2019電商PM應了解的5大數據運營指標
2019電商PM應了解的5大數據運營指標

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。

「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:
1. The Elements of User Experience: User-centered Design for the Web《用户体验要素》读后
2. 电商流水的3大策略:流量、转化率、客单价
3. 电商平台应该分析哪些数据?具体怎么去分析?
4. 电子商务里面的 GMV (Gross Merchandise Volume) 的定义是什么?和销售额的区别是什么?

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。)

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