《电商数据分析课》即将上线！
美国互联网零售业电商业务长势迅猛
这1000家美国互联网零售商中的前五强分别是：亚马逊、苹果、沃尔玛、戴尔、梅西。
电商部门团队构成
细观互联网零售1000强公司的电商业务部，我们会发现他们的电商业务下面通常会有这样几个团队：
产品团队 Product Team：电商团队的产品指的就是公司的电商网站和App，比如丝芙兰的网站/App就是丝芙兰电商部门产品团队负责的最重要的产品。产品团队需要保障电商网站的所有元素都顺利工作，并且传递出整个公司的愿景。产品团队通常会有一个VP来总负责，在VP的下面有多个产品经理，每人负责网站的不同部分。
采购销售团队 Merchandising Team：这个团队负责管理SKU（在连锁零售门店中有时称单品为一个SKU，中文译为最小存货单位，英文全称为Stock Keeping Unit，定义为保存库存控制的最小可用单位，例如纺织品中一个SKU通常表示规格、颜色、款式），确保产品描述是准确的等等。这个团队需要确保内容管理系统中的所有东西都准确无误，这是电商中非常重要的一环。
数据分析团队 Analytics Team：几乎所有公司都在增加对数据分析团队的投入。电商部门的数据分析团队包括了传统的网站分析（Google Analytics/Omniture）以及优化（A/B测试），也包括高阶的分析包括用户分层、预测模型、营销分析与归因模型。
营销团队 Marketing Team：营销团队负责多个不同的功能包括CRM、忠诚度（Loyalty）、获客（Acquisition）和数字营销（Digital Marketing）。数字营销通常管理各种渠道，包含邮件营销（邮件营销一般是个大组，因为它是电商/零售业至关重要的一环，想想你的多少次购买都是因为收到了促销邮件）、搜索引擎优化与搜索竞价广告（SEO/SEM组）、网盟（Affiliate Marketing）、社交媒体。
根据业务和公司大小的不同，还有UX、运营、IT、客服、项目管理、财务等团队。
Industry-specific domain knowledge 行业专属领域知识（比如电商行业特定的KPI关键指标、电商类型、电商商业模式）
E-commerce tools and platforms 电商专用的工具与平台（比如Segment.com/Mixpanel/ Amplitude/ Kissmetrics/ Heap Analytics/ Google Analytics/ Adobe Analytics）
帮助产品、营销、财务团队确认测量目标与优化机会（Optimization，这里一般指的网页优化或是漏斗优化）
创建并管理追踪（tracking）以测量产品表现或特定功能的表现
设计标记（tag）方法、数据收集、标准化、测试原型（testing）来确保一致性
与工程团队紧密合作，将商业指标翻译成工程要求来驱动测试（一般是A/B测试）的实施
将战略性的分析洞察呈现在数据报表（dashboarding）与事后分析中
分析用户行为在浏览器与app中的转变
抓取电商KPI并分析趋势 深入分析具体的KPI来理解潜在影响销量的因素 为每一个领域决定KPI并为团队建立标准化报表 优化网站、渠道表现与客户分层（optimization, funnel, segmentation) 高阶点击流分析（clickstream analysis） 负责主页和登陆页的追踪（tracking）、报表、分析，并建立测试与实验（A/B测试）以优化数字营销以及网站销售规划
看了这些职位描述，就算是专门学数据分析的学生，也会感叹：隔行如隔山！电商行业强大的行业特征与生态环境，使得门外汉们就算懂数据分析，也未必找得到电商的工作。
因此，MarTechApe携手美国互联网零售电商公司Moda Operandi的高级数据分析经理，开设《从0到1：手把手入门电商数据分析》课程，带你掌握电商数据分析的必备技能与行业知识！
L1
第一讲 电商中的数据分析E-commerce Analytics
Data-Informed vs Data-Driven 我们应该数据启示还是数据驱动？
Product Surface Analysis 表层电商分析
Product Analytics Frameworks 电商分析框架
Business Model Flipbook 电商商业模型
Product Type 科技驱动的“产品”类型
Product Growth Stage 电商增长阶段
Case Study 案例分析
L2
第二讲 电商数据分析平台与商业模式 E-commerce Foundation
UTM/ Traffic Tracking/ Web Analytics Tool UTM/流量追踪/网页分析工具
Clickstream Event Tracking Tool 数字用户行为分析/点击流事件追踪工具
Product Intelligence Tool 产品智能分析工具
BI Self-Service Platform 商务智能自助平台
Product Analytics Common Stack 产品分析栈
Typical Product Analytics Questions 电商数据分析回答的经典问题
E-commerce Mode 有哪些电商模式？
L3-4
第三与第四讲 电商关注的关键指标 E-commerce KPI
Product Lifecycle 产品生命周期
KPI by User Acquisition Channel 用户获取渠道关键指标
KPI by Product Funnel Engagement 产品转化漏斗关键指标
KPI by Product Retention 产品留存的关键指标
Offline KPIs 电商关注的线下关键指标
KPI Best Practices 如何最好地设置关键指标？
The Discipline of One Metric That Matters “唯一重要指标”原则
Traditional E-commerce VS Subscription E-commerce 传统电商与订阅制电商在关键指标上的选择
L5
第五讲 产品测试与高阶数据分析 Product Testing & Advanced Analytics
A/B Test: Best Practice & Painful Learnings A/B测试的最佳做法与教训
Cluster Analysis 电商中的聚类分析
Cohort analysis 电商中的群组分析
Retention 电商关注的挑战：用户留存
Customer Lifetime Value 如何提高电商平台的用户终身价值？
Case Study 案例研究
L6
第六讲 Product Analytics Miscellaneous 电商分析——除了数据，你还需要知道
How To Work With PMs 如何与产品经理协作
How To Sizing Product Initiatives 如何规划产品创新？
How To Evaluate Financial Lift From Product & Planning 如何从产品与规划中评估财务提升？
Marketing Analysis within Product 在产品部门中的营销分析
Lower Hanging Fruit vs Roadmap 容易实现的目标与路线图
L7
第七讲 开启你的电商数据分析事业！Start Your Career In E-commerce
How To Find A Job In E-commerce? 求职电商的注意事项
How To Crack The Interview of BI Analyst/Data Analyst/Product Analyst in E-commerce? 如何攻克电商BI分析师/数据分析师/产品分析师的面试？
Analytics Jobs In E-commerce: What You Should Expect? 电商分析类工作：你应该期待什么？
Sunny：美国奢侈品电商Moda Operandi高级数据分析经理（Senior Analytics Manager）。6年美国数据分析行业从业经历。
新课上线
课程原价：¥339元人民币
预售优惠：¥239元人民币（双人团购价）11月1日～11月30日
12月1日后，恢复原价
团购步骤：
长按下图二维码进入课程 点击底部“限时拼团” 点击“我要开团” 分享拼团邀请给好友 等待拼团成功
*若24小时内组团不成功，则系统会自动退款。因此，开团无风险。若需美元支付，请联系小助手：
录播课程可随时随地轻松上课，永久回放！
美国用户：畅通无阻的大屏视频渠道，不用再忍受跨境服务器的缓慢了！
所有用户将加入电商分析学习群，直接与老师探讨课程内容。
完整的课件、丰富的课外阅读材料。
第一课将于12月1日上线，此后每周日上线新课。
前往“发现”-“看一看”浏览“朋友在看”