如何做好网站及营销的数据分析？

简而言之，数据分析一共分四步，第一步确立目标，第二步获取数据，第三步建模分析，第四步分析结果。

决策者在制定决策方案的时候心中肯定有不少疑问以及不敢确定的地方，这就对了，把这些问题记录下来，这就完成了第一步。确立目标的关键在于这个问题对决策是有用的，不要找一个完全搭不上边的问题。

那是因为你没把筛选考虑进去，获取数据当然简单啊，后台导出或者写个代码截取一下就要多少有多少。但是这些数据是不是全部都有用呢？例如我要了解20岁以下的网民近一个月内的在百度搜索哪个关键词最多，你给我的数据如果包含40、50岁这部分网民的或者时间是一年前的就没有什么用了。所以获取数据的关键在筛选。

建模分析就是根据问题，给你的数据分权重，常见做法是用户画像。用户画像具体包括标签和权重两个重要部分，例如个人信息下，性别、年龄、地域等是一类标签，兴趣偏好下，运动、娱乐、品牌等是另一类标签，所有的标签组合起来可以区分每一个用户，那企业可以根据自身需求，给这些标签定权重，例如性别较年龄重要，那性别的权重就大些。通过建模来分析数据，可以很好的了解到目标群体的偏好、消费习惯，这个结果就可以初步纳入产品或服务的改进方案里面去了。

最后就是分析结果了，这里又有人不解了，结果都出来了，还用什么分析呢？我只能说真是蠢啊！你菜做好了就直接捧着锅吃吗？那得盛出来是吧，那用什么盛又是一件值得讲究的事情了，这就是为什么同一道菜，你在餐馆吃永远比你在家吃高大上，因为人家不仅盘子好看，还会摆盘。道理我们懂了，现在我们绕回来说数据分析。现在结果是出来了，那我们针对这个结果应该制定什么样的方案来改进，根据这个结果来预测以后的发展趋势，又应该做一些什么营销活动来吸引眼球，这是非常重要的，如果最后一步坏了事，就等于功亏一篑了。

截取自网站的营销数据如何分析（上）网站的营销数据如何分析（下）

重点是关注数据分析能给营销带来的实际成效。即便越来越多的公司及组织正在尝试以数据导向的方式来运作，但他们中的很多仍不能真正做到将数据分析与商业成果关联起来，微码邓白氏认为任何时候我们做数据分析都应该从商业问题出发，并且找到准确的商业分析所必需的背景情况。

网络营销包括的东西太多了，有竞价推广、软文推广、社群推广、广告推广、邮箱推广等营销方式，以下这篇文章是关于SEM方面的数据分析过程，其他渠道的数据分析也可以参考分析思路。

竞价推广简称SEM，主要有百度、搜狗、360、神马等竞价平台。今天以百度SEM为例，跟大家聊聊竞价需要关注的数据问题！

竞价员们都常见的几个问题：

1、竞争激烈，关键词越来越贵，不做又不行，到底该怎么办？大部分人选择优化关键词，同时也多了项大工程：关键词投放分析。

2、数据量大，工作效率低，数据结果不能及时呈现。除了关键词分析，还有单次点击价格、转化价格、ROI等数据都要分析，数据量超级大，有时候一个Excel表可能需要十几分钟才能打开，心好累~哪有那么多时间分析、处理数据啊。

3、数据分散，需要看多个平台的数据。先不说竞价有多个后台数据，还有页面行为（PV、UV等）、转化（销售签单、注册转化等）等数据，这么多难道要一一分析嘛，简直要跪了~

4、重复进行分析工作，费时又费力。每周都要重复做一次分析，然后把数据呈现给老板，宝宝心里苦！

5、开发数据分析系统投入太大。有人会说你们干嘛不自己开发一个数据系统，说的好简单啊，开发投入多大呀！

......

