数字经济背景下电商企业数据化运营探讨

［摘 要］我国积极推动数字经济发展，电子商务作为数字经济的重要组成部分，也在促进企业数字化转型。电商企业依托大数据及数据分析，对经营过程的各项信息数据进行采集、分析、处理，从而进行数据化运营。文章分析电商企业进行数据化运营的必要条件，探讨电商企业数据化运营的应用场景、层次、关键指标和流程，并提出电商企业实施数据化运营的策略。

［关键词］数字经济；电商企业；数据化运营；电商运营

doi：10.3969/j.issn.1673 - 0194.2023.20.033

［中图分类号］F724.6；F259.23［文献标识码］A［文章编号］1673-0194（2023）20-0102-03

0     引 言

2021年12月，国务院印发的《“十四五”数字经济发展规划》明确提出要提升商务领域数字化水平，健全电子商务公共服务体系，支持商务领域中小微企业数字化转型升级，提升贸易数字化水平［1］。从2017年第一次提出“促进数字经济加快发展”，到2022年将“促进数字经济发展”单独成段，再到2023年“大力发展数字经济”，数字经济在政府工作报告中的地位不断提升［2］。

1     数字经济的定义和发展

中国信息通信研究院发布了《中国数字经济发展研究报告（2023年）》，将数字经济定义如下：以数字化的知识和信息作为关键生产要素，以数字技术为核心驱动力量，以现代信息网络为重要载体，通过数字技术与实体经济深度融合，不断提高经济社会的数字化、网络化、智能化水平，加速重构经济发展与治理模式的新型经济形态［2］。2022年，我国数字经济规模达50.2万亿元，总量稳居世界第二，同比名义增长10.3%，占国内生产总值的比重为41.5%。

2     数字经济背景下的电商企业运营

作为数字经济的重要组成部分，电商行业一直稳步发展。2022年，中国电子商务市场规模达47.57万亿元，较2021年的42.13万亿元增长12.9%。

为顺应时代发展，电商企业应积极进行数字化升级，全面深化各环节数字化改造和应用。电商企业对在经营管理中产生的数据进行有效的采集，并通过数据化的工具、技术和方法，以数据分析结果指导企业经营的各个环节，实现降本增效。这种利用数据分析技术进行企业数据化运营的做法，是数字化应用的重要部分。

3     电商企业数据化运营的必要条件

3.1   海量数据的存储

技术的进步提高了数据存储的便利性，也极大地提高了数据的存储量。在过去，受限于技术水平，企业记录数据的精度相对较低，如以年、季度、月或日进行记录。如今，电商企业在经营中的每分每秒、每一步操作，都可以被精准地追踪记录到，并转化成为数据记录，所记录和保存的数据量大大提升。这些数据是电商企业数据化运营的数据基础。

3.2   精细化运营的需求

大数据及数据分析深刻影响着电子商务行业的发展。如今电商行业的竞争压力远超传统行业。与传统行业相比，电子商务要求更精准、更细化的运营模式。数据分析技术可以从市场分析、产品梳理、营销推广、店铺定位、客户服务、物流管理等多个方面，对企业运营起到指导作用，引导企业从过去依靠经验的粗放式运营，转向依据数据的精细化运营。

依据各项运营数据，电商企业还可以通过运营策略调整前后的数据变化情况，分析、验证现行运营策略是否有效，从而可以进一步优化运营策略。

3.3   运用数据的意识

随着市场环境的变化和技术进步，企业管理者意识到数据贯穿于电商运营的整个环节，一些企业开始对员工提出数据分析能力的要求，如运营人员要具备使用数据作为运营工具的能力，用户研究人员能够进行定性和定量研究等。有的企业则设立了专门的数据分析部门和岗位，从事数据采集、清理、分析、策略等工作。2022年6月，人力资源社会保障部发布的18项新职业中就包括商务数据分析师。

4     电商企业的数据化运营

4.1   數据化运营的应用场景

4.1.1   用户运营场景

用户运营主要包括用户的拉新、留存、促活、转化4个环节。拉新是指通过一定手段为企业增加新用户；留存是指维护客户数量，减少客户流失；促活指提升客户活跃度，增加和客户的互动次数，以维护客户关系；转化是引导客户下载或注册并购买。

