您的位置：首页 >聚焦 >

电商数据报表的简易设计

2022-04-15 06:49:55 来源：程序员客栈

这是Kevin2022的第27篇原创，阅读本文大概要3分钟。

因为疫情在成都的原因，上一周我一直在居家隔离。说实话从来没有想过自己三点一线的生活也会有隔离的一天。对我来说，除了工作，可能就是家和健身房了就是唯一地方了，每天的生活除了周六这一天会休息，其他日子都的时间表几乎一致。甚至我身边的发小同伴告诉我，我是一个没有生活趣味的人，因为真的在和他们组队去玩，竟也随时会有一个带着笔记本电脑在哪里办公的人，不管什么场合。可是回过头来看记事后所度过的每一天，我仍然为自己的行为不敢到后悔，即使少了那么多的旅游和玩耍，对于新兴购物、旅游、吃好吃的，确实不太懂，只知道会用产品经理的角度评判着洗事物的好与坏、美与丑。其他的就是让朋友们决定即可。我也会有一天任性不工作，专心在vacation，但也是在我日常时间表上有特别这一项安排。于是趁着在成都居家隔离的时间，刚好有时间埋头写作了，同时省去了来返公司、去健身房路程时间，所有的时间都投入在了居家的写作、健身里。每天早上起床，就从健身与早餐开始，说实话没想到居家隔离后按照时间表过，隔离的时间也过得挺快的。刚好我完成了我的新书《简易设计》不少章节，下面为这次《简易设计》章节的节选内容，主要说明了我们做电商系统的数据报表通用功能，如何用来完成高效、低成本、易理解的数据报表。分享给你，欢迎阅读，下面问原文数据看板是电商系统的通用功能，对于管理者来说需要通过数据查看产品的销售情况，了解经营状况；对于产品经理来说了解个产品版本数据，以便验证业务的正确与否。我们把数据看板也可以称之为数据报表，数据平台则是由前后端分离的多个数据报表组成，在本书里介绍的都是以数据报表的产品设计方法，更加贴近实际应用。数据可视化则是基于数据报表做的酷炫UI设计图，有一定的动画逻辑，开发更为复杂，但观赏性更高。数据报表，需要根据用户的购买行为提前做好数据埋点。如下图是某电商平台的数据报表做的数据可视化。

▲电商数据报表可视化

但是电商系统的数据有各种场景的、也有各种类型的，在数据海洋里我们不可能挑选所有的数据集成在电商系统里，利用简易设计我们把电商数据报表里面优先关注4类数据的功能设计。

第一类：商城经营数据

反映出电商系统的的交易总额。通过时间趋势找到电商的销售旺季、淡季。单个用户在商城的复购次数，通过复购次数定价出用户。

第二类是：SKU相关数据

比如SKU商品品类销售排名，展示商品的地点属性、商品单价，筛选次首次、3次、多次下单的商品，进行商品品类排名，找出历史商品排名记录，做SKU优化。

第三类是：产品数据

比如产品的登录次数、页面访问数、平均用户停留时间、消息会话数，即用户在产品本身功能上产生的数据。

第四类是：用户数据

比如用户地区、用户年龄、用户产品使用时间长度（可以组成产品生命周期）、用户注册信息等用户数据

前两类是电商营收、商品数据，后面两类则是产品和用户数据

这4类数据都可以通过埋点、数据接口快速获取如图1.2.3简易设计的数据报表，具体指标可以参考下面《简易设计》图示

▲简易设计下的数据设计模型

仅仅是数据类型还不够，一个数据类型仍然可以产生非常多纬度的数据指标，稍微不注意就可能产生非行业标准的，所以简易设计的指标一定要通用、标准、问题定位快的，由此我们可以获得下面的图

▲简易设计数据指标

下面这些指标都可以快速通过开发获得，同时指标在每家公司的统计口径几乎一样，方便你在任何一家电商系统使用。

01.营收数据指标

序号	指标名称	指标描述	技术实现	重要程度	统计周期
1	订单数	用户点击下单后的系列操作，包含下单取消（订单失败）、下单未支付（订单失败）、下单成功数	通过埋点下单按钮/页面，通过改行为对应的订单状态	高	日、周、月、年
2	今日营收	统计下单后的数量对应的金额数，仅包含下单成功的。	后端数据计算，得到数据值	高	日、小时
3	累计营收	从电商系统上线到实时或昨日零点，累计的每日营收相加综合	后端数据计算，得到数据值	高	日、周、月、年
4	拼团数	具有拼单/拼团功能的电商系统，统计拼团成功的拼团（仅团成员下单成功）	后端数据计算，得到数据值	中	日、周、月、年
5	退款订单数	完成退费的订单数量	后端数据计算，得到数据值（可对接第三方支付平台，获得退款状态）	高	日、周、月、年
6	转化率	用户支付前浏览商品的独立人用户数除以之际订单成功数，可以计算当日的	后端数据计算，得到数据值	高	日、周、月、年
7	ROI（投资回报率）	商品利润/商品成本	通过后端数据计算	中	日、周、月、年
8	Apru（每用户平均收入）	总的利润数/用户注册人数	通过后端数据计算，非系统的利润，需要人工添加核算	中	日、周、月、年
9	支付数	点击支付后，完成下单的支付数	通过后端数据计算	高	日、周、月、年

