电子商务系统的性能衡量指标

『壹』 电子商务数据分析的内容是什么

电子商务数据分析涵盖多个关键领域，确保对电商平台的全面监控和优化。以下是分析的主要内容：
1. 总体运营指标：这涉及对流量、订单、总体销售业绩和整体性能的监控。这些基本指标有助于评估电商平台的运营状况，包括盈利能力。
2. 网站流量指标：这些指标关注访问电商网站的访客行为。通过分析这些数据，可以优化网站设计和提升用户体验，同时理解访客行为模式。
3. 销售转化指标：转化率是电子商务成功的关键。这些指标追踪从浏览到购买的转化过程，帮助识别和解决转化率低的问题，并分析异常数据。
4. 客户价值指标：通过客户价值分析，可以识别高价值客户，实施精准营销策略。RFM（最近一次购买、购买频率、购买金额）价值模型是常用的分析工具。
5. 商品类指标：商品表现对电商至关重要。这些指标分析商品种类、销售趋势、库存状况，并可以通过关联分析来推荐商品组合，增加销售机会。
6. 市场营销活动指标：评估特定营销活动对电商网站的影响，监控广告投放效果，确保营销资源的有效利用。
7. 风控类指标：通过分析买家评论和投诉，这些指标有助于及时发现问题并采取纠正措施，从而降低风险。
8. 市场竞争指标：监控市场份额和网站排名，这些指标对于理解电商在市场中的位置至关重要，并指导进一步的市场策略调整。

『贰』 电商常见分析指标

信息流、物流和资金流三大平台是电子商务的三个最为重要的平台。而电子商务信息系统最核心的能力是大数据能力，包括大数据处理、数据分析和数据挖掘能力。无论是电商平台（如淘宝）还是在电商平台上销售产品的卖家，都需要掌握大数据分析的能力。越成熟的电商平台，越需要以通过大数据能力驱动电子商务运营的精细化，更好的提升运营效果，提升业绩。构建系统的电子商务数据分析指标体系是数据电商精细化运营的重要前提，本文将重点介绍电商数据分析指标体系。

电商数据分析指标体系分为八大类指标，包括总体运营指标、网站流量累指标、销售转化指标、客户价值指标、商品及供应链指标、营销活动指标、风险控制指标和市场竞争指标。不同类别指标对应电商运营的不同环节，如网站流量指标对应的是网站运营环节，销售转化、客户价值和营销活动指标对应的是电商销售环节。

1. 电商总体运营指标

总体运营指标

流量类指标独立访客数（UV）

页面访问数（PV）

人均页面访问数

订单产生效率指标总订单数量

访问到下单转化率

总体销售业绩指标成交金额（GMV）

销售金额

客单价

整体指标销售毛利

毛利率

电商总体运营整体指标主要面向的人群电商运营的高层，通过总体运营指标评估电商运营的整体效果。电商总体运营整体指标包括四方面的指标：

（1）流量类指标

独立访客数（UV），指访问电商网站的不重复用户数。对于PC网站，统计系统会在每个访问网站的用户浏览器上“种”一个cookie来标记这个用户，这样每当被标记cookie的用户访问网站时，统计系统都会识别到此用户。在一定统计周期内如（一天）统计系统会利用消重技术，对同一cookie在一天内多次访问网站的用户仅记录为一个用户。而在移动终端区分独立用户的方式则是按独立设备计算独立用户。

页面访问数（PV），即页面浏览量，用户每一次对电商网站或着移动电商应用中的每个网页访问均被记录一次，用户对同一页面的多次访问，访问量累计。

人均页面访问数，即页面访问数（PV）／独立访客数，该指标反映的是网站访问粘性。

（2）订单产生效率指标

总订单数量，即访客完成网上下单的订单数之和。

访问到下单的转化率，即电商网站下单的次数与访问该网站的次数之比。

（3）总体销售业绩指标

网站成交额（GMV），电商成交金额，即只要网民下单，生成订单号，便可以计算在GMV里面。

销售金额。销售金额是货品出售的金额总额。

注：无论这个订单最终是否成交，有些订单下单未付款或取消，都算GMV，销售金额一般只指实际成交金额，所以，GMV的数字一般比销售金额大。

客单价，即订单金额与订单数量的比值。

（4）整体指标

销售毛利，是销售收入与成本的差值。销售毛利中只扣除了商品原始成本，不扣除没有计入成本的期间费用（管理费用、财务费用、营业费用）。

毛利率，是衡量电商企业盈利能力的指标，是销售毛利与销售收入的比值。如京东的2014年毛利率连续四个季度稳步上升，从第一季度的10.0％上升至第四季度的12.7％，体现出京东盈利能力的提升。

