2019電商PM應了解的5大數據運營指標|數位時代 BusinessNext

2019電商平台百家爭鳴，以數據出發的運營思維越來越常被提倡，身為電商平台的PM，你是否有完整掌握所有重要的數據指標了呢？這邊和大家分享電商平台都應該要注重的5大數據指標：流量、轉化、用戶、商品、風險控管。

而數據指標的重點一直都不在於數據本身，更重要的是，了解這些數據思維可以延伸出的action plan，因此這篇也著重分享產品經理可以如何從這些角度切入並有所行動。

一、電商PM的基本思維

身為一個電商平台的PM你是否羨慕過其他社群類、工具類產品，一開始不太需要想商業化的問題，只需要先思考如何服務好用戶、優化體驗即可，做電商跟其他網路產品不一樣，打從Day 1便清楚知道我們的產品就是要商業，作為一個產品經理，不只要替用戶考量體驗，同時也時時刻刻在想如何讓用戶付費、並消費更多！因此身為電商PM必須要具備以下基本思維：

電商公司最重要的產品並不是網站，而是商品本身。
因為電商類的公司商業模式很清晰，訴求很明確，必定是由業務驅動產品開發的，因此比起其他產品PM，我們格外會被老闆／業務單位的需求清單推著跑，如何與跨部門同事透過「數據」溝通是非常重要的 。
作為一個產品經理，你的任務是在「商業的變現需求」與「用戶需求」內取得平衡，了解以下的商業數據指標可以幫助你取捨。

二、核心公式：GMV=流量×轉化率×客單價

首先，介紹五大指標前，電商PM必須要把這個公式刻在心上：

GMV =流量 x 轉化率 x 客單價

※名詞解釋：GMV與Revenue有何差異？

GMV（Gross Merchandise Value）指的是網站成交金額，實際指的是總交易訂單金額，包含付款和未付款的部分，也就是涵蓋了退貨與取消訂單的金額；Revenue則是指實際成交金額，會小於GMV。之所以看GMV的公式而不是Revenue的原因是要純化下面1～3的數據指標，而另外把退貨與取消的數據放在風險控管的指標中。

前三大指標「流量」、「轉化」、「用戶」將從這個公式的脈絡去說明：

1. 流量指標：如何獲取用户？

關鍵數據：Session, Unique Visitor, Page Views

除了行銷同事日常的業務外，產品team可以切入的角度是，打磨與保障用戶體驗的順暢與完整，進而達到「口碑傳播」自流量的效果；同時保持與行銷部門的溝通與同步是很重要的，瞭解他們操作的流量渠道與策略，能夠幫助你在思考與瞭解完整的User Journey，並將不同產品分開思考，PC、Mobile、App的流量渠道不同，體驗優化應有相對應不同策略與設計。

有些產品團隊會有Growth Hack PM的設置，讓獲取流量透過技術的方式可以更有效率，例如開發小程序或是特殊活動頁面（Landing Page）等。

Session = 使用者進出商場的次數，也就是網站本身的吸引力程度，「工作階段」更能代表網站的吸引使用者到訪的能力、訪客與網站的互動量，也比較不會短時間內瀏覽多頁的極端使用者影響。
UV(Unique visitor) = 逛商場的不重複客人數，真正造訪的用戶數，網站要能一直吸引到新用戶才能持續成長。
Page views = 客人逛的櫃位數量，被瀏覽過的商品，商品本身的吸引力程度，通常被用來看電商平台上商品的熱門程度。
＊註解1：推薦閱讀【正確理解Google Analytics「工作階段」定義、計算、重要性】
＊註解2：以上思維比較屬於「網頁思維」，如果是App的維度通常會從下載數看流量拉新。

2. 轉化指標：流量進來後是否有效轉換訂單？

關鍵數據：CVR（各頁面的轉換率漏斗）

應該是PM最熟悉的一個指標，從進站後的User Journey去釐清各步驟頁面漏斗的轉換率，此時分清楚產品功能裡的「信息流」與「任務流」是非常重要的，用戶跳出不外乎是「產品信息內容不充足」或是「信息豐富但用戶無法有效率地完成找到商品的任務」。

「信息流」 是從商品供給角度提供的內容與資訊，例如商品規格、評價、導購文章等；「任務流」 是從用戶需求的角度去搜索並找到他所需要的，例如搜索篩選器、熱銷排行榜、猜你喜歡等。

