电商数据分析看哪些指标？

先看一个常见场景。店铺访客数和浏览量都在涨，收入却没跟上，这时候只盯 GMV 和订单数，容易得出一切正常的结论，却找不到问题出在哪。电商数据分析要看的指标，本质上是一套能定位漏斗断点的指标树。

先把最核心的关系说清楚，销售额（支付金额）= 访客数 × 访客到支付转化率 × 支付用户客单价。其中，访客到支付转化率为支付用户数除以访客数，支付用户客单价为支付金额除以支付用户数，三者使用同一统计期和去重口径。流量、转化、支付用户客单价三个因子相乘得到支付金额，收入没涨，问题只会落在这几环里的一环或几环。围绕这条公式，把指标按获客、浏览、下单、复购四个环节排开，就能知道每个环节该看什么、异常了往哪查。指标理清之后再去看工具也不迟，电商数据分析工具选型清单可以留到后面参考。

先搭指标树，再谈看哪些指标

指标不是越多越好。一份清单列上百个指标，运营反而不知道该先看哪个。更实用的做法是围绕一条主线搭指标树，把每个指标放在它服务的环节里。

这条主线就是用户从进店到复购的完整链路。

• 获客环节，看流量从哪来、质量怎么样
• 浏览环节，看访客进店后有没有逛起来
• 下单环节，看逛过的人有没有成交
• 复购环节，看成交过的人还会不会再买

四个环节环环相扣，上一层的量决定下一层能承接多少。很多店铺流量涨、收入没涨，就是因为只盯获客环节的流量数字，没有往后看转化和客单价。

流量环节，看访客质量和渠道效率

流量指标回答两个问题，来了多少人，以及这些人质量怎么样。

独立访客 UV 和浏览量 PV 是最基础的两个数。UV 按去重后的用户或设备算，PV 是页面被浏览的总次数，一个人逛多个页面会产生多个 PV。只看 PV 会虚高，判断有多少人要看 UV。

新老访客占比决定增长的成色。新客占比高说明拉新在起效，但新客通常转化更低，需要配合转化率一起看。老客回流占比高，则说明复购和私域在起作用。

跳失率衡量访客是否进店即走，计算方式是只访问一个页面就离开的访客占比。跳失率升高，通常是落地页和用户预期不匹配，比如广告投来的流量和商品不搭。停留时长和访问深度用来补充判断，逛得深的人下单概率通常更高。

渠道维度要把花费和产出放在一起看。每个渠道记录访客数和访客到支付转化率，再算获客成本 CAC，也就是渠道花费除以带来的新客数。同一个渠道访客多但转化低，问题出在流量质量和落地承接，不一定要追加预算。

转化环节，看流量接不接得住

流量进来之后，转化环节看的是从看到商品到完成支付之间掉了多少人。

加购率是加入购物车的访客占比，反映商品和页面的吸引力。访客到下单转化率是下单用户数除以访客数，下单到支付转化率是下单用户中完成支付的用户数除以下单用户数，访客到支付转化率是支付用户数除以访客数。三种转化率应使用同一统计期、用户去重规则和漏斗人群范围；收入公式使用访客到支付转化率。把加购和各步转化连着看，能定位掉在哪一步。加购率高但下单率低，问题多在价格、优惠或信任；下单率高但支付率低，问题多在支付链路和履约预期。

放弃支付率专门盯那些下了单却没付款的订单，算法是未支付订单数除以下单订单数。弃单高的时候，追回这批人往往比拉新更划算，他们已经完成了最难的决策动作。

转化环节最常用的排查方法是漏斗分析，把访客、浏览、加购、下单、支付串成一条漏斗，看每一层的流失率。哪一层的流失突然放大，问题基本就在那一层。

成交环节，看钱赚得实不实

成交指标不能只看 GMV。GMV 是成交总额，含了可能退款的金额，实收金额扣掉退款之后才接近真实收入，两者之间的差就是退款带来的水分。

本文收入公式中的支付用户客单价是支付金额除以支付用户数；支付金额除以支付订单数则另称订单均价。一个用户可能支付多笔订单，两者不能混用。支付用户客单价涨跌，直接影响同样的流量和访客到支付转化率能换来多少支付金额。毛利率进一步看卖得多背后赚多少，低毛利走量可能只带来账面繁荣。