2. 网站流量指标

常用流量类指标

流量规模类指标独立访客数（UV）

页面访问数（PV）

流量成本类指标访客获取成本

流量质量类指标跳出率

页面访问时长

人均页面访问数

会员类指标注册会员数

活跃会员数

活跃会员率

会员复购率

会员平均购买次数

会员回购率

会员留存率

（1）流量规模类指标

常用的流量规模类指标包括独立访客数和页面访问数，相应的指标定义在前文（电商总体运营指标）已经描述，在此不在赘述

（2）流量成本累指标

单位访客获取成本。该指标指在流量推广中，广告活动产生的投放费用与广告活动带来的独立访客数的比值。单位访客成本最好与平均每个访客带来的收入以及这些访客带来的转化率进行关联分析。若单位访客成本上升，但访客转化率和单位访客收入不变或下降，则很可能流量推广出现问题，尤其要关注渠道推广的作弊问题。

（3）流量质量类指标

跳出率（Bounce Rate）也被称为蹦失率，为浏览单页即退出的次数/该页访问次数，跳出率只能衡量该页做为着陆页面（LandingPage）的访问。 如果花钱做推广，着落页的跳出率高，很可能是因为推广渠道选择出现失误，推广渠道目标人群和和被推广网站到目标人群不够匹配，导致大部分访客来了访问一次就离开。

页面访问时长。页访问时长是指单个页面被访问的时间。并不是页面访问时长越长越好，要视情况而定。对于电商网站，页面访问时间要结合转化率来看，如果页面访问时间长，但转化率低，则页面体验出现问题的可能性很大。

人均页面浏览量。人均页面浏览量是指在统计周期内，平均每个访客所浏览的页面量。人均页面浏览量反应的是网站的粘性。

（4）会员类指标

注册会员数。指一定统计周期内的注册会员数量。

活跃会员数。活跃会员数，指在一定时期内有消费或登录行为的会员总数。

活跃会员率。即活跃会员占注册会员总数的比重。

会员复购率。指在统计周期内产生二次及二次以上购买的会员占购买会员的总数。

会员平均购买次数。指在统计周期内每个会员平均购买的次数，即订单总数/购买用户总数。会员复购率高的电商网站平均购买次数也高。

会员回购率。指上一期末活跃会员在下一期时间内有购买行为的会员比率。

会员留存率。会员在某段时间内开始访问你的网站，经过一段时间后，仍然会继续访问你的网站就被认作是留存，这部分会员占当时新增会员的比例就是新会员留存率，这种留存的计算方法是按照活跃来计算，另外一种计算留存的方法是按消费来计算，即某段的新增消费用户在往后一段时间时间周期（时间周期可以是日、周、月、季度和半年度）还继续消费的会员比率。留存率一般看新会员留存率，当然也可以看活跃会员留存。留存率反应的是电商留住会员的能力。

