TapCub 正式上线:统计、分析、客服一个平台免费用
数据分析

电商数据分析:解释收入变化的四类指标

电商数据分析归结为流量、转化、客单和复购。看它们怎样相乘得到收入,并用一个示例,把收入下跌按因子和渠道拆开。

卢卡斯·海斯 发布于 2026 年 11 月 19 日 9 分钟阅读 数据分析
示例数据:收入从 $60,000 降到 $58,880。按流量、转化、客单的顺序每次只改一个因子,得到 +$9,000、−$13,800 和 +$3,680,合计 −$1,120。示例数据

电商数据分析,就是把店铺数据变成决策,归结起来是四类数字:流量、转化、客单(客单价)和复购。它们相乘得到收入,所以收入一动,你就能找到是哪一类在动。这篇给出这个等式,一个流量涨了 15% 收入却下跌的示例月,以及一套可以反复使用的诊断顺序。

读完你会知道

  • 收入 = 会话数 × 转化率 × 客单价;收入变化时,先把变化拆到这三个因子上,再决定怎么修
  • 混合转化率可以在每个渠道都没变的情况下下降:示例里付费社媒的会话占比翻倍,把平均值从 2.50% 拉到 2.00%
  • 先按渠道和设备拆分,再下诊断;复购要写明窗口,并使用稳定的客户 ID

电商数据分析到底在衡量什么?

电商数据分析把店铺产生的数据归成四类,每一类回答一个和钱有关的问题:

类别问题核心指标
流量多少人来、从哪来?会话数、访客数、各渠道占比
转化其中多少人下单?转化率、加购率、结账完成率
客单每单带来多少收入?客单价(AOV)、每单件数、退款率
复购买过的人会回来吗?复购率、两次下单间隔天数

仪表盘、同期群、预测,都只是这四类之一的更细视图。报表上的某个数字如果不属于这四类,先问它支撑什么决策,再决定留不留。指标清单本身见 电商 KPI;这篇讲的是四类怎样连在一起,以及它们互相矛盾时该怎么办。

类别问题核心指标示例值
流量多少人来、从哪来?会话数、渠道占比46,000 个会话
转化其中多少人下单?转化率、加购率2.00%
客单每单带来多少收入?客单价、每单件数、退款率$64.00
复购买过的人会回来吗?复购率(90 天)17.0%

示例数据:算例中的 B 月;复购率来自 2,400 位首购客户中的 408 位。

四类指标之间怎么连起来?

它们是相乘关系。任何一个周期都有:

收入 = 会话数 × 转化率 × 客单价

订单数 = 会话数 × 转化率,收入 = 订单数 × 客单价。复购藏在公式里面:回头客只是又一次转化的会话,所以复购要单独看,单靠这个公式分不清忠实客户和碰巧点了广告的人。

这个等式给你一条判断顺序。收入变了,按下面顺序问是哪个因子变了:

  1. 会话数变了吗? 变了就看哪些渠道涨了或跌了(见流量一节)。
  2. 转化率变了吗? 变了先按渠道和设备拆开,再决定要不要怪网站。
  3. 客单价变了吗? 变了就看商品组合和折扣。
  4. 都没变? 那差异只是四舍五入,或来自数据之外的事(一波退款、汇率变动)。

下一节把一个案例完整走一遍。

算例:流量涨了 15%,收入却跌了,为什么?

示例数据:同一家店连续两个月:

A 月B 月
会话数40,00046,000
订单数1,000920
转化率2.50%2.00%
客单价$60.00$64.00
收入$60,000$58,880

会话涨了 15%,收入却少了 $1,120(−1.87%)。按因子拆开,每次只改一个因子,顺序是流量 → 转化 → 客单:

  • 流量效应:(46,000 − 40,000) × 2.50% × $60 = +$9,000
  • 转化效应:46,000 × (2.00% − 2.50%) × $60 = −$13,800
  • 客单效应:46,000 × 2.00% × ($64 − $60) = +$3,680

三项相加 +9,000 − 13,800 + 3,680 = −$1,120,正好等于总变化。(顺序略有影响:换个顺序,拆分会有小幅变化,但总数不会变。)所以结论不是「网站变差了」,而是「转化率下降得比流量增长更快」。再按渠道拆:

