SHOPLINE洞察报告

2024-04-23 50

SHOPLINE

类型：独立站平台

简介：跨境电商独立站SAAS建站平台，打通线上线下，智能工具优化销售链路。

百科词条访问网站

SHOPLINE洞察报告通过用户在在线商店对商品的浏览、加购等行为，洞察商品间的关联关系、连带关系。本教程主要介绍如何在SHOPLINE平台查看洞察报告，包括商品关联洞察、商品连带洞察、商品连带购买、商品缺货预警、流量洞察等等。

一、购物车分析

【购物车分析】可以帮助了解用户的加购行为。它将为展示过去 30 天内，用户添加到购物车的商品组合，以及商品 A 和商品 B 的加购情况及他们同时被加购的可能性。

报告仅展示具有强关联性的商品组合。强关联性是基于算法计算，可以基于计算结果，对商品进行关联营销，比如商品推荐、折扣码、捆绑销售等等。

如果看到的消息是【数据量不足，无法分析】，则表示在过去 30 天内（含今天），没有足够多的商品被用户添加到购物车中，无法显示统计上的显著关系。在访客较少或者某些产品为新产品，则可能会出现这种情况。

二、购物车放弃报告

报告可以帮助了解在过去 30 天内，哪些是最容易被用户放置购物车内却放弃结账的商品，以及被放弃的商品价值。可以基于此进行思考并调整商品策略，以增加用户下单的比例。

当打开此报告时，最新可以看到截止到 1 个小时前的统计数据，可以重新打开或刷新报告以显示更新的数据。报告使用以下相关指标：

指标	定义
累计放弃人数	过去 30 天内，将商品加入购物车后的 24 小时内没有完成结帐的用户数量。
累计加购人数	过去 30 天内，将商品加入过购物车的用户数量
累计放弃金额	过去 30 天内，被用户加入购物车后的 24 小时内没有完成结账的商品价值。即售价 * 加购件数，售价为前一日的售价。
放弃率	放弃用户数 / 加购用户数 * 100%

三、商品关联洞察

报告展示同一名用户在过去 7 天内访问、加购过的商品组合的关联关系，可以帮助了解商品之间的关联访问、关联加购关系。

关联访问关系：过去 7 天内，同一名用户访问过多个商品商详页，则被访问的商品之间具有访问关联关系；
关联加购关系：过去 7 天内，同一名用户加购过多个商品商详页，则被加购的商品之间具有加购关联关系；
主商品和关联商品：将具有访问关联关系的商品分别称为主商品和关联商品。

在这里，报告仅展示过去 7 天内有访客造访的商品（最多展示 50 个商品），且仅展示关联访问率和关联加购率大于 0 的商品。

可以基于【商品关联洞察报告】的分析结果，挖掘用户喜好，对用户进行邮件推荐等提升用户回访、复购率。也可以在营销活动（如，买 X 赠 Y ）、广告投放、落地页场景、商品应用（如款式组合、组合销售等）中，对商品进行绑定设置以提高转化率、达成销售。若没有足够多的商品被用户浏览或者添加到购物车中，则可能会出现【数据量不足，分析暂无数据】的情况。

商品关联洞察报告不会显示过去 24 小时内商店上的所有活动，报告基于 GMT + 8:00 的北京时间进行计算。

访问关联报告字段说明如下：

字段	说明
主商品名称	具有访问关联关系的主商品名称。
主商品访问用户数	过去 7 天，访问过主商品的用户数。
关联商品名称	与主商品具有访问关联关系的商品名称。
关联访问用户数	过去 7 天，访问过关联商品的用户数。
关联访问率	关联访问率 = 关联访问用户数/主商品访问用户数 * 100% 关联访问率衡量的是过去 7 天内访问过主商品的用户群体中，有多少百分比的用户也访问了关联商品。关联访问率越高，则表示商品间的关联访问关系越强。

加购关联报告字段说明如下：

字段	说明
主商品名称	具有加购关联关系的主商品名称。
主商品加购用户数	过去 7 天，加购过主商品的用户数。
关联商品名称	与主商品具有加购关联关系的商品名称。
关联加购用户数	过去 7 天，加购过关联商品的用户数。
关联加购率	关联加购率 = 关联加购用户数/主商品加购用户数 * 100% 关联加购率衡量的是过去 7 天内加购过主商品的用户群体中，有多少百分比的用户也加购了关联商品。关联加购率越高，则表示商品间的关联加购关系越强。

四、商品连带洞察

报告展示了同一名用户在过去 7 天内先后访问、加购过的商品的关联关系，可以帮助了解商品引流效果以及商品间的连带关系。

1、引导访问关系：在过去 7 天内，用户访问了商品 A 的商详页后跳转访问商品 B 的商详页，即商品 A 的部分流量流向了商品 B ，则认为商品 A 对商品 B 具有访问引导性。

