新電商數據分析電商數據分析的基礎知識1

1.1.1與電商數據分析相關的常用術語1.1認識電商數據分析流量類術語免費流量獨立訪問數（UniqueVisitor，UV）頁面訪問數（PageView，PV）頁面訪問深度付費流量淘寶直通車鉆石展位淘寶客如意投品銷寶

1.1.1與電商數據分析相關的常用術語1.1認識電商數據分析轉化類術語靜默轉化率詢單轉化率客服的接待商品的詳情文案店鋪的售后服務免費流量的轉化率商品主圖的優化商品價格的優化商品詳情頁的優化付費流量的轉化率商品關鍵詞的優化主圖與商品的契合度的優化營銷活動創意的優化

1.1.1與電商數據分析相關的常用術語1.1認識電商數據分析新訪客數、老訪客數、頁面停留時間、商品瀏覽日均量、商品詳情頁瀏覽量、商品加購物車率、跳失率、平均訪問深度、下單總數、下單轉化率、支付寶成交件數、無線端瀏覽量、PC端瀏覽量、店鋪DSR（DetailSellerRating，即商家服務評級系統）、商品收藏數、已發貨訂單數、申請退換貨數、客單價、商品銷量排行榜、人均成交件數、當日拍下付款件數運營類術語

1.1.1與電商數據分析相關的常用術語1.1認識電商數據分析采購額、庫存量、物流成本、人力成本、辦公成本、銷售額、退換貨成本、活動營銷成本、付費推廣成本財務類術語老訪客占比、回頭客、回頭成交率、復購率、回頭客客單價、回頭客支付率、回頭客存留率、店鋪會員、會員等級、會員活動、福利日會員類術語

1.1.2分類了解電商相關數據1.1認識電商數據分析店鋪首頁數據訪客數點擊率停留時間跳失率

1.1.2分類了解電商相關數據1.1認識電商數據分析收藏數據和加購數據加購量收藏量

1.1.2分類了解電商相關數據1.1認識電商數據分析商品數據1．商品數量2．商品存量3．商品上下架時間

1.1.2分類了解電商相關數據1.1認識電商數據分析行業數據市場整體趨勢綜合排名

1.1.2分類了解電商相關數據1.1認識電商數據分析客服數據售后數據訂單數據接待數據

1.1.2分類了解電商相關數據1.1認識電商數據分析店鋪整體數據流量數據訪客量UV瀏覽量PV頁面訪問深度訂單數據總訂單量客單價訂單總額轉化數據成交轉化率跳失率回頭客轉化率

1.1.3數據分析在電商行業中的作用1.1認識電商數據分析1．熟悉運營現狀2．深入分析原因3．預測店鋪未來的運營4．及時發現店鋪的問題5．店鋪決策的依據

1.2.1數據分析的思維1.2數據分析的思維和基本流程思維對比思維假設思維增維思維降維思維拆分思維

1.2.2數據分析的基本流程1.2數據分析的思維和基本流程明確分析目的數據收集數據處理數據分析數據呈現撰寫報告

1.3.1細分分析法1.3電商數據分析常用方法細分分析區域渠道行業用戶時間

1.3.2對比分析法1.3電商數據分析常用方法時間競爭對手或行業活動前后優化

1.3.3AB測試法1.3電商數據分析常用方法即為實現同一個目標而制定A、B兩個方案，A為目前方案，B為新方

案，通過測試比較這兩個方案所關注的重要數據，然后直接選擇效果最好的那個方案。在使用AB測試法進行測試數據收集時，一定要注意收集留存率以及對收入利潤的影響，因為這是測試的重點。

在電商數據分析中，AB測試法應用最多的就是直通車創意圖的優化。AB測試法

1.3.4漏斗分析法1.3電商數據分析常用方法瀏覽量咨詢量購物車加入量訂單量支付量

1.3.5類聚分析法1.3電商數據分析常用方法是指將抽象的數據按照類似的對象來進行分析，采用這種分析法能夠發現數據之間更深層次的關聯與含義。在電商數據領域中，類聚分析法運用得最為廣泛的是對用戶的類聚分析。通過大數

