電商數據分析包括了大行業大平臺的數據狀況，也可以是小到店鋪、單品、sku的某個某個維度詳細數據分析。
除了常規的商品型號、商品價格、促銷信息、店鋪名稱等，還可以自定義其他維度、可以說說是做到了全方位展現渠道違規行為，滿足多樣化的巡檢場景需求。
從流量、訂單、總體銷售業績、整體指標進行把控，起碼對運營的電商平臺有個大致了解，到底運營的怎麽樣，是虧是賺。
電商分析數據方法如下：
壹、依據用戶畫像，洞察需求
用戶畫像即用戶信息標簽化，通過收集用戶的社會屬性、消費習慣、偏好特征等各個維度的數據，進而對用戶或產品特征屬性進行刻畫，並對這些特征進行分析、統計，挖掘潛在價值信息，從而抽象出用戶的信息全貌。
二、依據渠道數據分析用戶來源
對電商賣家來說，分析“訪客數”最重要的是分析“流量來源”。分析不同流量來源的“數量”和“支付轉化率”，找出“支付轉化率”比較高的流量來源並想辦法提高，不僅可以提高“訪客數”還可以提高整體的“支付轉化率”。
這時利用數據分析工具能為不同渠道的表現提供總覽，並給出目標轉化率。當涉及到有機搜索時，分析壹些像搜索量和關鍵詞排名的指標能幫妳獲得更多的見解，比如該將廣告預算花在哪兒，如何讓用戶更容易搜索到妳等等。
三、店內轉化率的數據分析
當用戶來到店鋪時，我們就要想辦法將他們轉化成顧客，但眾所周知，並不是每個來店裏的用戶都會點加入購物車按鈕。甚至在加入購物車後，也會有改變主意離開網站的可能。所以這壹步我們可以用下面的電商轉化指標來跟蹤和優化線上購物體驗：
1、銷售轉化率——已購買的用戶和全部來到店鋪的用戶比值。
2、平均訂單價值——用戶下單的平均金額。
3、放棄購物車率——在所有產生的訂單中，未完成訂單的占比。
四、提高營銷推廣的ROI
對店鋪來說，如今流量已進入存量時代，營銷渠道分散且復雜，更需要賣家依據數字化營銷提高推廣的RIO，通過數據分析，加強線上營銷的精準，拓展線下新的營銷場景，利用數據智能完成全場景全鏈路的布局，以達到高效轉化與品效相結合。
五、產品數據分析
1、產品數據分分析
①整體分析：分為兩個部分：銷售表現和購物行為。銷售表現包括各個商品帶來的收入，至少購買過壹次的用戶數，平均訂單價格、數量，退款數目等等。購物行為，妳可以看到瀏覽了產品詳情頁的用戶裏，加入購物車的人數；或瀏覽產品詳情頁後最終下單的人數。
②購物行為分析——我們可以依據更多和商品有關的數據，比如商品瀏覽頁訪問量、商品詳情頁訪問量、加入/移出購物車的商品，進入結算階段的商品，以及購買人數來對用戶購物行為進行分析。
2、銷量數據分析
我們可以從後臺數據分析中找到關於收入，稅費、運費、退款金額，和賣出的商品數量。其中，總銷售額以金額的形式呈現，是衡量我們線上店鋪經營狀況最佳的“整體主要指標”（OMM）之壹，可以用它來衡量業務的整體增長和發展趨勢。
六、用戶留存數據分析
聰明的商家知道忠誠顧客的價值。能夠留住用戶給妳長期帶來收入。永遠要記住的是，獲取新用戶比留住老用戶成本大得多。研究顯示，用戶留存率提升5%就能帶來25%到95%的利潤。
七、用戶推薦數據分析
對賣家來說，我們要識別出哪些用戶是妳的真愛。他們不僅愛妳的產品，也願意向家人和朋友推薦，他們簡直是妳的品牌大使。成功的電商企業會密切關註著這壹階段的指標並及時做出反應。