淘宝运营数据分析主要分析哪些数据
主要分析以下数据：
一、根据淘宝指数分析以下相关数据；
1、输入产品关键词。
进入页面后，将首先看到市场趋势，其次是市场细分。
2、在市场趋势下，可以看到对应类目的搜索指数、成交指数，这两个指数主要是根据淘宝、天猫的数据进行统计。
其中，搜索指数是指数化的搜索量，反映搜索趋势，成交指数则是由搜索带来的成交量，反映的是成交趋势。
一般来说，可以通过这个数据了解目前所属行业的整体情况，如果整个行业是在增长，说明这个时候进入是比较健康的。
3、再往下，可以看到搜索这个产品关键词的买家的地域细分，了解潜在受众的主要分布地区，这有利于后期直通车操作和钻展投放。
另外，也可以对客户所在地区的风俗习惯有所了解，有利于后期**拉近客户距离，促进转化。
4、人群定位包括了用户性别、年龄、星座、爱好、买家等级和消费等级等，有利于掌柜们分析用户特征和消费心理。
以消费等级为例，如果还在纠结自己的定价是要往高端走还是往实惠走，但通过指数发现，搜索这个关键词的用户的消费等级绝大部分集中在偏低和中等上，那可能就要放弃高端定价了。
后期策划活动时，也要尽量做一些打折满送之类的促销。
5、除了市场趋势外，掌柜们还要关注市场细分。
6、市场细分会包括类目分布、人群偏好两大部分。
类目分布可以告诉你你所搜索的产品关键词下包含了多少类目，每个类目的占比有多大。
在不同类目下，购买所搜索产品的人群偏好是什么。
7、在人群偏好中，可以了解整个人群受众最偏爱的品牌、商品及相关属性，也可以选定不同人群特征，了解不同人群的品牌偏好、商品偏好等。
点击不同品牌或商品，还可以展开图片，进一步了解宝贝外观，点击进入其详情页，就近距离研究竞争对手的详情页设计和店铺装修了，知己知彼。
二、可以根据数据魔方分析以下数据；
1、数据魔方主要功能;
（1）淘词功能：提供淘宝卖家专注行业的热门关键词，用以优化宝贝标题和直通车搜索词，方便用户自主搜寻和设置关键词。
（2）消费者研究分析：可以分析流失消费者的去向以及消费者的消费偏好。
2、卖家可以用数据魔方数据做以下调整;
（1）店铺定位：了解子行业何时进入竞争较小，子行业在其一级类目下的占比，行业内卖家数量及地域等级分布。
（2）品牌定位：查看类目热销品牌和产品排行。
（3）产品定位：参考当前的热销宝贝，了解宝贝特性，从而发现消费者喜好。
热销宝贝中最重要的就是爆款产品的**，比如哪种品质和流量可以打造爆款，从而帮助卖家选择更好的引流工具。
（4）产品热销特征定位：涉及产品价格、款式细节、颜色、套餐搭配等非常具体的指标，是一家企业企划部或者产品研发部需要重点关注的数据;还包括不同产品价格区间的成交情况，当一间店铺的宝贝细分为引流款、爆款、基本款时，这三类产品不同的定价策略就可以参考行业的标价分布与行业的平均客单价分布趋势。
（5）买家行为分析：买家的购买时段和来访时段数据可以帮助卖家选择宝贝上架时间和直通车活动，性别年龄分布可以帮助了解实际消费群体的人口统计特征。
（6）行业热门搜索分析：查看商品的热搜趋势。
三、可以根据生意参谋分析以下数据；
1、看清店铺经营状况：人(流量)、货(商品)、钱(交易)。
2、提升精细化运营能力：实时直播(及时性)、无线专题(多终端)、竞争情报(结合行业)。
淘宝如何查看数据分析？
淘宝官网自带卖家数据分析
首先打开淘宝官网，点击卖家中心
跳转网页到卖家中心，网页左边有一个数据中心，即可查看数据分析。
淘宝用户行为数据分析
本数据报告以淘宝app平台为数据集，通过行业的指标对淘宝用户行为进行分析，从而探索淘宝用户的行为模式，具体指标包括：日PV和日UV分析，付费率分析，复购行为分析，漏斗流失分析和用户价值RFM分析。
;userId=1
输出：
输出
输出：
发现time列和date列应该转化为日期类数据类型，hour列应该是字符串数据类型。
付费率=消费人数/活跃用户人数
复购情况，即两天以上有购买行为,一天多次购买算一次
复购率=有复购行为的用户数/有购买行为的用户总数
输出：
复购率： 0.8717
从复购率0.8717来看，用户的复购率还是很高的。
多数用户消费次数随着消费时间间隔的增加而不断下降，在1-10天之内复购次数比较多，10天之后复购次数淘宝用户很少在进行复购，因此需要重视10天之内的淘宝用户复购行为，增加用户复购。不同用户平均复购时间呈正态分布，但是总体来看，呈现逐渐下降趋势。多数淘宝用户平均复购时间集中在1-5天时间间隔内。
不同用户平均复购时间呈正态分布，但是总体来看，呈现逐渐下降趋势。多数淘宝用户平均复购时间集中在1-5天时间间隔内。
漏斗分析是一套流程式数据分析，它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
输出：
图表显示：基本上各种用户行为类型转换率都在0.1以内,同时绝大多数用户都没有购买情况，需要重点关注出现该现象的原因进行分析改进。
图表显示：感兴趣比率和转化率类似，基本也是0.1以内，说明用户点击的绝大多数商品并非感兴趣，需要重视推荐系统的调整。
输出：
输出：
根据以上输出显示：转化率达到0.1以上仅仅只有2%的用户，有47%的用户几乎不会发生购买行为。同时从感兴趣比率来看：有40%的用户对商品不感兴趣。
二八定律：在任何一组东西中，最重要的只占其中一小部分，约20%，其余80%尽管是多数，却是次要的，因此又称二八定律。
输出：
图表显示：前80%销量有15%左右的商品品类承包，接近二八原则。但我们也看出有15%的销量由85%的商品品类提供。
对于传统零售行业，因为成本高，因此只能局限于这前15%的商品提供利润；
对于电子商务，空间成本吉减少乃至为0，使后85%的商品也可以销售出去，因此将长尾部分的商品优化推荐好，能够给企业带来更大的收益。
RFM的含义：
表格显示：因为本数据集没有提供消费金额，因此只能R和F进行用户价值分析，通过RF用户价值分析，对于22用户，为重点用户需要关注；对于21这类忠诚度高而购买能力不足的，可以可以适当给点折扣或捆绑销售来增加用户的购买频率。对于12这类忠诚度不高而购买能力强的，需要关注他们的购物习性做精准化营销。
