电商数据分析核心指标体系：456数据官方拆解五层框架

一、五层指标体系总览

电商指标不是一堆零散数字，而是一条自上而下的链路：流量层解决「人从哪来」，转化层解决「人有没有走到下单」，交易层解决「最终成交多少」，留存复购层解决「人还回不回来」，投放层解决「获客成本划不划算」。下一层的基数来自上一层，这正是漏斗关系的来源。五层体系如下图所示。

图1：电商核心指标五层体系——下一层基数来自上一层

这套分层思路与行业常用的AARRR海盗模型一致。AARRR由Dave McClure于2007年提出，按用户生命周期划分为获取（Acquisition）、激活（Activation）、留存（Retention）、收入（Revenue）、推荐（Referral）五个环节，核心主张是先找到漏斗中漏得最狠的环节再优化，而不是盯单一数字。我们的五层框架与之呼应，只是更贴合电商成交场景。

二、流量层：UV、PV与访问深度

• UV（独立访客）：统计周期内去重后的访问用户数，同一用户多次访问只计一次，回答「今天来了多少个不同的人」。
• PV（页面浏览量）：页面被加载的总次数，一个用户可贡献多次，反映「逛得深不深」。
• 访问深度（人均浏览页数）。

口径要点：UV是去重人数，PV是行为次数，两者必须结合看。PV涨而UV不涨，往往是少数用户反复刷新或单页停留延长，并不代表真实拉新。

三、转化层：漏斗与转化率口径

电商标准转化路径为：访问 → 商品详情页 → 加入购物车 → 提交订单 → 完成支付。围绕这条路径，三个指标最关键：

• 转化率：完成转化行为的用户数占用户基数的比例。
• 加购率：将商品加入购物车的用户占商品详情页访客的比例，是预判下单潜力的先行指标。
• 支付转化率：最终完成支付的用户占访客数，衡量最终成交效率。

标准转化漏斗如下图所示。

图2：转化漏斗——逐层计算环节转化率，定位流失最大节点

四、交易层：GMV、客单价与支付金额

• GMV（成交总额）：下单产生的总金额，口径上含已付款与待付款订单，不等于实际到账收入。
• 客单价（AOV）：平均每个成交用户的购买金额，教材中亦称平均订货额。
• 支付金额：实际完成支付的金额，口径小于GMV，扣减未支付与退款。

GMV变动时，先拆「流量 × 转化率 × 客单价」这三个乘数，再定位是哪一环在变，而不是盯着一个总数找原因。

五、留存复购层：复购率与留存率

• 用户复购率：统计周期内购买两次及以上的用户占同期购买总用户的比例。
• 客户留存率：周期内留下来的客户占比，经典口径为期初期末客户的差，产品分析中也常用留存用户数比总用户数。

拉新成本上升时，复购率和留存率比单次大促GMV更能反映店铺长期健康度；这两个指标持续走低，就要回头查商品体验、售后与老客触达。

六、投放层：ROI、ROAS与CTR

• CTR（点击率）：点击量占曝光量的比例，衡量素材与商品吸引力。
• ROAS（广告产出比）：广告带来的收入除以广告花费，专门衡量广告投放本身的效率。
• ROI（投入产出比）：产出金额除以投入金额，衡量整体推广效率。

七、指标勾稽关系与异常联动排查

五层指标不是孤立的。真实排查时，一个指标异动往往会牵连其他指标。我们把常见异常与排查路径整理成下表：

异常现象	先看哪几个指标	排查方向
UV涨、转化跌	转化率、加购率、来源结构	新流量质量、落地页与人群匹配度、活动渠道错位
GMV不变、UV跌	转化率、客单价	客单价被少数大单拉高，或转化效率补偿了流量下滑
支付转化率跌	下单到支付环节率	运费、支付方式、结算流程、库存与价格变动
复购率跌	留存率、客单价、退款率	商品体验、售后、老客触达频次
ROAS跌、GMV涨	CTR、转化率、客单价	可能靠低价冲量，需结合毛利看真实利润

把五层指标放进同一张看板，异常联动排查才看得全，如下图所示。

图3：五层指标对照看板——异常联动排查才看得全

排查原则：单指标异常不下结论，至少两个维度交叉验证；口径不一致时，先统一UV、订单、支付的时间窗口与去重规则，再谈对比。

八、我们如何落地这套指标体系

我们456数据是全端数据分析与性能监控平台，定位为「网站、App、小程序，一站看懂」，覆盖网站、App、小程序分析，以及用户行为分析（事件埋点、漏斗、用户路径）、用户画像分析与前端性能监控。我们服务个人站长、互联网产品团队、电商零售、数字化营销等行业用户。

这意味着上面五层指标和异常联动排查，可以在同一套看板中对照查看：一套SDK覆盖网站、App、小程序，5分钟快速接入，业务数据与性能数据打通，可视化看板零门槛。我们提供免费版到企业版的多档方案，支持7×24小时服务。