移动电商运营数据（指标与分析）

　　移动电商运营数据分析包括，移动电商运营数据指标以及移动电商运营数据分析，也是移动电商运营方案中非常重要的一点。

　　2014年，我国移动购物市场交易规模达到8956.85亿元，年增长率达234.3%;我国微信用户数量已达5亿，同比增长41%。

　　1.移动电商运营数据之数据指标

　　常见的指标，其意义也非常明朗，限于篇幅不再赘述，以上指标主要针对PC端，移动端可以参考上表进行相应合理取舍得出指标。另外，部分数据指标行业并没有严格和严谨的定义，多数是一家之言不足以作为通用标准，所以，一些指标是可以自定义的，只要在数据进行核对和比较时，务必清楚地知道数据得出的前提，或者说是口径。这里有四个指标需要特别解释下，大家可能稍微陌生一些。

　　2.移动电商运营数据之数据分析

　　从用户使用过程来看，移动电商运营跟用户体验最相关的数据有四个：单UV的营销成本 》 订单转化率 》 付款成功率 》 回头率

　　“营销成本”：

　　目前大多数网商们最关注的是前头的数据，每天看看自己有多少PV、UV、IP，每天挖空心思的去想如何可以更便宜的搞到PV、UV、IP。在这个野蛮阶段，这很正常，因为没人来体验再好也是不行嘛～

　　不过，好好看看账本：一年前每个成本大概是4毛钱，今天已经到了4毛到8毛，超出1块的也大有所在;明年也许还得翻一番，我们离两块五的日子并不会很远。满互联网都已经挂满了网商们的广告，谁都知道我们是冤大头。互联网整体流量的增长趋势并没有市场需求快，而且越来越多的土财主进来，营销成本一定越来越贵。

　　我们在营销成本上不断的翻翻投入。每天1000个包裹中有900个是帮广告商打的，100名员工有90名是在给广告商打工，包括做CEO的你。

　　我想，这个趋势还会继续下去。不停的纠缠于“营销成本”，只会让营销成本越来越贵。也许我们该分散一下注意力。

　　“订单转化率”：

　　目前整个电子商务领域的平均订单转化率是3%。平台的转化率的最高(具体不便说);绝大多数移动电商平台的转化率都不高。

　　而传统商场的转化率一般都在40%到50%。虽然有互联网极度扁平化的原因，我想这样的数据也应该让我们集体感到惭愧。至少他可以说明，我们挖空心思花钱做营销的时候，忘记了我们拉来的是不是我们的客户，我们的网站/服务对我们拉来的人是不是有用的?

　　甚至有不少网站50%用户在页面没有完全加载之前就流失了。 拉了一堆人来堵塞自己的服务器，让真正的客户一起忍受网站的拥堵。

　　但是，要想改善订单转化率我们还需要把这里的数据细挖下去。比如：用户的跳出时间、页面加载时间;首页、活动页、列表页、商品详情页的跳出比例;查看的商品数。这些第二层数据才能帮我们发现具体的问题，越挖的深入，数据的价值会越大。因此想做电子商务平台在选择商城系统时，一定要选择有数据沉淀统计功能的商城系统，比如HiShop移动云商城就有对会员、订单等的生意数据做一个统计分析，可以方便商家随时查看运营数据。申请试用是了解功能最快的方法。

　　比如，我们发现列表页的流失主要在第三页、第二页，那么在第二页的结尾、第三页的头部直接给他推荐相关产品，效果一般都会不错。

　　“付款成功率”：

　　目前移动电商平台的支付成功率普遍不足。

　　付款成功率的问题，第三方支付要承担一些责任，银行端的问题更多，B2C自己也可以在此有所改进。根据我们的调研，用户不付款的主要原因是：没有付款渠道、付款意愿改变、对于交易的安全不放心、付款渠道不通(安全和限额相关问题导致)、付款方式太难用(事实上这个骂的最多，比例却最小)

　　移动电商运营数据至少可以着重关注几个数据：新老用户的付款时间、大额和小额的成功率对比、用户尝试多次付款的比例、使用积分等促销方式后的效果、强调安全保障后的效果。

　　“回头率”：

　　前面说“零售电子商务的未来一定是在拼用户影响力”。现在落回到数据上，就上面提到的四个数据而言，我认为“回头率”将一定会成为所有电子商务网站的“核心竞争力”。

　　虽然淘宝和整个B2C业态有所不同，但有很多规律一定是值得参考和借鉴的。这两年来，逐渐退出历史舞台的淘宝大卖家，基本上都是那批回头率过低的，依靠低价和免费流量的。而活的越来越好的淘宝大卖家，也都是那些回头率极高的。10年初，不少大卖家都有库存，压力很大，年中回暖的时候，回头率好的卖家库存成了优势，回头率可怜的卖家库存成本毒药。

　　比如，某些化妆品卖家的回头率65%，某些服装卖家的回头率也能达到在50%以上，新品中老用户购买甚至可以超过65%。有了这样的回头率，营销成本、转化率同样会跟着上去，生意没有做不好的理由。

　　“回头率”应该是移动电商运营数据最应该关注的，而且这个数据一定要挖深了看。对于帮助回头率的产品行为，可以尽量多的尝试。我分享几个可能对此比较有帮助的小数据点：收藏转化率、邮件和短信的打开率、用户记录和习惯的保存率。