我們公司的數據都是通過BI報表匯總之后，運營部門人員提取之后，匯總一下發到產品部門，每天以周報形式發出，數據這塊因為我們做的是電商營銷產品，預約、預訂等營銷產品，偏向于前端產品，我們做這些項目的時候，都是類似包工頭的角色，我們中心發起項目，主流程確定，涉及到購物車、訂單、物流、客服等系統，需要這些部門配合，有一塊缺失，對產品上線都是不利的；

電商經常有大促節點以及新產品上線，所以數據這塊我們分為常規數據、新產品上線數據、大促數據，我們產品線是在商城首頁有單獨的入口，以及有自己的頻道頁面；

1. 常規數據主要有：

（1）銷售數據：每個商品的付款金額；

（2）轉化數據：每個商品的預約轉化率、預訂尾款支付率；

（3）流量及會員數據：商城首頁有效點擊量、預售入口點擊量；

• 這個區分每個產品在首頁的點擊量占比，有時會進行各產品在首頁占比排行榜)
• 每個商品的預約會員數、預約次數；(可以看出每個單品的預約情況)
• 每個商品的預訂會員數、預訂次數；
• 預售頻道PC端/APP端 每日PV、UV；

2. 新產品上線數據有：

（1）會員數據：總參與人數、支付轉化率、PV、銷售情況；

3. 大促數據有：

（1）銷售數據：預約產品銷售KPI完成情況(考核運營部門的)、預訂產品銷售KPI完成情況；

• 各品類(冰洗、母嬰、3C等品類)銷售情況；

（2）轉化數據：預約-預約人數、 銷售數量、各渠道各品類(PC/WAP/APP)銷售情況、付款轉化 率；

• 預訂-支付定金數量、支付尾款數量、各渠道各品類銷售情況、尾款支付率；

（3）流量及會員數據：大促活動頁面UV、每日UV、特定時間UV，各渠道UV(PC/APP/WAP)；

• 預約會員數、新會員數；
• 預訂會員數、新會員數；

大致是這些，數據看起來是很繁雜的，需要你耐心看一些重點數據，看久了數據對你產品優化甚至整個產品的走向判斷都是很有助的。

比如預約和預訂。

預約支付轉化率數據對你的參考其實是沒用的，因為商品的預約情況是根據每個單品的情況來定的，有的商品很勁爆，預約的人數就上十萬的，有的單品很普通，預約人數就10幾個，預約商品庫存通常都是較少的，所以拿搶購支付人數/預約人數計算預約轉化率是沒有什么參考意義的，同時這些數據也可以告訴你，一個商品的預約以及搶購情況重點是這個單品的市場勁爆情況，重點是在單品上，所以我們之前一直都做了一個預約頻道頁，做了一年，慢慢的預約產品已經不存在固定頻道頁了，而是把預約開放給每個事業部，用于做單品預約，固定頻道頁是沒有多大意義的，短期內沒有新品上市，頻道頁訪問數據就會很少，所以去除固定頻道頁，改為常規的廣告單品預約頁以及大促期間的臨時營銷活動頁才是跟好的對公司資源的節省以及產品生命周期的延伸。

所以具體的數據情況是要根據每個產品的具體情況而定的，是前端產品還是中后端產品，是營銷產品還是會員產品。

作者：產品小蘭子 南京某小公司 產品經理

來源：pmcaff