零售业如何通过数据挖掘VIP顾客的价值.doc

零售业如何通过数据挖掘VIP顾客的价值
会员顾客重要吗？当然重要，看看你身边的零售业或零售品牌们，基本是无一不会员制。你再仔细看看你会发现有的企业只是在模仿，而有的却是在经营会员制。因为大家都把会员制当成稳定销售来源的一种重要渠道了。大家都在攫取顾客的销售价值，而很少有企业通过数据分析去挖掘顾客的附加价值！
我把会员顾客的价值分为销售价值和附加价值。销售价值顾名思义就是会员可以带来的相对稳定的顾客群和稳定的销售额的价值，附加价值就是通过对会员的购买记录进行分析从而创造差异化的管理以及根据分析结果指导决策的价值。本文不谈策略，只谈零售行业如何通过数据分析挖掘会员顾客的价值。
在做会员数据分析之前，有一项非常重要的工作要做，那就是数据清洗。因为会员销售记录中有不少是有问题的数据记录。目前所有的POS和CRM系统都不提供数据清洗的功能。一般来讲有问题的数据体现在两个方面：连续消费的卡（几乎每天都有消费记录，这种卡很可能是网络卡或者是卡在店员手中），单次消费金额异常的卡（每次消费金额都很大，超出普通消费者的购买习惯。这种卡很可能是团购卡或网购卡）。这两种消费应该都不是正常会员的消费数据，并且有时它会左右分析结论，所以要在正式的数据分析之前剔除掉。
一、会员群体的数据分析
会员群体的数据分析，包括两个方面：会员群体基本信息的分析和会员消费价值的分析。
会员基本信息的分析包括会员的性别、年龄段、地域、职业、收入、开卡地属性等。这部分分析主要是看顾客群是否和公司的整体策略相吻合，有无变化的趋势，是否需要调整公司策略等。需要注意的是公司策略变化会影响数据规律的变化，比如调整商品结构或者提高开新卡的条件等。
下面是对某化妆品品牌VIP顾客的部分分析报告：

针对会员顾客消费价值的分析我把它分为三个方面：财富值、消费力和附加值。会员顾客就像我们的个人财富一样，需要我们倍加珍视和呵护。我们不但要分析他们的消费力，还需要挖掘他们的附加值，以便更好的服务于他们。请见下图：

有关财富值中的开卡率等于新会员卡数除以成交顾客数，这项指标和公司的开卡策略有莫大的关系。开卡率太高和太低都有问题，开卡率太高日后维护成本会增加，开卡率太低不利于财富值的增加。不同的企业会有不同的开卡率，这个值需要企业不断地分析和调整策略，来达到一个平衡。一个企业的会员总数会不断地累积变大，其中必然会产生很多没有价值的会员卡，如果不加以区分会浪费企业的管理资源，所以很多企业提出了有效VIP卡的概念。零售品牌一般定义为滚动12个月内有消费或达到指定的消费金额的顾客为有效顾客，对于零售百货和超市的时间点可以相应修改为6个月和3个月。
和有效VIP卡相对应的是附加值中的流失率，如果一个零售品牌2010年6月底的有效VIP卡为6万张，而截止到2011年6月底有4万个顾客回来消费过，那12个月内的流失率就是33%。这个流失率是一个滚动概念，每个月都可以进行滚动分析，需要注意的是滚动的时间段务必统一。
回购频率是指在一段时间内顾客平均回来购买的次数，而平均回头购买天数是指顾客平均多少天会来购买一次（注意这是回来购买而不是只是回来，因为回来而没有购买的数据没办法被统计，未来的科技也许会支持这个指标的分析）。这两个指标是相辅相成的，每个零售企业都希望自己的会员顾客经常回来，最好是天天回头，实际上这些要求都是不现实。所以你会见到很多企业的促销员天天去骚扰顾客，最后顾客不堪骚扰而离去。对于一个企业来说天天回头是不现实的，但是我们完全可以一步一步的提高。下图是一个零售企业的这两个指标图（虚拟数据），希望对大家有所启示：

