天猫店铺流量效果之详情页跳出率分析数据

本数据应用于电商店铺商品详情页的访客流失监测与优化决策场景。基于店铺访客在商品详情页的行为明细（访客数、详情页跳出访客数、流量来源、商品ID、业务日期等），通过Wilson置信区间修正、时间指数衰减加权、百分位分层基准、Z-score偏离度、相对偏离指数及加权综合风险指数等多方法叠加，量化每个商品详情页的跳出风险水平，并按高/中/低风险分级。运营人员据此定位高跳出商品与高贡献度流量来源，识别访客在详情页"只看不点"的流失节点，制定详情页内容优化、流量来源结构调整、商品主图/详情重构等改进措施，从而降低详情页跳出率、提升页面停留与转化效果。1.数据采集：从店铺访客行为数据库提取明细，采集字段含平台、统计时间段、流量来源、商品ID、商品名称、业务日期、访客数、详情页跳出访客数。""访客数""为当日访问该商品详情页的去重访客数量；""详情页跳出访客数""为当日访问详情页后未进行任何后续点击行为即离开的访客数量。采集粒度=业务日期×商品ID×流量来源。 2.数据预处理：以""业务日期+商品ID+流量来源""为唯一键去重，重复记录按访客数/详情页跳出访客数求和聚合；访客数为0或缺失的记录剔除；详情页跳出访客数缺失按0处理并标记；数据完整度=有效记录数/总记录数，低于50%标记""数据不足""。 3.数据加工（核心算法，Excel活公式实现）： · 详情页跳出率(I)=详情页跳出访客数/访客数· 该商品访客总数 = SUMIF(商品ID列,商品ID,访客数列) · 该商品跳出总数 = SUMIF(商品ID列,商品ID,详情页跳出访客数列)· 该商品跳出率 = 该商品跳出总数/该商品访客总数 · 该商品跳出率分位 = PERCENTRANK(该商品跳出率列,该商品跳出率)，取值0~1 · Wilson修正跳出率 = [p+z²/(2n)-z·√(p(1-p)/n+z²/(4n²))]/(1+z²/n)，p=该商品跳出率,n=该商品访客总数,z=1.96，修正小样本高估 · 时间衰减权重(T)=0.9^(期末日-业务日期)，期末日是2026-1-31· 近期加权跳出率 = Σ(时间衰减权重×详情页跳出访客数)/Σ(时间衰减权重×访客数) · Z偏离度 = (该商品跳出率-全商品均值)/全商品标准差，即IFERROR((该商品跳出率-AVERAGE(该商品跳出率列))/STDEV(该商品跳出率列),"") · 相对偏离指数RDI = 该商品跳出率/(sum(详情页跳出访客数列)/sum(访客数列)) · 跳出风险指数(R)=0.4×该商品跳出率分位+0.3×Z偏离度归一化+0.3×相对偏离指数RDI归一化，归一化用min-max法 ， 【判定方式】跳出风险指数≥0.75→高风险(重点优化)；0.75>跳出风险指数≥0.50→中风险(持续观察)；跳出风险指数<0.50→低风险(达标)；数据不足→不评级

搜集汇总

背景与挑战

背景概述

该数据集由杭州拾花社科技有限公司登记，规模1037条，以Excel格式存储，按需更新。其应用于电商店铺商品详情页的访客流失监测与优化决策场景，通过Wilson置信区间修正、时间指数衰减加权、百分位分层基准、Z-score偏离度、相对偏离指数及加权综合风险指数等方法，量化商品详情页跳出风险水平并按高/中/低风险分级，辅助运营人员定位高跳出商品与流量来源，制定优化措施以降低跳出率、提升转化效果。