O2O商城系統應該掌握哪些數據，這些數據該如何做分析呢?大家都知道分析數據是一件很重要的事情，它能看到整個網站的問題所在，所以下面小編將給大家介紹一下如何分析數據：

　　首先，O2O商城系統需要掌握的有哪些數據?

　　線上平臺的數據來源有網站統計工具、ERP系統、客服回訪問卷投訴等。線上數據主要包含：訪問量(IP UV PV)、平均瀏覽時長(瀏覽量)、新UV比例、跳出率、轉化率(注冊、訂單、支付)、流量來源(搜索、直接、連接、地區、推廣)、網頁打開時間、網站熱點、搜索分析等。

　　ERP數據主要包含：訂單量、客單價、毛利率、二次購買率、忠實顧客轉化率、顧客流失率、動銷率、缺貨率、商品價格變化、SKU數量變化、周轉率、退貨率、品類銷售占比、會員注冊量、注冊會員轉化率等。

　　客服回訪問卷投訴數據主要包含：投訴分類、UI印象、品類印象、價格印象、網站功能印象、物流體驗印象、售后印象等。

　　以上數據相互關聯，比如分析促銷活動效果時，需要分析訪問量的變化，注冊下單轉化率的變化，促銷商品和正常商品銷量的變化。

　　其次，O2O商城系統怎么分析數據?

　　有的企業成立專門的數據分析部門，數據部門不僅提供數據，還要完成數據分析工作。這種工作方式，雖然基礎數據準確，但分析結果可能有較大偏差。因為數據分析人員不熟悉業務，對各種信息的了解也不如市場部和運營部等業務部門。

　　比如，某個品類銷售占比突然降低，這可能是因為市場部推廣方式的改變，也可能是遇到季節因素。如果數據分析人員不了解這些信息，則可能簡單的判斷成顧客不歡迎這類商品，并且做出建議商品部門降低這類商品占比的決定。

　　更合理的數據分析方式是，由數據專員提供基礎數據，由相關部門骨干人員共同分析，比如轉化率降低，應該由市場部、運營部、商品部共同分析，得出是由哪些方面的因素造成的。對于新項目而言，可以引入目標分析法，目標分析法是以分析“新客引入成本”和“忠實顧客轉化率”為核心，設定合理目標，以此判斷商業模式是否可行。

　　通過數據分析可知當新客引入成本大于50元，忠實顧客轉化率低于30%時，項目不能達到目標。如果目標和實際業績數據相差不多，可以通過優化內功改善業績，如果數據相差太大，則說明商業模式可能不可行，應該早點調整商業模式，并在試錯過程中重復以上數據分析步驟。

　　最重要的數據，小編認為是流量引入成本，新客引入成本，忠實顧客轉化率。流量引入成本數據主要考核市場部，新客引入成本數據由市場部、運營部、商品部共同負責，忠實顧客轉化率主要由運營部和商品部負責。

　　數據的分析能夠看出網站是否存在問題，以上就是O2O商城系統數據分析的要領，希望能夠幫助大家更好的運營好自己的網站。