據對海量用戶的追蹤和深入挖掘，能夠精準地發現用戶的相同或者相近的屬性，進而通過這些類聚的屬性來制定營銷策略。用戶類聚分析對于主力用戶群體的屬性進行細分，旨在精準地定位用戶群體，在后期運維和推廣階段，能夠由點到面地開展營銷活動，引發用戶的歸屬感，形成群體營銷的局面，最大程度地降低推廣成本。類聚分析法

1.4.1認識數據分析報告1.4撰寫數據分析報告數據分析報告是通過對項目數據進行全面而科學的分析來評估項目的可行性，為項目決策者決策項目提供科學而嚴謹的依據，以降低項目運營風險，提高企業核心競爭力。

眾所周知，單個的數據是沒有什么價值的，但如果經過數據分析人員的分析之后，數據被轉化為相關信息，這樣的信息就有價值了。而只有將這些有用的信息轉變成可操作的方案，才能為決策者提供決策的依據。我們將數據分析所得到的信息轉變成方案的這一過程稱為數據分析報告的形成過程。

1.4.2數據分析報告的原則1.4撰寫數據分析報告規范性原則謹慎性原則重要性原則

1.4.3寫作數據分析報告的基本要點1.4撰寫數據分析報告1．數據分析報告需要有一個分析框架2．數據分析報告需要有明確的結論3．分析報告要具有邏輯性和可讀性4．分析報告必須要有建議或解決方案實踐與練習借助阿里指數來分析女裝行業在當前的行業大盤搜索趨勢，并且導出關鍵詞熱搜榜、關鍵詞轉化率榜以及關鍵詞上升榜。12簡述網店運營的數據化分析的六大指標，試著用圖表分析法來舉例說明首頁流量對于店鋪運營的影響和重要性。謝謝大家新電商數據分析行業數據分析2

2.1.1根據數據平臺分析行業趨勢2.1行業容量與趨勢分析以阿里電商數據為核心，專業針對電子商務市場動向研究的數據分析平臺。也是一個社會化的大數據共享平臺，主要是對電商市場的行業價格、供需關系、采購趨勢等數據進行分析，作為市場及行業研究的參考，幫助中小企業用戶、市場研究人員，了解市場行情、查看熱門行業、充分掌握市場行情的動態。根據其功能的不同，阿里指數劃分為行業大盤、屬性細分、采購商素描等六大功能模塊。

2.1.1根據數據平臺分析行業趨勢2.1行業容量與趨勢分析百度指數搜索指數咨詢指數需求圖譜人群畫像媒體指數

2.1.2行業大盤與細分市場容量分析2.1行業容量與趨勢分析是阿里巴巴通過對用戶數據（瀏覽、收藏、分享、成交、退換、代理、分銷）行為進行量化處理的大數據展示平臺。行業大盤主要包括行業數據概況和相關的熱門行業、潛力行業。行業大盤細分市場容量分析的切入點較多，商家需要結合自身產品的屬性和賣點，多參考熱門類目的屬性，關注市場的需求變化，始終以用戶需求為導向，才能夠打造出更多符合市場潮流的爆款商品。細分市場容量分析

2.1.3行業數據趨勢分析2.1行業容量與趨勢分析商家要充分地借助平臺資源來展開數據分析，有理有據，穩扎穩打，才能夠在激烈的市場中站穩腳跟。此外，行業數據分析屬于宏觀層面的數據分析，一定要從平臺的實際出發，切忌“憑感覺”，把自己主觀臆想凌駕于市場需求之上，否則會以失敗告終。

2.2.1行業需求分析2.2行業競爭環境分析在2009年，淘寶商城（天貓的前身）在11月11日舉辦了一次促銷活動，雖然參與的商家和品牌都寥寥可數，但是當天的成交額卻高達5000萬元。于是，淘寶官方決定11月11日定位每年的大型促銷節日。行業宏觀環境——類目1行業的微觀環境以商家所在的行業為參考，以做好店鋪的運營，尤其是銷售額、商品優化、流量等方面的優化。行業微觀環境2

