电商分析：核心指标、工具与仪表板搭建指南（2026）

电商分析是一家店铺用来理解以下问题的系统：什么在卖、谁在买、哪些渠道带来有利润的客户，以及购物者卡在了哪里。

常见的误区是想一次性追踪所有数字。更好的分析体系从决策出发：推哪些商品、给哪些流量来源投钱、修哪些结账问题、留住哪些客户细分，以及哪些生命周期营销活动值得加大投入。

当前的搜索行为透露出很务实的意图。搜索者想知道最好的电商分析工具、真正重要的指标、仪表板示例，以及 Google Analytics 4、Shopify、邮件分析、热力图和客户数据的搭建方法。Shopify 官方文档强调用仪表板和报表支撑销售、会话、交易、网站性能与选品决策。Google Analytics 文档则以电商事件和衡量配置为核心。Brevo 的报表文档也说明了为什么现在需要谨慎解读邮件指标：Apple Mail Privacy Protection 和机器人行为会虚高打开与点击。

本指南保留了原文有用的结构：指标、工具、仪表板搭建、增长场景、邮件分析和起步计划，并把每一节扩展成面向电商团队的完整分析手册。

快速结论

最好的电商分析体系通常是分层的：

层次	工具示例	它应该回答什么
店铺分析	Shopify Analytics、WooCommerce 报表、平台自带报表	卖了什么、哪些商品动销、收入和运营状况如何
网站分析	Google Analytics 4	哪些流量来源和用户路径导向了电商事件
搜索分析	Google Search Console	哪些自然搜索词和页面把购物者带进店铺
营销分析	Brevo、邮件和短信平台、广告平台	哪些活动带来了点击、下单、收入、退订和复购
客户数据同步	面向 Shopify 与 Brevo 流程的 Tajo	哪些客户、订单、商品、同意状态和生命周期事件应该驱动营销活动
行为分析	Microsoft Clarity、Hotjar 一类工具、Contentsquare 一类工具	购物者在哪里点击、滚动、犹豫、愤怒点击或放弃
产品分析	Mixpanel 及类似的事件分析工具	登录态、订阅制、市场平台或类应用体验如何驱动重复行为
商业智能	Looker Studio、电子表格、BI 工具	管理者和运营者如何对比利润、留存、获客与同期群

如果你从零开始，不要一上来就买一套复杂的分析套件。先做这些：

1. 你的电商平台自带分析。
2. Google Analytics 4 的电商事件。
3. Google Search Console。
4. 你的邮件和短信报表。
5. 一个包含日、周、月三种视图的仪表板。
6. 一套在信任数字之前先检查追踪质量的流程。

之后，当业务出现这些工具能改进的具体决策时，再加上客户数据同步、热力图、同期群分析和高级产品分析。

必备的电商指标

好的电商分析会把虚荣指标和决策指标分开。

虚荣指标看起来很漂亮，却不会改变任何决策。决策指标会告诉你钱该花在哪、该修什么、该瞄准哪类受众、该主推哪个商品，或者该改进哪段客户旅程。

收入与利润指标

只看收入远远不够。一家店可能收入在涨，但毛利在掉、获取的客户质量在下降、折扣给得太狠，或者退货在增加。

指标	计算方式	为什么重要
收入	总销售额减去调整项（取决于你的报表口径）	反映总体销售规模，但必须和毛利、退货一起看
订单数	完成购买的笔数	有助于把流量质量和订单量区分开
平均订单价值 AOV	收入 / 订单数	反映客单结构和追加销售空间
每访客或每会话收入	收入 / 访客数或会话数	把流量规模、转化率和 AOV 合成一个效率指标
毛利	收入减去商品成本	说明在运营成本之前，销售本身是否赚钱
贡献毛利	收入减去 COGS、折扣、运费补贴、支付手续费和可变履约成本	更适合判断一个活动是否真的有利润
退款与退货率	退款或退货订单 / 总订单	防止团队为“留不住”的销售做优化
折扣率	折扣金额 / 总销售额	看收入是否过度依赖促销