可能还有各种数据问题，竞价人心里苦啊~~~作为一名互联网公司的竞价人员，今天想跟大家分享一下我们公司是怎么高效、快速处理、分析竞价数据的！

1、接入所有数据（没数据怎么分析）

BDP个人版提供了丰富的数据源接口，可以整合我们公司所有的数据平台，包括推广后台、百度统计、美恰、伙伴云、数据库等，用最常用的百度推广的数据接入来举例（BDP提供了不同的接口，若推广量较小，建议连接百度搜索推广小户），具体的接入方式如图所示：

step1：点击数据源—网络营销—百度推广

step2：输入对应的账号信息即可

PS：权限代码可以登录百度商业开发者中心通过账号密码登录进去查看。

2、数据整合、处理

有了百度推广的后台数据后，就需要与注册/转化等数据结合了，接入各个平台数据后，可以打通从关键词展示—点击—咨询/注册—转化等一系列的链条。根据自己公司的实际情况选择接入的数据，通过合表功能完成表关联、表聚合和表追加等操作，组合成一张网络营销分析全链条数据表。

3、数据分析（需要分析哪些数据呢）

• ?点击率：展现—点击
  
• ?抵达率：点击—访问
  
• 转化率：访问—转化
• 千次展现成本：展现—消费
• 平均点击价格：点击—消费
• 转化成本：转化—消费
• 投入产出比（ROI）：消费—成交金额

（竞价数据关系，网上都能找到这张图片）

4、数据可视化图表呈现

一切准备工作就绪，在BDP就可以通过拖拽分析将你所需要的数据维度全方位的展现在仪表盘中，在这里我用一些示例数据给大家呈现一些基本的维度。这样第一次做好分析图表后，每天只需要定时观察仪表盘上数据的变化就行了，不需要再重复分析，终于可以花更多的时间丰富创意文案、调整价格等工作上，让每一分钱都花的有价值，争取带来更多的转化效果，这也是我们竞价人的目标和使命啦！

总之，BDP解决大部分的数据问题，帮我至少减少50%的人工整理、分析数据的时间，当然其他竞价工作还是要靠自己嘛，通过数据分析、发现问题，比如转化低可能是因为落地页不好、客服没沟通好等因素，这些问题肯定是要自己去处理，数据是能及时告诉你问题，让你不断调整，不断提高效率和业绩！！！

具体请参考竞价数据分析模板~~

　首先、要有一个好的框架，跟盖房子一样，好的分析肯定是有基础有层次，有基础坚实，并且层次明了才能让阅读者一目了然，架构清晰、主次分明才能让别人容易读懂，这样才让人有读下去的欲望。

　　第二、每个分析都有结论，而且结论一定要明确，如果没有明确的结论那分析就不叫分析了，也失去了他本身的意义，因为你本来就是要去寻找或者印证一个结论才会去做分析的，所以千万不要忘本舍果。

　　第三、分析结论不要太多要精，如果可以的话一个分析一个最重要的结论就好了，很多时候分析就是发现问题，如果一个一个分析能发现一个重大问题，就达到目的 了，不要事事求多，宁要仙桃一口，不要烂杏一筐，精简的结论也容易让阅者接受，减少重要阅者(通常是事务繁多的领导，没有太多时间看那么多)的阅读心理门槛，如果别人看到问题太多，结论太繁，不读下去，一百个结论也等于0。

　　第四、分析结论一定要基于紧密严禁的数据分析推导过程，不要有猜测性的结论，太主观的东西会没有说服力，如果一个结论连你自己都没有肯定的把握就不要拿出来误导别人了。

　　第五、好的分析要有很强的可读性，这里是指易读度，每个人都有自己的阅读习惯和思维方式，写东西你总会按照自己的思维逻辑来写，你自己觉得很明白，那是因 为整个分析过程是你做的，别人不一定如此了解，要知道阅者往往只会花10分钟以内的时间来阅读，所以要考虑你的分析阅读者是谁?他们最关心什么?你必须站在读者的角度去写分析。

　　第六、数据分析报告尽量图表化，这其实是第四点的补充，用图表代替大量堆砌的数字会有助于人们更形象更直观地看清楚问题和结论，当然，图表也不要太多，过多的图表一样会让人无所适从。

　　第七、好的分析报告一定要有逻辑性，通常要遵照：1、发现问题–2、总结问题原因–3、解决问题，这样一个流程，逻辑性强的分析报告也容易让人接受;

　　第八、好的分析一定是出自于了解的基础上的，做数据分析本身一定要非常了解你所分析的产品的，如果你连分析的对象基本特性都不了解，分析出来的结论肯定是空中楼阁了，无根之木如何叫人信服?

