想要做好新零售，必須先學會資料分析！

近期很多電商都在抱怨， 店鋪生意不好， 客人留不住， 轉換率低等等問題， 拿著一大堆資料看的焦頭爛額， 想做電商， 做大， 做好， 不會資料分析怎麼行呢？

在我們印象裡， 資料似乎是一種往回看的工具， 它可以總結過去的經驗， 對未來的決策起到輔助作用。 但是大資料發展了這幾年， 它開始覆蓋越來越多的場景， 甚至和當下的經濟環境成為了一種共生共榮的關係。

要想在互聯網這個大時代裡存活下來， 學會資料分析是一項必不可少的技能。

首先， 我們要先搞懂什麼是資料分析。

資料分析， 其實就是在一大批看來雜亂無章的資料中把有用的資訊，

集中、萃取和提煉出來， 以找出所研究物件的內在規律， 並提供決策支援的一系列分析過程。 "資料→資訊→行銷決策→銷量",既然是決策支援， 那麼資料分析就會説明我們發現問題、分析問題， 並指導我們做出最佳行銷決策決策。

商場如戰場， 資料分析就是店鋪商戰中的雷達。

資料分析又分三個板塊。

一、資料對比

資料分析需要對比， 可以是自己跟他人或行業比， 也可以是自己不同時段的比較。 譬如：我通過與行業的本月資料對比， 發現其餘環節都略高於行業均值， 只有客單價部分是短板， 那麼提供的決策支援應該是增加同類寶貝推薦以及搭配套餐等工作， 以及多做一些店鋪活動提高客單價。 又譬如：通過本周與上周的對比， 發現銷售額下降嚴重， 進一步分析發現行業銷售額不減反增， 原來由於秋冬換季， 我店鋪產品沒有及時更替產品嚴重滯後導致。

二、資料監控

很多人會說， 不必錄入監控啊， 量子上面不都有記錄嗎？但是殊不知， 錄入和監控的過程其實就是分析的過程， 往往做資料錄入的人員是最清楚公司的整體的狀況的人員。 關於監控資料的來源工具， 常用的也就那麼幾個：資料魔方、量子統計、推廣後臺、其他等等。

來源不多， 但是用到精通、熟練， 充分從資料中提取有用資訊，

需要花心思。 用量子統計獲取店鋪自身的優劣勢、用資料魔方縱觀行業概況， 從推廣後臺測評ROI， 並從自身角度添加其他資料分析工具， 最終有效結合起來， 才算是知己知彼， 胸中有丘壑。

三、資料分解

分解也是資料分析不可或缺的一大環節，

尤其是未來市場預測和流量比例分配。 舉一個簡單的例子：現在我要加大推廣力度， 在成本控制內提高20%的銷售額。

先用公式“銷售額= 流量 X 轉化率 X 客單價 ”把銷售額分解開來， 採用控制變數法， 保持轉化率、客單價不變情況下。 再對流量分解“流量=淘寶站內+直接訪問+搜尋引擎+推廣+其他”。

總結下來，關於資料分析，任何資料分析都只是提供決策支持，一切都要落實到具體行動方可。

總結下來，關於資料分析，任何資料分析都只是提供決策支持，一切都要落實到具體行動方可。