2.2.2行業商家分析2.2行業競爭環境分析快速了解市場的競爭程度了解競爭對手的情況趨利避害，

找準市場的盈利點，快速發現市場新商機

2.3從行業中找到藍海市場選擇有價值的類目選擇有優勢的類目選擇有市場的類目

2.4數據化分析女裝行業的市場趨勢女裝行業市場分析行業容量數據化分析淘寶采購指數1688采購指數1688供應指數細分市場數據化分析熱門基礎屬性營銷屬性行業競爭數據化分析對比同類商品貨源、價格、推廣策略行業品牌數據化分析分析排名靠前品牌的商品、價格、賣點、推廣策略實踐與練習以燈具行業為例，利用數據分析行業市場容量，建議以案例操作的形式來展現，重點突出如何利用數據來尋找市場和貨源。12以小組為單位進行討論，和同組同學一起討論你比較熟悉的“網紅”店鋪。根據對該店鋪的整體數據分析，說說你對“網紅”店鋪的理解，包括“網紅”店鋪成為品牌的原因、“網紅”店鋪當前發展存在的問題，并指明“網紅”店鋪在未來的生存和發展之路。謝謝大家新電商數據分析產品數據分析3

3.1.1以銷量數據把握店鋪情況3.1產品數據分析的意義店鋪的整體發展離不開單個商品，只有銷量高，利潤大的商品才能帶動店鋪發展。每個電商平臺都有相應的銷量分析工具，通過這些工具可以查閱具體某款商品銷量、價格，以及近幾日銷量的提升情況。

3.1.2以關鍵數據指標分析問題3.1產品數據分析的意義問題商品?數據說話!

3.1.3以核心數據指標解決問題3.1產品數據分析的意義產品數據化分析的意義在于更好地解決店鋪運營中出現的各種問題，通過數據觀察、對比和分析，有針對性地解決問題，以客觀數據作為決策的依據，避免主觀臆測，才能夠及時優化和調整運營策略。

3.2.1行業數據源采集法3.2收集產品數據源的方法商家一定要根據行業的現狀來采集數據源，結合市場消費者的需求來上架商品，要避開競爭激烈的領域，以達到花更少的推廣費，卻可以贏得更高的利潤和市場份額的目的。

3.2.2專業軟件數據源采集法3.2收集產品數據源的方法高效精準快速

3.3.1明確分析目標3.3產品數據化分析的基本流程明確分析目標是產品數據化分析的第1個步驟，目標的形式是多元化的，包括網店裝修測試、關鍵詞競價優化、網店首頁跳失率監測或者營銷活動預熱等。不同的數據分析具有相應的目標，要想達到預期的效果，就必須明確分析的目標。分析什么？

3.3.2分析數據源3.3產品數據化分析的基本流程流量從哪來?

3.3.3展示分析結果3.3產品數據化分析的基本流程1.用戶沒有在店鋪中找到想要的商品？2.店鋪的客服接待是否到位？1.訪客進入店鋪的渠道有哪些？2.店鋪在營銷獲取的流量為何較低？1.為何訪客遲遲不愿意支付？2.訪客是否購買了同款或者是類似商品？1.商品詳情頁優化不到位？2.商品的定價不合理？轉化率跳失率支付率訪問量