　　第九、好的分析一定要基于可靠的数据源，其实很多时候收集数据会占据更多的时间，包括规划定义数据、协调数据上报、让开发人员提取正确的数据或者建立良好的数据体系平台，最后才在收集的正确数据基础上做分析，既然一切都是为了找到正确的结论，那么就要保证收集到的数据的正确性，否则一切都将变成为了误导别人的努力。

　　第十、好的分析报告一定要有解决方案和建议方案，你既然很努力地去了解了产品并在了解的基础上做了深入的分析，那么这个过程就决定了你可能比别人都更清楚 发现问题及问题产生的原因，那么在这个基础之上基于你的知识和了解，做出的建议和结论想必也会更有意义，而且你的老板也肯定不希望你只是个会发现问题的人，请你的那份工资更多的是为了让你解决问题的。

　　第十一、不要害怕或回避“不良结论”，分析就是为了发现问题，并为解决问题提供决策依据的，发现问题也是你的价值所在，相信你的老板请你来，不是光让你来唱赞歌的，他要的也不是一个粉饰太平的工具，发现问题，在推广缺陷和问题造成重大失误前解决它就是你的分析的价值所在了。

　　第十二、不要创造太多难懂的名词，如果你的老板在看你的分析花10分钟要叫你三次过去来解释名词，那么你写出来的价值又在哪里呢，还不如你直接过去说算了，当然如果无可避免地要写一些名词，最好要有让人易懂的“名词解释”。

　　第十三、最后，要感谢那些为你的这份分析报告付出努力做出贡献的人，包括那些为你上报或提取数据的人，那些在网络营销过程中作出支持和帮助的人(如果分析的是你自己负责的网站)，肯定和尊重伙伴们的工作才会赢得更多的支持和帮助，而且我想你也不是只做一锤子买卖，懂得感谢和分享成果的人才能成为一个有素养和受人尊敬的人。

　　当你掌握了这几个要点，你根据自己所在的行业做出相应的数据分析，你就会发现你还有很多的地方需要去完善，哪里做的比较好继续去做，哪里做的不好及时的进行调整。网络营销结果，变与不变就在那么一瞬间，所以注重网络营销数据分析，能够起到事半功倍之效果。

说到网站，每个网站都有自己存在的目的和意义。对于一个企业的网站，大多数企业的网站都有很重要的功能或作用，除政府和公益类网站之外，大部分网站存在的目的都是为了盈利或为盈利创造条件。那么如何让这样的战略目的得以顺利实施？首先要做的就是熟悉并分析你自己网站的数据。
那么，对于网站数据，我们应该分析什么、如何分析，又如何做优化？这就是今天的文章要告诉你的。
*本文部分内容来源：《网站分析实战》一书。

一、为什么要做网站数据分析
无论是以直接的方式在线销售产品，还是以间接的方式收集客户信息或产生销售线索，大部分企业的网站存在的根本目的都是为了赚钱。对企业来说，
销售额=流量*转化率*客单价
如果需要提高企业的销售额，有三种方式：①花钱做推广，扩大流量；②对网站进行分析，提高转化率；③通过满减、捆绑产品等方式，提高客单价。
很明显，提高客单价短期内可行性较低，但调整产品定价是个复杂的工作，短期内大幅度提升客单价容易导致市场竞争力下降，同时品牌和口碑也会受到负面影响，造成不可挽回的损失。对于扩大流量，如果企业的市场预算充裕，多花点钱做推广也是可行的，但对许多企业来如果不是处于产品生命周期成长期或成熟期，烧钱的策略并不可持续。于是，只有通过网站分析提升转化率是性价比最高的方式。
而通过网站分析提高转化率也同时意味着购买流量的钱变得更有效，每个客户的获取成本更低。同时，新增的客户产生了更多的订单，进而创造了更多的收入（如图所示）。最终带来的价值和改变就是提高网站的投资回报率（ROI）。另外优化过的网站还可以长久发挥作用，产生复利效应，进一步发挥作用。

