我们知道，良好的数据分析能力是成为电商运营人的核心竞争力之一。那在实际电商运营场景中，到底在用什么数据，做什么分析？

 

电商的本质是零售，核心目标是成交，三要素是用户、商品和场景。用户、商品和场景组合起来产生的问题，就是我们进行电商数据分析时的重要方向。

 

但不同的发展阶段，不同的角色面对的问题可能是不同的。比如整个品牌总部的问题可能是全平台店铺的价格管控，天猫品牌店铺的店长的问题可能是如何提升本店铺运营能力，淘宝企业店铺的问题可能是如何进行选品。

 

我们拥有服务近千家电商客户的实战经验，为各个发展阶段和各类角色的电商客户们定制了最合适的数据采集和分析解决方案。现整理出来最常见 的3个电商数据分析场景，希望对奋斗的电商运营人有所帮助。

 

1、数据化选品

 

相比依靠经验进行选品，数据化选品充分考量了市场需求、市场竞争、商品利润空间、商品上升潜力等综合情况，站在一个比较高的位置进行选品决策，能够有效地规避风险，快人一步抢占商机。

 

市场需求是指：整个市场中用户对某种商品的需求量，集中体现在平台的关键词搜索量中。市场竞争是指：某项需求下当前在线商品量，代表针对此项需求有多少供给。一般情况下， 很明显是市场需求越大、市场竞争越少越好，这代表此市场可能空间更大，更容易做。

 

商品利润空间和商品上升潜力则更不用说，是选品考量的重要因素。

 

问题是，以上数据从哪里获取？

 

关键词搜索和在线商品量可从生意参谋等数据分析平台获取。像生意参谋就提供【搜索分析】等模块。但是这些平台也有一些缺点：① 大多需要付费才能使用；② 数据查询具有时间限制；③ 很多数据无法下载，一方面无法自定义输出报表分析，另一方面各平台间数据不互通形成孤岛；④ 数据细粒度有限，无法支撑深度分析。

 

监控全网相关品类下相关商品的价格和销量，则需要拥有外部数据采集能力。自建爬虫团队或使用成熟的爬虫软件都是选择。但相对来说，使用成熟的爬虫软件会更省时省力一些，也能更快落地。

 

我们的八爪鱼拥有采集外部/登录后可查看的内部电商数据的能力，可以定时将各个维度的数据采集存储下来，打破时间限制和数据孤岛，并导出为Excel或数据库等形式，灵活自定义输出报表。像我们一个做红木家具品类的客户，利用八爪鱼将某宝红木相关产品的数据都采集下来导出为Excel，形成报表灵活监控大盘情况，进行选品决策。

 

 

 

 

2、价格监控

 

如何实时监控对标竞品的价格区间和营销动作，以为双十一等大促活动制定合理的价格与活动策略？

如何实时监控各个分销商的价格，及时发现低于市场指导价的违规链接/店铺并及时预警取证，防止渠道窜货乱价行为？

如何及时发现各大平台上的售假卖家并对它们进行打击，消除消除水货假货隐患，维护品牌商标权、著作权、专利权？

 

在这些强需求下，诞生了【价格监控】系统。通过价格监控系统，可实时监控全网品牌设定关键词下相关商品/店铺的价格数据，通过对价格进行各个维度的分析，可帮助品牌进行竞品监控、分销商管理和控价打假等。

 

在进行价格监控的实际操作中，有几大痛点需要解决：① 需要非常高频的价格监控，尤其是在618、双十一等大促活动中；② 满减/领券/返现/红包/拍立减等活动方式极为丰富，需精准计算到手价；③ 超出某个设定的预警值后，需及时微信预警与自动取证。

 

我们的价格监控系统很好地为客户解决了这些痛点：

 

① 支持10分钟级别的高频监控

每10分钟采集一次全量在监控中的商品价格，自动生成价格趋势图，清晰展现此商品分钟级的价格趋势、最高价、最低价等。同时支持灵活添加要监控的商品SKU，无需再度开发。

② 精准计算到手价

商品有挂牌价和到手价。云听CEM通过自研的算法模型，智能识别满减/领券/返现/红包/拍立减和其他特定活动策略，精准计算到手价。

 

③ 微信预警与自动取证

支持同类商品之间比价、商品与固定金额比价，一旦差价超过预警值，立即通过微信发送预警消息。同时自动对违规调价行为进行截图取证。

 

 

 

有非常多的客户直接购买我们的价格监控系统，直接使用其提供的一整套的功能。也有部分客户有自己的价格监控平台，只需数据源，这类客户可直接使用八爪鱼的价格采集模板，输入商品URL/店铺URL，秒级获取价格数据。

 

 

 

3、电商评价分析

电商平台上沉淀了大量真实的购买评价数据，是非常有价值的电商分析数据。很多走在前面的电商品牌，正投入巨大精力采集分析电商评价数据，从中洞察消费者的喜好与诉求，进而指导品牌决策，在产品、市场、服务等方面为消费者带来更加愉悦的体验。

 

在采集方面，我们可以帮助品牌采集全网电商平台（淘宝、天猫、京东、苏宁、唯品会、品牌官方商城等）的商品评论。字段包括主评、追评、回复、时间、评论人等。支持亿级评论抓取、实时采集新增评论、沉淀历史评论、通过增加SKU灵活拓展数据源。

 

在分析方面，评价多为文本数据。我们基于深度学习的自然语言处理技术，对评论文本进行关键词提取、典型意见挖掘、情感倾向分析。可根据不同部门的业务需求，针对产品、服务等搭建细粒度指标体系，定性定量的分析每个具体指标下的评论反馈。

 

 

在可视化方面，评论文本的分析结果以可视化报表展示，支持按品牌、店铺、指标等不同维度的条件进行筛选/组合。各部门可根据自身业务需求和关注焦点，灵活生成所需报表，轻松完成业务相关报告。

 

像我们某个手机品牌客户，就通过监控分析评论数据，发现在某个时间节点后，此品牌某款手机关于「活动」的负面反馈激增。进一步查看「活动」这个指标下的典型意见，发现造成「活动」相关的负面反馈激增的原因集中在 手机和耳机分开收货很麻烦、赠送的耳机质量很差。

 

原来此款手机不带耳机，之前也是单独售卖。手机因性价比出众，负面反馈一直挺少。但是某次促销活动的策略为 买手机送耳机，搭配了别家的耳机进行赠送，手机和耳机厂商由于不在一个地方而分开发货，赠送的耳机的质量又很差，带给消费者非常不好的购买体验，短时间内相关负面反馈激增。发现这个问题后，活动负责人马上下线了买手机送耳机的活动，及时止损，为以后活动积累了宝贵经验。

 

 

---

 

 

电商数据分析的场景很丰富，本文仅仅是列举了其中我们做的比较成熟的三大场景。

如果您刚好对数据化选品、价格监控、电商评论分析等电商数据分析场景有兴趣，欢迎扫码提交表单，免费预约演示：