用收入指标回答这类问题：

• 哪些商品值得导入更多流量？
• 哪些商品卖得动，却毛利很低或退货很高？
• 哪些活动带来的是有利润的订单，而不只是订单？
• 哪些组合装能抬高 AOV 又不伤贡献毛利？
• 哪些渠道因为吸引的是低价值客户，需要换一套报价策略？

转化与漏斗指标

转化率很重要，但它不是通用记分牌。高客单、决策周期长、面向批发客户，或者以移动端发现为主的店铺，转化表现天然不同于低价冲动型消费的店铺。

按细分看转化，而不是盯着一个全站数字。

指标	计算方式	更合适的细分维度
电商转化率	订单数 / 会话数或用户数	设备、流量来源、落地页、新访客与回访客
加购率	加购事件 / 商品页会话数	商品、品类、流量来源、设备
购物车弃置率	未完成付款的购物车 / 创建的购物车	购物车类型、收货国家、支付方式、设备
结账弃置率	未完成付款的结账 / 发起的结账	结账步骤、支付方式、运费展示时机
商品页转化率	含该商品的订单 / 商品页会话数	商品、尺码、规格、库存状态
落地页转化率	订单数 / 落地页会话数	来源、活动、意图、页面类型

目标不是单纯把转化率做高，而是在保住 AOV、毛利、客户质量和购物体验的前提下，提升有效转化。

举例来说，大力度折扣可能拉高转化率却压低利润；更好的商品推荐可能在转化率不变的情况下抬高 AOV 和毛利；修好结账可能只提升移动端转化，而桌面端不变。

客户经济模型

客户指标能让团队跳出“只看单场活动”的视角。电商增长取决于你获取的是什么样的客户，而不只是他们下的第一单。

指标	计算方式	为什么重要
客户获取成本 CAC	营销支出 / 新增客户数	说明获得一个新客户要花多少钱
广告支出回报率 ROAS	归因到广告的收入 / 广告支出	便于广告平台优化，但容易高估真实盈利能力
营销效率比 MER	总收入 / 总营销支出	更宏观地看付费与自然渠道的整体效率
客户终身价值 CLV	一位客户在整个生命周期内预计带来的收入或利润	帮助判断多大的获客投入是可接受的
复购率	再次下单的老客户 / 客户总数	反映留存强度
购买频次	某期间的订单数 / 客户数	帮助识别补货、订阅或会员潜力
二次下单耗时	第一单到第二单之间的天数	说明购后旅程有没有真正创造复购
同期群留存	按获客同期群看重复行为	说明新获取的客户是在变好还是变差

ROAS 有用，但不该是唯一指标。广告平台可能会把本来就会下单的客户算作自己的功劳；末次点击口径又会低估邮件、自然搜索、联盟、直接访问和品牌需求。MER、贡献毛利和同期群留存能给出更全面的视角。

营销与渠道指标

渠道指标只有和客户行为、收入连起来才有价值。

对邮件、短信、WhatsApp、付费搜索、付费社交、联盟、自然搜索和引荐流量，追踪：

• 分渠道收入。
• 分渠道订单数。
• 分渠道新客数。
• 分渠道老客数。
• 分渠道 AOV。
• 分渠道贡献毛利。
• 按获客渠道看的复购率。
• 退订、取消订阅、垃圾邮件投诉和屏蔽率。
• 在相关场景下的辅助转化或对话辅助收入。

邮件和短信分析尤其需要小心。打开和点击可以作为有用的方向性信号，但它们不是最终的业务结果。Brevo 的报表文档指出，近期报表可能包含 Apple Mail Privacy Protection 和机器人行为，这会推高统计到的打开与点击。因此，收入、转化、退订、取消订阅和细分行为对业务决策更可靠。

分析工具栈

最好的电商分析工具并非对所有企业都一样。合适的工具栈取决于店铺平台、流量结构、购买复杂度、数据质量、团队规模，以及店铺需要的是简单报表还是更深的客户数据编排。

Shopify Analytics 或平台自带分析

从订单真实发生的系统开始。

Shopify Analytics 是销售、会话、交易、商品报表、仪表板卡片和店铺报表的原生数据源。它的价值在于反映了电商平台自身对订单、客户、商品、销售渠道和交易的理解。