二、什么是网站数据分析
网站数据分析涉及的内容非常广泛，由很多部分组成。且每个部分都可以作为一个单独的分析项目，这里我们从3个角度来说说网站数据分析是什么。
1.网站营销的角度
网站数据分析可以帮助看清网站里发生了什么事情、访问者来自哪里、他们在网站中寻找什么、网站中哪些信息最受欢迎等等。在这里主要的分析对象是访问者，访问者在网站中的行为以及不同流量渠道之间的关系。（本图表使用Data Analytics数据可视化软件制作，原数据已做脱敏处理，下同）

2.产品和架构的角度
网站数据分析可以了解到网站健康状况，网站页面的表现如何、哪个功能出现了问题、哪里需要进行调整、页面布局是否合理、导航是否清晰等等。在这里主要的分析对象是网站的逻辑和结构，网站的导航结构是否合理，注册及购买的逻辑流程是否顺畅。

3.网站运营的角度
网站分析让我们在完成目标的过程中合理分配资源和预算，并通过优化不断提高网站的表现。在这里主要的分析对象是投资回报率（ROI），也就是说，在现有的情况下，如何合理地分配预算和资源以完成网站的目标。

三、如何进行网站分析
对企业来说，网站的核心目标是ROI（return on investment投资回报率）。要达到这个目标，首先需要有访问者；其次，我们要针对访问者的需求，有效地展示我们的内容、商品和信息，并且让客户喜欢这些内容；最后，也是最关键的部分，要让访问者转化为客户，购买我们的信息和商品。因此一般从以下3个方面来进行网站分析：①网站的流量分析；②网站的内容分析；③网站的转化分析。
1.网站的流量分析
（1）流量质量分析
流量对于每个网站来说都很重要，但流量并不是越多越好，我们应该更加看重流量的质量，换句话说就是流量可以为我们带来多少收入。我们可以按照质和量两个维度来衡量流量的表现（如图所示），横轴指网站的访问量，纵轴指可以促进网站目标的事件次数（如商品浏览、注册、购买等行为）。将流量按照它们在这两个维度上的表现展示在坐标轴上，不同的流量出现在了不同的位置上。这里圆圈的大小代表获得流量的成本。

①第一象限流量（质高量高）：这是网站的核心流量，对于这部分流量保持即可，建议降低获取流量的成本；
②第二象限流量（质高量低）：这部分流量是网站的忠诚用户，它们有很高的质，但数量较少。建议提高这部分流量的数量；
③第三象限流量（质低量低）：这部分流量质和量都比较低，同时获取的成本也比较高，但这部分流量却不能直接砍掉，因为访问者的决策流程中会使用不同的查询方式对信息和产品进行查询，对比并作出决策，所以这部分流量是辅助决策的。
④第四象限流量（质低量高）：对于这部分流量需要提高质，可以采取细分的方法（下文会详细讲述）。
（2）流量多维度细分
细分是指通过不同维度对指标进行分割，查看同一个指标在不同维度下的表现，进而找出有问题的那部分指标，对这部分指标进行优化。

指标是访问量，就是我们常说的流量。在来源维度、媒介维度、时间维度、位置维度等维度下，我们可以对访问量进行单独或重叠的多维度细分。通过细分我们可以发现流量中存在问题的那一部分，例如，某个流量来源、某个城市地区或者使用某一种浏览器的访问者，并加以解决。
（3）流量重合度分析
访问者在整个购买过程中会穿梭于多个不同的流量渠道，他们使用不同的查询方式对信息和商品进行查询，对比并作出决策。并且越是价值高的商品，访问者需要的信息越多，决策时间越长。
而每个渠道在访问者的转化过程中也会扮演不同的角色。有些渠道吸引注意，树立品牌形象。例如门户网站的Banner广告，有些提供精准信息，像搜索引擎广告，而有些帮助访问者进行决策，像比价和评论。

