电商指标千千万，你最该看的是哪个？
今天就来聊聊衡量电商的5个重要指标，以及怎么用GA去跟踪它们。
- 客户获取成本（CAC）
- 购物车放弃率
- 产品页面加载速度
- 平均订单价值（AOV）
- 客户生命周期价值（CLV）
每个都可以帮你找到电商运营存在的问题。下面，我们一起挨个扒一扒它们的计算方式以及如何在GA中查看追踪它们。
客户获取成本（CAC）
每个企业都希望客户越多越好，但要是会导致破产，那就得不偿失了。
所以线上店铺需要跟踪客户获取成本（CAC），以便准确了解他们为吸引一名客户而产生的“债务”。
CAC可以计算出获取普通客户需要的花费。如果大多数情况下，客户每次进行购买消费，你的店铺都在亏损，那就很难长时间运营下去。
我们在使用的时候，通常会将CAC和CPA混杂在一起，但这是衡量不同事物的两个不同指标。
相对CAC，CPA像是一个“伞形”指标，涵盖了许多采集事件，例如用户选择加入或点击。
另一点不同的是，CAC是获得付费客户（或订户）的实际成本。潜在客户是如何到达并不重要（无论是通过目标网页，付费搜索，博客文章还是免费试用版）。该指标是一个“总体”指标，主要用于说明在某个特定时期内每个客户的购买交易情况。
怎么用GA去跟踪CAC？
计算CAC的简单公式：
CAC=销售和营销成本/所吸引的客户数量（在指定时间内）
下图就是你在GA中找到CAC的地方：
举个例子，爱丽丝（Alice）经营着一家Shopify商店，该商店主要线上售卖20多岁女性的配饰。从2019年1月到2019年7月，爱丽丝在销售和营销方面花费了80万美元（付费搜索，内容营销，团队薪水等）。
在同一时期，爱丽丝卖出了80,000件配件。那简单计算下，这6个月内，爱丽丝的客户获取费用为10美元。
重要的相关指标
手机/电脑的销售转化率
这是电脑与移动设备之间的重要对比，像哪些页面和产品在哪些设备上的转化效果更好。
通常，电脑的转化率是移动设备的两倍以上。
但是，平均购物车费率相差不大。实际上，SaleCycle统计过数据，移动设备的平均购物率是10.4％，仅比电脑的12.9％少几个百分点。
这是什么意思？
简而言之，在结帐过程中或快到结账的时候，越来越多的购物者选择放弃。在这里不过多展开。
平均电子邮件注册率
我们看一个Sumo之前发布的电子邮件的注册基准，平均电子邮件注册率为1.95％，电子邮件营销的前10％成功率超过4.7％。
来自Facebook / Twitter的平均推荐率
引荐点击量是记录的除“正常”Google搜索之外，用户点击进入线上店铺的访问方式。其中包括Facebook和Twitter等“外部来源”，都是引荐流量的常见来源。
当某人单击超链接访问商店的页面时，GA会跟踪该点击，作为来自所使用社交媒体平台的引荐访问。
追踪购物车放弃率
虽然对电商者而言，这个指标听起来不那么美好，但却是无法避免的现实。
购买者在下定决心之前，某个细节或者某件事情都可能影响他们转向放弃购买。
事实上，根据SaleCycle的数据，约有77％的用户在购物车中添加商品后没有完成购买而离开店铺。
但是，值得注意的是，费用率很大程度上取决于行业和商店类型。例如，高价位的时尚品牌可能会比蛋白粉品牌的放弃率更高。在这些营养产品中，那些按订购方式出售的产品（例如，你每月“订购”一盒蛋白质棒），往往会出现更高的购物车放弃率，但也具有更高的生命周期价值。
尽管每个电商者都会遇到某种程度的购物车放弃（接受吧，这就是电商的现实），但更重要的是，将费率降至最低并想办法弥补那些被放弃的购买。
这正是GA发挥作用的地方。无论你关注的是客户群，位置或使用设备，都可以查看差异，找出导致购物者在购买前离开的主要根源。
如何追踪？
在Google Analytics（分析）中，不仅可以跟踪新访客和回头客的购物车放弃情况，还可以跟踪总体购物活动，购物车增加，购物车放弃和结帐放弃率。
最重要的是，这些指标揭示了购买过程中的障碍，也就可以了解是什么导致了客户旅程被中断了。
可以在此处在Google Analytics（分析）中找到这些数字：
重要的相关指标
每个会话的平均页面数
在2019年8月，Littledata调查了3,623个站点，发现每个会话的平均页面数是3.0。如果你的网站每会话页数在1.8到4.7之间，则你处于行业平均水平。少于1.5的商店表现不佳。
每个用户的平均会话
一项类似的研究发现，每位用户每次会话超过1.7个会话，将使你进入基准站点的80％，超过2.1个会话将达到90个百分点。
另一方面，如果每位用户的会话数少于1.2，你就会属于那20%最糟糕的网站。
网站搜索的用途
Google Analytics（分析）网站搜索报告会显示用户输入的搜索字词，搜索开始的页面以及搜索结果页面将其带到的页面。
通过网站搜索，GA可以为你的网站内容，商店导航和市场营销活动提供有用的见解。
平均产品列表点击率
