数据分析

发现问题

7-11月销量总额为什么比去年同期下降了？

分析问题

利用结构化思维拆分销量，所谓结构化思维就是有逻辑的思考，暂时放弃发散性的思考，用脑海储备的知识对目标进行全面的拆解分析。

当你得知淘宝店铺的销量下降的时候，你不应该发散性的根据以往经验列出一堆原因（比如竞品升级、活动力度降低等等）。
首先应该静下来对“店铺销量构成”以及“能够对销量产生影响的因素”进行拆解，进一步明确问题根源。

把销量构成这样拆出来后，发现最开始的原始销量数据不足以看出销量趋势，于是对数据做了线性可视化。

 

 

淘宝销售额下降，你如何用数据给老板分析原因？

比如内部原因上，产品设计生产、产品展示设计排版、产品营销获客、产品销售运营等方面会对销量产生影响，其中每一类原因都可以继续细分出多个维度，每个维度如何去衡量好坏接下来指标化要思考的。

外部原因通常是难以验证的，因为你不可能获取到竞争对手的数据，所谓的第三方报告也并不准确，如果对方是上市类网红店，那可以查看披露的财报数据，但是一般淘宝店都不涉及到资本运作。

 

将与销量相关的指标量化

所谓量化就是穷尽所有指标的最小单元，即最小不可分割原则。比如“7-11月销量”本身只是一个指标对吧？

但还能继续拆分成每个月的销量之和，也可以拆分成各个品类的销量之和，用公式表示就是：

7-11月销量=7月销量+8月销量+9月销量+10月销量+11月销量

 

所以联想一下，用公式去量化指标是不是很好的挖掘方法？

比如销量=下单数*（1-订单取消率-退货率），这个公式就可以把销量用“下单数、订单取消率、退货率”等三个维度去量化，但是还是不够穷尽，因为以上三个指标还是可以分割的。

下单数=咨询数*（1-咨询流失率）+浏览量*（1-浏览流失率）；订单取消率=支付取消数/下单数；退货率=订单退货数/已支付订单数；所以又会引出“咨询流失率、浏览流失率、支付取消数、订单退货数”等多个衡量指标。

经过这样一层一层公式化的量化，你就最可能找到那些“最小不可分割的指标”，进而最可能发现本质的问题所在了。

所以你尝试对毛呢大衣的销量进行了一定的指标化，在纯粹做指标化的过程中，你能体会到，最小可衡量指标大部分都是比率，因为指标增长或降低最直接就是用比率来描述。

比率的变化又与用结构化思维得出的维度相结合，外部市场竞争加剧的话，浏览流失率就会降低；商品质量落后的话，商品质量客诉率就会上升，所以仅仅统计销量的变化意义不大，要统计关键环节的各层面的转化率才能反应哪个维度出了问题。

最终通过一次复杂的体系化的分析后，你能得到产品的分析框架，以后再遇到什么问题，只需要在分析框架上看数据比率变化，找到对应影响的维度，再通过实际真实业务情况加以佐证，就能够尽可能的接近问题真相了。

由于外部原因难以量化，所以这里只是又进一步内部原因指标化了，下图是根据一个电商用户在淘宝站内看见店铺或者商品后的一系列行为分析得出的分析框架。

 

结合业务找出核心指标

虽然图中已经把核心指标用黄色填充标注了，你也可以借助业务去推敲一下，这些指标量化合理么？它们最能表现出业务的良好程度么？

至于用户处于淘宝平台用户的什么阶层是不太需要关注的，不管用户是淘宝的新用户、老用户、活跃用户、还是流失又召回的用户，是怎样的都没有关系，只有商品或店铺曝光在了用户眼前，这个用户才和淘宝店铺产生了关系，所以平台型分析思维不适合。

利用用户在商品页和搜索页的行为轨迹，你对每一步的转化进行了比率型的指标量化，核心指标无非是“曝光转化率”、“笔单价”、“件单价”、“订单流失率”、“复购率和回购率”等，用于衡量商品页、商品价格、用户心理预期符合度等各维度的健康度。将毛呢大衣的价格与销量一起对比，能看到8-10月份价格上涨明显，而销量受价格影响，增长趋势放缓，没有去年同期增长快。由于数据都是临时编制的，这里就不继续编制非常细致的浏览数、点击数、加购数、生成订单数、成功支付数了，感兴趣的可以自行思考。

 

销量下降，最核心的业务指标也下降了么？

通过结构化思维+公式化的指标量化，你能得到非常多的衡量指标，每一个指标背后对应多个维度，某一个维度虽然下降了，但很多时候并不影响最核心的指标，比如本文中的总销量下降不一定就会导致利润下降。

销售部门只看到了总体销量下降了，但销量下降就能代表利润降低了么？

 

总利润才是淘宝店铺的核心指标：

总利润=（利润率1*销量1）+（利润率2*销量2）+（利润率2*销量3）

整体销量下降来，利润不一定下降，很有可能是低毛利的品类销量降低，而高毛利的品类销量大增，虽然总体销量降低了，但是利润有少量增幅，如果店铺评分没降低、客诉率没增多，那即使总销量下降了，店铺整体的健康度也是增长的，是不存在负面问题的。

所以，当看到某些指标下降的时候，先不要慌，去看一看最核心的指标有没有下降？会不会是因为策略的放弃性调整才导致某一指标降低，但整体利率仍然是增长的。

 

分析思维总结

你可以尝试根据业务去利用结构化思维、公式化思维拆解问题背后的维度层次，找到可量化可衡量的指标，要注意的是最小可量化的指标一般是比率的形式。

 

分析思维大致有这样几个角度：

可以从用户生命周期的角度去考虑产品内用户整体的健康度，新用户的获取指标，用户活跃指标，用户留存指标，用户流失指标，用户挽回指标。