3 . 网站销售（转化率）类指标

网站销售（转化率）类指标

购物车类指标基础类统计加入购物车次数

加入购物车买家数

加入购物车买家数

加入购物车商品数

转化类统计购物车支付转化率

下单类指标基础类统计下单笔数

下单金额

下单买家数

转化类统计浏览下单转化率

支付类指标基础类统计支付金额

支付买家数

支付商品数

转化类统计浏览-支付买家转化率

下单-支付金额转化率

下单-支付买家数转化率

下单-支付时长

交易类指标成功类统计交易成功订单数

交易成功金额

交易成功买家数

交易成功商品数

失败类统计交易失败订单数

交易失败订单金额

交易失败订单买家数

交易失败商品数

退款统计退款总订单量

退款金额

退款率

（1）购物车类指标

基础类指标，包括一定统计周期内加入购物车次数、加入购物车买家数、加入购物车买家数以及加入购物车商品数。

转化类指标，主要是购物车支付转化率，即一定周期内加入购物车商品支付买家数与加入购物车购买家数的比值。

（2）下单类指标

基础类指标，包括一定统计周期内的下单笔数、下单金额以及下单买家数。

转化类指标，主要是浏览下单转化率，即下单买家数与网站访客数（UV）的比值。

（3）支付类指标

基础统计类指标，包括一定统计周期内支付金额、支付买家数和支付商品数。

转化类指标。包括浏览-支付买家转化率（支付买家数/网站访客数）、下单-支付金额转化率（支付金额/下单金额）、下单-支付买家数转化率（支付买家数/下单买家数）和下单-支付时长（下单时间到支付时间的差值）。

4.客户价值类指标

客户价值类指标

客户指标累计购买客户数

客单价

新客户指标新客户数量

新客户获取成本

新客户客单价

老客户指标消费频率

最近一次购买时间

消费金额

重复购买率

客户指标。常见客户指标包括一定统计周期内的累计购买客户数和客单价。客单价是指每一个客户平均购买商品的金额，也即是平均交易金额，即成交金额与成交用户数的比值。

新客户指标。常见新客户指标包括一定统计周期内的新客户数量、新客户获取成本和新客户客单价。其中，新客户客单价是指第一次在店铺中产生消费行为的客户所产生交易额与新客户数量的比值。影响新客户客单价的因素除了与推广渠道的质量有关系，还与电商店铺活动以及关联销售有关。

老客户指标。常见老客户指标包括消费频率、最近一次购买时间、消费金额和重复购买率。消费频率是指客户在一定期间内所购买的次数；最近一次购买时间表示客户最近一次购买的时间离现在有多远；客户消费金额指客户在最近一段时间内购买的金额。消费频率越高，最近一次购买时间离现在越近，消费金额越高的客户越有价值。重复购买率则指消费者对该品牌产品或者服务的重复购买次数，重复购买率越多，则反应出消费者对品牌的忠诚度就越高，反之则越低。重复购买率可以按两种口径来统计：第一种，从客户数角度，重复购买率指在一定周期内下单次数在两次及两次以上的人数与总下单人数之比，如在一个月内，有100个客户成交，其中有20个是购买两次及以上，则重复购买率为20%；第二种，按交易计算，即重复购买交易次数与总交易次数的比值，如某月内，一共产生了100笔交易，其中有20个人有了二次购买，这20人中的10个人又有了三次购买，则重复购买次数为30次，重复购买率为30%。

5.商品类指标

商品类目指标

产品总数指标SKU数

SPU数

在线SPU数

产品优势性指标独家产品收入比重

品牌存量品牌数

在线品牌数

上架上架商品SKU数

上架商品SPU数

上架在线SPU数

上架商品数

上架在线商品数

首发首次上架商品数

首次上架在线商品数

产品总数指标。包括SKU、SPU和在线SPU。SKU是物理上不可分割的最小存货单位。SPU即Standard Proct Unit （标准化产品单元），SPU是商品信息聚合的最小单位，是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为一个SPU。如iphone5S是一个SPU，而iPhone 5S配置为16G版、4G手机、颜色为金色、网络类型为TD-LTE/TD-SCDMA/WCDMA/GSM则是一个SKU。在线SPU则是在线商品的SPU数。

产品优势性指标。主要是独家产品的收入占比，即独家销售的产品收入占总销售收入的比例。

品牌存量指标。包括品牌数和在线品牌数指标。品牌数指商品的品牌总数量。在线品牌数则指在线商品的品牌总数量。

上架。包括上架商品SKU数、上架商品SPU数、上架在线SPU数、上架商品数和上架在线商品数。

首发。包括首次上架商品数和首次上架在线商品数。

6.市场营销活动指标

市场营销活动指标

市场营销活动指标新增访问人数

新增注册人数

总访问次数

订单数量

下单转化率

ROI

广告投放指标新增访问人数

新增注册人数

总访问次数

订单数量

UV订单转化率

广告投资回报率

市场营销活动指标。包括新增访问人数、新增注册人数、总访问次数、订单数量、下单转化率以及ROI。其中，下单转化率是指活动期间，某活动所带来的下单的次数与访问该活动的次数之比。投资回报率（ROI）是指，某一活动期间，产生的交易金额与活动投放成本金额的比值。