渠道A 会话A 转化率A 订单B 会话B 转化率B 订单
自然搜索18,0003.00%54017,0003.00%510
付费搜索10,0002.00%20010,0002.00%200
邮件4,0005.00%2003,0005.00%150
付费社媒8,0000.75%6016,0000.375%60
合计40,0002.50%1,00046,0002.00%920

四个渠道里有三个两个月的转化率完全一样。混合转化率下降,是因为付费社媒的会话占比从 20%(40,000 中的 8,000)升到 34.8%(46,000 中的 16,000),而且它转化更低,同时转化最高的邮件渠道还缩小了。不拆开看,团队多半会去改版结账页;拆开之后,问题变成多出来的 8,000 个社媒会话值不值它们的花费,这是营销问题,不是网站问题。

app.tapcub.com

收入为什么少了 $1,120

对收入的影响 · 示例数据
流量:+6,000 个会话+$9,000
转化:2.50% → 2.00%−$13,800
客单价:$60 → $64+$3,680
净变化−$1,120
示例数据
示例数据:收入从 $60,000 降到 $58,880。按流量、转化、客单的顺序每次只改一个因子,得到 +$9,000、−$13,800 和 +$3,680,合计 −$1,120。

哪些流量数字可以信?

流量是其他所有指标的分母,这里错了,错误会一路传下去。三项检查:

  • 机器人移出分母。 爬虫和自动化访问会抬高会话数、拉低转化率。把它们单独统计,别混在访客里。
  • 渠道规则写下来。 「付费社媒」在 A 月和 B 月要是同一个意思;UTM 习惯一变,看起来就像流量变了。统一使用 UTM 参数,并复查没打标签的流量是怎么归类的。
  • 看会话,不只看访客。 转化率可以按会话算,也可以按访客算,选一种并写明。上面的例子里,每个转化率都是订单数 ÷ 会话数。

给个量级参照:美国人口普查局的季度估算显示,2026 年第三季度美国零售电商销售额为 3,473 亿美元,占零售总额的 17.9%(季节调整,未剔除价格变动)。这是市场背景,不是你转化率的对标值:它衡量的是销售额,不是店铺表现。

转化问题该从哪里查?

先看漏斗,再按最可能出现差异的维度拆开。常见的电商顺序是:浏览商品 → 加购 → 开始结账 → 下单。每一步都按上一步的占比计算,因为总转化率低只说明有漏损,不说明漏在哪一步。以示例 B 月来看,46,000 个会话产生 920 个订单,总体是 2.00%;问题出在加购还是结账,得看每一步的人数,光看总数不够。

然后把最弱的一步按下面三个维度拆开:

  1. 渠道:社媒访客和邮件订阅者的意图不同。
  2. 设备:桌面端能用的结账流程,手机上可能出错。
  3. 新访客与回访:回访者转化更高;新访客占比变大,会在网站没变的情况下拉低混合转化率。

按阶段把漏斗讲得更完整的内容在 电商数据分析;这里要说的只有一点:先拆分,再下诊断。

客单价能告诉你转化率告诉不了的什么?

客单价 = 收入 ÷ 订单数(见 客单价)。示例中它从 $60.00($60,000 ÷ 1,000)升到 $64.00($58,880 ÷ 920)。客单价上升同时转化率下降,这个组合值得查:可能是留下来的买家意图更高,也可能是满减门槛或包邮门槛把购物车推高,同时吓退了小额订单。把客单价上升当成好消息之前,先看每单件数和使用折扣的订单占比。

两点提醒。其一,客单价是平均数,几笔大单就能拉高它,旁边要放一个订单金额中位数。其二,退款要和下单用同样的标准跟踪:用总订单算出来的客单价,会高估你实际留下的收入。

怎么衡量复购?

复购率是在一个窗口内买过至少两次的客户占比。示例数据:一个季度内有 2,400 位客户完成首次购买,其中 408 位在 90 天内再次购买。复购率为 408 ÷ 2,400 = 17.0%。同一季度的一次性买家是另外 1,992 位客户(83.0%),这是留存方案要瞄准的人群。

一定要写清窗口(30、60 或 90 天),因为 90 天 17.0% 的复购率,和 30 天的复购率没法比较。如果想看随时间的变化而不是单个数字,可以用同期群视图:每个月的首购客户,之后每个月有多少人回来;方法见 如何做同期群分析,定义见 同期群。复购分析需要稳定的客户身份,也就是登录账号或客户 ID,只靠 Cookie 不够。为什么值得做:《哈佛商业评论》引用过一个流传很广的区间,获取新客的成本是留住老客的 5 到 25 倍,同时说明这个区间因研究和行业而异、没有给出原始出处;把它当作方向,不要当规则。

哪些错误会让电商数字产生误导?