这个指标有助于衡量产品列表对客户的吸引力以及有效性。
Littledata于2019年8月对265家商店进行了调查，发现平均产品清单点击率是1.7％。换句话说，如果你的网站的产品列表点击率在0.8％至4.7％之间，则你就处于行业平均水平之内。
跟踪产品页面加载速度
消费者的期望越来越高，线上电商的竞争日益激烈，无不都在博得消费者的“好感”。
尤其是移动电商和移动支付处于主导地位（并且指数级增长），购物者对页面加载速度的期望也更高。
对于许多电商者而言，总是有“隔壁的店”（就像“隔壁家的孩子”一样的存在），提供可比较的产品，产品价值和对消费者友好的价格。
在2018年，Pingdom以2秒的加载时间（这被认为是快速的，但也是许多网站的行业平均水平）为基准来衡量其排名前100位的电商网站。
结果，39％的站点在2秒内加载，而99％的站点在5秒或更短时间内加载。
Pingdom在三年前做了几乎相同的研究，在其前50名电子商务网站中，其中6%加载时间为5秒或更长时间。
可以看到，即使有更多数据要支持，但网站加载速度在逐渐提高（尤其是在移动设备上），以便达到购物者的期望。
如何追踪？
在Google Analytics（分析）中，可以跟踪商店产品页面和目标页面在同一位置的页面加载速度。
在“报告”部分下，转到“ 行为”>“网站速度”>“概述”。
以下是一些示例数据，显示了GA中的总体视图：
Google Analytics（分析）还提供网站“速度建议”，可以并排比较页面并分析落后的页面：
重要的相关指标
移动/电脑上Google搜索的跳出率
Littledata在2019年8月对3,315个站点进行了调查，发现来自移动Google搜索的平均跳出率为50.0％。另一方面，RocketFuel发现，网站跳出率41％至55％是大致的平均水平。此外，超过70的人对博客、新闻等类型之外的内容感到失望。
电子邮件广告系列的跳出率
与网站跳出率不同，电子邮件的跳出率有两种类型：硬反弹和软反弹。主要区别在于，硬反弹意味着电子邮箱地址不存在，而软反弹则是电子邮箱地址有效，只是暂时未能接收，比如邮件满了等等。
Google Ads / Facebook Ads的跳出率
对于付费搜索，电子商务店铺的Google Ads平均跳出率在56％-70％之间；在Facebook Ads中，平均跳出率约为41％-55％。
你可以在“网站速度”下跟踪其他相关指标，包括页面内容出现之前的平均延迟，在移动设备/桌面上加载完整页面之前的平均时间以及服务器平均响应时间（重定向时间）。
跟踪平均订单价值（AOV）
简而言之，平均订单价值（AOV）是客户下订单时花费的平均金额。
AOV是大多数电子商务商店的“北极星指标”，它可以直接提高收入，因此对各种规模商店来说是头等大事。
增加收入通常意味着商家会竭尽所能来获取更多流量，但AOV提供了更好的策略：说服你的客户花更多的钱，这样无需增加新客户就可以增加收入。
简而言之，AOV是电子商务中的主要KPI之一，因为它可以衡量销售趋势并反映买方的偏好和行为，这些见解可用于优化店面，产品页面，营销活动和内部决策。借助这个指标可以确定选择出售什么产品以及出售方式。
由于营销预算会随着AOV的增加而扩大，因此该指标还可以很好地表明你需要多少空间来优化ROI。
当花时间思考新策略以提高当前客户的AOV时，你会看到更好的产品销售和更大的利润。
当然，与其他电子商务KPI一样，请注意不要孤立的看待此指标。客户生命周期价值，购物车费率和结帐完成率也都发挥了作用。
如何追踪？
要手动计算AOV，请将总销售额（在给定时间段内）除以订单总数。Littledata的以下图形说明了基本公式：
在Google Analytics（分析）中，导航到“报告”，然后选择“转化”>“电子商务”>“概述”，就会在右侧找到平均订单价值。
重要的相关指标
购物车平均添加率
根据Smart Insights的统计，购物车的平均添加率为10.9％（在其客户群中），其中移动设备（9.4％），相对桌面（12.5％）略低。
平均结帐完成率
在最近对509家商店的调查中，Littledata发现平均移动结帐完成率为41.4％，平均绩效范围为23.9％至57.5％。
客户生命周期价值（CLV）
CLV衡量每个客户在购买过程中对你的业务价值多少。由于每个商店用不同的价格点，以及在不同的市场上出售不同的产品，因此CLV并不是“一刀切”的指标。
在GA中，许多商家通过使用电子商务跟踪来衡量其第一订单价值来评估其客户价值。
不幸的是，该数据会让我们错过关键的细节，因为它没有考虑到那些购物者多长时间之后，又在店内继续购买（或者如果你经营的是订阅类商品，那续订的情况如何）。
通过使用自定义维度对GA中的数据进行细分，这样可以确保正确的分析设置，并准确跟踪CLV。这也意味着可以定位客户忠诚度的广告系列并发现具有相似受众群体的新客户：
今天的分享就结束了，欢迎留言讨论~