作为一个电商PM，我们需要数据，需要一系列的数据支持运营更好的“输出”。

在电商企业中，PM往往都不是主导性的岗位，例如：在淘宝的主导是运营，唯品会的主导是能够拿到什么样的商品放到平台上（采购选品型）。

简单的产品设计（功能设计），一个大学毕业生接受培训后都能做到。作为PM，我们只有更贴切的了解市场，剖析业务，才能更好的服务企业。

如何留住用户，是一个老生常谈的话题。对于电商企业来说，最好的数据莫过于高复购率，高客单价。所以我们需要活动，需要运营，去引导新老用户消费。

那如何切入这个活动满天飞的电商时代，为企业获得更好的收益和发展？

我们需要数据，需要一系列的数据支持运营更好的“输出”。毕竟每一个产品都会经历技术为王、产品为王、运营为王、商业模式为王的过程，电商行业的商业模式已经有人验证是可行的，剩下的就是如何更好的运营。

说回本章的重点——“数据”。作为一个电商PM，你需要知道下面这些数据代表什么。

数据统计系统

如果说，一个电商平台要建设一套数据统计系统，一定少不了上面任何一个数据。大家都知道电商包罗万象，一个电商平台的诞生，所涵盖的基础模块非常多，关于数据统计的工作量可想而知。

