如何写淘宝店铺运营状况的数据分析报告

1、要有一个好的框架

好的分析是有基础有层次，有基础坚实，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望。

2、每个分析都有结论，而且结论一定要明确

如果没有明确的结论那分析就不叫分析，因为本来就是要去寻找或者印证一个结论才会去做分析的，所以千万不要忘本舍果。

3、分析结论不要太多要精

精简的结论也容易让阅者接受，减少重要阅者（通常是事务繁多的领导，没有太多时间看那么多）的阅读心理门槛，如果别人看到问题太多，结论太繁，不读下去，一百个结论也等于0。

4、好的分析要有很强的可读性

这里是指易读度，阅者往往只会花10分钟以内的时间来阅读，所以要考虑分析阅读者是谁，他们最关心什么，必须站在读者的角度去写分析邮件。

5、数据分析报告尽量图表化

这其实是第四点的补充，用图表代替大量堆砌的数字会有助于人们更形象更直观地看清楚问题和结论，当然，图表也不要太多，过多的图表一样会让人无所适从。

分析报告是要看你写哪方面的。

第一，先总结你店铺本月的销售数据；

第二，可以看整个淘宝的销售数据，

第三，看同类店铺的的情况；

第四，看与你形成竞争关系的店铺情况；

第五，分析你的店铺的最近两-三个月的情况；

第六，分析你店铺的浏览量和销售量的对比情况；

第七，分析店铺浏览量较高的商品情况和销售量较高的商品情况，分析原因，找到优势，合理利用；

第八，找到店铺浏览量和销售量较低甚至为零的商品，并分析原因，尽量找到合适的解决方法；

本篇数据分析报告全文约3900字，阅读大约需要10分钟

数据源： Ad Display/Click Data on Taobao.com

这是一份淘宝平台的广告展示/点击数据，本次分析需要从这些数据中发现某些规律或者异常，进而给运营团队提出建议

评价一个广告效果的指标就是广告的点击人数，可以反映一个广告有多少人愿意点击查看广告的内容，只有广告被点击，后续转化为购买行为才会发生。

把广告的点击人数指标拆分：

广告点击人数=广告展示数 x 点击率

而广告展示数又由广告商品的价格、类别影响；不同人群对不同类别商品有着不同的喜好，从而影响广告的点击率。

在广告展示数一定的条件下，点击率的高低就是决定一个广告能否被更多人看到的因素。

因此本次分析就针对 【点击率】 这一因素进行分析

从“广告”和“用户”两个角度进行分析：

原始的数据集中包括三类数据，具体数据对应属性如下：

为了方便分析，抽取其中的部分字段作为分析。

从raw_sample数据集中抽取：用户ID、广告ID、是否点击

从ad_feature数据集中抽取：广告ID、类目ID、广告商品价格

从user_profile数据集中抽取：用户ID、年龄层、性别、购物层次

将三张数据表，组合到一张表中

得到一张记录了用户-广告信息表

1、源数据中还有许多的缺失值，将性别和年龄层字段中为空值的记录删去

2、查看数据中的异常值，并将异常值删去

查看广告商品价格字段的属性值范围：

还是存在数据值过大的异常值

为了方便分析对价格字段进行切分，选取更贴近日常生活的价格在1000元以内的广告记录进行分析

切片之后仍保留了751570条记录

对于广告商品价格字段，每个广告的商品都有各自的价格，根据价格字段不便于进行统计。新增一个字段“price_class”代表价格的区间。

（0-价格在0-100元、1-100-200元、2-200-300元...）

将广告按价格分为100元以下、200元以下、300元以下等10类，并计算不同价格区间中广告的点击率情况。

从图中发现，所有价格区间商品的点击率都在5%左右，其中广告商品价格在100元以下的广告点击率最高，为5.92%；

看到价格较低的广告商品点击率更高，我们一般认为是对价格敏感的浅层用户（免费用户）在这方面的点击率更高，而拥有一定消费行为和消费意识的中层、深层用户（付费用户）则更在意购物时的体验以及商品的质量。

为了验证以上说法，我们先假设100元以内的广告商品主要的点击对象是浅层用户，再通过数据验证。

查看点击了100元以内的广告商品的用户的用户组成

从用户分布可以看出，在点击了100元以内广告商品的用户中，深度用户的比例更高，占比81.6%，而浅层用户的占比则相对少很多。这推翻了我们原来的假设。

由于广告的类别数量众多，大部分类别的广告只有1-2次的展示，数据样本太小，因此选取展示数量最多的7个类别进行分析。

可以看出类别6261广告的展示数、点击数、点击率均为最高，而类别4385广告的展示数虽然有10000+，但是点击数、点击率却是最低的。

计算没有被点击的类别4385广告的商品的平均价格

而点击了类别4385广告的商品的平均价格为：

两者平均价格都在200-300区间、差异不大。结合分析（1），价格区间在200-300的广告商品点击率平均是在5.29%，而类别4385则只有3.61%。

这说明：广告商品价格不是影响类别4385广告点击率的因素

先来看看类别4385被哪些用户看到了

可以看出，类别4385的广告，主要是被推荐给了男性用户，而男性用户对这类商品的兴趣大于女性。

并且女性对这类商品的广告兴趣不高，点击率只有2.75%，是造成类别4385广告点击率低的主要原因。

来看看不同年龄段、不同性别的用户点击率有什么差异

（年龄字段含义：0:10岁以下、1:10-20岁、2:20-30岁、3:30-40岁、4：40-50岁、5:50-60岁、6：60岁以上）

从统计的数据可以看出，类别4385广告的商品主要点击群体是30岁以上男性用户，尤其是60岁以上男性兴趣最高，而女性用户对这类广告商品兴趣低。

结合a、b的分析，受30岁以上男性欢迎、价格在200-300的商品，推测是西装、皮鞋类或者烟酒类又或者是家用电器类商品

男女比例约为：1：1.6

男女广告点击数的比例约为：1：1.7

因此，总体上女性的点击数要多于男性，但两者的点击率基本一致。

可以看出，大部分类别中，女性的广告点击数都要明显大于男性的点击人数。

只有类别4385、类别4505，这两个类别的广告，男性的点击人数要超过女性的点击人数。

男女之间的主要差异是由类型6261的广告造成的，女性的点击数大约是男性的4倍。

不同的用户群体之间用户价值与消费习惯具有一定的差异，对于不同用户群体的广告投放的策略也不同。通过分析不同用户群体对广告点击率有什么关系，来制定不同的投放策略。

这里的分析通过K-Means算法来对用户进行聚类，并基于RFM模型来对用户价值进行划分。

这里选取用户的购物层次、广告点击率、浏览广告的商品平均价格，这3个指标来作为判断用户价值的标准

这里将所有用户分成5类，来代表用户价值的高低。

注：三个特征在聚类时都进行了特征的标准化

因此，我们可以出：群体5对广告的接受程度最高，非常愿意点击广告。群体2更喜好高价格的商品，对购买高价商品抱有极大兴趣。

根据用户在购物深度、点击率、观看广告商品的平均价格3个维度的表现，将用户划分为5类客户。

（1）重要保持用户

（2）重要发展用户

（3）重要挽留用户

（4）一般用户

（5）低价值用户

根据聚类结果，对应上述五类客户类型，进行匹配，得到客户群体的价值排名：

根据结果，我们可以发现5类用户的分布如图所示：

把上述的分析过程中的小结正例出来，得到分析结论，并综合所有的结论提出建议：

---