因此，我们在处理前面的问题时，对于第三象限流量渠道需要分析这个渠道与其他渠道间的关系，也就是渠道间的访问者重合度，以及这个渠道在整个转化过程中扮演的角色。这里的广告活动、付费搜索和直接流量之间有明显的重合。直接砍掉广告活动流量或者降低广告投放都有可能会影响另外两个渠道的表现。
2.网站的内容分析
对于所有的网站来说，页面都可以划分为三个类别，即导航页、功能页和内容页。首页和列表页都是典型的导航页，站内搜索页面、注册表单页面和购物车页面都是典型的功能页，而产品详情页、新闻和文章页都是典型的内容页。导航页的目的是引导访问者找到信息，功能页的目的是帮助访问者完成特定任务，内容页的目的是向访问者展示信息并帮助访问者进行决策。以上三类页面共同组成了网站的整体页面结构。
在这种结构的网站中，我们分析时主要寻找两类诡异的行为。一类是访问者在导航类页面中途离开，另一类是访问者从内容类页面重新返回导航类页面。这两类行为不符合我们队网站导航架构的设计初衷，都是我们不希望看到的行为。

（1）导航类页面
访问者从导航类页面（首页）进入，在还没有看到内容类页面（详情页）之前从导航类页面（列表页）离开网站。在这次访问中，访问者并没有完成任务，导航类页面也没有将访问者带入到内容类页面（详情页）中。因此，我们需要分析导航类页面（列表页）造成访问者中途离开的原因。
（2）内容类页面
访问者从导航类页面（首页或列表页）进入网站，从内容类页面（详情页）返回到导航类页面（首页）。看似是访问者在这次访问中完成任务（如果浏览内容页就是这个网站的最终目标的话），但其实访问者返回首页是在开始一次新的导航或任务。除非新的任务与目标的任务毫不相关或者数据很少，否则我们也应该分析内容页最初的设计，并考虑在内容页面提供交叉的信息推荐。

（3）页面质量分析
判断一个页面的质量的好坏，对于导航类页面来说，最简单的方法是检查访问者从这个页面到下一个页面的分流情况。
流量的去向是否符合我们最初的设计思路和逻辑，是否能将访问者带到促进目标达成的关键页面。如果答案是肯定的，那么这个页面就是OK的。当然，在现实中访问者并不会这么听话，导航类页面的设计也没有这么简单。但是这只是一个最基本的页面分析思路，现实中的导航页面往往会兼顾很多任务。因此，我还要对访问者进行分类，对不同页面位置及流量去向分配权重。
对一般导航类页面，目标明确的访问者会直接流向详情页，浏览及寻找信息的访问者会流向不同的频道页或类别页。这三个流向对于导航页来说都是没有问题的，只是完成转化的不同路径。而离开网站很明显是有问题的流向，是需要通过对导航页进行优化来避免的。
3.网站的转化分析
转化分析也属于产品的一部分。因为转化渠道与前面的导航页面很像，区别在于转化渠道通常是一个目标非常明确的封闭渠道。在这个渠道中我们希望访问者一路向前，不要回头也不要离开，直到完成转化目标。对于转化渠道，我们主要进行两部分的分析，分别是访问者的流失和迷失。
（1）转化过程中的阻力与流失
转化的阻力是造成访问者流失的主要原因之一，这里的阻力包括错误的设计和错误的引导。错误的设计包括访问者在转化过程中找不到下一步操作的按钮，无法确认订单信息，或无法完成支付等；而在访问者的支付过程中提供很多离开的渠道的链接，如不恰当的商品或活动推荐、对支付环节中转化名词的解释、帮助信息等内容都属于错误的引导。
（2）访问者的迷失
造成迷失的主要原因是转化流量设计不合理。访问者得不到需要的信息，并且不能根据现有的信息作出决策。例如，在某票务网站购买演出票，直到支付时也没有看到在线选座到提示，这让我无法确认购买的演出票是否合适，同时担心在前面的流程中错过了在线选座的操作，不得不停止支付操作，再次返回前面的页面查看。
最后，需要注意的是每一个问题都不是单一的原因引起的，每一个分析也都不是孤立存在的，因此我们还需要串联整个访问和购买过程，对网站进行端到端的分析。