广告投放指标。包括新增访问人数、新增注册人数、总访问次数、订单数量、UV订单转化率、广告投资回报率。其中，下单转化率是指某广告所带来的下单的次数与访问该活动的次数之比。投资回报率（ROI）是指，某广告产生的交易金额与广告投放成本金额的比值。

7.风控类指标

风控类指标

买家评价指标买家评价数

买家评价卖家数

买家评价上传图片数

买家评价率

买家好评率

买家差评率

投诉指标发起投诉（申诉）数

投诉率

撤销投诉（申诉）数

买家评价指标。包括买家评价数，买家评价卖家数、买家评价上传图片数、买家评价率、买家好评率以及卖家差评率。其中，买家评价率是指某段时间参与评价的卖家与该时间段买家数量的比值，是反映用户对评价的参与度，电商网站目前都在积极引导用户评价，以作为其他买家购物时候的参考。买家好评率指某段时间内好评的买家数量与该时间段买家数量的比值。同样，买家差评率指某段时间内差评的买家数量与该时间段买家数量的比值。尤其是买家差评率，是非常值得关注的指标，需要监控起来，一旦发现买家差评率在加速上升，一定要提高警惕，分析引起差评率上升的原因，及时改进。

买家投诉类指标。包括发起投诉（或申诉），撤销投诉（或申诉），投诉率（买家投诉人数占买家数量的比例）等。投诉量和投诉率都需要及时监控，以发现问题，及时优化。

8.市场竞争类指标

市场竞争类指标

市场份额相关市场占有率

市场扩大率

用户份额

网站排名交易额排名

流量排名

市场份额相关指标，包括市场占有率、市场扩大率和用户份额。市场占有率指电商网站交易额占同期所有同类型电商网站整体交易额的比重；市场扩大率指购物网站占有率较上一个统计周期增长的百分比；用户份额指购物网站独立访问用户数占同期所有B2C购物网站合计独立访问用户数的比例。

网站排名，包括交易额排名和流量排名。交易额排名指电商网站交易额在所有同类电商网站中的排名；流量排名指电商网站独立访客数量在所有同类电商网站中的排名。

总之，本文介绍了电商数据分析的基础指标体系，涵盖了流量、销售转化率、客户价值、商品类目、营销活动、风控和市场竞争指标，这些指标都需要系统化的进行统计和监控，才能更好的发现电商运营健康度的问题，以更好及时改进和优化，提升电商收入。如销售转化率，其本质上是一个漏斗模型，如从网站首页到最终购买各个阶段的转化率的监控和分析是网站运营健康度很重要的分析方向。

『叁』 电子商务系统的性能衡量指标主要包括三个方面

重要的性能指标有：安全性、功能、速度、存储能量、性能的稳定性、搜索引擎友好性。
1.电子商务系统的功能标准，支持多语言UTF-8;支持多模板，可自由切换或编辑模板;支持在线支付接口，callcenter接口、短信与邮件营销接口、其他第三方接口等;可网站上支持使用第三方交易平台;后台流量统计功能;无限类别分类及栏目功能;可扩展商品属性功能;自定义运费功能;会员分级功能，多种形式促销功能;新闻发布功能;在线定购，支持注册用户在线购买商品;在线支付，支持注册用户在第三方支付平台在线支付;购物车，独立的“购物车”及“暂存架”功能;支持批量添加商品功能;数据库备份功能;伪静态，也称静态模拟功能;静态HTML输出功能;SEO搜索引擎友好优化。
2.电子商务系统的安全标准，使用的程序编码语言，推荐使用.NET、asp语言编写的商城系统;防注入及非常参数过滤;商城用户权限控制机制;数据备份、上传文件类型限制等。
3.电子商城系统的速度标准，对于网上商城来说流量是金钱，速度也是金钱。如果有流量，系统速度跟不上，就会导致系统崩溃，这是很多网上商城做促销时出现的通病。所以网上商城系统的速度一定要考虑到。打开网页的速度，可直接影响用户的购买行为，经国外专家测试:2010年用户网站打开时间超过5秒，会关闭网站。2012年最新数据显示，用户打开网页速度网站速度也显得越来越没有耐性，因该速度成为做好网上商城系统的第一要素。
4.电子商城系统的存储性能标准，存储量大并且性能稳定的目前比较流行的是采用云计算架构的网上商城系统。信使网客通商城系统采用的云计算平台支持海量的交易数据、用户数据、用户行为数据的存储，无限扩展的吞吐量和极高的并发。可以支撑每秒至少1000以上的并发交易处理，每秒2000以上的并发读写操作。解决了传统电子商务平台存在的大容量的关键数据存储的超4秒，即会离开网站。由此可见，网络用户对网站打开速度要求越来越高，网民对问题，并且具备极高的稳定性，甚至在部分服务器硬件故障的情况下也能保证系统对外不停止服务，不会引起数据丢失与不完整。
5.电子商务系统的搜索引擎友好标准，电子商务系统可以使用DIV+CSS设计前台；自定义描述及关键词；URL伪静态或生成HTML静态；网络搜索引擎提交协议;产品页面描述功能;外贸类商城需支持多语言。