3.3.4撰寫診斷報告3.3產品數據化分析的基本流程3．提出優化的方案2．持續發揚優勢1．總結存在的問題

3.4.1從客戶的角度分析3.4產品多維度數據化分析客戶是產品數據化分析的主體，也是促成成交轉化的關鍵性角色。一般而言，從客

戶的角度來開展產品分析，主要是指通過規劃客戶的屬性，根據客戶在店鋪中的消費情況來制訂完善的客戶推廣計劃。

3.4.2從產品的角度分析3.4產品多維度數據化分析服務產品虛擬產品實物產品

3.4.3從時間的角度分析3.4產品多維度數據化分析

3.4.4從地域的角度分析3.4產品多維度數據化分析特產類產品的地域數據分析

3.4.4從地域的角度分析3.4產品多維度數據化分析服裝類產品的地域數據分析

3.5.1潛在爆款商品的基本要素3.5利用數據分析挖掘店鋪中的潛在爆款產品潛在爆款價格區間可控營銷時間靈活成交轉化容易利潤空間大市場需求較大

3.5.2從市場容量開始分析3.5利用數據分析挖掘店鋪中的潛在爆款產品淘寶拼多多京東

3.5.3分析產品銷售趨勢3.5利用數據分析挖掘店鋪中的潛在爆款產品產品銷售數據是數據分析的重點，銷售數據是店鋪運營情況的“鏡子”。若銷售數據良好，則說明店鋪運營是比較健康的狀態；若銷售數據顯示店鋪入不敷出，則為商家亮起了一盞紅燈，商家亟須找出店鋪運營存在的問題，即刻解決，恢復店鋪的正常化運營。

3.6.1競品分析的主要內容3.6競品分析

3.6.2競品數據分析3.6競品分析添加競品1競品數據對比32競品關鍵詞挖掘實踐與練習試著概括產品數據化分析的意義，并且以兒童玩具行業為例，做一份數據分析報表方案。12以京東平臺為分析目標，從市場容量的角度來分析，找出適合中小商家經營的類目，并配合數據加以說明。謝謝大家新電商數據分析店鋪數據化運營44.1認識店鋪運營相關數據1.訪客數（UV）銷售額=訪客數×轉化率×客單價2.流量（PV）銷售額=流量×轉化率×客單價3.轉化率轉化率=成交用戶數÷訪客數×100%4.客單價客單價=商品單價×平均購買數量或客單價=總成交金額÷成交用戶數

4.2.1搜索流量4.2店鋪流量分析類目搜索關鍵詞搜索

4.2.2推廣流量4.2店鋪流量分析淘寶客流量直通車流量鉆石展位流量

4.2.3其他流量4.2店鋪流量分析1．活動流量2．站內（微淘、淘寶頭條）3．站外（論壇、微博、QQ、貼吧等社交網站）

4.3.1訪客來源渠道分析4.3店鋪訪客分析店鋪流量來源占比分析店鋪流量終端占比分析

4.3.2訪客人群畫像分析4.3店鋪訪客分析1．店鋪訪客性別占比分析2．店鋪訪客年齡段占比分析3．店鋪訪客愛好占比分析4．店鋪訪客會員等級占比分析5．店鋪訪客終端偏好占比分析

4.4店鋪客單價分析活動促銷關聯銷售商品定價

4.5.1最佳上架日期分析4.5商品上下架最佳時間分析如要得到更加精確的結果，可以連續測試多周（每周上架時間應為一個固定的時間，如每周一零點，以減少因上架時間不同造成的數據干擾），并分別計算出周一到周日每天的平均銷售額，再以此找到銷售額最高的那天，作為上架日期。新零食在不同日期的銷量

4.5.2最佳上架時段分析4.5商品上下架最佳時間分析也可以從避免競爭高峰期的角度來分析商品的最佳上架時間。如可以通過生意參謀查看該類商品每一個時段有多少商品上架，來選擇流量較大、上架商品數量和熱賣商品數量相對較少的時間點，上架自己店鋪的商品。新零食在不同時間點的銷量

4.6.1影響轉化率的因素4.6店鋪轉化率分析寶貝主圖與詳情頁價格、物流店鋪綜合評分

4.6.2客服數據分析4.6店鋪轉化率分析客服成交轉化率

4.6.3頁面數據分析4.6店鋪轉化率分析銷售額收藏價格

4.6.4評價數據分析4.6店鋪轉化率分析中差評處理?實踐與練習擬訂一個直通車投放計劃，計劃內容需含投放時間、地域、搜索人群、關鍵詞和設備等要素。12如有條件，嘗試分析一個網店在投放鉆石展位后店鋪的訪客來源占比，通過投放前后對比分析鉆石展位廣告帶來的訪客量及訪客來源變化。謝謝大家新電商數據分析客戶數據分析5