四、网站分析的基本流程
网站分析其实就是一个发现问题、分析问题和解决问题的过程。问题的发现可以来源于多方面，如网站运营中遇到的问题、用户的反馈和抱怨、日常统计数据的表现异常等；分析问题的过程就是根据遇到的问题运用合理的方法对其进行解释；而最后的解决问题则是最为关键的一点，也是目前最被忽视的一点，目前的网站分析工作往往在找到问题后无法进行持续的反馈，并从根本上解决问题，很多只是针对一时的举措，而解决问题的过程恰好是最能体现公司执行力的时候，如果没有最终解决问题或实现优化，那么网站分析就没有丝毫的价值。
随着互联网的不断发展成熟，网站的发展趋势将更加规范化、精细化、更加注重用户体验。这里运用六西格玛中的DMAIC循环来梳理一下网站数据分析的流程，DMAIC是PDCA质量环的改进，这里将其核心设置为“用户体验”，因为不同网站会有不同的目标，而提高“用户体验”则是所有网站的共同目标。

1.定义
确定这次分析的所针对的问题是什么，分析最终需要导成何种目的，对网站有何实际的意义，同时需要确定分析的范围，以及规范本次分析工作的进度和质量控制。
2.测量
这里的测量指的是一个收集和获取数据的过程，尽量获得完整、真实、准确的数据，做好数据的预处理，以便分析工作的开展。
3.分析
分析不只是对数据的简单统计描述，其结果不应该是一张报表或图表这么简单，分析的本质应该是从表面的数据中找到问题的本质，最后需要第一步针对的问题进行归纳和总结。同时需要注意的是，分析要紧跟“定义”，不能偏离问题的范围和本质。
4.改进
找到最优的解决方案，使问题得到解决或使问题的负面影响降到最低。这是最为关键的一步，也是目前很多网站分析工作中容易被忽视的一步，很多网站分析只呈现结果，缺少解决问题的方案，这就相当于找到了管道的漏水点却任由其漏水而不进行处理，任何不付诸实践的分析结果都是废纸，毫无意义。这一步也是考验网站执行力的一个步骤。
5.控制
监控改进的结果，使相同问题不再重现。这一步也是目前很容易被忽略的一步，很多改进方案实施之后根本不会再去关注反馈情况，而有些改进方案治标不治本，就像网站的访问量无法通过一两次的推广活动得到本质上的提升，关键还在于网站本身的质量，推广活动可能让数据在短期内获得提升，但想要保持长期增长还需要不断地优化和改进。所以“控制”要的是持续的反馈和监控，并不断寻找能从根本上解决问题的最优方案。
最后，网站建设是一个循序渐进的过程，很多网站数据分析也是长期不断地监视、跟踪并改进，而DMAIC循环也正体现了这个概念，通过持续的网站分析来提高网站质量，提高用户体验。

五、小结
网站数据分析主要是通过有效地度量网站在各方面的表现，为网站的优化改进提供有力的参考依据，并最终帮助网站实现目标。
据统计，网站分析在一个公司中最主要的几项作用是：为网站改版收集数据和信息，为未来的活动进行效果预测，确定广告创意并进行测试，以及为商业目标规划营销预算。
那如何做好以上这些事情，让数据帮我们做更正确的决策，DataHunter就能帮到你了。Data Analytics是一个轻量级业务数据可视化平台，可一键快速接入企业本地和云端内外部数据文件，无需编程仅需简单的拖拽即可制作酷炫的数据可视化看板，用直观的数据帮你做好的决策。