『肆』 电子商务平台做为经营性网站有哪些衡量指标

衡量电子商务平台的可行性属于建立电子商务平台前期要做的工作，紧接着后期将要进行流量分析、推广分析、人群分析、订单转化率分析、会员行为分析等，下面我们就这些电子商务平台的指标和分析项目，做一下讲述：

计算公式：平均订货额＝总销售额／总订货数

平均订货额AverageOrderAmount(AOA)

指标意义：用来衡量网站销售状况的好坏

转化率ConversionRate(CR)

计算公式：转化率＝总订货数／总访问量

指标用法：通过这个指标你可以看到即使一些微小的变化都可能给网站的收入带来巨大的变化。如果你还能够区分出新、旧访问者所产生的订单，那么就可以细化这个指标，对新旧客户进行分别的统计。

指标意义：这是一个比较重要的指标，衡量网站的对每个访问者的销售情况

每访问者销售额SalesPerVisit(SPV)

计算公式：每访问者销售额＝总销售额／总访问数

指标用法：这个指标和转化率差不多，只是表现形式不同。

指标意义：这个指标也是用来衡量网站的市场效率

单笔订单成本CostperOrder(CPO)

计算公式：单笔订单成本＝总的市场营销开支／总订货数

指标用法：每笔订单的营销成本对于网站的盈利和现金流都是非常关键的。营销成本的计算各人有不同的标准，有些把全年的网站营运费用摊入到每月的成本中，有些则不这么做，关键要看那种最适合自己的情况。如果能够在不增加市场营销成本的情况下提高转化率，这个指标就应该会下降。

指标意义：衡量平均的订货成本

再订货率RepeatOrderRate(ROR)

计算公式：再订货率＝现有客户订单数／总订单数

指标用法：这个指标的高低和客户服务有很大关系，只有满意的用户产品体验和服务才能提高这个指标。

指标意义：用来衡量网站对客户的吸引力

订单获取差额OrderAcquisitionGap(OAG)

计算公式：订单获取差额＝单个访问者成本(CPV)－单笔订单成本(CPO)

指标用法：指标的值应是一个负值，这是一个测量从非访问者中获得客户的成本。有两种方法来降低这个差额，当你增强了网站的销售能力，CPO就会下降，这个差额就会缩小，说明网站转化现有流量的能力得到了加强；同样的，CPV可能升高而CPO保持不变或降低，这个差额也会缩小，表明网站所吸引的流量都具有较高的转化率，这种情形通常发生在启用了PPC(payperclick)的计划。

指标意义：这是一个衡量市场效率的指标，代表着网站所带来的访问者和转化的访问者之间的差异

单个访问者成本CostPerVisit(CPV)

计算公式：单个访问者成本＝市场营销费用／总访问数

指标用法：这个指标衡量的是你的市场效率，目标是要降低这个指标而提高SPV，为此要将无效的市场营销费用削减，增加有效的市场投入。

指标意义：用来衡量网站的流量成本

订单获取率OrderAcquisitionRatio(OAR)

计算公式：订单获取率＝单笔订单成本(CPO)／单个访问者成本(CPV)

指标用法：用比率的形式往往比较容易为管理阶层所理解，尤其是财务人员。

指标意义：用另一种形式来体现市场效率

投资回报率ReturnonInvestment(ROI)

