关于数据分析方面的这几个误区，你是否有踩坑呢？

大家好，分析数据是我们做电商，做运营所必备的技能。一名优秀的电商人，就必须学会从各项繁杂的数据中找到自己所需要的线索，从而推导出店铺下一步的方向。

但就分析数据而言，有很多误区是大部分商家都会犯的，今天就针对这些误区给大家分析一下，避免大家再次踩坑。

% b, K$ F1 V9 u+ s3 m4 ?- Y7 z一、老访客不是老客户
8 ^, d+ i! u: g, G4 W" L在生意参谋-流量-访客分析-访客分布页面，我们可以看到很多数据，包括访客的地域分布、淘气值分布、消费层级、性别等等。

5 J! c" W9 e( r" p4 V1 q& }其中有个老访客，是经常被大家所忽略，也是经常被误解的。误解什么呢？我给大家看看在生意参谋里老访客的概念。
. ]- N" S9 K7 ?% j' q( O+ B
( }& i) E" g' f$ a9 V4 P3 d“6天内访问店铺后再次到访地记为老访客，否则为新访客”。是不是在看到这里之前，大家对于新老访客的认知是不是都是，购买过我们宝贝的为老访客，没购买过的为新访客？

5 V# d1 M. @' j, S* {这里就是大家把新老访客和新老客户的概念给弄混淆了，老访客不等于老客户。

那老访客能给我们店铺带来什么样的启示呢？其实很简单，我们可以根据新老访客不同的转化率来判断我们宝贝在同行间的竞争力。

如果老访客的转化率会远高于新访客那就说明，老访客在评判了同行间的多款产品后，最终购买我们宝贝的转化率更高，说明我们的宝贝在同行间拥有着更高的吸引力。我们就可以对此去提高我们宝贝在“浏览未购买访客”下的展现，以此来提高转化。
9 C6 w( j. v$ J3 U  ]
$ m7 h2 f) ]+ p5 W4 F2 i8 h4 r这就是这一数据给我们带来的启示。是不是和原来所预想的思路相去甚远？别着急，这只是第一个误区，咱们继续往下看！
/ [& z' t' F9 o2 |- ~- ?6 f
二、性别因素需要考虑吗
同样，在访客分析中还有性别的数据，那性别这块能给我们带来什么启示呢？
- v5 \; i: a, p2 D; ]( m& R1 v
大部分商家对于性别应该会有这样的想法，即哪个性别的人群占比高，我就主推哪一类人群。这一想法乍一看没错，但实际上还是有点片面的。
4 d2 K/ \8 }& ~
- p" i' M/ @7 ^" _  z比如我们是做口红类目的，这一类目按理说是女生在使用，购买人群也大部分是女生。但难道男生就不会买吗？
/ g4 a1 A( g, W) g6 g9 t; j
如果我们是做直通车推广，在搜索“口红”这一关键词下，即使是男生，他只要搜索了这一关键词，就说明他有这一需求。当然不是说他买口红要自己用，更大的可能是买来为了送人。
6 J7 J* l; f: s! O/ }8 v7 J4 C
; T2 M# j+ B- \! T这一情况就告诉我们，在类目下不能单单凭借受众性别人群的数量，就直接否定了另一类人群的消费能力。甚至就口红这一类目而言，男性购买口红的转化率还会高于女性。
' O" a" S2 o; v" T+ v
所以究竟是否要做某种性别人群的推广，一定不是简单地从人群性别占比来看，而是要从实际出发，通过实际测试所得出来的数据来决定。
8 g' [; ^1 |* s# P  F7 m! q1 y6 z: n" J
三、淘气值越高客户消费能力越高吗
$ g. Q; t# ]2 [) ~很多商家会通过淘气值来判断自己宝贝的受众人群是否拥有较高的消费水平，但实际上，相比淘气值，消费层级更能体现这一点。

; W6 Q3 P' b' I1 c4 z: |在官方的说法中，淘气值是基于用户过去12个月在淘宝的“购买、互动、信誉”等行为综合计算得出的一个数值。
1 }, @# m4 p1 H6 f5 _" }. D9 G
6 _: e$ f/ \% x: K- G其实简单来说，就是看你在淘宝购买的频率如何，频率越高，淘气值就越高。但这并不代表用户是否有较高的消费能力，所以通过淘气值来评判用户的消费能力是一个比较片面的数据对比。
; e% y. R9 R5 q
另外这里再说一下消费层级，消费层级是根据商家所在行业的来访者购物价格偏向所计算的。这什么意思呢？意思就是这里的消费层级指的是，这些用户人群在你这个类目下愿意花多少钱，并不是说这些用户在所有类目都愿意花这些钱。

举个例子，比如说一名用户购买鞋子愿意花500以上，那他在鞋子这个类目所展现出来的消费层级就是500以上；而同样是他，在购买衣服时只愿意花费70、80元，那他在衣服类目的消费层级就是70-80。

5 ]  r6 F; r: {) F说了这么多，其实主要内容就是希望大家在做数据分析时，能够清晰自己分析数据的情况，以及通过这一数据能够得到什么样的思路。如果在分析数据时，连数据的含义都没有搞清楚，那又何谈能够做好数据分析呢？
* o! @; _9 x* P$ i
今天关于数据分析的内容就分享到这里

% L: c# |. [9 V
$ x9 V# ^% h6 N- v+ k. T: v