[[111847]]

導讀：說到數據分析，大家可能就會想到回歸，聚類什么的，不過對于電商的小伙伴來說，這些都太復雜了。而實際分析的時候，其實并不需要這么復雜的算法，大家需要的只是：

對比

細分

轉化

分類

只要掌握了這四種思想，基本上已經可以應付日常的分析工作了。

對比思想

數據對比主要是橫向和縱向兩個角度，指標間的橫向對比幫助我們認識預期值的合理性，而指標自身在時間維度上的對比，即我們通常說的趨勢分析。

以店鋪的成交額分析為例：

縱向對比

我們可以把最近30天的成交額顯示在坐標軸上，這樣就可以很明顯的看到最近的成交額是否達到了預期，當然我們也可以以周或者月（或者季度，年等等）為單位。

所有的分析其實都必須要考慮實際的場景，我們看到今天的成交額比昨天大也許說明的問題還是很有限，因為今天和昨天的性質可能未必一樣，例如今天可能是周六，或者恰好是節假日等等。所以我們在做縱向對比的時候，例如要判斷今天（假設是周六）的成交額是否合理，除了看最近30天的趨勢數據，我們還可以考慮：

• 最近10周的周六成交額趨勢

• 如果今天恰好是一個節日，例如雙十一，那么可以考慮和上一年的雙十一做一個對比。（說明：因為間隔時間比較長，數據反映出來的意義可能比較有限）

橫向對比

例如我們說，店鋪這周的成交額上漲了10%，那我們是不是應該高興呢？

當然應該高興，不過這個上漲的背后是否隱含著什么危機呢？當然是有的，例如你的競爭對手們這周的成交額都上漲了20%！當你洋洋得意的時候，可能已經被競爭對手拉開距離了。

也就是說，我們對一個現象判斷好不好，這是需要一個參照系的。在現在的電商時代，你完全有可能知道競爭對手的成交額上漲了多少的。

再舉一個更常見的例子：

假如我在不同的地方（或者平臺）開了很多家店鋪，某商品的成交額在A店鋪上漲了10%，那這個是否值得高興？

這個顯然未必，我們還要對比商品A在各家店鋪的上漲情況，例如可以對比平均曲線。

細分思想

使用轉化的思想，我們已經基本可以判斷一個指標（例如成交額）是否合理了。不過還僅僅知道是否合理是不夠的，我們還需要知道問題所在，這時可以用上細分的思想了。通過細分的思想，我們可以對分析對象剝絲抽繭，逐步定位到問題點。細分的角度可以有很多，越細分越能準確描述問題。

例如，我們通過查看趨勢，知道了這個月成交額下降了這個問題后，現在我們用細分的思想來找出問題的所在：

成交額細分

成交額 = 客單價 X 客戶數

對比客單價和客戶數的趨勢，就可以判斷出影響成交額變化的主要因素是什么，如果是客戶數問題，我們則對客戶數進行細分，如果是客單價問題，則對客單價進行細分。

客戶數細分

客戶數 = 新客戶 + 老客戶
老客戶 = 二次成交客戶 + 多次成交客戶

一段時間內的新客戶反映的是店鋪的引流效果，而老客戶反饋的是店鋪的產品質量，服務質量和客戶維護營銷等。

對于店鋪來說，促成二次成交都是非常重要的，特別是對于電商客戶，因為對于電商，客戶轉移的成本比線下低很多。

客單價細分

客單價 = 成交價 X 人均成交數

人均成交數這是店鋪一個非常值得關注的指標，它能最直接地反饋出店鋪在服務質量和客戶維護營銷等方面的效果，如果該值過小表明店鋪的客戶流失率很大，應該重點關注。

成交價反饋的通常是導購的能力，促銷活動的效果等，具體還可以對這個指標進行分解。

成交價細分

成交價 = 件單價 X 連帶率

成交價的上升或者下跌，反映的問題可能很多，對其進行分解后就很明確了。

件單價的變化通常是有促銷的力度，商品結構和消費結構（例如季節因素等）變化引起的。

連帶率這個反饋的是店鋪內導購的能力，或者促銷手段（例如買一送一等）的效果，也是店鋪管理人員重點要關注的指標。

細分思想其實就是不斷用更小的量化指標去細分一個大的指標，從而達到定位問題的目的。

轉化思想

細分的思想可以從縱向定位問題，但是單單細分是不夠的。這些指標是從哪里來的，每一個步驟的轉化率怎么樣，哪一個步驟的轉化不好，可以改善？這些通過轉化率都可以分析出來。

例如我們要分析本周的活躍客戶數（有成交的客戶數），那么我們就要分析這些活躍的客戶數是從哪里來的，梳理一下可以簡單分為以下4個步驟：

進入店鋪的客戶數 ==》瀏覽過商品的客戶數 ==》下單的客戶數 ==》交易成功的客戶數

這里4個步驟就會有3個轉化率，哪些步驟轉化率比較高，哪些步驟轉化率比較低，歷史趨勢怎么樣，是否合理，是否有改進的空間等等。通過應用轉化的思想，能夠有效的指導和優化實際的運營工作。

分類思想

上面我們已經介紹了對比，細分和轉化三種實用的數據分析思想，現在我們還有再介紹一種非常實用的思想，那就是分類思想。

分類思想簡單的說，就是把一些對象，按照某種規則，劃分為若干個類別，然后分析各個類別的特征，并以此來指導我們的行動。

嚴格說，分類其實也是細分的一種，不過因為它比較重要，所以獨自開來。

分類思想的應用很多，例如對客戶的分類，我們可以用RFM分析模型，也可以用簡單的利用某個指標的值（例如渠道標識，這樣我們就可以分析到各個渠道客戶的質量等）。基于這些客戶的分類，我們就可以進行精準的客戶營銷了。

在電商或者零售業上，我們經常做的分類還有商品分類，經典的有按照品類分類，或者ABC分類，這些對于我們做商品運營都是非常重要的。

當然還有非常復雜的分類方法，例如聚類算法，不過這些不在我們的討論范圍內。

小結

對比，細分，轉化和分類，其實都是很簡單的數據分析思想，不過如果你掌握了，并且培養這樣的意識，那一定會受益終身。

***：

所有數據分析方法思想都只是術，真正的道是你對數據使用場景的深刻理解。離開了使用場景，數據就毫無價值。