用平台分析来做：

• 销售与订单追踪。
• 商品与规格表现。
• 折扣与促销分析。
• 销售渠道报表。
• 退货与履约的上下文。
• 运营指标。
• 店主视角的仪表板。

它的局限在于，平台分析通常无法解释完整的购前旅程。它可能看不到每一个营销触点、搜索词、会话录屏、邮件自动化或客户细分逻辑。所以平台分析应该是基础层，而不是唯一一层。

Google Analytics 4

GA4 是电商事件和流量分析的标准网站分析层。

用 GA4 来看：

• 会话数与用户数。
• 流量来源与活动。
• 落地页分析。
• 电商事件，例如浏览商品、加购、发起结账、下单和退款。
• 漏斗探索。
• 在衡量条件允许时的跨设备、跨会话行为。
• 受众与事件分析。

GA4 很有用，但需要认真配置。电商事件名、商品 ID、货币、交易 ID、退款、重复事件、同意模式和结账追踪都必须核查。如果交易 ID 重复或事件触发两次，收入就会出错；如果 UTM 不统一，渠道报表就会一团噪音。

Google Search Console

Search Console 对自然搜索是必备的。

用它来理解：

• 带来展现和点击的搜索词。
• 自然可见度在上升或下降的页面。
• 分搜索词、分页面的平均排名。
• 品牌词与非品牌词的搜索需求。
• 商品页、品类页、指南页和对比页的表现。
• 索引与技术性搜索问题。

Search Console 不直接展示收入，但它告诉你哪些自然搜索意图在增长或衰退。把它与 GA4、Shopify 以及客户和订单数据结合，才能弄清哪些自然搜索页面带来了订单。

Brevo 与营销平台分析

你的营销平台应该展示活动和自动化的表现。

对 Brevo 或类似的邮件与短信平台，追踪：

• 活动发送量。
• 送达量。
• 退信。
• 打开与点击（谨慎解读）。
• 退订与投诉。
• 已打通时的收入或转化事件。
• 各条自动化流程的表现。
• 各个细分的表现。
• 名单增长与来源。
• 屏蔽与同意状态的变化。

不要把每一次打开都当作意图。Apple Mail Privacy Protection 和机器人行为会扭曲打开与点击指标。把打开和点击当作诊断信号，再用收入、转化、取消订阅、复购和客户在生命周期阶段之间的流动来验证活动质量。

对使用 Brevo 的 Shopify 团队来说，Tajo 能让 Shopify 的客户、订单、商品数据、生命周期事件与 Brevo 的联系人上下文保持同步，活动分析就不会被困在互相隔离的系统里。

用 Tajo 做客户数据同步

当客户、订单、商品、同意状态和活动上下文散落在互不相连的工具里时，分析就失效了。

在电商团队需要做这些事时，Tajo 会很有用：

• 把 Shopify 的客户和订单数据同步进 Brevo。
• 让联系人属性保持最新。
• 在营销活动和自动化中使用购买历史。
• 按生命周期阶段、订单数、商品品类或客户价值做细分。
• 让邮件、短信和 WhatsApp 的工作流与店铺数据协同。
• 减少手工导出 CSV。
• 把活动表现和客户上下文回流到运营流程中。

带来的分析收益很实在：当同一批客户、订单和活动标识可以在店铺分析、营销分析和生命周期报表之间互相对照时，仪表板才真正好用。

Microsoft Clarity、Hotjar 一类工具与会话录屏

行为分析工具能解释数字解释不了的东西。

用热力图和会话录屏来看：

• 商品页上的困惑点。
• 结账阻力。
• 移动端可用性问题。
• 愤怒点击。
• 无效点击。
• 滚动深度。
• 导航问题。
• 表单和运费步骤上的犹豫。
• 有流量但转化很弱的落地页。

