电商分析工具最适合按你要回答的问题来选:买家从哪来、在哪里流失、广告有没有回本、谁会再买。每个问题指向不同类型的工具,所以功能个数说明不了多少。下面是五种工具类型、五条「是或否」的标准、一张数过的漏斗、一次渠道回报检查,以及一家店最小的组合。
读完你会知道
- 先说出正在花你钱的问题:流量、漏斗流失、广告回报还是复购
- 要求具备电商事件、服务端购买、机器人分离、花费导入和数据导出
- 渠道按毛利而不是收入来评判:毛利率 40% 时,盈亏平衡的广告支出回报是 2.5
电商分析工具有哪几种?
电商分析工具不是一个品类,而是四种工具,每一种都为回答一个问题而生。「挑功能最多的那个」,往往是买了三个你不需要的答案,却漏了你真正需要的那一个。
| 问题 | 工具类型 | 衡量什么 | 典型数据来源 |
|---|---|---|---|
| 买家从哪里来,在站上做了什么? | 网站分析 | 访客、来源、落地页、目标转化 | 店铺上的一段脚本 |
| 买家在商品页到付款之间哪里流失? | 漏斗与事件分析 | 分步转化、购物车放弃、按分群看流失 | 商品、购物车、结账和购买事件 |
| 他们实际上为什么离开? | 会话行为工具 | 热力图、滚动深度、会话回放 | 同一段脚本,按页面抽样 |
| 花在广告上的钱回来了吗? | 营销与归因 | 按渠道的单次点击成本、单笔订单成本、广告支出回报 | 广告花费加订单 |
| 谁会再次购买? | 客户与留存分析 | 复购率、客户终身价值、近期—频次—金额分组 | 按人汇总的订单历史 |
大多数店铺平台还自带销售报表。订单和收入它们是准的,但对没有下单的访客几乎没有信息,这正是前三行常常需要单独一个工具的原因。
共同的线索是问题。一个工具适不适合你,看它能不能回答此刻正在花你钱的那个问题,不是看它能不能回答全部五个。
| 问题 | 工具类型 | 衡量什么 |
|---|---|---|
| 买家从哪来? | 网站分析 | 访客、来源、落地页、目标 |
| 他们在哪里流失? | 漏斗与事件分析 | 分步转化、购物车放弃 |
| 他们为什么离开? | 会话行为工具 | 热力图、滚动深度、回放 |
| 广告回本了吗? | 营销与归因 | 单笔订单成本、按渠道的广告支出回报 |
| 谁会再买? | 客户与留存分析 | 复购率、客户终身价值、RFM 分组 |
通常有一行决定你的下一个工具;其余的可以等。
怎么用五条标准来选?
给每个候选工具按这五条打「是」或「否」。第一条不过的,就不要进入候选名单。
- 它能追踪你需要的电商事件吗? Google Analytics 文档里推荐的事件名可以当检查清单:
view_item、add_to_cart、begin_checkout、add_shipping_info、add_payment_info和purchase。工具收不了这些步骤,就没法告诉你漏斗在哪里漏。 - 它能从服务端发送购买事件吗? 浏览器端追踪会漏掉广告拦截和在付款页关掉的标签页。带订单号的服务端购买事件,每笔订单只算一次。
- 它能把机器人和真人分开吗? 爬虫会抬高访客数、压低转化率。找一个把它们分开统计的工具。
- 它能导入广告花费吗? 如果你投付费广告,能导入花费的工具,能让你在收入旁边看到单笔订单成本和广告支出回报。
- 你能走得了吗? 能导出事件的原始数据,意味着以后迁移不会丢掉历史。
怎么用真实数字读一张漏斗?