5.1.1客戶基本信息價值5.1客戶數據的價值客戶基本信息價值信息價值利潤價值口碑價值營銷價值終身價值

5.1.2客戶行為數據價值5.1客戶數據的價值訪問行為訪客數量訪問時段成交轉化率

5.1.3客戶標簽價值5.1客戶數據的價值方便商家對于客戶進行管理針對不同的客戶展開相應的營銷策略消費過程中所形成的具有特定性的區別標志

5.2客戶生命周期分析海量客戶挖掘100%客戶中尋求潛在客戶定位意向客戶群鎖定主力70%消費群體成功轉化客戶成功轉化30%客戶群老客戶的沉淀60%老客戶屬于休眠性客戶老客戶的流失30%老客戶流失

5.2.1客戶最近消費時間分析5.2客戶生命周期分析客戶成交活躍度留住老客戶打造粉絲效應控制拓展新客戶的成本

5.2.2客戶購買間隔時長分析5.2客戶生命周期分析活躍期間隔時間：客戶的購買時間在1月以內客戶特點：客戶對于店鋪的忠誠度較高，其成交轉換率相對較高，屬于店鋪的主力消費群體沉默期間隔時間：客戶的購買時間在2～4月客戶特點：客戶的忠誠度逐漸降低，在店鋪的消費頻率有所下降，與活躍期的客戶相比，其成交轉化率有所降低休眠期間隔時間：客戶的購買時間在5～10月客戶特點：在該階段，客戶幾乎不在店鋪內消費，可能會因為大型的促銷活動，店鋪內較大的優惠力度才能夠吸引客戶進店再次消費。其成交轉化率在較長時間段內趨近于0流失期間隔時間：客戶的購買時間在11月及其以上客戶特點：客戶已經不再進店消費，即使是有較大的促銷活動，也不能刺激到客戶的成交欲望

5.3.1RFM模型介紹5.3基于RFM的客戶價值分析模型R（Recency）：客戶最近一次成交時間的間隔。R值越大，表示客戶成交日期越久遠，反之則表示客戶成交日期越近。

F（Frequency）：客戶最近一段時間的交易頻率。F值越大，表示客戶交易越頻繁；反之，則表示客戶交易不夠活躍。

M（Monetary）：客戶最近成交的金額。M值越大，表示客戶價值越高；反之，則表示客戶價值越低。1.RFM模型概述

5.3.1RFM模型介紹5.3基于RFM的客戶價值分析模型R：基于最近一次交易日期計算的得分，距離該日期越近，得分越高；反之，得分越低；滿分5分，最低1分。F：基于交易頻率計算的得分，交易頻率越高，得分越高；反之，得分越低；滿分5分，最低1分。M：基于交易金額計算的得分，交易金額越高，得分越高；反之，得分越低；滿分5分，最低1分。2.RFM模型計算分值

5.3.1RFM模型介紹5.3基于RFM的客戶價值分析模型目前大多數都采取R:F:M＝100:10:1的權重3.RFM模型計算分值的權重RFM=R×100+F×10+M×14.RFM模型計算公式

5.3.2RFM模型分析方法5.3基于RFM的客戶價值分析模型訂單付款時間購買次數實際支付金額

5.3.3RFM模型客戶細分方法5.3基于RFM的客戶價值分析模型

5.4.1分析思路5.4利用RFM模型分析電商客戶價值1選擇分析時間段2確定數據分析對象3開展客戶價值分析4制定客戶營銷方案

5.4.2數據預處理5.4利用RFM模型分析電商客戶價值冗余數據關鍵信息

5.4.3數據多維度分析5.4利用RFM模型分析電商客戶價值數據建模是RFM模型分析過程中最關鍵的步驟，幫助店鋪商家掌握各個消費層級客戶對店鋪的實際貢獻，并且對新客戶、老客戶以及休眠客戶進行區分。重點維護貢獻值較大的客戶；對潛力低、開發成本高、成交轉化率低的客戶，則可以暫緩維護或者放棄維。

