↑ 上の「Coke 's Data Analysis Road」をクリックしてフォロー+星をつけてね～
高確率で毎日朝8時25分更新 
これは、集中的な読書シリーズの 3 番目の記事です。
皆様こんにちはCokeです 今日は本書の345章にあたる 集中読解「データ分析思考 分析手法とビジネス知識」の第3回目です データ分析で問題を解決するプロセスや2つの実用的な事例：国内および国境を越えた電子商取引業界のビジネス知識、指標、および事例。
最初の 2 つの集中的な読書は次のとおりです
。
01
データ分析で問題を解決する
この章の内容は、前の章の個々の分析方法を組み合わせることを実際に教えてくれます。
明確な質問
現象を観察することにより、問題を明確に定義し、通常は時間、場所、データソースから確認できるデータソースと正確性を明確にします。
次に、指標と意味を含むビジネス指標と、誰と比較するかを完全に理解します。
たとえば、上半期に店舗が達成した利益は、年初に設定した月間平均利益 500 万元の目標にはまだほど遠い. リーダーは失敗の理由を調べるように求めた.目標を達成するために。
まず、データの正確性を確認し、どこの部署から提供されたのか、月ごとのデータは何なのか、チェックされて正しいデータなのかを確認する必要があります。
次に、指標、利益の定義などを理解します。上半期と比較すると、ギャップがあります。
ノート：
主観的な仮定を避ける
理由を分析する
その理由を分析するには、次の 2 つの質問を明確にする必要があります。
何が悪かったのか
なぜこの問題が発生するのか
まず主要な要因を分析し、多次元分解分析法を使用して、売上 = 売上高 - 売上原価 - 営業外費用などの各指標を分解します。売上高は、顧客単価 X ユーザー数に分解することもできます。どこまで分解するかは、ビジネスや実務上の問題の理解に応じて柔軟に把握する必要があります。
次に、仮説検定分析法を使用して、何が問題なのかを調べます。
何がうまくいかなかったのかを突き止めた後、根深い理由を分析するための食用相関分析など、さらに詳細な分析を実行できます。
提案をする
提案を行う段階では、通常、回帰分析と AARRR モデル分析手法を使用できます。
回帰分析を使用する目的は、下半期の目標である 4,000 万利益を達成するためには、どの程度の売上高を達成する必要があるかを予測するなど、特定の原因が目標にどの程度影響するかを計算することです。
回帰分析については、次の記事を参照してください。
続いては実戦編で、EC業界をはじめ12業界のビジネス知識や共通指標、事例分析などを語ります。
02
国内EC業界
4 つのビジネス モデル:
B2B : エンタープライズ セラー - アリババなど、注文量の多いエンタープライズ バイヤー
B2C : 企業の売り手 - Tmall、Amazon、「XX Official Flagship Store」などの個人の買い手
C2C : 個人の売り手 - Taobao などの個人の買い手
O2O : オンラインの売り手 - オフラインの買い手
EC業界はトラフィック運用からユーザー運用へと高度化
ビジネス指標
-
古いユーザーと新しいユーザーの割合
新規ユーザーと古いユーザーの割合
再購入率: 再購入ユーザーの割合。通常は長期間にわたって測定され、ユーザーのロイヤルティを反映します。
平均再購入サイクル: ユーザーが繰り返し購入する間の平均時間間隔
再購入率：ユーザーにとって短期的なプロモーションの魅力を分析するための指標
電子商取引の一般的に使用される指標は、2 つのカテゴリに分けることができます。人と商品はユーザー トランザクションであり、製品管理指標は
ユーザー トランザクションです。
訪問者数 UV : 製品が配置されているページへのユニークな訪問数
追加購入数：ある商品をショッピングカートに入れたユーザーの数
お気に入り数: 商品をお気に入りに登録したユーザーの数
購入段階:
-
総売上高 GMV
決済換算率：決済利用者数÷訪問者数
割引率: GMV/タグの合計金額
受け取りと返却:
却下: 却下と返品の合計金額
チャージバック金額: 拒否と返品の合計金額
実際の売上: GMV から返金拒否を差し引いた金額
株式指標:
S PU 番号: iPhone 9 などのモデル番号は SPU です
Number of SKUs : 色とサイズに固有の特定のモデル番号の特定の製品番号を指します。たとえば、iPhone 9 には黒、白、赤の 3 つの SKU があります。
在庫金額：タグ価格×在庫数
納品後:
売上比率: 売り切れ率、流通総額/在庫金額、商品の流通を見て在庫を最適化するために使用
販売率: 販売された SKU の数 / 販売されている SKU の数
事例：レポ率低下の分析
問題の明確化: 2019 年のダブルイレブン ユーザーの再購入率が低下していることを発見し、その理由を分析する
比較分析の結果、2017年、2018年と比較して、ユーザー数、再購入数ともに増加しているが、再購入率が低下していることが判明した.これは、前述のシンプソンパラドックス.基地の成長に追いついていない。
多次元分解分析法を用いて、まずR 値、つまり RFM 分析における R 値、最後の購入の時間間隔から分解し、R<=365 と 365<R< の 2 つのグループを比較します。 =730経年
次に購入頻度であるF値から分解し、F=1とF>1に分解すると、1回しか購入していないユーザーの再購入率が大幅に低下し、全体の再購入率が低下していることが分かりますF= 1
F=1 のユーザーを R 値に応じて複数のグループに分けると、90<R<=180 のグループの再購入率が前年比で最も低下していることがわかります。 F=1のユーザーの再購入率. その理由が分かった. 2019年の「618」キャンペーンで獲得した大量の新規ユーザーが生き残れなかった. これらの新規ユーザーは主に, ネット上の広告に惹かれた低価格ユーザーであった.プラットフォームのプロモーション ページ。
03
越境EC業界
国境を越えた電子商取引は、国境を越えた物流を通じて商品を配送し、取引を完了する国際的なビジネス活動です。3つのビジネスモデル:
プラットフォームの種類: Tmall Global などの国境を越えた e コマース プラットフォームに売り手を招待します。
自営型：小紅書、高羅海溝などの越境ECプラットフォームを自分で利用
ハイブリッド型：Amazonなどのプラットフォーム型と自営型の両方
ビジネス指標
ファネル モデルの観点から、広告のビジネス指標には次の指標があります。
ケース: メンバー分析
Amazon ストア メンバーシップ アクティビティは、注文品が 2 日以内に到着することを保証する必要がありますが、バックグラウンド データによると、配送率は標準の 100% よりも低く、90% しかないため、アクティビティの失敗につながります。
質問を明確にします: 標準よりも低いメンバー配送率の理由は何ですか?
理由分析：バイヤーの注文から商品を受け取るまでの業務プロセスを整理し、比較分析手法を使用して、どのリンクに問題があるかを分析します.分析を通じて、主な理由は、時間。
倉庫の寸法から解体し、詳細に分析したところ、06年と07年に倉庫で異常な注文が多発しており、これが主な問題であることがわかりました。
以上が今回の精読の全内容で、次回は金融業界の事例を精読します
あなたが好きだと思います：