如何利用这张图？企业需要制定对应的策略来逐步提高这两项指标，比如加强沟通，注意沟通技巧，改变促销活动频率等。沟通频率需要和平均购买天数一致，绝对不能随性。大家还可以留意一下大型超市的促销期的长度，有的是10天，有的是12天，还有的是15天，这个值是和上面两个指标相关联的；
二、 会员个体的数据分析
会员个体数据的分析指标和群体分析指标大部分是一致的，也包括消费力和附加值的分析。只是我们更多把分析体现在个体差异和群体分类上。找到个体和群体的差异，制定对应的销售策略。下图是某零售百货部分VIP会员的四象限分级管理图（X轴代表顾客的年回购频率即每年回头购买的次数，越往右代表频率越高。Y轴是表示顾客每次回头购买的平均消费金额，越往上单次消费金额就越高。红色十字线是平均值线）。

如何解读这个图？
1. 一象限是黄金顾客，回购频率和平均购买金额都是高于平均值的，二和四象限是潜力顾客；
2. 一象限一般不需要特别的沟通和维护，他们基本上是公司最忠实的顾客，二象限的顾客需要特别加强沟通频率，四象限的顾客也不需要特别沟通他们回店消费，者是，但是需要店铺内工作做足，提高客单价；
3. 在资源紧张的情况下三象限不需要特别维护，保持不流失的原则沟通即可。
未来的针对会员个体的数据分析方向应该是通过对个体的数据研究来指导企业人性化服务上面，需要我们能够比会员更了解他们自己。那时当顾客走进你的店铺的时候，店员的手上就已经拿到该顾客的购买习惯和偏好了，并且根据顾客的喜好也已经设计了好几套推荐方案。当你脱口而出顾客对服装款式和颜色的喜好时，顾客一定会被你折服的！

会员分层和顾客忠诚度分析

会员分层：
方法一：
当用户在电子商务网站上有了购买行为之后，就从潜在客户变成了网站的价值客户。电子商务网站一般都会将用户的交易信息，包括购买时间、购买商品、购买数量、支付金额等信息保存在自己的数据库里面，所以对于这些用户，我们可以基于网站的运营数据对他们的交易行为进行分析，以估计每位用户的价值，及针对每位用户的扩展营销（Lead Generation）的可能性。
评价用户价值的指标
对于评价指标的选择这里遵循3个原则：
※ 指标可量化：没办法，要做定量分析，这个是最基本的前提；
※ 尽可能全面：根据底层数据选择尽可能多的可以获取的指标，这样能够从多角度进行分析和评价；
※ 线性独立：即指标间尽量保持不相关。比如如果选择用户的购买次数和总消费额，那么一定是购买次数越多的用户总消费额越高，也就是导致了评价维度上的重合，而选择购买次数和平均每次交易额可以避免这种相关性产生的弊端。
根据以上几个原则选取了以下几个指标（同样根据网站的特征选取合适的统计时间段）：
1、 最近购买时间：用户最近一次购买距当前的天数；
2、 购买频率：用户在这段时间内购买的次数；
3、 平均每次交易额：用户在这段时间内的消费总额/购买的次数；
4、 单次最高交易额：用户在这段时间内购买的单词最高支付金额；
5、 购买商品种类：用户在这段时间内购买的商品种类或商品大类。
用户评价模型的展示
一样的，也可以用雷达图进行展示，同样也使用离差标准化的方法对每个指标进行消除度量单位的10分制评分。下面是一个雷达图的示例：

通过这个雷达图，我们可以读到比用户忠诚度更多的信息。图中的上面3个指标——最近购买时间、购买频率和购买商品种类可以用来评价用户的忠诚度，而下面的2个指标——平均每次交易额和单词最高交易额可以用来衡量用户的消费能力。 如上图，用户1虽然购买频率和购买的广度不高，但其消费的能力较强，而用户2是频繁购买用户，对网站有一定的忠诚度，但其消费能力一般。所以图形的上半部分面积较大的用户拥有较高的忠诚度，而下半部分面积较大的用户具有更高的消费能力。这两类用户都是网站的有价值客户，但由于其类型的不同，在营销策略上可 以分开对待。

