在全渠道零售的今天，电商数据分析越来越重要。通过对电商数据的深入分析，企业可以更好地了解市场、消费者和竞争环境，从而为决策提供有力支持。许多朋友私信我说不知道零售电商数据分析怎么做，今天给大家带来一个优秀的BI可视化电商数据分析作品，希望能够给零售/电商的朋友们带来一些启发。

本作品获2022帆软BI数据分析大赛【最佳行业应用奖】，获奖作者：帆软社区用户“Abbey660”。

01 项目背景

1、业务背景

数据来源于和鲸社区的京东电商数据，主要是行为数据、用户数据、评论数据、商品数据、商家店铺数据。

2、明确目标

搭建店铺与人员指标，查看店铺状况，同时根据目前已有的数据做店铺分析以及用户画像，发现店铺中的痛点，给出营销策略。

02 分析思路

分析思路如下图：

03 分析过程

1、整体分析

1）整体指标和界面风格。第一部分是整体分析的布局，构建指标有：浏览量、下单量、用户数、男女占比、VIP级别占比、客户年龄分布、销量TOP 10城市。风格主要以商业风为主。

2）通过分析得出的结论

1. 京东店铺男女消费群体各占一半，差异不大
2. 主要客户来自348、204、119城市
3. 店铺主要客户VIP占比较高的是1级，占30.19%，其次是6级占27.42%，需要引导1级用户升为2级，6级用户升为7级
4. 客户主要年龄分布主要在第五个等级，其次是第六个等级，可以根据用户年龄层来开发适合用户的产品。

2、用户画像

1）关键指标和图表排版布局。第二部分是用户画像，构建的指标与模型有：

• 用户生命状态模型：根据用户从新用户到流失用户的生命周期，计算目前每个时期用户的占比与数量。
• 复购率：根据用户多次购买计算复购率，分析用户黏性。
• 行为漏斗：根据每个用户行为的漏斗转化率得到哪个行为转化率异常，另外加购和关注虽然不是最后的行为，为了保持数据的合理性，把它们放置到最后。同样也可以分析到其转化效果。
• RFM模型：根据最近一次购买数量，购买频率，购买金额将用户分成8种类型的用户，可以实施不同的营销策略。

2）通过分析得出的结论

1. 本店忠实用户占80%，用户黏性很高。
2. 4月份的复购率下降，下降了3.12%，需要用优惠券等手段召唤老用户，提高用户复购率。
3. 浏览量到下单的转化率有6%，符合一般电商行业状态，下单后评价转化是37%，可以用好评返现等形式提升评价数量，另外加购和关注远远少于下单的人数，可以用优惠券，小礼品等手段引导用户关注，优惠价预售活动引导用户加购。
4. 本店客户大头是一般价值客户和一般保持客户，两者加总占60%，说明有大部分消费者的消费能力不高，应向该客户推送公司主营业务，通过宣传推广让产品信息触达客户。
5. 其次是重要挽留用户、重要发展用户，重要保持用户与重要价值用户，占比40%，对于重要挽留用户，消费频率不高和最近消费比较远，可以通过短信方式，活动优惠券发放等方式挽留用户；对于重要发展用户，这部分消费频率不高，忠诚度不高，很有潜力的用户，必须重点发展。

3、评分分析

1）关键指标和图表排版布局指标有好评TOP 10产品，差评TOP 10产品，好差评占比，每周评论趋势。

2）通过分析得出的结论

1. 好评产品前三分别是217024，219334，25448，可成为店铺的主打产品；差评产品前三分别是217024，171917，25338，差评产品要优化。
2. 店铺的好评率是98.95%，产品质量以及服务整体不错。
3. 整体的好评与差评趋势较为平稳。

4、店铺与品牌分析

1）关键指标和图表排版布局图表与指标有：店铺热卖品类，7级VIP的品牌喜好，0粉丝店铺数据，百万粉丝店铺的粉丝数，VIP数，评分对比。

2）通过分析得出的结论

1. 0粉丝店铺总共有656家，其中店铺5566，粉丝数0，店铺评价－1，vip数201，VIP数不错，但评价却是负数，要查看该店铺的是否客服是否做到位。0粉丝僵尸店铺要合理清除，以免占用资源。
2. 百万粉丝店铺中，1912，3790店铺的vip数量极低，需要将粉丝数转化为VIP，可以加强宣传，或升级VIP附送小礼品促进店铺的VIP提升。
3. 店铺热卖产品可以升级为主打产品，大力宣传。
4. 根据7级会员的品牌喜好，推荐相关品牌的产品，实现精准营销，促进成交率。

04 成果展示

注：原文内容较为详细，本文考虑篇幅做了删减，如对本作品感兴趣可点击查看原文：

看完这些作品，希望您能对借助BI工具实现零售/电商数据分析有所启发。

*如果您还未使用过FineBI，快来免费体验吧~

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo