13.01-电商数据分析与运营决策技能（SOP版）
> 将06-数据分析模块中同期群分析、归因分析、用户行为路径分析的知识，沉淀为可直接执行的运营技能。
触发器
当以下场景出现时使用本技能：
输入
| 输入项 | 说明 | 来源 |
|-------|------|------|
| 用户行为数据 | 至少包含：用户ID、行为时间、行为类型、来源渠道 | 埋点系统/ERP/第三方 |
| 渠道投放数据 | 各渠道的投放费用、曝光量、点击量 | 广告后台 |
| 转化数据 | 订单数据：用户ID、下单时间、金额、渠道标签 | 订单系统 |
工作流
Workflow 1：渠道Cohort留存评估（优先级最高）
`
Step 1: 按"用户首次来源渠道"分组
Step 2: 计算每组在D1/D3/D7/D14/D30的留存率
Step 3: 绘制同期群热力图
Step 4: 标记留存率>25%(D14)作为"高质量渠道"
Step 5: 输出预算分配建议
`
输出：渠道质量排名表（按14日留存率排序）+ 预算调整建议
Workflow 2：改版/活动前后效果对比
`
Step 1: 定义改版/活动时间点的前后各30天
Step 2: 按"改版前注册"和"改版后注册"分两个Cohort
Step 3: 对比两组在相同生命周期阶段的留存/转化率
Step 4: 统计显著性检验（至少用卡方检验）
Step 5: 输出"改版效果报告"
`
输出：改版前后留存曲线对比图 + p值显著性标记 + 建议
Workflow 3：多渠道归因分析
`
Step 1: 提取每个用户的完整转化路径（所有渠道触点）
Step 2: 分别计算5种归因模型的结果（首次/末次/线性/时间衰减/Shapley）
Step 3: 标注差异>20%的渠道
Step 4: 为差异最大的渠道给出预算调整建议
Step 5: 输出"归因分析报告"
`
输出：归因对比表 + 差异分析 + 预算调整方案
Workflow 4：用户行为路径优化
`
Step 1: 梳理核心转化路径（首页→搜索→商品→加购→支付）
Step 2: 用埋点数据验证各节点流失率
Step 3: 找出流失率最高的节点（通常是加购到支付之间）
Step 4: 设计A/B实验方案优化该节点
Step 5: 验证优化效果
`
输出：转化漏斗 + 流失节点标记 + A/B实验方案
知识链接
- 详见 06.16-同期群分析：Cohort Analysis原理与Python/Excel实现
- 详见 06.17-数据埋点与用户行为路径分析：埋点方案设计
- 详见 06.18-多渠道归因分析：从末次点击到Shapley值
- 详见 06.19-推荐系统入门：推荐系统对卖家的影响
输出
| 输出格式 | 内容 | 接收方 |
|---------|------|--------|
| 渠道质量排名表（Excel） | 各渠道的D7/D14/D30留存率+建议预算 | 运营负责人 |
| 归因分析报告（PDF） | 多模型对比+差异分析 | 市场总监/CMO |
| 转化漏斗看板（BI） | 各环节流失率+优化建议 | 产品团队 |
| 改版效果报告（PPT） | 改版前后数据+显著性检验 | 全体团队 |
自修正机制
| 异常情况 | 检测方式 | 修正动作 |
|---------|---------|---------|
| Cohort数据波动>30% | 自动检测上一期数据 | 检查埋点是否正常、有无大促/活动干扰 |
| 归因模型差异太大 | 手动检查各模型差异>30% | 先用时间衰减模型，再逐步过渡到Shapley |
| 路径分析无异常节点 | 所有节点流失率<10% | 检查埋点数据的全面性（可能漏埋了关键节点） |
工具依赖
- 最低配置：Excel（Cohort分析可做透视图表）+ GA4（免费归因）
- 标准配置：Excel + 神策/GrowingIO（埋点+路径+归因）
- 高级配置：Python（Shapley计算）+ BI工具（看板）+ 自建数据仓库
技能互联
- 输入自 02-市场洞察模块的用户画像与渠道数据
- 输出到 09-营销策划模块的投放策略优化
- 配合 05-视觉创意模块的A/B测试验证设计效果
- 输出决策支持到 01-全域电商运营的流量分配