4.1.2   产品运营场景

产品是保证企业销售的根本要素。产品运营须解决市场需要何种产品，企业的产品怎样满足消费者需求的问题。产品运营包括开发新品和优化老品。开发新品时，不能盲目跟风，应根据行业发展环境和企业自身实际，针对客户消费特点开发新品。对于老品，应对原有产品性能、用途、材料等进行优化，以更好地满足客户需求。

4.1.3   活动运营场景

电商企业的运营离不开各类推广活动，从传统的广告，到如今短视频、直播带货等，都属于活动的范畴。通过活动，企业将产品或服务内容传递给目标客户，并促进其参与、转化，促成销售。要记录每次活动的相关数据，便于经营者了解客户偏好的活动内容及平台或媒介，从而更有效地实施活动。

4.1.4   内容运营场景

内容运营是指对电商平台及其他内容渠道的发布情况进行统计分析，对内容形式及推广方式等进行评估、优化，分析、追踪不同阶段的营销效果，还能了解目标用户的内容偏好。不同平台的内容推广规则、适用的内容形式、受众群体等都有所不同，因此必须针对具体平台调整推广内容，使内容更适用于该平台，分配营销预算，提高用户黏性，最终达到提高销售量的目的［3］。

4.2   数据化运营的层次

企业经营中，从商品采购、店铺美工设计到产品销售、营销推广、客户服务及供应链管理等，业务流程中的每一环节都会产生相应的数据。记录和利用好这些数据，可以发现问题，针对问题进行规划决策，从而规避风险。数据化运营贯穿企业经营的各个环节。在经营的不同阶段，运营的侧重点有所不同，所需要的分析维度和指标也有所不同。企业的数据化运营通常分为初级、中级、高级3个层次［4］。初级数据化运营是针对基础的数据采集和具体的事务性工作，主要进行基礎数据采集、数据分类及处理、数据描述性分析、数据监控与报表制作。中级数据化运营是针对企业业务需求的各个方面，进行方案开发、数据监控、数据分析和报告撰写等工作，具体包括数据分析目标和指标制定，数据采集与处理方案制订，推广、销售、供应链数据分析，市场和竞争数据分析，数据监控，数据分析报告撰写，运营优化建议初步提出。其要求能熟练使用数据分析工具与常用的数据分析方法。高级数据化运营要求相关人员具备数据化运营和数据综合分析能力，能够综合考虑企业情况，开发完善数据分析指标体系，制订数据化运营计划并实施，分析业务和市场数据，撰写数据综合分析报告，提出决策和优化建议，挖掘商业机会。

4.3   数据化运营的关键指标

企业经营中会产生大量有关客户、营销、销售和供应链的数据。收集和分析不同类型的数据在企业制定和调整业务战略方面发挥着重要作用。数据化运营的指标也侧重于这4个模块：客户、推广、销售和供应链。

第一，客户数据是企业运营的基石。客户指标主要用于描述市场中客户忠诚度的特征，包括行为数据指标、客户画像数据指标等。其中，客户行为数据指标有浏览量、收藏量等，客户画像数据指标有性别、年龄等，除此之外，还有客户忠诚度、满意度等指标。第二，流量是电商企业运营的命脉。企业必须进行适当的广告宣传进行引流，从而带动销售。推广指标针对的是企业的推广行为得到的数据。推广活动的效果，通常以推广效果（销售额、曝光量）、推广成本、活动成效（客户访问量、客户关注数、收藏数、加购数、客单价等）来衡量。第三，销售指标是企业在销售过程中产生的数据，能够帮助经营者了解销售状况。销售数据指标可分为两类：交易指标和服务指标。交易指标包括销售额、订单量等；服务指标包括响应时长、询单转化率等。第四，供应链指标是企业在采购、物流、仓储环节产生的指标，有3类：采购数据、物流数据和仓储数据。采购指标包括采购数量和采购单价，物流指标包括物流时差和物流异常，仓库指标包括库存周转率和残次库存比等。