02.SKU商品数据

序号	指标名称	统计口径	技术口径	重要程度	统计周期
1	X商品浏览数	浏览某个商品详情页面的页面数量总和	通过前端埋点，检测商品的浏览数量	高	日、周、月、年
2	X商品浏览人数	浏览某个商品详情的独立用户人总数	通过前端买点，检车用户唯一标识	高	日、周、月、年
3	商品列表访问深度	信息流滑动的屏幕数量	前端埋点实现	中	日、月、年、周
4	商品类型访问数	商品每个分类的独立用户访问量累计	前端埋点实现	高	日、月、年、周
5	商品数量	统计上线的商品数量	接口或人工登记填写	高	日、周、月、年
6	SKU商品数量	统计每个类型下的商品数量	接口或人工填写	中	日、周、月、年
7	商品销售数	已经完成交易的订单中，商品的销售数量综合	接口或人工填写	高	日、周、月、年
8	商品库存数	各个商品的剩余数	接口或人工填写	中	日、周、月、年

03.系统产品数据

序号	指标名称	统计口径	技术口径	重要程度	统计周期
1	注册人数	完成注册流程后注册成功的用户人数	以唯一的手机号、身份证等注册信息作为注册标识，完成了以上的提交和校验	高	日、周、月、年
2	活跃人数	产品注册后并登录符合活跃条件的人数	后端接口进行统计，根据条件需要前端进行埋点对行为监控	高	日、周、月、年
3	产品浏览页面数	用户浏览页面的访问数累加	前端埋点	高	日、周、月、年
4	浏览人数	独立用户访问产品的人数总数	前端埋点	高	日、周、月、年
5	产品功能使用人数	被检测的功能，得到独立用户访问的人数综合	前端埋点	中	日、周、月、年
6	产品停留时间	用户停留在产品时间的累计求和	前端埋点	高	日、周、月、年
7	人均页面访问数	产品浏览页面人数/活跃人数或注册人数）	前端埋点	中	日、周、月、年
8	人均停留时间	产品停留市场/活跃用户数或（注册用户数）	前端埋点	中	日、周、月、年
9	产品游客数	没有注册但访问产品的独立用户人数	前端埋点	中	日、周、月、年
10	产品用户生命周期	按照自己公司标准定义用户引入期（种子用户）、用户成长期、用户、用户休眠期、用户流失期	根据需求而定	中	年或自定义时间周期
11	客服咨询数	用户在产品中进行官方私信、留言的数量	后台数据接口直接计算	中	日、周、月、年
12	投诉率	用户在产品中发生的投诉数量/用户活跃人数或（用户注册人数）	后台数据接口，直接计算	中	日、周、月、年

04.用户数据

这部分的数据包含了用户画像数据和用户行为数据，我们将其合并。

序号	指标名称	统计口径	技术口径	重要程度	统计周期
1	功能点击数	独立用户对某个功能的访问数	需要前端埋点	高	日、周、月、年
2	留存率	注册了产品的独立用户在3天、7天、15天、30天、365天仍然有登录或下单行为的用户数/总的注册用户数或总活跃用户数	后端数据接口	高	日、周、月、年
3	关键词搜索	用户在商品搜索中输入的关键词频率分布	后端数据接口	中	日、周、月、年、自定义时间
4	分享数	独立用户点击分享的数字总和	前端埋点	高	日、周、月、年
5	传播层级	通过分享完成购买的用户链路数	前端埋点同时后端数据接口	中	日、周、月、年
6	人均订单数	总订单成功数除以用户注册数或用户活跃数	后端数据接口	中	日、周、月、年
7	人均购买金额	访问产品的用户人均订单成功的金额数值，营收额除以用户注册数或用户活跃数	后端数据接口	中	日、周、月、年
8	地区分布	访问产品的用户各地区分布区间	后端数据，直接计算	高	日、周、月、年
9	用户年龄分布	访问产品的用户各年龄分布区间	后端数据，直接计算	高	日、周、月、年
10	用户性别占比	访问产品的用户各性别访问占比	后端数据接口	高	日、周、月、年
11	设备终端分布	基于用户使用终端设备来区分设备终端型号占比	前端埋点，部分需要后台数据解析	高	日、周、月、年
12	用户职业分布	基于用户填写信息做关键词分布各职业数量占比	用户填写，后台数据接口	低	日、周、月、年
13	用户人均收入	基于用户填写信息分析用户人均收入值	用户填写，后台数据接口	中	日、周、月、年
14	版本分布数	不同版本下的用户活跃累计数或注册累计数	前端埋点	中	日、周、月、年
15	系统占比	访问产品的独立用户数各个系统占比	前后端即可	中	日、周、月、年