2、引导加购关系：在过去 7 天内，用户在商品 A 的商详页内对商品 B 进行加购，或者，用户在访问了商品 A 商详页后跳转访问商品 B 的商详页，并对商品 B 进行加购，则认为商品 A 对商品 B 具有加购引导性。

3、主商品：将具有引导访问或者引导加购能力的商品称为主商品。

4、引导商品：将被引导访问或者被引导加购的商品称为引导商品。

在这里，报告仅展示过去 7 天内有访客造访的商品（最多展示 50 个商品），且仅展示引导访问率和引导加购率大于 0 的商品组合。

可以基于【商品连带洞察报告】的分析结果，将具有高引流作用的商品与高访问引导关系的商品进行绑定，以促进商店转化率的提升。若没有足够多的商品被用户浏览或者添加到购物车中，则可能会出现【数据量不足，分析暂无数据】的情况。

商品连带洞察报告不会显示过去 24 小时内商店上的所有活动，报告基于 GMT + 8:00 的北京时间进行计算。

连带访问报告字段说明如下：

字段	说明
主商品名称	具有引导访问关系的主商品名称。过去 7 天内，用户访问过商品 A 的商详页后【继续跳转到商品 B 的商详页】，则商品 A 可作为【主商品】。
主商品访问用户数	过去7天，访问过主商品的用户数。
引导商品名称	与主商品具有引导访问关系的商品名称。过去 7 天，用户访问过商品 A 的商详页后【继续跳转到商品 B 的商详页】，则商品 B 可作为【引导商品】。
引导访问用户数	过去 7 天，访问过引导商品的用户数。
引导访问率	引导访问率 = 引导访问用户数/主商品访问用户数*100% 引导访问率衡量的是过去 7 天内，在访问了商品 A 后有多少百分比的用户流向了商品 B 。引导访问率越高，则表示商品 A 与商品 B 间的引导访问关系越强。

连带加购报告字段说明如下：

字段	说明
主商品名称	具有加购关联关系的主商品名称。
主商品访问用户数	过去 7 天，加购过主商品的用户数。
引导商品名称	与主商品具有引导加购关系的商品名称。过去 7 天内，用户访问过商品 A 的商详页后【继续跳转到商品 B 的商详页】并且在商品 B 产生了加购行为，则商品 B 可作为【引导商品】。
引导加购用户数	过去7天，加购过引导商品的用户数。
引导加购率	关联加购率=引导加购用户数/主商品访问用户数 * 100% 引导访问率衡量的是过去 7 天内，在访问了商品 A 后有多少百分比的用户直接加购了商品 B，或者在流向了商品 B 商详页后对商品 B 产生了加购行为，引导加购率越高，则表示商品 A 与商品 B 间的引导加购关系越强。如果用户在商品 A 商详页内，在【最近浏览】或者【商品推荐】等帮助下，对商品 B 直接进行快速加购操作，则也仍为商品 A 对商品 B 也具有【引流】作用，但在此场景下，由于商户并没有访问商品 B，则商品 B 的访问用户数是 0，即商品 A 与商品 B 的关联访问率为 0%，对于关联访问率为 0% 的商品组合，不会展示在报告内。

注意：

【商品关联洞察】和【商品连带洞察】都是在洞察商品 A 与商品 B 之间的关联关系，但不同的点是，【商品关联洞察】是一种无序关联，不关注用户对商品的浏览顺序，注重分析用户对于商品 A 和商品 B 可能存在的相同偏好倾向。而【商品连带洞察】关注用户在商品商详页的先后访问顺序，着重于分析在所有访问过商品 B 的用户中，有哪些用户是直接由商品 A 引导而来的，以此来衡量商品 A 对商品 B 的引导作用；
本报告暂不考虑插件设置的商品组合加购的商品数据。如，用户在商品A的商详页内，对组合销售插件设置的商品 B 、商品 C 进行【一起加购】，则商品 A 与商品 B 、商品 C 的关系不纳入本次分析范畴。

五、商品连带购买

报告展示所选时间范围内的商品连带情况。商品连带购买是指多个商品同时被加入到同一笔订单中。可以基于此报告，了解商品连带购买情况。

商品连带洞察报告不会显示过去 24 小时内商店上的所有订单，指标的统计将按订单创建时间进行记录。

报告字段说明如下：

字段	说明
主商品名称	具有加购关联关系的主商品名称。
主商品访问用户数	过去 7 天，加购过主商品的用户数。
引导商品名称	与主商品具有引导加购关系的商品名称。过去 7 天内，用户访问过商品 A 的商详页后【继续跳转到商品 B 的商详页】并且在商品 B 产生了加购行为，则商品 B 可作为【引导商品】。
引导加购用户数	过去7天，加购过引导商品的用户数。
引导加购率	关联加购率=引导加购用户数/主商品访问用户数 * 100% 引导访问率衡量的是过去 7 天内，在访问了商品 A 后有多少百分比的用户直接加购了商品 B，或者在流向了商品 B 商详页后对商品 B 产生了加购行为，引导加购率越高，则表示商品 A 与商品 B 间的引导加购关系越强。如果用户在商品 A 商详页内，在【最近浏览】或者【商品推荐】等帮助下，对商品 B 直接进行快速加购操作，则也仍为商品 A 对商品 B 也具有【引流】作用，但在此场景下，由于商户并没有访问商品 B，则商品 B 的访问用户数是 0，即商品 A 与商品 B 的关联访问率为 0%，对于关联访问率为 0% 的商品组合，不会展示在报告内。

