属于我们的Data Analytics & BI系列
阅读完整指南Shopify 分析和报告深入探讨:数据驱动的商店优化
数据驱动每一个成功的电子商务决策。 Shopify 的分析平台已从基本的销售仪表板发展成为全面的商业智能工具,可跟踪客户行为、产品性能、营销归因和财务健康状况。本指南涵盖了 Shopify 中的所有分析功能,从本机仪表板到自定义报告构建以及用于高级分析的第三方集成。
要点
- Shopify 的原生分析涵盖销售、客户行为、产品性能、营销归因和财务指标
- 自定义报告支持过滤器、日期范围、分组和计算字段以进行定制分析
- 群组分析揭示客户保留模式和终身价值趋势
- 营销归因跟踪哪些渠道带来流量、转化和收入
- 第三方集成(Google Analytics 4、Amplitude、Mixpanel)扩展了 Shopify 的本机功能
本机分析仪表板
概览仪表板
分析 > 仪表板 处的 Shopify 分析仪表板提供实时快照:
| 公制 | 描述 | 更新频率 |
|---|---|---|
| 总销售额 | 全渠道收入 | 实时 |
| 网上商店会议 | 网站访问量 | 每小时 |
| 回头客率 | 重复购买者的百分比 | 每日 |
| 转化率 | 购买会话 | 每小时 |
| 平均订单价值 | 平均交易金额 | 实时 |
| 热门产品 | 按收入/单位划分的畅销书 | 实时 |
| 热门引荐来源 | 流量来源量 | 每小时 |
| 网店速度 | 核心网络生命力分数 | 每周 |
销售报告
导航至 分析 > 报告 以获取详细的销售分析:
随时间变化的销售额:具有可定制日期范围、比较期间以及按渠道、产品或地理位置细分的收入趋势。
按产品划分的销售额:每种产品的收入、销售量和利润。识别表现最佳者和表现不佳者。按各种指标排序以寻找优化机会。
按渠道销售:比较在线商店、POS、B2B、市场和其他销售渠道的收入。跟踪特定渠道的转化率和平均订单价值。
折扣销售:分析折扣代码对收入、订单数量和平均订单价值的影响。确定哪些促销活动能够推动真正的增长,哪些促销活动会带来不必要的利润侵蚀。
客户报告
一段时间内的客户:新客户与回访客户的获取趋势。一家健康的商店通常有 20-40% 的回头客率。
首次与回访:比较新客户和回头客之间的行为。回头客通常会多花 67% 的支出,转化率也会高出 3-5 倍。
客户群组分析:按客户的第一个购买月份对客户进行分组,并跟踪他们在随后几个月的购买行为。这揭示了:
- 月环比保留率
- 第二次购买的时间
- 按收购群体划分的终生价值
- 季节性促销对长期保留的影响
面临风险的客户:识别过去经常购买但已变得不活跃的客户。在这些客户流失之前,针对他们开展赢回活动。
自定义报告
构建自定义报告
在 分析 > 报告 > 创建自定义报告 创建定制报告:
- 选择数据源:订单、客户、产品、库存或行为
- 选择列:拖动字段以包含在报告中
- 应用过滤器:日期范围、产品类型、客户群、订单状态
- Group by:按维度(产品类型、位置、渠道)组织数据
- 添加计算:利润率、增长率和比率的计算列
报告模板
值得构建的常见自定义报告:
| 报告 | 关键栏目 | 目的 |
|---|---|---|
| 产品盈利能力 | 产品、收入、销货成本、利润、单位 | 确定最有利可图的产品 |
| 客户终生价值 | 客户、首次订购日期、订单总数、总支出 | 按价值细分客户 |
| 库存账龄 | 产品、库存水平、自上次销售以来的天数 | 识别滞销库存 |
| 折扣效果 | 折扣码、订单、收入、平均折扣 | 评估促销投资回报率 |
| 地理表现 | 城市/州、会话数、转化率、收入 | 确定地理机会 |
| 渠道对比 | 渠道、会话、转化、AOV、收入 | 优化渠道投入 |
导出数据
以 CSV 或 Excel 格式导出报告以供外部分析。安排自动导出以满足定期报告需求。通过 Shopify Admin API 进行 API 访问可以实现编程式数据提取,以便与数据仓库集成。
营销归因
归因模型
Shopify 通过 UTM 参数和首次/最终点击模型跟踪营销归因:
最终点击归因:购买前的最后一个营销接触点获得全额积分。该模型有利于漏斗底部渠道(搜索、重定向)。
首次点击归因:客户旅程中的第一个接触点获得功劳。该模型重视发现渠道(社交、展示、内容)。
线性归因:信用在旅程中的所有接触点上平均分配。
渠道绩效跟踪
分析 > 营销 的营销仪表板显示:
- 每个渠道的会话和转化率
- 每个营销活动的收入
- 每次获取成本(当连接广告支出数据时)
- 每个广告系列的广告支出回报率 (ROAS)
UTM 最佳实践
一致的 UTM 标记可确保准确的归因:
| 参数 | 大会 | 示例 |
|---|---|---|
| 代码0 | 平台名称 | 代码1、代码2、代码3 |
| 代码0 | 渠道类型 | 代码1、代码2、代码3、代码4 |
| 代码0 | 活动标识符 | 代码1,代码2 |
| 代码0 | 创意变体 | 代码1,代码2 |
转化漏斗分析
Shopify 漏斗