示例数据:一家店记录了一个月的会话在每一步的数量。
| 步骤 | 会话数 | 相对上一步的比率 | 占全部会话的比例 |
|---|---|---|---|
| 全部会话 | 50,000 | 不适用 | 全部 |
| 查看商品页 | 28,000 | 56.0% | 56.0% |
| 加入购物车 | 4,200 | 15.0% | 8.4% |
| 开始结账 | 1,890 | 45.0% | 3.8% |
| 购买 | 1,134 | 60.0% | 2.27% |
每个比率都是本步除以上一步:28,000 ÷ 50,000 = 56.0%,4,200 ÷ 28,000 = 15.0%,1,890 ÷ 4,200 = 45.0%,1,134 ÷ 1,890 = 60.0%。整体转化率是 1,134 ÷ 50,000 = 2.27%。购物车放弃率(有加购但没有购买的会话)是 1 − 1,134 ÷ 4,200 = 73.0%。
由此可以得出两个解读,它们指向不同的工具:
- 按相对比率看,最弱的一步是加入购物车(15.0%)。 这是商品页问题:价格、图片、库存或尺码。下一步该用会话行为工具或分流测试。
- 购物车之后,损失人数最多的是 2,310 个会话(4,200 − 1,890)在开始结账前离开。这是运费、强制注册或购物车页的问题。按分群和设备拆分的漏斗分析能找到它。
Baymard Institute 的统计页给出的平均已记录购物车放弃率是 70.22%,基于 50 项研究。我们示例里的 73.0% 看起来接近,但各研究和各工具的定义不同,所以基准只当背景。真正要比的是你自己上个月的比率。
会话 → 购买
一个月全部会话
50,000
商品页
28,000
加入购物车
4,200
开始结账
1,890
购买
1,134
怎么比较广告渠道才不会自欺?
广告支出回报是收入 ÷ 花费。示例数据:同一个月里的两个付费渠道。
| 渠道 | 花费 | 归因收入 | 广告支出回报 |
|---|---|---|---|
| 渠道 A | 4,000 美元 | 10,400 美元 | 2.60 |
| 渠道 B | 5,000 美元 | 7,500 美元 | 1.50 |
| 合计 | 9,000 美元 | 17,900 美元 | 1.99 |
A:10,400 ÷ 4,000 = 2.60。B:7,500 ÷ 5,000 = 1.50。合计:17,900 ÷ 9,000 = 1.99。渠道 B 看起来弱,但砍掉之前先做三项检查:
- 收入不是利润。 毛利率 40% 时,盈亏平衡的广告支出回报是 1 ÷ 0.40 = 2.5。渠道 A 的 2.60 每花 1 美元赚 2.60 × 0.40 = 1.04 美元毛利;渠道 B 的 1.50 赚 1.50 × 0.40 = 0.60 美元,在其他成本之前每 1 美元就亏 0.40 美元。要按毛利回报来评判渠道,不要按收入。
- 末次触点会掩盖助攻。 如果渠道 B 经常开启旅程、由渠道 A 收尾,末次触点会把功劳算给 A。挪预算之前,先把几种归因模型并排比较。
- 时间窗口很重要。 卖的是人们要想两周才买的商品,按七天窗口看,这个渠道会显得很差。
用什么工具?一个能按渠道导入花费、并把订单摆在旁边的工具。没有花费导入的网站分析工具,自己做不到这一点。
谁会回来买,哪个工具能看到?
复购率是买过两次及以上的人 ÷ 全部买家。示例数据:过去 12 个月有 1,020 人下过单,其中 204 人至少买了两次,所以复购率是 204 ÷ 1,020 = 20.0%。
单一的复购率会掩盖分组。近期—频次—金额分组按买家最近买的时间、买得多频繁、花了多少,把买家分成冠军、忠诚、有风险和沉睡等群体。再用面向留存的工具,对每一组采取不同的对待。判断规则:如果复购率低于目标而广告没问题,缺口在留存,不在流量,下一个要加的工具应该是客户与留存视图,不是又一份流量报表。
一家店最小的组合是什么?
对没有分析师的店铺:
- 平台自带的销售报表,看订单和收入。
- 一个分析工具,覆盖网站分析和带电商事件的漏斗,从服务端发送购买事件,并把机器人分开统计。
- 花费导入或一张表格,记按渠道的广告成本,直到付费流量大到值得再加东西。
- 会话行为工具只用在漏斗标出的页面上,不要全站铺开。
当复购成为收入里的一块实在份额时,再加客户与留存分析。规则:只为一个你问过三次却答不了的问题,才加一个工具。
店铺在选工具时会犯哪些错?