退款率是退款订单量除以总订单量。退款率短期上升要区分原因，是商品与描述不符，还是物流和售后没跟上，不同的原因指向不同的改进方向。

复购环节，看生意能不能持续

拉新的成本通常高于维护老客，复购环节决定生意的持续性。

本文的用户复购率按老客回购口径计算：统计期内再次完成支付的老用户数，除以统计期开始前已有支付记录的老用户总数，分子和分母均按同一用户标识去重。复购订单数除以总支付订单数另称复购订单占比，用于观察订单结构，不能与用户复购率混用。复购率稳定说明产品和运营有粘性，复购率下滑就要往下拆，看是哪些人群、哪些品类在流失。

RFM 是会员分层最常用的方法，按最近一次购买时间 R、购买频次 F、购买金额 M 三个维度给用户打分分层。高价值、有流失风险、低活跃的人群分开处理，比给所有人发一样的券更有效，落地下一步就是分群和自动化触达。

用户生命周期价值 LTV 要和获客成本 CAC 放在一起看。LTV 大于 CAC，拉新才有利润；LTV 长期低于 CAC，流量越大亏得越多。

把指标落成日常看板和复盘检查表

知道看哪些指标之后，落地靠两件事，日常看板和复盘检查表。

日常看板不用把所有指标都铺开，先选核心几项，销售额、访客数、转化率、客单价、复购率，再加上退款率。每天先看这几个数有没有异常波动，再决定要不要往下钻。周报和月报再补渠道、商品、人群维度的拆解，避免日报铺满、周报反而没重点。

复盘检查表可以按四个问题来组织。

口径是这套东西能不能用的前提。销售额到底算下单、支付还是结算，退款按申请日还是原订单日冲减，新老客按什么时间窗判定，这些口径不统一，看板再漂亮也只是各说各话。把指标口径定下来之后，再谈自动化和 AI 的优化空间。

到这一步，指标已经能支撑日常判断。如果想让分析再往前走一步，从人工盯表变成系统自动定位，ThinkingAI 的事件分析、漏斗分析和自动归因可以把异常拆到具体人群和品类，分群配合自动化触达把策略直接执行下去，再用 A/B 测试验证效果。数据涉及多平台、有合规要求时，还要考虑私有化部署，可以看不同行业的部署选择。

常见问题

电商数据分析最核心的指标是哪几个？

先记住五个，销售额、访客数、转化率、客单价、复购率，其余指标都围绕这五个展开。它们对应收入公式的三个因子和生意的持续性。

GMV 和实收金额有什么区别？

GMV 是统计期内的成交总额，包含尚未支付或后续退款的金额，实收金额扣掉退款后更接近真实收入。看经营健康度，实收和利润比 GMV 更有参考价值。

转化率应该用哪个口径？

本文区分访客到下单转化率、下单到支付转化率与访客到支付转化率，分别使用下单用户数÷访客数、下单用户中完成支付的用户数÷下单用户数、支付用户数÷访客数。收入公式采用最后一种，并搭配支付金额÷支付用户数计算的支付用户客单价。支付订单数÷访客数反映每访客支付订单数，应单独命名，不能与用户转化率混用。

没有专业工具，用 Excel 能做电商数据分析吗？

小体量可以，把核心指标按天记录，用漏斗和同期对比就能定位不少问题。数据量大、维度多、要实时联动多个渠道时，再考虑专业的数据分析工具。

复购率下降先看什么？

先按人群和品类拆，用 RFM 定位是哪类用户在流失，再结合促销和库存看原因，是竞品抢客、库存不足还是触达没跟上。