4.4   数据化运营的流程

一是明确分析目标。明确分析目标是数据化运营的第一步，是保证后续工作有序进行的前提。明确的分析目标能为后续的数据采集、分析、处理提供清晰的方向和指引。在这个环节，需要梳理分析思路，搭建分析框架，把数据分析目标分解成若干个不同的分析要点，再针对每个要点确定具体的分析方法和分析指标。二是数据采集。根据上一阶段所设立的目标，确定需要分析的具体数据指标，根据指标选择恰当的数据采集工具并采集数据。通常情况下，企业开设店铺所在的平台会提供数据采集工具，如淘宝平台的生意参谋，京东平台的京东商智。但这一类工具的数据采集功能较为有限，因此企业还可通过第三方监测工具采集运营所需的其他数据。三是数据处理。数据处理指对收集到的数据进行加工整理。采集到的原始数据很可能存在着计量单位不统一、数据记录不规范等问题，甚至包含错误数据，因此必须对原始数据进行处理。数据处理是确保后续数据分析准确性和一致性的重要步骤，包括清洗、转化、提取、计算等环节。数据清洗是审查和验证数据、删除冗余信息、纠正现有错误，并确保数据一致性的过程。数据转化是将原始数据转换为适合数据分析格式的过程。数据提取是从数据源中抽取数据。数据计算是对数据表中的数据进行基本计算，提高数据的价值并挖掘有用信息。四是数据分析。数据分析是使用适当的分析方法与工具，对经过处理、符合要求的数据进行分析，从中获取有价值的信息并得出结论。在这个阶段，选择正确的数据分析工具和方法非常重要。典型的数据分析方法包括描述性统计分析、趋势分析、分组分析等。常用的数据分析工具有Excel、SPSS、Python等。Excel软件涵盖了大部分数据分析功能，可以有效地组织、处理、统计评估、分析和展示数据，能够解决一般企业遇到的大多数数据分析问题。五是数据展现。数据展现是把相对复杂抽象的数据分析结果，用简单直观的图表形式呈现出来。数据展现取决于企业的实际需求和应用场景、是否反映真实数据、是否能表达整体情况等，同时需要考虑图表的美化。六是撰写数据分析报告。应将上述数据分析的思路和过程、产生的结论、观点及建议，按照规范的格式，以文本形式呈现出来，形成数据分析报告。七是形成模板。要将以上流程形成一种固定的模板格式，实现标准化、程序化操作，帮助企业达到提高效率、节约时间的目的。

5     电商企业数据化运营策略

5.1   建设独立的运营数据库

电商企业要根据行业和产品的特点建立数据库，根据不同行业、市场和消费者的现状对数据进行分类。利用大数据技术对数据进行收集和整合，提高数据分析的时效性，避免信息滞后影响运营。电商企业还应加强与数据平台的联系，整合企业的数据与平台的资源。企业与大数据平台的合作，能够有效控制电商企业获取数据的成本，避免数据资源流失，还能有效结合各类不同数据资源，丰富企业的数

据库［5］。

5.2   灵活运用数据分析模型

建立分析模型是电商企业数据化运营的重要构成。目前，常用的分析模型有5W2H模型、RFM模型、漏斗模型、AARRR模型等。电商企业可以利用已有的分析模型，根据产品所属行业、产品的特点及消费者偏好，提升分析模型灵活度，使分析模型能够根据市场实际情况及时作出调整，保证企业在不同情况下都能从数据化运营中获益。

6     结束语

进入数字经济时代后，技术进步为电商企业进行数据搜集、存储和分析提供便利，激烈的市场竞争促使电商企业必须改变传统运营模式，以数据为导向指导相关人员进行精细化运营。电商企业的数据化运营贯穿于企业经营的整个环节，适用于经营中的多个场景，按照数据分析的复杂程度可分为高、中、低3个层次。在实践中，电商企业的数据化运营已有常用的指标体系和相对固定的一套流程。为了更好地利用数据指导运营，电商企业还应建立独立的数据库，根据现实情况灵活运用分析模型。电商企业经营者若想在激烈的市场竞争中获得成功，就必须重视数据化运营，利用数据指导企业经营，顺应数字经济时代潮流。

主要参考文献

［1］国务院.国务院关于印发“十四五”数字经济发展规划的通知［EB/OL］.（2021-12-12）［2023-02-11］.https：//www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

［2］中国信息通信研究院.中国数字经济研究报告（2023年）［R］.北京：中国信息通信研究院，2023.

［3］于永芳.“1+X”证书制度下高职院校《电子商务数据分析》课程教学研究［J］.营销界，2020（26）：56-57.

［4］郭燕萍.网店数据化运营的思路分析［J］.办公自动化，2020（16）：30-32.

［5］彭晶晶.大数据背景下电商企业精准营销策略研究［J］.淮南职业技术学院学报，2022（3）：141-143.

［收稿日期］2023-04-07

［作者简介］李斯媛（1989— ），女，广东汕头人，硕士，讲师，主要研究方向：电子商务、数据分析。