用户交易行为分析的意义
※ 发现网站的高价值客户（VIP），为客户关系管理（CRM）及保持有价值客户提供支持；
※ 发掘网站的可发展用户，对于一些新客户或潜力客户进行针对性营销；
※ 及时发现可能流失的客户，及时采取有效措施；
※ 根据用户交易行为细分客户群，实施有针对性的营销策略。
实战 这个是我根据我们某业务用户特征做的分类：

方法都很简单，基于业务的指标构建→数据提取→指标标准化离散→聚类→结果分析，分层效果还是很清晰，最后分析后把每一层聚类的标准固化就实现实时分层的应用
方法二：
根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：
※ 最近一次消费（Recency）
※ 消费频率（Frequency）
※ 消费金额（Monetary）
RFM分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理(CRM)系统的网站来说， 其分析的结果将更具意义。
基本概念解释
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM分析模型主要由三个指标组成，下面对这三个指标的定义和作用做下简单解释：
最近一次消费(Recency)
最近一次消费意指用户上一次购买的时间，理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。因为最 近一次消费指标定义的是一个时间段，并且与当前时间相关，因此是一直在变动的。最近一次消费对营销来说是一个重要指标，涉及吸引客户，保持客户，并赢得客户的忠诚度。
消费频率(Frequency)
消费频率是顾客在一定时间段内的消费次数。最常购买的消费者，忠诚度也就最高，增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。
根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想像成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。
消费金额(Monetary)
消费金额是对电子商务网站产能的最直接的衡量指标，也可以验证“帕雷托法则”(Pareto’s Law)——公司80％的收入来自20％的顾客。
数据获取与分析
在从数据库中提取相关数据之前，首先需要确定数据的时间跨度，根据网站销售的物品的差异，确定合适的时间跨度。如果经营的是快速消费品，如日用品，可 以确定时间跨度为一个季度或者一个月；如果销售的产品更替的时间相对久些，如电子产品，可以确定时间跨度为一年、半年或者一个季度。在确定时间跨度之后就可以提取相应时间区间内的数据，其中：
最近一次消费(Recency)，取出来的数据是一个时间点，需要由 当前时间点-最近一次消费时间点 来作为该度量的值，注意单位的选择和统一，无论以小时、天为单位；
消费频率(Frequency)，这个指标可以直接在数据库中COUNT用户的消费次数得到；
消费金额(Monetary)，可以将每位客户的所有消费的金额相加(SUM)求得。
获取三个指标的数据以后，需要计算每个指标数据的均值，分别以AVG(R)、AVG(F)、AVG(M)来表示，最后通过将每位客户的三个指标与均值进行比较，可以将客户细分为8类：
竞争情报——企业战略分析的基础
　 竞争情报是指关于竞争环境、竞争对手和竞争策略的信息和研究，是一种过程，也是一种产品。过程包括了对竞争信息的收集和分析；产品包括了由此形成的情报和谋略。
　　企业战略是指企业根据环境的变化，本身的资源和实力选择适合的经营领域和产品，形成自己的核心竞争力，并通过差异化在竞争中取胜，随着世界经济全球化和一体化进程的加快和随之而来的国际竞争的加剧，对企业战略的要求愈来愈高。