  • 只看混合转化率。 示例是一家四渠道的店,混合转化率下降了 20%,而其中三个渠道根本没动。
  • 混用口径。 订单账本里的收入,和目标事件上累加出来的「收入」是两个数,不要当成一个数比较。
  • 同一订单记两次。 订单确认页每次刷新都触发下单事件,会虚增订单数、扭曲客单价。按订单 ID 去重。
  • 比较不对等的周期。 有促销的月份和没促销的月份不可比,把日期标注出来。
  • 把平均数当典型值。 客单价旁边放中位数。
  • 忽略退款。 总收入和净收入的差距,可能大到足以反转一个渠道决策。

在 TapCub 里怎么做

还是上面的例子:一家流量上涨、收入下跌的店。在 TapCub 里这样追查。

  1. 发送电商事件。 全端分析 › 经营分析 › 行业包 里的电商 / 零售行业包会定义事件(view_item、add_to_cart、begin_checkout、purchase、refund),并一次装好订单数、客单价、加购率、退款率等指标,以及漏斗和看板。事件仍要你自己发送:purchase 必填 order_id、revenue、currency。金额类事件建议从服务端带订单 ID 发送,这样才能去重。
  2. 看漏斗。 在 全端分析 › 行为分析 › 行为分析 里建一个从浏览商品到下单的漏斗。每一步显示相对上一步的占比,最大的流失处会被标出;可以按渠道或设备拆分(只拆一层)。
  3. 按来源看流量。 网站统计 › 来源 按渠道、来源和 UTM 看访客。真人和机器人分开统计,爬虫不会混进你的转化率分母。
  4. 看订单和复购客户。 全端分析 › 经营分析 › 电商与收入 从订单账本读取下单和退款并换算成基础币种;还有 RFM 分群(冠军、有风险等)以及和 30 天前的变化。目标收入(经营分析 › 目标)是对匹配事件上的某个属性求和,不等于订单账本,所以不要把两者当成同一个数比较。

TapCub 只汇报发生了什么、哪一群变了,不负责执行折扣、投放或结账改版,这些仍在你的店铺和广告工具里做。

FAQ

什么是电商数据分析?

它是收集并解读店铺数据来指导决策。实际做法是跟踪四类指标:流量、转化、客单(客单价)和复购,并利用收入 = 会话数 × 转化率 × 客单价这个等式,在收入变动时找出是哪一项在变。

电商最重要的指标有哪些?

相乘得到收入的那四个:会话数、转化率、客单价和复购率。购物车放弃率、退款率、毛利等指标,是对其中某一个的细化。挑少数几个,每个用一句话定义,按固定节奏复盘。

怎么查电商收入为什么变了?

先按因子(流量、转化、客单)拆分,再把最弱的因子按渠道和设备拆开。上面的示例里收入少了 $1,120:流量 +$9,000,转化 −$13,800,客单 +$3,680。渠道表随后解释了原因:流量结构向低转化的付费社媒偏移。

小店需要电商数据分析吗?

需要,但只要一小套。按月跟踪各渠道会话数、转化率、客单价和复购率,并标注促销。小店最大的收益是避免错误结论,比如只是流量结构变了,却去改页面。

电商分析和电商报表有什么区别?

报表陈述数字是多少;分析追问数字为什么变、该做什么。报表会写转化率从 2.50% 降到 2.00%;分析会指出三个渠道没变,只有一个渠道的占比翻了一倍。

资料来源

归档:数据分析

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。

卢卡斯·海斯

数据工程师

聚焦事件设计、数据质量与采集流程,分享可验证的实施方法,帮助团队建立可靠的分析基础。

在一处看流量、转化和订单

TapCub 的电商行业包会配好事件、漏斗和订单指标;来源和机器人分开统计,分母保持干净。

看清数据,找到增长。

每一次点击,都有数据依据。装好一行代码,1 分钟看到第一批数据。

无需信用卡 · 统计与客服都有免费版 · 统计无 Cookie