六、商品缺货预警

报告展示当前剩余库存天数不足 15 天的商品，可以帮助及时进行对商品进行调货备货、库存管理、设置超卖等策略。

对于商品缺货的预测，有赖于商品过去一段时间的销售表现，报告仅展示过去 28 天内商品销量大于 0 的商品，根据商品在过去 28 天的平均售出速度对剩余库存天数进行估算。

若没有足够多的商品在过去 28 天内产生销量，则可能会出现「数据量不足，分析暂无数据」的情况。

报告不会显示过去 24 小时内商店上的所有活动，报告基于 GMT + 8:00 的北京时间进行计算。

报告字段的说明如下：

字段	字段说明
商品名称	商品的标题。
商品品牌	商品的商品品牌名称。
SKU 规格	商品的 SKU 规格，如：红 · L。
过去 28 天销量	商品过去 28 天产生的销量合计。若您编辑订单使商品发生减少，则销量可能出现负数。
报告天数	【报告天数】记录的是已经产生过售卖记录的商品，在过去 28 天内的被计入报告的天数。（只有在过去 28 天内产生过销量的商品，才会在报告中显示出来）如果商品第一次产生售卖是在过去 28 天之前，且商品在过去28天内产生过销量，则商品被纳入分析的天数长达28天。如果商品第一次产生售卖是在过去 28 天之内，则商品被纳入分析的天数从其发生售卖之日算起。举例：假设今日是 2023 年 10 月 31 号，在报告内，我们能查看到 2023 年 10 月 30 日的最新数据。商品 A 在 2023 年 9 月 1 日产生了第一笔订单，在 2023 年 10 月 15 号产生了第二笔订单，这意味着商品 A 是在过去 28 天内都是在报告的分析对象中的一个，即，商品 A 的【报告天数】是 28 天。商品 B 在 2023 年 10 月 15 号产生了第一笔订单，则【报告天数】从 2023 年 10 月 15 日计算至今，即商品 B 的【报告天数】是 15 天。
剩余库存件数	商品当前在库存中的件数合计。
日均售出件数	商品在过去 28 天每日售出的件数。计算公式是：日均售出件数 = 过去 28 天销量/ 报告天数
剩余库存天数	根据商品当前库存件数和售出速度预故的剩余可售天数，若天数为负值，则显示为 0，表示商品已经发生紧急缺货，需尽快补充库存或者设置超卖以保证交易正常进行。计算公式是：剩余库存天数 = 剩余库存件数 / 日均售出件数

七、商品异常波动

SHOPLIONE 将销售额、访客数和转化率的「日环比增长率」变动幅度超过 30% 的商品界定为「异常波动」商品，可以在「分析」-「报告」-「洞察报告」-「商品异常波动」报告中，监控异常商品的变动情况。报告按三个主题对异常情况进行分析。

1、销售额主题：仅展示前一日商品销售额大于 0 的商品。若销售额大幅度提升，该商品可能是下一个潜力爆品。若销售额大幅下降，可以考虑增加广告投放，结合营销活动和商品组合优惠活动等促进买家购物。报告内的指标定义如下：

指标	定义
前一日销售额	商品所选时间前一日的商品销售额，订单发生编辑，销售额可能为负数。
当日销售额	商品所选时间的商品销售额，订单发生编辑，销售额可能为负数。
销售额日环比	（当日销售额-前一日销售额）/前一日销售额*100%

2、访客数主题：仅展示前一日商品访客数大于 0 的商品。若访客数大幅度上升，可能是广告投放成效。若访客数大幅下降，可以进一步优化商品标题和商品描述，做更多站外推广等改进。报告内的指标定义如下：

指标	定义
前一日访客数	商品所选时间前一日的商品访客数。
当日访客数	商品所选时间的访客数。
访客数日环比	（当日访客数-前一日访客数）/前一日访客数*100%

3、转化率主题：仅展示前一日商品转化率大于 0 的商品。若转化率大幅上升，可能是经营策略调整带来的结果。若如果转化率大幅度下降，可以利用折扣码等促销优惠活动促进买家下单转化。报告内的指标定义如下：

指标	定义
前一日完成结账访客数	所选时间前一日对该商品完成结账的访客数。
前一日转化率	前一日完成结账访客数/前一日访客数 * 100%
当日完成结账访客数	所选时间对该商品完成结账的访客数。
当日转化率	当日完成结账访客数/当日访客数 * 100%
转化率日环比	（当日转化率 – 前一日转化率）/前一日转化率*100%