不要随机翻录屏。先从一个问题出发：“移动端结账转化为什么下降了？”或者“这个商品页有流量，为什么加购事件很少？”然后针对该细分抽样看录屏和热力图。

Mixpanel 与产品分析

当电商体验偏向类应用、订阅制、登录态、市场平台或高度事件驱动时，Mixpanel 这类事件分析工具最能发挥价值。

用产品分析来看：

• 订阅生命周期行为。
• 账号创建与上手引导。
• 高频复用的功能。
• 与商品推荐的交互。
• 会员计划的参与度。
• 同期群留存。
• 实验分析。
• 首单之后仍在继续的客户旅程。

对一个简单的目录型店铺，GA4 加 Shopify 可能就够了。但对订阅电商、市场平台、连接应用的产品或会员体验来说，产品分析能揭示订单报表看不到的行为。

搭建你的分析仪表板

电商仪表板应该与运营节奏匹配。日报仪表板和月度同期群复盘不是一回事。把所有东西堆在一屏，只会制造噪音。

每日运营仪表板

用它快速发现问题。

追踪：

• 收入。
• 订单数。
• 转化率。
• 会话数。
• AOV。
• 支付失败。
• 结账流失。
• 热销商品。
• 库存或履约异常。
• 邮件和短信的发送错误。
• 流量来源的突然变化。

每日仪表板是用来做异常检测的。它要回答：“今天有什么坏了吗？”

每周增长仪表板

用它做营销和选品决策。

追踪：

• 分渠道收入。
• 分渠道订单数。
• 新客与老客收入。
• 分渠道 AOV。
• 分设备、分来源的转化率。
• 加购与结账漏斗表现。
• 活动带来的收入。
• 自动化带来的收入。
• 表现最好的落地页。
• 热销商品与品类。
• 折扣使用情况。
• 邮件和短信的订阅、取消订阅与退订。

每周仪表板要回答：“下周该往哪里投钱、测试、修复或主推？”

每月客户与盈利仪表板

用它做更深的业务分析。

追踪：

• 客户同期群。
• 复购率。
• 二次购买耗时。
• 分获客来源的 CLV。
• 分渠道 CAC。
• MER。
• 分商品或分品类的贡献毛利。
• 退货与退款率。
• 对折扣的依赖度。
• 订阅者增长。
• 会员或 VIP 细分的流动。

每月仪表板要回答：“我们获取的客户是不是在变好，业务是不是更健康了？”

季度规划仪表板

用它做战略决策。

追踪：

• 渠道结构。
• 商品品类增长。
• 毛利趋势。
• 留存趋势。
• 各客户细分的表现。
• 搜索可见度。
• 生命周期营销的成熟度。
• 工具与集成缺口。
• 归因可信度。
• 实验中学到的东西。

季度仪表板要回答：“下个季度该押注哪些方向？”

用分析驱动收入增长

分析只有改变了工作方式才算有用。每个指标都应该对应一个决策。

提升转化率

不要一上来就问“怎么整体提高转化率”。先找到转化薄弱且价值高的那个细分。

例如：

• 移动端流量的转化明显低于桌面端。
• 付费社交流量会加购，却不下单。
• 某个品类页有搜索流量，但商品点击很弱。
• 结账发起量健康，但运费步骤的弃置很高。
• 老客户会浏览，却不再下单。

然后选对修复方式：

• 让商品页表达更清晰。
• 补上尺码、兼容性或成分说明。
• 优化移动端布局与速度。
• 讲清配送和退货政策。
• 减少意外费用。
• 增加支付方式。
• 优化商品推荐。
• 在同意范围内发送弃购挽回邮件或短信跟进。
• 测试落地页文案与报价的匹配度。

用转化率、每访客收入、AOV、毛利和退货率一起衡量结果。如果转化率的提升来自质量更差的订单，那这个提升的成色就不足。

提高平均订单价值

AOV 的增长应该来自真正相关的价值，而不是随意的追加销售。

用分析找出：

• 经常被一起购买的商品。
• 连带率高的品类。
• 能带动复购的单品。
• 毛利健康的组合装。
• 能提升利润的包邮门槛。
• 能抬高购物车金额的商品推荐。
• 不伤害客户信任的购后加购。

