性。

根據【實例3】中的數據，先計算、整理該網店15位客服在6月的關聯銷售指標（見表3-17），然后對其關聯銷售能力進行具體的評價、分析。2.網店客服的關聯銷售能力分析表3-17客服關聯銷售能力數據

觀察

表3-17中的數據可以發現，一些客服的件均價比客單價低，說明部分客戶在店里不只習了一件商品；店鋪客件數總體都比較少，大部分客服對應的客件數是1，說明店鋪缺乏關聯銷售或商品互補性差。進一步觀察客件數發現，客件數是2的客服有4位，說明一些客戶愿意進行簡單的搭配購買，客服的營銷策略觸達了客戶；有2位客服對應的客件數是3，表明部分客服場景化營銷成功，有些客戶非常認可該店鋪風格或產品質量，愿意一次購買多件商品。客服編號客單價（元）客件數件均價（元）客服編號客單價（元）客件數件均價（元）17117193613621201120103213231611611165282410025012125342564164131671167653226147923974214215201208100333

客單價=銷售額/銷售人數，客件數=銷售量/銷售人數，件均價=銷售額/銷售量。3.網店客服的KPI分析

網店客服的KPI（關鍵績效指標）考核是一種通過賣家對客服人員的評價進行量化考核的方式，是網店發展到一定階段（尤其是中期以后）特別需要的一種考核方式。KPI考核包括兩種形式：單一模型和復合模型。單一模型主要是對客服人員的業績進行考核，以激發員工提高個人業績的積極性。但單一模型往往會忽視團隊合作，不利于網店長期發展。復合模型相對來說要更加完善，它包含3個要素：一是考核指標；二是評分標準；三是權重分配，通常會用成交轉換率、客單價、響應時間等數據指標來衡量客服人員的工作效率、團隊合作能力、工作態度等，其具體評分標準需要根據實際銷售情況制定。例如，商品對季節反應敏感的，需要分淡季和旺季兩個不同的時間段制定不同的評分標準。

【實例4】收集一家網店3位客服的KPI評價指標并制定相應的考核標準，計算最后的權重得分，對3位客服的KPI進行考核。3.網店客服的KPI分析表3-18客服關聯銷售能力數據（1）確定KPI考核評價指標

①咨詢轉化率。咨詢轉化率是所有咨詢客服后購買的消費人數與咨詢客服總人數的比值。在分析客服人員咨詢轉換率統計之前，要先制定一個考核標準（見表3-18）KPI考核指標計算公式評分標準得分權重咨詢轉化率X咨詢轉化率=咨詢客服后購買的人數/咨詢客服總人數10030%9080706003.網店客服的KPI分析（1）確定KPI考核評價指標①咨詢轉化率。②支付率。支付率是成交筆數與下單總筆數的比值。支付率的考核標準如表3-19所示。③落實客單價。落實客單價是指在一定期限內客服個人的客單價和網店客單價的比值。當這個比值大于1時，說明客服工作是有意義的。落實客單價的考核標準表3-20所示。④響應時間。響應時間是指當客戶咨詢后客服的反應時間，可以分為首次響應時間和平均響應時間。著重分析首次響應時間具有重要意義。首次響應時間的考核標準如表3-21所示。⑤售后服務。售后服務包括退貨和換貨服務。退貨和換貨商品的成交量反映了客戶對商品的不滿意程度，它們會增加網店的經營成本，尤其是退貨，帶來的負面影響更大。本例中針對月退貨量制定的考核標準如教材表3-22所示。3.網店客服的KPI分析（2）針對客服指標進行描述性統計分析

在確定5個評價指標的考核標準之后，進一步收集3名客服相應的指標數據，結合各指標的評價標準在評價模型中所占的比例，整理得到一張綜合表，如表3-23所示。表3-23客服指標數據客服指標1號2號3號客服指標1號2號3號咨詢轉化率（%）284536X權重得分213027成交筆數219206252F權重得分22.52017.5下單總筆數238268388Y權重得分22.52015支付率（%）927765ST權重得分10.513.511.5落實客單價（元）1.381.271.12T權重得分354.5首次響應時間（秒）16611總得分79.588.575.5月退貨量（件）1114

（2）針對客服指標進行描述性統計分析①分析綜合得分。從3位客服人員的總得分來看，2號客服的綜合得分最高，為88.5；其次是1號，得分為79.5；最后是3號客服，得分75.5。2號客服的綜合水平處于較高水平，1號和3號客服的綜合水平相差不大，處于中等水平。②描述性統計指標分析。客服數據的描述性統計指標如表3-24所示。變量平均值標準誤差標準差最小值中位數最大值咨詢轉化率0.363

30.049

10.0850.280.360.45支付率0.780.078

10.135

30.650.770.92落實客單價1.256

70.075

40.130

51.121.271.38首次響應時間112.89561116月退貨量5.332.965.131411表3-24客服指標的描述性統計結果

表3-24中的數據顯示:咨詢轉換率平均值為36.33%，與中位數非常接近，標準差小于0.1，說明3位客服的工作效率相差不大。支付率的平均數為78%，與中位數0.77相近，屬于中等級別；標準差為0.135

3，不是很大，說明3位客服的工作成功率是均衡的。落實客單價在3位客服中也是均勻分布的，平均值為1.256

7，屬于中等偏上水平，最大值1.38處于較高水平。首次響應時間變化差異很大，標準差為5，反應最快的2號客服為6秒，反應最慢的1號客服響應時間為16秒，平均值為11秒，處于中等水平。月退貨量的標準差和標準誤差都比較大，平均值為5.33，說明客服的售后服務水平是不均衡的，業績最好的2號客服處于最佳等級。（3）分析3位客服人員在各個方面的情況，并對其存在的問題提出改進建議

1號客服的咨詢轉化率最低，應該提高其客戶溝通能力，增加咨詢的人數，同時應加強對其引導能力的培養，以使其成交量也相應地增長；1號客服的首次響應時間最長，需要減少反應時間，及時回復買家咨詢；1號客服的月退貨量最多，要提高其售后服務能力，要讓其盡量說