　　战略分析在于总结影响企业目前和今后发展的关键因素，并确定在战略选择步骤中的具体影响因素，它包括以下三个主要方面：
　　（一）确定企业的使命和目标。把企业的使命和目标作为制定和评估企业战略的依据。
　　（二）对外部环境进行分析。外部环境包括宏观环境和微观环境。
　　（三）对内部条件进行分析。战略分析要了解企业自身所处的相对地位，具有哪些资源以及战略能力；了解企业有关的利益相关者的利益期望，在战略制定、评价和实施过程中，这些利益相关者会有哪些反应。
　　竞争情报在战略实施中发挥的作用：
　　（一）竞争情报可以了解企业环境和行业情况
　　行业环境是企业生存和发展的领地。公司外部环境的核心是它所处的行业。外部因素大致地分为五类：经济因素；社会、文化、人口和环境因素；政治、政府和法律因素；技术因素；竞争因素。利用人际网络、市场调查、文献分析的方法通过企业的竞争情报系统或手工方式收集这些信息,然后利用PEST分析法分析企业所处的宏观环境，包括政治、经济、社会和技术等；利用EFE矩阵分析企业所处的行业环境；利用IFE矩阵分析企业各职能领域的优点与弱点。此外，还要结合直觉判断企业所处的外部环境。
　　（二）竞争情报是了解对手企业，发现竞争对手变化的重要工具
　　环境、竞争对手信息的监测和获取都是一个持续的过程，对于竞争对手的战略变化、行业变化，企业可运用竞争情报的方法迅速采取行动。有时这种信息反应是否及时、有效甚至关系到企业的生死存亡，这就需要企业对外部环境及竞争对手信息进行长期跟踪，内容主要包括竞争对手的战略、战术、管理、运营及其他相关活动的评估，以确认其优、劣势以及未来的可能动向。
　　针对竞争对手搜集情报的方法有：
　　1、询问关键客商：许多公司的大客户（K/A）都是即卖本公司的产品，也买竞争对手的产品。由于大客户的重要性和影响力，一般厂家对该客户的政策都给予倾斜，包括价格、销售政策、信用政策等多方面。同时，业务毕竟要有人来协调处理，许多方面会“肝胆相照、无话不说”，大客户对厂家的底子会十分的清楚甚至了如指掌。因此询问大客户，建立客商信息交流反馈机制是十分重要的捷径。这里的客商包括：竞争品牌的经销商、代理商、批发商、供应商等。
　　2、招聘竞争品牌的骨干：一个竞争品牌的骨干人员，往往掌握竞争品牌的许多机密信息，甚至核心机密。其职务越高，掌握的情报越多，相应的代价越高。招募竞争品牌的骨干人员，是搜集品牌机密情报的有效途径。
　　3、通过大型的展览活动：几乎所有的厂家都会定期参加一些行业展览，在展会上会推出新的产品和制定新的销售政策。其厂家希望通过展会提高自己的知名度和寻找潜在客商，企业可以安排专人搜集相关资料。
　　4、通过参观或学习活动情报：最可靠最真实的情报来自最贴近、零距离式的参观学习。参观主要以投资考察或寻求合作的方式进入竞争品牌的防范区，获得竞争品牌的生产规模、销售渠道、制造程序等敏感信息。学习主要以技术交流或派“实习”，得到一些重要的技术或秘方。如果配以高科技的工具就更有效了。
　　5、追踪竞争品牌的领导言行：一个竞争品牌领导的只言片语，往往预示着一个重大的研发、投资、并购、重组、转行等行动的开始。因此，跟踪竞争品牌领导的言行，分析他们不经意流露出的信息，就能未雨绸缪。
　　6、反向工程：反向工程就是通过拆卸、检查、化验、脱壳等手段学习竞争品牌的产品，熟悉其材料、成本、工艺、流程等经济、技术信息。例如，我们国家的第一辆轿车就是完全模仿前苏联的伏尔驾的。这种方法不必重新投入研发，所获取的信息成效显著，最受中小企业青睐。尤其是在70年代的温州十分的盛行。
　　7、研究专利寻找情报：以商标、技术为特点的专利是品牌产品的核心，能直接反映竞争品牌技术水平、竞争态势。通过分布在专利说明书和权利要求中大量分散的、无序的性能和特征等方面的信息进行检索、分类、排序、分析等再加工，去粗取精，由表及里，掌握竞争品牌优点等有益的信息。
来源：赛立信竞争情报网
会员营销数据篇：基于数据的会员营销管理