可用的手法包括：

• 组合装。
• 商品套件。
• 交叉销售。
• 数量阶梯优惠。
• 包邮门槛。
• 个性化推荐。
• 补货优惠。
• 购后追加销售。

把 AOV 和转化率、贡献毛利一起看。一个抬高了 AOV 却把毛利压得太低的组合装，未必值得放量。

抬高客户终身价值

当客户再次购买、购买毛利更高的商品、持续订阅，或者服务成本更低时，CLV 就会提升。

用分析识别：

• 哪些首购商品能带来强复购。
• 哪些品类能培养忠诚客户。
• 哪些获客渠道的复购率更高。
• 哪些细分在购买后需要教育。
• 哪些客户可能需要补货。
• 哪些客户出现了不活跃迹象。
• 哪些 VIP 客户值得抢先体验或专属优惠。

生命周期营销活动可以包括：

• 欢迎与上手引导流程。
• 购后教育。
• 邀请评价。
• 补货提醒。
• 交叉销售与下一个最佳商品推荐。
• 会员活动。
• 唤醒沉睡客户的活动。
• VIP 抢先体验。

对这些活动，衡量收入、复购、取消订阅、投诉和细分流动。留存类活动不该只造成一次性的订单尖峰，而应该改善客户关系本身。

降低获客成本

当店铺瞄准更合适的受众、提升转化、抬高客户价值，或者停止给带来劣质客户的渠道投钱时，CAC 就会改善。

用分析做这些对比：

• 分渠道 CAC。
• 分渠道首单毛利。
• 分渠道复购。
• 分渠道 CLV。
• 分渠道折扣使用情况。
• 分渠道退款与退货率。
• 分渠道二次下单耗时。

CAC 很高的渠道，如果带来的是高留存客户，仍然可能是强渠道；CAC 很低的渠道，如果只招来从不回头的折扣猎人，反而可能很弱。

邮件营销分析

邮件可以是电商最强的渠道之一，但也最容易被衡量错。

从三个层次追踪邮件：

层次	指标	对应决策
名单健康	新增订阅者、退订、投诉、退信、同意来源	受众是否在安全地增长？
活动质量	送达、打开、点击、必要时的点开率、收入、转化	哪些内容和细分有效？
生命周期影响	欢迎流程收入、购物车挽回、购后复购率、赢回表现、VIP 流动	哪些自动化真正改变了客户行为？

打开率可以用来诊断主题行、送达能力或名单疲劳，但不该是唯一的成功指标。Brevo 的文档强调了与 Apple Mail Privacy Protection 和机器人行为相关的报表变化。这意味着一个活动在打开和点击上看起来比它在真实客户行为上更健康。

做电商邮件时，优先看：

• 每收件人收入。
• 转化率。
• 来自邮件的 AOV。
• 复购率。
• 细分层面的表现。
• 流程层面的表现。
• 退订与投诉率。
• 送达能力问题。
• 屏蔽规则。

对 Shopify 与 Brevo 的组合，Tajo 能把店铺数据接进活动上下文，让邮件分析用上最新的订单历史、商品品类、生命周期阶段、同意状态和客户价值。

数据质量与归因质检

糟糕的分析会带来自信的错误决策。在把一个仪表板铺开之前，先跑一遍质检清单。

追踪质检

检查：

• 下单事件只触发一次。
• 交易 ID 唯一。
• 收入使用正确的币种。
• 税费、运费、折扣和退款的处理口径一致。
• 商品 ID 在 Shopify、GA4、邮件和报表之间能对上。
• 加购、发起结账和下单事件使用一致的商品数据。
• 同意设置被正确遵守。
• 在可能的情况下追踪结账各步骤。
• 跨域或支付跳转不会打断会话。

UTM 与活动质检

检查：

• 已有 UTM 命名规范。
• 付费社交、付费搜索、邮件、短信、联盟、达人和自然活动使用一致的命名。
• 邮件自动化使用与一次性新闻邮件不同的活动名。
• 站内链接不会覆盖原始获客来源。
• 活动报表把首单获客与老客户收入分开统计。

