數據分析

發現問題

7-11月銷量總額為什么比去年同期下降了？

分析問題

利用結構化思維拆分銷量，所謂結構化思維就是有邏輯的思考，暫時放棄發散性的思考，用腦海儲備的知識對目標進行全面的拆解分析。

當你得知淘寶店鋪的銷量下降的時候，你不應該發散性的根據以往經驗列出一堆原因（比如競品升級、活動力度降低等等）。
首先應該靜下來對“店鋪銷量構成”以及“能夠對銷量產生影響的因素”進行拆解，進一步明確問題根源。

把銷量構成這樣拆出來后，發現最開始的原始銷量數據不足以看出銷量趨勢，于是對數據做了線性可視化。

 

 

淘寶銷售額下降，你如何用數據給老板分析原因？

比如內部原因上，產品設計生產、產品展示設計排版、產品營銷獲客、產品銷售運營等方面會對銷量產生影響，其中每一類原因都可以繼續細分出多個維度，每個維度如何去衡量好壞接下來指標化要思考的。

外部原因通常是難以驗證的，因為你不可能獲取到競爭對手的數據，所謂的第三方報告也并不準確，如果對方是上市類網紅店，那可以查看披露的財報數據，但是一般淘寶店都不涉及到資本運作。

 

將與銷量相關的指標量化

所謂量化就是窮盡所有指標的最小單元，即最小不可分割原則。比如“7-11月銷量”本身只是一個指標對吧？

但還能繼續拆分成每個月的銷量之和，也可以拆分成各個品類的銷量之和，用公式表示就是：

7-11月銷量=7月銷量+8月銷量+9月銷量+10月銷量+11月銷量

 

所以聯想一下，用公式去量化指標是不是很好的挖掘方法？

比如銷量=下單數*（1-訂單取消率-退貨率），這個公式就可以把銷量用“下單數、訂單取消率、退貨率”等三個維度去量化，但是還是不夠窮盡，因為以上三個指標還是可以分割的。

下單數=咨詢數*（1-咨詢流失率）+瀏覽量*（1-瀏覽流失率）；訂單取消率=支付取消數/下單數；退貨率=訂單退貨數/已支付訂單數；所以又會引出“咨詢流失率、瀏覽流失率、支付取消數、訂單退貨數”等多個衡量指標。

經過這樣一層一層公式化的量化，你就最可能找到那些“最小不可分割的指標”，進而最可能發現本質的問題所在了。

所以你嘗試對毛呢大衣的銷量進行了一定的指標化，在純粹做指標化的過程中，你能體會到，最小可衡量指標大部分都是比率，因為指標增長或降低最直接就是用比率來描述。

比率的變化又與用結構化思維得出的維度相結合，外部市場競爭加劇的話，瀏覽流失率就會降低；商品質量落后的話，商品質量客訴率就會上升，所以僅僅統計銷量的變化意義不大，要統計關鍵環節的各層面的轉化率才能反應哪個維度出了問題。

最終通過一次復雜的體系化的分析后，你能得到產品的分析框架，以后再遇到什么問題，只需要在分析框架上看數據比率變化，找到對應影響的維度，再通過實際真實業務情況加以佐證，就能夠盡可能的接近問題真相了。

由于外部原因難以量化，所以這里只是又進一步內部原因指標化了，下圖是根據一個電商用戶在淘寶站內看見店鋪或者商品后的一系列行為分析得出的分析框架。

 

結合業務找出核心指標

雖然圖中已經把核心指標用黃色填充標注了，你也可以借助業務去推敲一下，這些指標量化合理么？它們最能表現出業務的良好程度么？

至于用戶處于淘寶平臺用戶的什么階層是不太需要關注的，不管用戶是淘寶的新用戶、老用戶、活躍用戶、還是流失又召回的用戶，是怎樣的都沒有關系，只有商品或店鋪曝光在了用戶眼前，這個用戶才和淘寶店鋪產生了關系，所以平臺型分析思維不適合。

利用用戶在商品頁和搜索頁的行為軌跡，你對每一步的轉化進行了比率型的指標量化，核心指標無非是“曝光轉化率”、“筆單價”、“件單價”、“訂單流失率”、“復購率和回購率”等，用于衡量商品頁、商品價格、用戶心理預期符合度等各維度的健康度。將毛呢大衣的價格與銷量一起對比，能看到8-10月份價格上漲明顯，而銷量受價格影響，增長趨勢放緩，沒有去年同期增長快。由于數據都是臨時編制的，這里就不繼續編制非常細致的瀏覽數、點擊數、加購數、生成訂單數、成功支付數了，感興趣的可以自行思考。

 

銷量下降，最核心的業務指標也下降了么？

通過結構化思維+公式化的指標量化，你能得到非常多的衡量指標，每一個指標背后對應多個維度，某一個維度雖然下降了，但很多時候并不影響最核心的指標，比如本文中的總銷量下降不一定就會導致利潤下降。

銷售部門只看到了總體銷量下降了，但銷量下降就能代表利潤降低了么？

 

總利潤才是淘寶店鋪的核心指標：

總利潤=（利潤率1*銷量1）+（利潤率2*銷量2）+（利潤率2*銷量3）

整體銷量下降來，利潤不一定下降，很有可能是低毛利的品類銷量降低，而高毛利的品類銷量大增，雖然總體銷量降低了，但是利潤有少量增幅，如果店鋪評分沒降低、客訴率沒增多，那即使總銷量下降了，店鋪整體的健康度也是增長的，是不存在負面問題的。

所以，當看到某些指標下降的時候，先不要慌，去看一看最核心的指標有沒有下降？會不會是因為策略的放棄性調整才導致某一指標降低，但整體利率仍然是增長的。

 

分析思維總結

你可以嘗試根據業務去利用結構化思維、公式化思維拆解問題背后的維度層次，找到可量化可衡量的指標，要注意的是最小可量化的指標一般是比率的形式。

 

分析思維大致有這樣幾個角度：

可以從用戶生命周期的角度去考慮產品內用戶整體的健康度，新用戶的獲取指標，用戶活躍指標，用戶留存指標，用戶流失指標，用戶挽回指標。