收藏 | 速卖通大数据——成交数据分析

收藏 | 速卖通大数据——成交数据分析全文1799字，带上耳机，听听看

收藏 | 速卖通大数据——成交数据分析编辑导读

众所周知，做店铺的最终目的是成交额的不断上涨，那么在每天大量涌进的订单背后，是不是也在无声地告诉我们一些不容忽视的信息呢？在这些信息的背后又透漏给我们哪些店铺经营的致胜之道呢？这就是我们今天要讲的主题：速卖通后台数据纵横之成交分析！下面我们依序对成交分析的各项数据做简要分析：一、商铺排名 数据展示我们店铺的排名可以清楚地知道我们目前所处的行业位置，不同的行业位置具有不同的波动特征，需要关注的点也不

收藏 | 速卖通大数据——成交数据分析正文

众所周知，做店铺的最终目的是成交额的不断上涨，那么在每天大量涌进的订单背后，是不是也在无声地告诉我们一些不容忽视的信息呢？在这些信息的背后又透漏给我们哪些店铺经营的致胜之道呢？这就是我们今天要讲的主题：速卖通后台数据纵横之成交分析！下面我们依序对成交分析的各项数据做简要分析：

一、商铺排名

数据展示我们店铺的排名可以清楚地知道我们目前所处的行业位置，不同的行业位置具有不同的波动特征，需要关注的点也不同。

按照近30天支付金额（美元）我们可以把分属于不同的层级的卖家划分为：

0-1000：新卖家

1000-5000：中小卖家

新卖家和中小卖家：刚开店不久，产品数量较少，应重点关注热销品的打造方面

5000-50000：腰部卖家

50000以上：头部卖家

腰部卖家和头部卖家：在维护好自己已有热销品的前提下，要加快速度打造新的市场热销品，以防止店铺已有热销品逐步进入衰退期后，没有新的产品为自己店铺的交易额提供稳步的支撑。

二、成交概况：

通过一个概览，按照7天为一个周期来进行观察数据（避免单日的数据波动较高影响整体数据判断），黄金公式如下：

支付金额=访客数*浏览-支付转化率*客单价

我们可以通过一个简单的变换将成交公式变换成如下更直观的等式，以便我们可以更具体的去针对相应数据波动去做好优化：

支付金额=访客数*浏览-支付转化率*客单价=搜索曝光量*搜索点击率*（下单订单数/搜索曝光量*搜索点击率）*客单价（一个周期内每单平均支付金额）

这样当我们的支付金额有所下降，或者想更具有针对性的提升我们的支付金额时，我们便可以很直观地去提升某一项影响因素，可细分为以下几点：

1）搜索曝光量：

具体提升途径：商品标题、价格、属性、运费模板的优化、直通车推广及店铺内容活动中心（金银牌卖家）、店铺首页、关联模块，无线独立祥描可有效提升Listing无线端曝光，小语言页面的编辑运用（增加小语言国家曝光）、平台活动等

2）搜索点击率：商品主图、价格，运费模板,排名（买家更倾向于包邮更便宜的主图更具吸引力的Listing，当然排名要足够靠前哦，搜索页第一页的买家流量占据了80%）

3）下单订单数：商品详情页：在有购买意向的买家点进来之后，商品详情页就显得至关重要，这里需要更直观清晰地暴露出更多产品值得购买的特性给买家促成下单，另外增设Q&A，将卖家常见疑问做好相应解答，可以更好地促成买家下单。

4）客单价：产品关联模块、套餐组合以及搭配套餐，这里需要注意的是要充分考虑产品的关联度和组合度。详情页顶部的关联模块可以关联不同价格型号的替代品，以防一些客户对正在浏览的商品有不符合期望点的跳失，下部可以关联一些互补品，促使客户深度消费，套餐组合互补性产品则可以适当给出相应的价格优惠，提升转化率。

三、成交分布

成交分布主要分为：国家、平台、行业、商品、价格带、新老买家、90天购买次数这7个维度。这里，我们主要选取行业做主要分析：

1）首先我们通过成交核心指标这里下载7天数据：

然后将数据表格进行整理，将文本全部转换成数值,作出自己所处行业最末一级的数据透视表，就可以很直观的看到各个细分类目之下7天内所对应的订单数，具体操作如下：

得出的数据透视表如下：

我们可以以七天为一个周期，作出相应的数据透视表，进行数据对比分析，可以具体的看出各个行业的波动分析，然后再通过商品分析里的行业分析，针对具体行业作出相应调整，相应的调整方法：可具体参考商品分析里的数据分析结合上述的黄金公式转换分析里的具体方面进行相应分析和优化。

国家、平台、商品、价格带、新老买家、90天购买次数的分析方法也可参照上述方式，这里不再赘述。

四、成交分析各个维度综合运用的一些方法：

示例：

国家-商品-新老买家模型

我们按照一定的逻辑来进行建模，这个是比较简单的一个模型，我们可以通过国家来判断出哪个国家目前是下降了还是上升了，什么商品上升或者下降，以及所对应的新老买家的数量的变化，这个基于我们数据足够多的前提下是可以很准确的判断我们针对某个国家的某个单品的消费者构成模型，以作为我们营销策略的制定、改进及改变的参考，当然应用不止局限于此。

国家、平台、商品、价格带、新老买家、90天购买次数，七个维度的不同组合可以衍生出不同的数据波动，也包涵着不同的市场信息，都是具有一定的参考价值的，需要我们平时多注意加以分析和运用，因为篇幅有限，这里不再过多演示。

版权声明：本文内容由派代网关停保存附件，该文观点仅代表派代网或者作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 1256597354@qq.com 举报，一经查实，本站将立刻删除。