归因质检

没有哪个归因模型是完美的。

对比这些口径：

• 平台归因。
• GA4 归因。
• Shopify 的订单来源。
• 邮件平台报表。
• 广告平台报表。
• MER。
• 同期群留存。

当数字不一致时，不要盲目取平均。先弄清每个工具想衡量的是什么。广告平台可能在为归因转化做优化；Shopify 记录的是订单本身；GA4 对流量和事件做建模；Brevo 报告的是活动互动与转化；财务仪表板关心的则是现金、退款和贡献毛利。

目标不是求出一个万能数字，而是建立一套能带来更好决策的报表体系。

落地计划

如果店铺目前的分析基础薄弱，按这个顺序推进。

1. 先定义决策

写下仪表板必须支撑的决策：

• 我们应该主推哪些商品？
• 哪个渠道该拿到更多预算？
• 该修哪个结账问题？
• 哪个细分该配上生命周期营销活动？
• 哪个活动该停掉？
• 哪个商品品类存在毛利或退货问题？
• 哪些客户可能会再次购买？

这一步要在选工具之前完成。

2. 装好核心追踪

配置：

• Shopify 或平台自带分析。
• GA4 电商事件。
• Google Search Console。
• 邮件与短信报表。
• 同意管理。
• 在可能的情况下追踪支付与结账。

用测试下单来验证：核对事件数量、比对交易 ID、确认收入无误。

3. 规范活动数据

为这些场景制定 UTM 规则：

• 付费搜索。
• 付费社交。
• 邮件活动。
• 邮件自动化。
• 短信活动。
• 联盟。
• 达人。
• 自然社交。
• 合作伙伴。

把命名规范写成文档。分析质量取决于输入是否一致。

4. 同步客户与订单上下文

把需要共享数据的系统连起来。

对 Shopify 与 Brevo 团队，这通常包括：

• 客户档案字段。
• 邮件与短信的同意状态。
• 订单数。
• 最近购买日期。
• 购买过的商品品类。
• 终身价值。
• 生命周期阶段。
• 购物车或结账事件。
• 所属细分。

这正是 Tajo 这类工具发挥作用的地方。手工导出短期内也能跑，但会留下过期数据和报表漂移。

5. 建立仪表板节奏

搭建四个视图：

• 每日运营。
• 每周增长。
• 每月客户与盈利。
• 季度规划。

让每个仪表板保持聚焦。每日仪表板不该塞进所有同期群图表，每月仪表板也不该逼人去扫昨天的每一笔订单。

6. 一次只做一个实验

当团队每次只改一件事并衡量结果时，分析才会真正进步。

例如：

• 重写一个高流量商品页。
• 修复一个结账步骤。
• 增加一条购后流程。
• 测试一个组合装。
• 改进一个品类落地页。
• 按购买历史细分一封活动邮件。
• 更换一个付费落地页的报价。

衡量相关指标在改动前后的变化。如果仪表板无法显示影响，就先把衡量做扎实，再去铺开更多实验。

起步指南

如果你打算本周就把电商分析搭起来，按这条务实路径走：

1. 确认店铺分析与实际订单能对上。
2. 配置或审计 GA4 电商事件。
3. 接入 Google Search Console。
4. 复核邮件与短信报表，包括收入、退订和取消订阅。
5. 建一个每周仪表板，包含收入、订单数、转化率、AOV、每访客收入、主要渠道、热销商品、购物车弃置、结账弃置和活动收入。
6. 挑一个增长问题：结账流失、AOV 偏低、复购疲软、自然落地页转化差，或者活动表现不佳。
7. 做一项改进，并至少衡量一个完整购买周期的影响。
8. 当 Shopify、Brevo、活动、同意状态和生命周期报表需要共享上下文时，用 Tajo 接上客户数据同步。

电商分析比拼的不是谁的图表更多，而是谁能用最新、可信的数据做出更好的选择。