一、会员营销好坏的评判指标；

运营里会员营销专员的KPI指标跟这个直接挂钩，判别会员营销效果很多人认为是转化率、客单价，客单量这类，其实这些影响要素太多，例如促销的影响要素。个人认为会员营销其实就是基于会员管理基础上主动营销的行为，效果考虑的，应该是主动出击的快捷（时间）、方式（技巧）、力度（会员优惠体系的建立）、反馈（会员对此的反馈） 看下图，会员的成长路线：
时间指标：
激活会员率：每月新增会员数/会员数 这个指标衡量的是，有没有及时把新引来的对店铺有响应的用户转化为新会员，这个指标的直接影响要素是吸引技巧/优惠与用户的匹配度；
技巧指标：
流失会员率：流失会员的用户数/会员数 这个指标衡量的是，营销方式把握整体的准确度， 有没有冒失，有没有忽略，为什么没有赢回，指标的直接影响要素是赢回营销技巧
力度指标：
会员交易额占有率：会员交易金额总数/店铺交易额总数 这个指标衡量的是， 你做的一切优惠体系究竟有没吸引力，这涵盖了客单价以及购买频次，个人认为这个可以作为会员营销的终极指标
反馈指标：
会员回头购买率：回头客中会员的数量/会员数 这个指标衡量的是，店内营销活动与会员营销的结合度，考量到会员对此段时间的粘性如何
二、会员体系的建立与预设条件设置
个人认为体系的建立有两方面：
一是会员等级体系的建立；
二是会员行为体系的建立；
会员等级体系的建立是静态的，会员行为体系的则是动态的，包括购买频率，时间、次数这些，一般是促使新客户升级为忠实客户/挽救流失客户； 具有实用性质的是，建立这两个体系的好处是更科学化地去管理：通过促发预设条件产生的主动营销行为；这种预设条件的建立，也需要事先考虑好，所以会员营销前期的关键是三个：
会员等级体系的建立、会员行为体系的建立、预设条件的具体设置，预设条件是体系中的一部分，所以在下面讨论体系建立的同时，也会同时加入预设条件；
先说第一个，会员等级体系的建立
1、会员等级体系
会员体系的通用法则： 四等级：50%-60%/20%-30%/10%-15% /5%如果店铺是初期，门槛放低点，但是，每个店铺发展到一定程度，积累了一定的会员基数后，个人还是认为要做精细化的调整，例如每隔半年改变一次规则，我觉得是有必要而且必须的。具体的计算方式是怎么样子呢？ 首先，先计算好你原始会员体系的指标，如下：
（这个是派代的一篇叫《会员营销之路》的资料数据，大家可以去下） 看上图，上图的数据每个月都会变动，建议先剔除一些特殊的数据，例如会员周，会员日；然后参考价值贡献率，算好四个等级的比例，例如是4:3:2:1，这个时候你分区间的时候是不是很容易了，很精确了？只要你预设好第一个会员门槛的百分比，如最初级会员是60%-70%，以下的三个区间就很明显了；
