電子商務相對於傳統零售業來說，最大的特點就是一切都可以通過資料化來監控和改進。下面由小編為大家整理的電子商務資料分析因素，歡迎大家閱讀瀏覽。
1、電子商務資料分析需要商業敏感
今天電子商務公司的資料分析師，有些像老闆的軍師，必須有從枯燥的資料中解開市場密碼的本事。比如，具有商業意識的資料分析師發現，網站上的嬰兒車的 銷售增加了，那麼，他基本可以預測奶粉的銷量也會跟上去。再比如，網站上的產品發揮的作用並不一樣，有的產品是為了賺錢，有的產品是為了促銷，有的產品是為了吸引流量，不同的產品在網站上擺放的位置是不一樣的。
一個商業敏感的資料分析師，是懂得用什麼樣的資料實現公司的目標。比如，樂酷天與淘寶競爭，它們重點看的不是交易量，而是流量：每天有多少新的賣家進 來，賣了多少東西。因為此階段競爭最核心的就是人氣，而非實質交易量。如果新來的賣家進來賣不出東西，只有老賣家的交易量在增長，即使最後每天的交易量都增長，也還是有問題。
再比如，一家剛踏入市場的B2B公司和已經佔領大部分市場的B2B公司，它們的目標不一樣。前者是看流量賺人氣，後者對流量不怎麼看重，而是看重交易轉化率及回頭率。
當下的資料分析師多是學統計學出身的，一堆資料放在那裡，大家都擅長怎麼算迴歸、怎麼畫函式。但是這批學數學的人才缺乏商業意識，不知道這些資料對業務意味著什麼，看不見一堆資料中彼此的關係，也就不知道該用什麼樣的邏輯分析，也就無法充當老闆的眼睛了。
2、電子商務的網站轉化率是關鍵，ROI是最終的目標
電子商務B2B網站平臺的宗旨就是為企業服務，讓買家與賣家的市場銷售成本降低，降低交易成本，提高訂單利潤。因此，電子商務的網站轉化率是關鍵，這其中就提到一個指標的重要性——ROI。ROI是Return On Investment的簡寫，是指通過投資而應返回的價值，它涵蓋了企業的獲利目標。利潤和投入的經營所必備的財產相關，因為管理人員必須通過投資和現有財產獲得利潤。又稱會計收益率、投資利潤率。
其計算公式為：投資回報率(ROI)=年利潤或年均利潤/投資總額×100%
投資回報率(ROI)的優點是計算簡單;缺點是沒有考慮資金時間價值因素，不能正確反映建設期長短及投資方式不同和回收額的有無等條件對專案的影響，分子、分母計算口徑的可比性較差，無法直接利用淨現金流量資訊。只有投資利潤率指標大於或等於無風險投資利潤率的投資專案才具有財務可行性。
投資回報率(ROI)往往具有時效性--回報通常是基於某些特定年份。
3、電子商務資料分析衡量指標的設定
指標是讓我們更好的從資料量化的層面來了解運營的狀況，現在的PV、UV、轉化率基本是運營監督的指標;網站分析採用的指標可能有各種各樣的，根據網 站的目標和網站的客戶的不同，可以有許多不同的指標來衡量。常用的網站分析指標有內容指標和商業指標，內容指標指的是衡量訪問者的活動的指標，商業指標是指衡量訪問者活動轉化為商業利潤的指標。
電子商務的資料可分為兩類：前端行為資料和後端商業資料。前端行為資料指訪問量、瀏覽量、點選流及站內搜尋等反應使用者行為的資料;而後端資料更側重商業資料，比如交易量、投資回報率，以及全生命週期管理等。
目前有些人關心前端行為資料，也有些人關心後端商業資料，但是沒有幾家網站把前端行為資料和後端商業資料連起來看。大家只單純看某一端資料。但是看 資料看得“走火入魔”的人會明白，每個資料，就像散佈在黑夜裡的星星，它們之間佈滿了關係網，只要輕輕按一下其中一個數據，就會驅動另外一個數據的變化。
4、某些指標異常變化的原因分析
網站的某些指標的異常變化是外界市場一些變化的客觀反應，網站的資料分析人員一定要積極注意。例如PV減少(異常)，那我們就要分析使用者是搜尋來源減少還是直接訪問減少?反連線過來的減少?搜尋減少就要觀察使用者的關鍵字、搜尋引擎等。
例如2011年的上半年，曾出現阿里巴巴與慧聰發生爭論，而在那幾天，另一個B2B網站--世界工廠網的會員註冊量批量上升，每天超過千個以上的註冊 量。當然這只是一部分的猜測，在兩個B2B巨頭不穩定之時，企業會選擇第三方的平臺，這是符合常理推斷的。不過就此以後，世界工廠的註冊量一直是穩中有升 的，難道這是會員發現一個免費“新大陸”的口碑宣傳嗎?事後發現，是因為世界工廠網的一個新專案--全球企業庫的上線吸引了大量企業會員的青睞，註冊量猛 然提升的。對於一些資料的異常增加或減少，一定要分析其產生的原因與市場時機，這對平臺以後的發展及政策導向非常有借鑑意義。
有一天，linkin(一個社群網站)忽然發現來自雷曼兄弟的來訪者多了起來，但是並沒有深究原因。第二天，雷曼兄弟就宣佈倒閉了。原因何在?雷曼兄弟的人到linkin找工作來了。谷歌宣佈退出中國的前一個月，筆者在linkin上發現了一些平時很少見的谷歌產品經理線上，這 也是相同的道理。試想，如果linkin針對某家上市公司分析某些資料，是不是很有商業價值?
5、利用資料分析使用者的行為習慣
再次說，得到資料來分析是在揣測使用者的'心理和一些習慣，最真實的是讓使用者告訴你，需要什麼，這些可以利用投票調查及問題提交等來實現，當然利用資料整合分析也是必然的，然後做出來AT來權衡利弊來對使用者體驗驚醒改善，和一些基本的產品定位及活動。
裝備製造負責人認為，網站資料分析應該兩個層次：第一，網站資料分析，是針對產品來說。就圍繞產品如何運轉，做封閉路徑的分析。得出產品的點選是否順 暢、功能展現是否完美。第二、研究客戶的訪問焦點，挖掘客戶潛在需求。如果是以交易為導向的電子商務網站，就是要研究如何高效的促成交易，是否能出現聯單!
6、客戶的購買行為分析
當用戶在電子商務網站上有了購買行為之後，就從潛在客戶變成了網站的價值客戶，電子商務網站一般都會將使用者的交易資訊，包括購買時間、購買商品、購買 數量、支付金額等資訊儲存在自己的資料庫裡面，所以對於這些使用者，我們可以基於網站的運營資料對他們的交易行文進行分析，以估計每位使用者的價值，及針對每位使用者的擴充套件營銷的可能性。
客戶的購買行為分析，如傳統的RFM模型，會員聚類，會員的生命週期分析，活躍度分析，這些都精準的運營都是非常重要的。
7、電子商務資料分析需注重實戰經驗
以上所談到的電子商務資料分析的幾個重要因素，筆者個人感覺倒是有點套路，電子商務的資料分析更多的是實戰，網站分析的本質是在瞭解使用者的需求、行為，以開發使用者體驗良好的功能與服務，制定擴充套件營銷的策略及附加功能的推廣服務等等。