计算公式：投资回报率＝每笔产出(CON)/每笔订单成本(CPO)

指标用法：比较你的广告的回报率，应该把钱分配给有最高回报率的广告，但是这个回报率应当要有时间段的限制，比如“25％RIO/每周”和“25％RIO／每年”是有很大差别的。

指标意义：用来衡量你的广告的投资回报

每笔产出ContributionperOrder(CON)

计算公式：每笔产出＝（平均订货数X平均边际收益）－每笔订单成本

指标用法：公司的财务总监总是对这个指标感兴趣的，代表了你花了多少钱来赚多少钱。

指标意义：每笔订单给你带来的现金增加净值

『伍』 电子商务数据分析的电子商务数据分析的五个指标

电子商务数据分析体系包括网站运营指标、经营环境指标、销售业绩指标、运营活动指标和客户价值指标五个一级指标。
网站运营指标这里定为一个综合性的指标，其下面包括有网站流量指标、商品类目指标以及（虚拟）供应链指标等几个二级指标。经营环境指标细分为外部经营环境指标和内部经营环境指标两个二级指标。销售业绩指标则根据网站和订单细分为2个二级指标，而营销活动指标则包括市场营销活动指标、广告投放指标和商务合作指标等三个二级指标。客户价值指标包括总体客户指标以及新老客户指标等三个二级指标。 网站运营指标主要用来衡量网站的整体运营状况，这里Ec数据分析联盟暂将网站运营指标下面细分为网站流量指标、商品类目指标、以及供应链指标。
1.网站流量指标
网站流量指标主要用从网站优化，网站易用性、网站流量质量以及顾客购买行为等方面进行考虑。流量指标的数据来源通常有两种，一种是通过网站日志数据库处理，另一种则是通过网站页面插入JS代码的方法处理（二种收集日志的数据更有长、短处。大企业都会有日志数据仓库，以共分析、建模之用。大多数的企业还是使用GA来进行网站监控与分析。）。网站流量指标可细分为数量指标、质量指标和转换指标，例如我们常见的PV、UV、Visits、新访客数、新访客比率等就属于流量数量指标，而跳出率、页面/站点平均在线时长、PV/UV等则属于流量质量指标，针对具体的目标，涉及的转换次数和转换率则属于流量转换指标，譬如用户下单次数、加入购物车次数、成功支付次数以及相对应的转化率等。
2.商品类目指标
商品类目指标主要是用来衡量网站商品正常运营水平，这一类目指标与销售指标以及供应链指标关联慎密。譬如商品类目结构占比，各品类销售额占比，各品类销售SKU集中度以及相应的库存周转率等，不同的产品类目占比又可细分为商品大类目占比情况以及具体商品不同大小、颜色、型号等各个类别的占比情况等。
3.供应链指标
这里的供应链指标主要指电商网站商品库存以及商品发送方面，而关于商品的生产以及原材料库存运输等则不在考虑范畴之内。这里主要考虑从顾客下单到收货的时长、仓储成本、仓储生产时长、配送时长、每单配送成本等。譬如仓储中的分仓库压单占比、系统报缺率（与前面的商品类目指标有极大的关联）、实物报缺率、限时上架完成率等，物品发送中的譬如分时段下单出库率、未送达占比以及相关退货比率、COD比率等等。 一个客户的价值通常由三部分组成：历史价值（过去的消费）、潜在价值（主要从用户行为方面考虑，RFM模型为主要衡量依据）、附加值（主要从用户忠诚度、口碑推广等方面考虑）。这里客户价值指标分为总体客户指标以及新、老客户价值指标，这些指标主要从客户的贡献和获取成本两方面来衡量。譬如，这里用访客人数、访客获取成本以及从访问到下单的转化率来衡量总体客户价值指标，而对老顾客价值的衡量除了上述考虑因素外，更多的是以RFM模型为考虑基准。
数据分析体系建立之后，其数据指标并不是一成不变的，需要根据业务需求的变化实时的调整，调整时需要注意的是统计周期变动以及关键指标的变动。通常，单独的分析某个数据指标并不能解决问题，而各个指标间又是相互关联的，将所有指标织成一张网，根据具体的需求寻找各自的数据指标节点。