还有种情况，如果你的价值贡献率不是阶梯式的,这回怎么办？问这个问题的时候，你先问自己为什么会出现阶梯？出现这种问题的最大问题就是：你没有做好实时监控：每天记录的数据，如果不是阶梯式的，那么你明天就该考虑对这个不“和谐”的等级会员群采取主动出击行动了！（个人建议会员专员每天需要做的事情包含这个）会员等级体系的预设条件很简单，只要你给每个等级的会员设置好优惠的条件，每当有会员购买时，都会促发这些预设条件；等级体系的预设条件要根据消费者喜好去建立，换个角度说，是不同的行业目标群体所注重的东西是不一样的，例如饰品很多人都想有包邮，衣服更注重的的是减价，家电更注重的是运费跟减价；这个简单，一笔带过；
2、会员行为体系
会员行为体系的建立，是为了防止会员的流失，以及升级会员，影响会员购买的因素其实很多，所以在要根据会员做营销的前提，需要给会员贴上更多的行为标签，例如性别，年龄，购买时间，频率等等；这时候要提到的是：会员行为体系的预设条件，与会员等级体系的预设条件是可以交叉的，例如，想对一个年龄阶层的会员送优惠活动，这时候不仅促发了会员行为体系的预设条件，同时也会促发等级体系的预设条件；
以下是行为体系的标签分类：
1.属性体系：包括姓名、性别、年龄、地域、生日、购买能力、联系方式等等；预设条件很简单，如一个衣服店在北方变冷时想对会员做优惠活动，这之后只要促发了地域条件，就可以针对北方的会员做优惠活动
2.活跃度体系：包括PV、平均访问页面数、停留页面时间，跳失率等等，都是用户粘性程度的指标。预设条件复杂，要通过对比量子统计的平均日均数，如果发现总体减低，这时候一般都是会员活动停歇了，需要去出击了；还有种就是指标减低（升高），购买金额却减低（升高），这时候要考虑产品是不是有问题了，需不需要给会员推荐其他的产品？
3.购买行为体系：包括购买时间、客单价、客单量、单次购买金额、累计贡献、购买频次、购买周期等等。这个预设条件是整个行为体系的最重要部分，针对这个行为体系的指标，特别是购买周期，购买频次，对会员推荐新品时，或者新品上新周期应该与购买周期相同步；而且还可以根据购买周期/频次预设出会员的分类：新会员-老会员-忠诚会员-流失会员等，这样就会更容易针对不同分类会员运用不同的会员营销方式；
4.情绪体系：对有对产品退款、拒收、投诉、评价低等的会员做标签，这类会员短期内会有很多负面情绪，可以针对这类会员，隔着一段时间再去送道歉优惠（参考做法） 总结：给大家一个实用的建议，每日需要根据数据做调整的工作有：观察价值贡献率不是阶梯式，观察活跃度体系是不是有异常，观察购买行为体系以及情绪体系是否有异常；
间隔的工作有：
一是根据会员等级体系做固定的优惠活动（上新日、会员周等）；
二是根据购买行为体系的预设条件去给予不同类型的会员做定向跟踪的优惠，譬如一个刚成为新会员的会员，一个变成流失会员的会员，你要跟踪这两个会员，让他们升级为老会员，让流失会员再次成为会员；
三、会员数据库的实效延伸运用1、如何对会员进行消费者轮廓描述前两天与一位派友交流的时候，想到了这个问题，帖子在此
③分析这些忠实用户有没有行为上的一些共性，情感上的一些共性？有的话，你是否对自己的目标群体有一个比较客观的认识？④接着你需要干什么？寻找你的流失用户，新用户，再次分析描述，你需要做到的是：通过这些行为数据嗅出能供你使用的商业判断导向依据，否则什么都是浮云；
2、通用的精细化管理评价模型

