关于 ecom-analytics
面向电商团队的分析技能,用于评估流量、转化、收入和留存。内容涵盖 GA4 事件追踪,并按漏斗阶段诊断销售变化,而非将其视为单一症状。
主要功能
- 01衡量获客至留存各阶段
- 02检查 GA4 电商事件
- 03定位转化漏斗流失点
- 04评估收入、AOV 和商品组合
- 05按客户群比较留存
适用场景
- 01诊断店铺收入下滑原因
- 02查找购物者离开购买漏斗的环节
- 03评估渠道流量和转化质量
- 04追踪重复购买和客户终身价值
安装
复制下面的命令,在终端中运行。
$
npx skills add https:/ / github.com/ asgard-ai-platform/ skills --skill ecom-analytics安装后在 Claude Code 中输入/ecom-analytics确认已加载。
包含的文件
除 SKILL.md 外,安装时一起下载的参考资料和脚本。
examples/sample_scenario.mdreferences/ecom-benchmarks.mdga4-setup.md详细介绍
电商分析
概述
电商分析通过流量、转化和收入等维度衡量网店的表现。本技能涵盖 GA4 电商跟踪设置、漏斗分析和关键指标解读,帮助诊断网店表现不佳或表现良好的原因。
框架
IRON LAW: Diagnose by Funnel Stage, Not by Symptom
"Sales are down" is a symptom, not a diagnosis. Decompose into funnel stages:
Traffic × Conversion Rate × AOV = Revenue
If revenue drops 20%, is it because traffic dropped (acquisition problem),
conversion dropped (UX/pricing problem), or AOV dropped (product mix problem)?
Each requires a completely different fix.
电商漏斗与关键指标
| 阶段 | 指标 | 指标说明 |
|---|---|---|
| 获客 | 会话数、用户数、流量来源、CPC、CAC | 吸引到的访客够多吗?他们来自哪里?成本是多少? |
| 互动 | 每次会话浏览页数、网站停留时间、跳出率、商品浏览量 | 访客感兴趣吗?他们在浏览吗? |
| 转化 | 加购率、发起结账率、购买转化率 | 他们在哪个漏斗环节流失? |
| 收入 | 收入、AOV、每笔订单商品数、每次会话收入 | 他们花了多少钱?商品组合是否健康? |
| 留存 | 复购率、购买频率、客户生命周期价值 | 他们会回来吗? |
GA4 电商事件
| 事件 | 触发条件 | 关键参数 |
|---|---|---|
view_item | 浏览商品页 | item_id、item_name、price、category |
add_to_cart | 点击加入购物车 | items 数组、value、currency |
begin_checkout | 开始结账 | items、value、coupon |
add_payment_info | 输入付款信息 | payment_type |
purchase | 完成订单 | transaction_id、value、tax、shipping、items |
诊断框架
阶段 1:流量检查
- 与上一周期相比,总流量是上升、下降还是持平?
- 哪些渠道发生了变化?(自然流量、付费流量、社交媒体、直接流量、引荐流量)
- 流量质量是否下降?(按来源分析跳出率、每次会话浏览页数)
阶段 2:转化检查
- 漏斗中流失最多的环节在哪里?
- 对比:浏览 → 加入购物车 → 结账 → 购买
- 行业转化率基准:整体为 1-3%,加购率为 5-10%
阶段 3:收入检查
- AOV 趋势:上升(追加销售有效)还是下降(折扣侵蚀价值)?
- 商品组合:收入是否正转向利润率较低的商品?
- 每次会话收入:核心指标(流量质量 × 转化率 × AOV)
阶段 4:留存检查
- 按群组分析复购率
- 首次购买到第二次购买之间的时间
- 按获客渠道分析 LTV 趋势
输出格式
# E-Commerce Performance Report: {Store}
## Summary Dashboard
| Metric | Current | Prior Period | Change | Status |
|--------|---------|-------------|--------|--------|
| Sessions | {N} | {N} | {%} | 🟢/🟡/🔴 |
| Conversion Rate | {%} | {%} | {%} | 🟢/🟡/🔴 |
| AOV | ${X} | ${X} | {%} | 🟢/🟡/🔴 |
| Revenue | ${X} | ${X} | {%} | 🟢/🟡/🔴 |
## Funnel Analysis
| Stage | Volume | Rate | Drop-off | Benchmark |
|-------|--------|------|----------|-----------|
| Sessions | {N} | 100% | — | — |
| Product Views | {N} | {%} | {%} | — |
| Add to Cart | {N} | {%} | {%} | 5-10% |
| Checkout | {N} | {%} | {%} | 40-60% of ATC |
| Purchase | {N} | {%} | {%} | 1-3% overall |
## Diagnosis
- Primary issue: {funnel stage} — {specific problem}
- Root cause: {analysis}
## Recommendations
1. {action targeting the diagnosed stage}
注意事项
- 脱离流量质量来谈转化率毫无意义:来自电子邮件(高意向)的 5% 转化率和来自展示广告(低意向)的 0.5% 转化率都很正常。不要跨渠道比较。
- GA4 会话数 ≠ Universal Analytics 会话数:GA4 使用基于事件的模型。会话超时和归因规则均有所不同。迁移期间预计会有 5-15% 的差异。
- 移动端转化率总是较低:移动端为 1-2%,桌面端为 3-5% 是常见水平。不要将它们合并为一个数字,应分别分析。
- 季节性很重要:应与去年同期比较,而不只是与上月比较。电商有明显的季节性规律(11.11、圣诞节、春节)。
- 收入 ≠ 利润:激进折扣带来的 20% 收入增长可能会降低利润。跟踪收入的同时也要跟踪利润率。
参考资料
- GA4 设置指南参见
references/ga4-setup.md - 各行业电商基准数据参见
references/ecom-benchmarks.md
评论
支持 Markdown