5.4.4數據結果呈現5.4利用RFM模型分析電商客戶價值實踐與練習選擇你比較熟悉的領域和行業，采用RFM模型對近一周的客戶價值進行等級劃分。12選擇你比較熟悉的領域和行業，對其客戶的生命周期進行分析，并針對不同的客戶階段來制定相應的營銷策略。謝謝大家新電商數據分析競爭對手數據分析6

6.1了解自己營銷策略店鋪和產品定位店鋪客單價店鋪裝修風格店鋪消費人群產品價格

6.2.1搜索競爭對手6.2確定競爭對手可以按照店鋪客單價來搜索競爭對手，還可以根據店鋪寶貝的屬性來更精確地搜索。例如，根據店鋪寶貝的平均銷量鎖定幾家與自己店鋪客單價和銷量相近的賣家，將他們作為競爭對手。然后以銷量為維度在淘寶搜索頁面找出與店鋪商品相關的賣家，找到店鋪商品所在的排名，鎖定商品前后排名最近，且風格最接近的店鋪，將這些店鋪作為競爭對手。

6.2.2精確定位競爭對手6.2確定競爭對手1.店鋪商品的所屬類目不同類目分類的商品具有其固定的消費群體，會直接影響商品的流量和成交轉化率，店鋪商家一定要根據商品的特定屬性來選擇商品類目分類。2.主營商品的價格區間商家需要對客戶進行細分，不能“一刀切”。

6.3.1了解競爭對手的重要數據6.3獲取競爭對手數據商品特征客單價店鋪流量銷售額營銷活動轉化率詳情頁買家評論

上架時間

6.3.2獲取競爭對手數據的渠道和工具6.3獲取競爭對手數據競爭對手數據官方數據平臺采集搜索引擎的大數據

6.3.3搜集競爭對手資料6.3獲取競爭對手數據基礎信息資料營銷與運營資料

6.3.4整理競爭對手數據6.3獲取競爭對手數據整理競爭對手數據時間段周月季度半年/一年營銷活動官方平臺活動店鋪活動節日營銷活動大促活動方案優化效果方案實施前的效果方案實施后的效果方案預估效果評定

6.4.1競爭對手產品策略分析6.4實戰操作：競爭對手的數據分析單品的基本信息競爭對手的產品數據

6.4.2競爭對手渠道策略分析6.4實戰操作：競爭對手的數據分析關鍵詞引流商品引流

6.4.3競爭對手價格策略分析6.4實戰操作：競爭對手的數據分析避免價格戰快準狠

6.4.4競爭對手營銷策略分析6.4實戰操作：競爭對手的數據分析商品上下架時間搜索關鍵詞直通車營銷……

6.4.5競爭對手服務質量分析6.4實戰操作：競爭對手的數據分析DSR動態評分

6.4.6競爭對手分析報告6.4實戰操作：競爭對手的數據分析基本資料店鋪名稱店鋪類型開店時長店鋪粉絲數店鋪商品數店鋪信譽數據分析指標產品策略渠道策略價格策略營銷策略服務質量實踐與練習請選擇任意電商平臺（淘寶、京東或拼多多）進行競爭對手數據分析，要求包括產品、渠道、價格、營銷以及服務質量五大板塊，并撰寫完整的競爭對手分析報告。12假設A店鋪是一家主營戶外用品的店鋪，請根據本章所學知識，在淘寶平臺上為A店鋪篩選5家需要重點關注的競爭店鋪，并收集整理競爭對手店鋪的基礎數據將其匯總成表格。謝謝大家新電商數據分析庫存數據分析7