上面讲了建立会员等级体系的一个方法，其实只是针对有一定会员基数的店铺的实用方式，写到这里了，想到了一个可以针对所有店铺的，特别是对小店铺的一种方法，可以用来做精细化管理。 先给大家阐述一个模型，RFM模型，最早由美国数据库营销研究所提出来，是会员管理的通行工具。在RFM模式中，R（Recency）表示客户最近一次购买的迄今时间，F（Frequency）表示客户的购买次数，M（Monetary）表示客户的累积购买金额； 如果我们对这三个参数设置不同的权重和计分标准，我们就可以对每个会员的价值进行定量评估，从而开展会员等级管理了；以下是大略图表：
如图，可以针对每个A/B/C/D…客户进行等级评估，算出合计你就会看到哪个会员重要，哪个不重要了，从而去做相应的营销行动吧！

电子商务网站核心数据分析
电子商务相对于传统零售业来说，最大的特点就是一切都可以通过数据化来监控和改进。通过数据可以看到用户从哪里来、如何组织产品可以实现很好的转化率、你投放广告的效率如何等等问题。基于数据分析的每一点点改变，就是一点点提升你赚钱的能力，所以，电子商务网站的数据分析是很重要的一门功课。
一般来说，数据分析包括：流量来源分析、流量效率分析、站内数据流分析和用户特征分析四个部分。
我们先来说说流量来源分析。
电子商务就是贩卖流量的生意，低成本的流量来源是保证企业盈利的重要条件。流量来源分析主要是要明白你的用户都是从那些网站来的，那些网站的给你带来更多的订单、那些网站的流量是真实的，那些是虚假等。
流量分析一般一奥分析以下内容：
网站流量来源排名：那些网站贡献的流量多，那些贡献的少
搜索引擎关键词分析：根据关键词的来源分析来查看网站产品分布和产品组合。如果关键词查询多的产品却不是网站的主推品，可以进行适当调整。
网站流量趋势分析：网站的流量是否均衡稳定，是不是有大幅度波动。一般来说流量突然增加的网站，如非发生突发事件，购买的广告位作弊的嫌疑比较大。
网站流量核对：查看是否有莫名流量来源，流量来源大不大。如果莫名来源流量很大的话，有可能是您购买的CPC或者其他资源被注水了，将您的广告链接分包给了点击联盟。
推介网站与直接访问的比例：推介网站可以理解为外部广告，直接访问就是用户直接输入网址。一般来说，直接访问量越大说明网站的品买知名度越高。
其次是流量效率分析
流量效率是指流量到达了网站是不是真实流量，主要分析指标如下：
到达率：到达率是指广告从点击到网站landingpage的比例。一般来说，达到率能达到80%以上是比较理想的流量。这个也跟网站的速度有关，综合来分析一下。
二跳率：这个也是为了分析流量的有效性。如果是有效流量的话，一般会有合理的二跳。如果是虚假点击的话，一般是没有二跳的。但是也不排除有部分作假很厉害的网站能做出二跳，比如PPLIVE，当年洪成浩做投放的时候，我们的广告直接连接到广告专题页，二跳是15%左右，但是PPLIVE居然有60%的二跳！最主要的是一个转化都没有。差点把我们的图片图服务器点瘫痪，这个就太过分了。
PV/IP比：一般来说，有效的流量，网站内容比较好的话，一个独立IP大概能有3个以上的PV。如果PV/IP比能达到3以上的话，一般说明流量比较真实，网站内容也不错。但是如果低于3的话，并不代表流量不真实，也可能是网站本身的问题。如果PV/IP过高的话，也可能有问题，比如人力重复刷新等，要谨慎对待。
订单转化率：这个是最最核心的数据了，没有订单转化率，其他一切都是免谈！某些牛B的B3C能做到4%的提袋率！某些却仅仅是0.1%，努力吧，众B2Cer们。
站内数据流分析，主要用来分析购物流程是否顺畅和产品分布是否合理，一般如下：
页面流量排名：主要查看产品详情页的流量，特别是首页陈列的产品详情页。参照最终的销售比例，优胜劣汰，用以调整销售结构。
场景转化分析：从首页-列表页-详情页-购物车-订单提交页-订单成功页，的数据流分析。比如说，首页到达了10000用户，伺此后的数据分别是8000-5000-1000-50-5，购物车到订单提交页的相差比较大，大概就能看出来是购物车出了问题，需要改进。
频道流量排名：各个频道流量的排名，主要用来考虑产品组织的问题。
站内搜索分析：这个反应的是用户关心的产品有哪些，产品调整的最直接数据。
用户离开页面分析：用户在那些也页面离开最多？是首页还是频道页？是购物车还是订单提交页。突然的大比例的离开网站，往往预示这问题的存在。
最后是用户特征分析：
用户停留时间：这个放在用户特征分析里有些牵强。而且目前监控用户停留时间的方式是：用户到达时间-用户离开时间，但是用户什么时候离开很难准确判断，这种数据仅作参考，一般停留时间越长网站粘性越好。如果用户停留时间超过1个小时，基本就是假流量，或者用大打开网页忘记关了，呵呵。
新老用户比例：老用户比例越高，证明用户忠诚度不错。但是还要考虑绝对量，不能靠新用户越来越少来衬托老用户比例越来越高。
用户地域分析：用户地域与订单地域分布基本一致，基本上就是用过互联网用户的分布比例以及经济发达程度等。这个对于提升区域配送及服务比较有帮助。
电子商务网站的基本数据分析就是以上这些，作为实际操作人员要根据数据分析的情况来发现问题和总结问题，进而优化网站的结构和用户体验、来提升网站的专转化率和用户忠诚度。这些都是电子商务很重要的基础工作，希望能为大家的利润做出贡献。