跟踪每一步的转化:
| 舞台 | 公制 | 基准 |
|---|---|---|
| 访问 | 会议 | 基线 |
| 产品视图 | 产品页面浏览量/会话数 | 40-60% |
| 添加到购物车 | 添加到购物车活动/会议 | 8-15% |
| 开始结帐 | 结帐开始/会话 | 4-8% |
| 完成购买 | 订单/会议 | 1.5-3.5% |
确定下车点
行为报告确定客户离开的位置:
- 主页跳出率高:第一印象差、加载慢、流量不相关
- 产品页面参与度低:产品信息不足、图像不佳、定价问题
- 购物车放弃:运费、帐户要求、结帐复杂性
- 结帐放弃:付款方式不可用、信任问题、表单错误
Shopify 结帐分析
详细的结账分析 (Shopify Plus) 细分:
- 在信息步骤下车(地址输入)
- 运送阶段还车(费率选择)
- 付款步骤下车(方法选择和处理)
- 每个步骤的错误率(验证失败、付款拒绝)
实时取景
实时分析
分析 > 实时视图 处的实时视图显示:
- 现在您商店的活跃访客
- 世界地图上的访客地理位置
- 活跃购物车和最近结帐
- 每个访问者正在查看的当前页面
- 访客来源(推荐人、搜索、直接)
实时视图在营销活动、产品发布和限时抢购期间非常有价值,可以实时监控绩效。
第三方分析集成
谷歌分析 4
集成 GA4 进行更深入的行为分析:
- 在 Google Analytics(分析)中创建 GA4 媒体资源
- 将测量 ID 添加到 在线商店 > 首选项 > Google Analytics 3.启用增强型电子商务跟踪
- 配置转化事件(purchase、add_to_cart、begin_checkout)
GA4 添加了 Shopify 原生之外的功能:
- 跨设备用户跟踪
- 预测受众(可能的购买者,可能的流失者)
- 路径分析(客户旅程可视化)
- 自定义事件跟踪
其他分析平台
| 平台 | 最适合 | 积分方法 |
|---|---|---|
| 振幅 | 产品分析、行为群组 | JavaScript SDK |
| 混合面板 | 基于事件的分析,漏斗优化 | JavaScript SDK |
| 热罐 | 热图、会议记录、调查 | JavaScript 片段 |
| 克拉维约 | 电子邮件营销归因 | Shopify 应用程序 |
| 三鲸 | 多渠道归因 | Shopify 应用程序 |
| 一生 | 客户 LTV 和群组分析 | Shopify 应用程序 |
ECOSIRE 分析服务
将数据转化为可行的见解需要技术设置和分析策略。 ECOSIRE 的 Shopify SEO 服务 包括分析配置、转化跟踪设置和持续的性能优化。我们的转化优化服务 使用分析数据来识别和修复转化瓶颈,通常可将转化率提高 15-30%。
相关阅读
Shopify 分析和 Google Analytics 之间有什么区别?
Shopify 分析专注于具有准确收入归因的商业指标(销售额、产品、订单)。 Google Analytics 提供更广泛的网络分析(行为流、受众人口统计、跨设备跟踪、获取渠道)。大多数商家都使用 Shopify 进行商业运营,并使用 GA4 进行营销和行为分析。
Shopify 分析数据可以追溯到多久前?
Shopify 会在商店的整个生命周期内保留分析数据。您可以查询从商店创建至今的任何日期范围。某些指标(例如实时视图)仅是实时的,不会历史存储。
我可以在 Shopify 中构建自定义仪表板吗?
除了日期范围选择之外,本机分析仪表板不可自定义。对于自定义仪表板,可将数据导出到 Google Looker Studio、Tableau 或 Power BI 等工具,或使用 Lifetimely 或 Triple Whale 等提供可自定义仪表板体验的 Shopify 应用。
作者
ECOSIRE Research and Development Team
在 ECOSIRE 构建企业级数字产品。分享关于 Odoo 集成、电商自动化和 AI 驱动商业解决方案的洞见。
相关文章
更多来自Data Analytics & BI
衡量商业中的人工智能投资回报率:一个真正有效的框架
用于衡量人工智能投资回报的实用框架,涵盖直接节省、生产力提升、收入影响和跨部门的战略价值。
构建财务报告仪表板:KPI、设计和 ERP 集成
设计推动决策的财务报告仪表板。了解要跟踪哪些 KPI、仪表板设计原则和 ERP 集成最佳实践。
衡量数字化转型的投资回报率:框架、指标和实数
使用经过验证的框架衡量数字化转型投资回报率,涵盖整个组织的硬性节省、生产力提升、收入影响和风险降低。
销售预测方法:将准确度从 60% 提高到 85%
利用加权管道、历史分析、人工智能驱动的预测和多方法混合等成熟方法提高销售预测的准确性。
从数据到决策:为中端市场公司制定 BI 战略
为中型市场公司构建商业智能战略的完整指南,涵盖成熟度模型、工具选择、数据治理和投资回报率。
群组分析和保留指标:超越虚荣数字
掌握群组分析和保留指标,以了解客户随时间的行为,包括保留曲线、流失计算和趋势识别。