7.1.1庫存周轉率7.1認識庫存的重要數據指標庫存周轉率=（使用數量÷庫存數量）×100%或者

庫存周轉率=(該期間的出庫總金額÷該期間的平均庫存金額)×100%=該期間出庫總金額÷[(期初庫存金額+期末庫存金額)÷2]×100%

1.庫存周轉率計算公式①提高產品的銷售額，降低每月的庫存量。

②加快每個單品SKU的周轉次數。

③選擇優質產品，淘汰滯銷商品，加快新商品的引進速度。

④提高訂貨頻次，實行多次少量的訂貨策略。2.提高庫存周轉率的措施

7.1.2動銷率7.1認識庫存的重要數據指標店鋪動銷率=有銷量的商品數量÷店鋪在線銷售的所有商品總數量×100%商品動銷率=已銷售的商品銷量÷商品的總庫存×100%

7.1.3滯銷率7.1認識庫存的重要數據指標滯銷率=滯銷商品數÷全店商品數×100%

7.2.1采集商品庫存數據7.2商品庫存信息數據采集與分析淘寶助理是一款免費的客戶端商家工具軟件，商家在淘寶助理中登錄淘寶賬號后，就可以快速獲取、編輯店鋪的商品信息了，非常方便。

7.2.2分析商品庫存數據7.2商品庫存信息數據采集與分析1.根據店鋪商品類目可售庫存占比圖表分析庫存情況2.根據店鋪商品類目銷售圖表分析庫存情況

7.3.1分析庫存周期7.3根據數據優化店鋪庫存1．設置“銷售周數取值”的大小2．設置“補貨采購周數”的大小3．設置“安全庫存周數”的大小

7.3.2分析行業變化7.3根據數據優化店鋪庫存2．分析行情趨勢1．分析“補貨數量參考值”的數據大小依據

7.3.3分析產品變化7.3根據數據優化店鋪庫存商品的具體銷售情況

7.3.4根據數據精準補貨7.3根據數據優化店鋪庫存參考自己店鋪的銷售數據參考同行店鋪的銷售數據參考數據工具中的數據實踐與練習請簡述通過“淘寶助理”采集店鋪基礎數據的操作方法。12請通過右邊的庫存數據表分析Y網店的庫存數據是否合理。日期商品名稱可售庫存/件庫存成本/元一周減小庫存量/件1月第1周連衣裙55213800毛衣28012600羽絨服68046240T恤50310060褲子825330001月第2周連衣裙3548850198毛衣381710242羽絨服29019720390T恤3697380140褲子37114840454謝謝大家新電商數據分析財務數據分析8

8.1影響網店盈利的因素利潤收入成本商品的成本、推廣的成本以及其他固定成本

8.2電商企業的成本構成

8.2.1平臺成本8.2電商企業的成本構成店鋪保證金實時劃扣技術服務費技術服務年費

8.2.2運營成本8.2電商企業的成本構成軟運營成本電商運營的推廣費用。硬運營成本電商運營中所需要的一次性或固定額度的硬件，以及后端軟件的成本。

8.2.3貨品成本8.2電商企業的成本構成1.貨品凈成本購買商品的出廠價成本，不包括運費、差旅費2.庫存積壓成本包括顯性成本和隱形成本。顯性成本主要是指商品過季打折處理損失。隱形成本包括倉儲成本（管理與盤庫）、貨物運輸成本、毀壞成本等3.倉儲物流成本包括倉庫租賃費用、倉庫管理人員的費用，以及商品的包裝費用。物流成本是指采購和銷售商品而支付的物流運輸費用和人工差旅費用等4.貨品殘損成本商品在運輸、存儲過程中發生破損而支付的修復、報廢等費用

8.2.4人員成本8.2電商企業的成本構成員工工資辦公設備辦公場所

8.3.1成本核算公式8.3電商成本核算總成本=[1～n]R+O+G+P總成本=[1～n]R+O+G+P–[0～nx]S

O=[1～1.5]硬件成本+[1～x]軟件成本

G=[1～nx](貨品凈成本+貨品殘損成本)+[0～