在统计数据前，需要给各个模块添加数据埋点，所以必须清晰每个数据对应的含义，定下的规则避免后期反复修改，影响数据的准确性。

数据统计系统

对于平台型电商而言，需要统计的数据大致分为平台数据与商家数据，接下来我们则一一为大家分享这些数据对应着什么。

1. 平台数据

从上图可知，平台数据一般会统计“用户数据”、“流量数据”、“渠道数据”、“商家概况”、“商家数据”。

（1）用户数据

平台-用户数据

作为平台方，我们关心的用户数据如上图所示，一边是来自社交平台的粉丝，一边是来自平台自身的用户。

数：指用户对（平台的）社交平台数，包括对，微博等的；

净增长粉丝数：指新增的粉丝量与流失的量之间的差额；

流失粉丝数：指流失的粉丝数；

环比增长率：同比上期，增长粉丝数的比例，公式算法：（（这期-上期）/上期）*100%；

注册用户数：指已注册了平台账户的用户数；

会员数：指成为平台会员的用户数（各个平台规则不同，例京东会员则￥198/年）；

非会员数：指未成为平台会员的用户数；

新注册用户：筛选期间内，同比此前新增的注册用户数；

日活跃用户：（一般对APP而言）以设备ID为依据，1天（00:00-24:00）之内，访问App的不重复用户数；

月活跃用户：（一般对APP而言）以设备ID为依据，指1月之内至少访问一次APP的独立用户数；

用户性别：用户性别，一般分为男，女，未知；

用户年龄：用户年龄；

用户地域：指用户的设备定位区域；

消费水平：指用户在平台消费后平台给与的等级划分（基础建设可先不计算这一数据）；

渠道用户：指来自不同渠道的用户（例网红直播从快手引流至淘宝，则该部分用户为淘宝的渠道用户）；

访问时段：指用户访问的平台的时间段分布。

（2）流量数据

平台-流量数据

独立访客（UV）：（一般针对H5/PC）指访问平台的一台电脑或客户端算为一个访客，00:00-24:00内相同的客户端只被计算一次；

页面浏览量（PV）：（一般针对H5/PC）指页面访问量，每打开一次页面PV计数+1，刷新页面也是

访问次数：指用户从开始访问平台到最终离开平台，计为1次访问。若用户连续30分钟没有访问新页面和刷新页面，或者用户直接退出，则定义为本次访问结束；

跳出率：指用户只访问了首页就离开的访问量与所产生总访问量的百分比；

访客地域：指用户访问平台时设备/客户端定位的区域；

访问页面：指用户访问的页面；

访问品类：指用户访问的商品品类；

访客年龄：指访问平台的用户的年龄；

访客支付转化：指用户在每一个页面的访问量的占比率（例访问首页100人，详情页50人，购物车30人，支付页10人，支付成功9人）。

（3）渠道数据

平台-渠道数据

广告投放数据：指平台投放广告数据（指广告曝光量、曝光人数、点击量等，此处不细化）；

渠道分布数据：指平台各个渠道的分布情况；

渠道数量：指平台的渠道数量；

点击量：指从渠道导入的用户点击平台次数的累计；

导入UV：指从渠道导入流量的UV数据；

导入PV：指从渠道导入流量的PV数据；

导入访问次数：指从渠道导入流量的访问次数；

平均访问时长：指从渠道导入的用户的平均访问时长；

订单笔数：指从渠道导入的用户的总下单笔数；

付款笔数：指从渠道导入的用户的总付款笔数；

订单金额：指从渠道导入的用户的总下单金额；

付款金额：指从渠道导入的用户的总付款金额；

转化率：指从渠道导入的用户付款订单数与下单数的比率，订单转化率（计算公式：付款笔数/订单笔数）；

跳出率：指从渠道导入的用户的跳出率。

（4）商家概况

平台-商家概况

商家数量：指平台的商家总数量；

地域分布：指平台的商家区域分布（根据入驻时填写的地址统计）；

品类分布：指平台的商家的品类分布概况（例家电数码100家，服装服饰5000家等分布情况）；

商家类型：指平台的商家类型分布情况（例品牌店1000家，厂家200家，经销商300家）；

投放模块：指商家在平台投放流量的模块；

投放金额分布：指商家在平台投放流量的金额分布；

投放占比：指投放流量的商家占比平台总商家数量。

商家数据

商家数据

上面我们逐个介绍了平台统计数据的要点，我们接着讲商家统计数据的要点。

1. 交易数据

商家-交易数据

下单笔数：指商家的下单笔数（可按某个商家筛选，不筛选则指整7个平台商家的下单笔数）；

付款笔数：指商家的付款笔数（可按某个商家筛选，不筛选则指整个平台商家的下单笔数）；

下单金额：指商家的下单金额（可按某个商家筛选，不筛选则指整个平台商家的下单笔数）；

付款金额：指商家的付款金额（可按某个商家筛选，不筛选则指整个平台商家的下单笔数）；

复购人数：指不小于1次在商家购买商品的用户累计总数；

订单状态分布：指订单状态的分布情况（例待支付50单，待发货60单等）；

订单金额分布：指订单金额在多个区间范围内的分布情况（例订单均额在300-500的500单，500-1000的200单等）；

订单渠道分布：指订单来源于不同渠道的分布情况；

订单地域分布：指订单的收货地址区域总体分布情况；

转化率：指用户付款订单数与下单数的比率，订单转化率（计算公式：付款笔数/订单笔数）；

复购率：指用户购买次数大于1次的次数占比总用户购买次数（还有另一种算法，此处不细说）；

支付率：指付款用户数占比下单用户数，订单支付率（计算公式：付款人数/下单人数）；

支付金额：指用户在商家支付的金额总和；

支付方式：指用户在商家支付的方式总和（例支付宝、支付、信用卡支付等）；

币种类型：指用户在商家消费支付的币种类型（例现金、积分、消费券等）；

支付结果：指用户在商家消费支付的结果分布情况；

2. 商品数据

商家-商品数据

SKU数量：指商家SKU的数量；

SKU销量：指商家SKU的销量；

SPU数量：指商家SPU的数量；

一级类目数量：指商家一级类目的数量；

二级类目数量：指商家二级类目的数量；

三级类目数量：指商家三级类目的数量；

品牌数据：指商品所属品牌的数据情况。

3. 用户数据

商家-用户数据

下单用户：指在商家下单的用户数；

付款用户：指在商家付款的用户数；

会员数据：指商家的会员数据（会员数、会员画像等）；

客户留存率：用户在某段时间内访问商家，经过一段时间后，仍然访问商家店铺的用户，被认作是留存用户。而留存率则是该部分用户占比此前的某段时间访问商家的用户数；

店铺收藏用户数：指收藏过商家店铺的用户数总和。

4. 流量数据

商家-流量数据

访客数（UV）：指访问商家的一台电脑或客户端算为一个访客。00:00-24:00内相同的客户端只被计算一次；

浏览量（PV）：指商家页面访问量，每打开一次页面PV计数+1，刷新页面也是；

浏览次数：指用户从开始访问商家到最终离开商家，计为1次访问。若用户连续30分钟没有访问新页面和刷新页面，或者用户直接退出，则定义为本次访问结束；

浏览时长：指用户浏览商家店铺的平均时长；

访问时段：指用户访问商家店铺的时间段分布情况；

访问品类：指用户访问商家店铺的商品品类分布情况；

分享次数：指用户分享商家店铺或商家商品的次数总和。

5. 营收数据

商家-营收数据

总营业额：指商家的总营业额；

待结算金额：指商家等待结算的金额（有些平台会将资金控制在平台内，等待结算后才到账）；

待退款金额：指商家店铺下待退款的金额；

已退款金额：指商家店铺下已成功退款的金额；

已到账金额：指商家已到账金额(一般用于提现，属于商家真实收入）；

退款率：指商家收到退款的订单笔数与同期成功交易（付款）的订单笔数的比率。

6. 物流数据

商家-物流数据

待发货数：指商家还未发货的订单数；

已发货数：指商家已经发货的订单数；

已收货数：指用户已经签收的订单数；

平均发货时长：指所有商家的平均发货速度（计算公式=所有商家发货时长/商家总数）；

快递公司分布：指所有商家所使用的快递公司的分布情况；

未签收：指用户未签收的包裹数；

已签收：指用户已签收的包裹数；

已拒签：指用户拒签的包裹数；

待退回：指用户已申请退款，但包裹还未退回的包裹数；

已退回：指用户已经完成退货的包裹数；

签收时长统计：指所有用户的平均签收时长；

总结

到此我们就把所有基本的元素讲完了，如果你愿意花点时间阅读，你会发现这些数据并不难以理解，也不繁琐。作为电商PM，凡事都要能做到模块化，就以这个数据为例，将数据分块后，每一块的数据其实并不繁琐，所以我们只要记住一个模块，其他模块便能举一反三。

有人会问：即使看了这么多数据，也不知道怎么去建设一个数据统计系统。

其实很简单，这里的每一个模块都是并列的关系，在把模块关系确定下来后，用各种可视化的结果来丰富你的模块，例如下图所示：

可视化图表

这些数据网上都有，为什么我又要重新写一遍，我觉得原因有两个：

其一，对于数据而言，人的大脑记忆力不够强，当你能够完整的整理一遍后，能够更有利于你清晰的理解和界定数据的规则；

其二，应该还是有很多童鞋需要这样一份完整的数据统计列表，在功能建设中，可以参考分享改进，也达到我的目的了。

最后的最后，再推荐给大家一款图形插件：百度的ehart，很好用，里面有很多案例选择，不必麻烦前端大神重新去写一遍。

本文由 @野蛮非先生 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自 Pixabay，基于 CC0 协议