本文中所有图表都是使用Data Analytics数据可视化软件制作，原数据已做脱敏处理。想尝试自己做图，点击文末链接即可学习如何制作，记得先注册哦～
*本文内容是一篇读书笔记，摘录自《网站分析实战》。
欢迎关注公众号：数猎天下DataHunter
－数据分析展示就用 DataHunter－

不管是网站（这里指的是互联网营销）分析，还是营销分析，无非只有两种形式：一是将产品或服务卖给用户，二是通过广告赚钱（百度、谷歌都是靠广告盈利的），所以数据分析的方法同样也是万变不离其宗，都是相同的一个流程：根据分析主题建立数据库，收集数据，收集到的数据处理之后做分析与呈现。

在操作之前需要思考你想要分析什么内容，如何去分析这些数据，去哪里找这些数据，已经如何展示这些数据。

问题1：分析什么内容？

营销分析的内容太宽泛，通常会分为以下几个主题:

• 销售量预测
• 竞争分析
• 客户满意度分析
• 客户流失分析
• 渠道分析
• 促销分析

问题2：以什么指标衡量？

一张图表很难描述所有的数据信息。比如你需要分析客户满意度，要思考哪些指标能描述客户的满意度。所以营销主题的分析通常会涉及到这样几个重要的指标。

宏观市场指标:市场占有率/相对市场占有率（销售网络、客户和销售区域、产品组合）；市场增长率（同比、环比、行业对比）

公司经营状况指标:收入毛利净利润；利润率（销售利润率、成本利润率、产值利润率）；成本（销货成本、促销成本）

客户相关指标:细分市场盈利能力、忠诚度、客户满意度、新产品购买率、客户获取成本、客户盈亏平衡分析

广告评估指标:到达率和接触频率；总收视点=到达率*接触频率；点击率；转化率；广告销售比=广告支出/销售额；扣除广告成本每笔新增销售获取利润

零售营销评估指标:周转率=年销售额平均每月库存量；库存投资毛利回报率=毛利平均存货成本；每平方销售额；每员工利润；平均交易额=销售总额交易次数；零售商利润率=（销售价格-批发价格)销售价格

这两个问题明确后，就要开始处理数据数，这过程中又要考虑采集哪些数据，数据从哪里来，用什么工具处理，数据如何展现。

问题3：如何确定采集内容？

有一定信息化基础的企业可以从内部的业务系统调出数据，比如CRM、ERP、CRR，以及市场调研得来的数据，这些都是一手数据。除去一手数据，还有很多关于市场环境的数据可以从行业协会、政府统计机构甚至第三方收费数据获取。

市场分析

营销组合与资源配置:

问题4：如何处理和展示数据？

数据的展示无外乎报表和图表。

因为维护和运营成本的问题，大多企业都不会建立专门的数据库，所需要的数据通常分散在各个系统中。所以可以从各个系统抽取这些数据放到某个库，做主题展示分析。为了避免后续的数据维护，可以尝试集中管理数据，建立一个类似数据仓库的东西，最好还能实时更新，满足这几点，后期的分析工作会轻松许多，比如可以利用带cube的商业智能数据分析工具FineBI制作分析，以几个例子说明。

案例1：销售预测

做销售预测的分析，主要从市场占有率、按区域和流通渠道划分的销售预测以及回归模型。此时我们需要手机销量数据、竞争对手的销量数据、以及外部的一些社会经济环境统计数据。
如下图利用FineBI制作全国销售额分布图，查看各地区完成进度，确定主攻市场。:

案例2：渠道分析

如果要研究不同渠道的销售情况，优化渠道就要分析渠道与购买行为的关联性，收集客户的购买过程与销量。

相关的数据分析和挖掘工具

指标分析的主要方法
指标分解、对比分析、时间序列分析、因果分析、数据分布分析