※CVR（Conversion Rate）

CVR這個指標是有點玄的，很看各功能目標是什麼，產品的功能終極目標都是要促使用戶執行下單的動作，但每個功能跟頁面要追蹤的事件會有差異，以致於分子與分母的定義可能會不同（舉例來說「收藏功能」可能就需要以不重複訪客作為分母、收藏次數作為分子，不能用session或是pageview去當分母）。但整體來說產品經理通常要看的大方向應該是session為分母的、到結帳頁面前的各頁click事件為分子的CVR，運營業務單位應該要看的是各商品pageview為分母、成交訂單量為分子CVR。

3. 用戶指標：轉換後的流量如何持續運營，提高這些流量的價值？

關鍵數據：客單價（AOV）、用戶黏性（DAU, MAU）、用戶留存（Retention）

從PM的角度看提高客單價的方式，除了透過推薦系統&關聯系統進行綑綁銷售外，還有持續經營會員（定義：已在網站產生過交易的用戶）讓其持續產生交易，因此我用了更廣義的「用戶指標」來涵蓋此指標的重點。

以 「用戶黏性」 來說，重點在於「良好的信息推送管道」，把握住用戶的消費節奏，讓他第一次消費完後還會一買再買，譬如相關產品優惠或回購補貼推送等提高消費頻次；而 「用戶留存」 的切入最常見的是會員機制的設計，需注意的是Retention的計算通常會跟本身商品的消費頻次也有關係，建議使用較精細的cohort analysis。推薦閱讀：如何實際計算Retention、LTV ，並產出可執行的商業計畫

運營用戶指標的一大關鍵在於掌握用戶客群分層，與行銷部門同事合作建立用戶畫像（persona）或是常見的RFM價值模型，可以協助你切入去思考設計不同的功能、運營不同價值的用戶。不過用戶分層只是手段，重點是找到不同用戶的gap與機會點滿足他的需求達成業務目標。

※什麼是RFM模型？

在CRM中，經常會用到RFM模型分析去衡量以為會員的價值，和給企業帶來的利潤能力。這個模型是通過會員最近一次消費（Recency）、消費頻率（Frequency）、與消費金額（Monetary）這三個因素來描述會員的價值狀況。推薦閱讀：常貴客？新客？讓RFM模型簡簡單單解釋一切！

除了以上從GMV核心公式中剖析出的三大指標外，還有兩個指標「商品」&「風險控管」也非常重要，highlight一開始所強調的思維：「電商公司最重要的產品並不是網站，而是貨品本身」，因此這兩個指標的核心概念是監控商品的品質。

4. 商品類指標：分析商品本身競爭力

關鍵數據：
商品總數：SKU數、庫存（滿房率）
商品優勢性：個別商品轉化率&收入占比、商品最低價比例

商品本身的競爭力通常不在PM可掌握的能力範圍，而是與業務單位的同事比較相關，但對以上數據有瞭解與掌握，可以幫助PM更全面地掌握網站「轉換率」的影響因子。舉例來說我身在的OTA旅遊平台，有時候CVR下降不一定是網站頁面的轉換哪裡出了問題，可能是房源物件滿房率高&庫存少，或是因為特殊事件以至於貨品優勢下降（Ex：去年日本民泊法影響讓優勢房源關房）。

當你有了這些operational knowledge，更進階地能與業務單位同事合作優化物件的競爭力，像是許多OTA都有協助業務單位實作爬蟲功能，將商品最低價做到自動化補貼與降價等功能。

※SKU（Stock Keeping Unit）

SKU是從貨品分類角度看單獨一種商品。只要貨品屬性有所不同，那麼就是不同的SKU。屬性包括很多，一般的理解貨品屬性包括：品牌、型號、配置、等級、花色、成分、用途等。也就是說同樣的貨品只要在人們對其進行保存、管理、銷售、服務上有不同的方式，那麼就需要被定義為不同的SKU。

5. 風險控管指標：身為平台的服務品質與滿意度

關鍵數據：評價數、評價分數、投訴率、退貨率。

關注以上這些指標可以讓你監控商品問題，主動發現有瑕疵問題的商品以優化平台的服務品質與滿意度，以PM的角度來說，創造與鼓勵用戶評價的機制，並創造平台的正向循環是可以著力的點，同時也應該與業務部門同事合作，優化商品招募與採購的品質控管。

以上是從「數據思維」去切入電商平台的產品開發與運營，如果你的產品／產業，剛好也跟我一樣屬於特別的「雙邊電商平台」，也可以參考我這篇從「供給與需求」的角度切入的平台戰略思維：雙邊電商平台戰略，新創不能不知的三個運營思維！

若是你對數據思維相關的文章有興趣，也十分推薦3PM LAB夥伴Nana這篇「PM夥伴攻略：如何跟資料科學家合作？」讓你更了解如何一起與Data team夥伴玩出數據新境界！

其他參考資料：

本文由產品三眼怪授權轉載自其Medium。

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場。）

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。