- 按功能个数选。 功能清单越长越是负担:每个功能都要有人负责配置。
- 只在浏览器里追踪
purchase。 支付跳转和广告拦截会丢订单,收入永远和平台对不上。请带订单号从服务端发送。 - 评判渠道时用收入而不是毛利(见上面的算例)。
- 在漏斗之前先装热力图工具。 没有漏斗,你不知道该看哪个页面。
- 忽略机器人。 机器人流量抬高会话数、压低转化率,趋势看起来像季节性,没人会注意到。
- 把自己的比率和基准比一下就停了。 基准告诉不了你是哪一步在漏。
在 TapCub 里怎么做?
拿上面的示例店铺来说,它的漏斗和渠道问题在 TapCub 里这样跑。
- 发订单。 付款成功时,从你的服务端发送
purchase事件,带订单号、金额和币种,退款时用同一订单号发refund。订单号用来对重试去重。 - 看漏斗和购物车放弃。 在 全端分析 › 经营分析 › 电商与收入,购买漏斗按会话经过查看商品、加购、结账、购买,并给出购物车放弃率和被丢下的金额。事件名可以在经营设置里改。在 全端分析 › 行为分析 › 行为分析 里搭同样的漏斗,按分群拆分。
- 比较渠道。 在 全端分析 › 经营分析 › 渠道 ROI,按天、渠道、来源或活动导入花费(CSV 或逐条)。页面给出单次点击成本(花费 ÷ 会话)、单次获客成本(花费 ÷ 订单里的购买数)和广告支出回报。同一份报表可以同时选几个归因模型,各占一列,主要起助攻作用的渠道就会显现出来。广告支出回报用的是收入,毛利要你自己再套。
- 看复购买家。 复购率(至少买过两次的人 ÷ 买家)和 RFM 评分网格在同一个电商与收入区域,RFM 分组可以在 全端分析 › 用户 › 分群与标签 里变成分群。
- 看被标出的页面。 全端分析 › 行为分析 › 热力图 和 会话回放 都有;会话回放默认关闭。
TapCub 不投广告、不出价,不处理支付,不做分流测试,也不管客户名单和邮件;它只负责衡量。机器人在 网站统计 › 机器人 里和真人分开统计。
常见问题
电商分析工具是什么?
衡量买家如何发现、浏览并购买网店商品的软件:流量和来源、从商品到购买的漏斗步骤、广告回报,以及复购。不同的工具回答不同的问题,所以要让工具匹配你的问题。
小店应该先用哪个电商分析工具?
先用平台自带的销售报表,再加一个追踪电商事件、从服务端发购买事件并分开机器人的分析工具。等漏斗或复购率露出具体缺口时,再加行为或留存工具。
购物车放弃率多少算好?
Baymard Institute 的统计页报告的平均值约为 70%,基于 50 项研究,但定义各不相同,所以只当背景。好的比率是相对你自己之前几个月在下降,并且已经找出了漏的那一步。
电商分析应该追踪哪些指标?
分步转化率、购物车放弃率、平均订单金额、按渠道的广告支出回报、复购率和退款率。指标清单要短到能每周复查。
做电商分析一定要用 Google Analytics 吗?
不用。任何能接收推荐的电商事件、并展示漏斗和渠道结果的工具都可以。要确认它能处理服务端发送的购买事件和机器人过滤,并且你能导出自己的数据。
资料来源
- Google。Measure ecommerce (GA4)。推荐的电商事件名,如 view_item、add_to_cart、begin_checkout 和 purchase。2026-11-18 核对。
- Baymard Institute。Cart Abandonment Rate Statistics。基于 50 项研究的平均已记录放弃率 70.22%。2026-11-18 核对。
这篇文章对你有帮助吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。

