5-銷售分析

來自專欄 數據化運營框架<5年數據3年分析>

重點/特殊業務專題分析

『』』

以下分類只是按業務的側重點不同做的分類，但實際業務分析過程中，都是會幾種分析相結合。比如分析銷售時，就還要用到活動分析（促銷活動）、內容分析（商品的標籤分類、商品評價的情感分析）、用戶畫像分析（促銷人群選擇、促銷商品選擇、促銷形式選擇等）、路徑分析（流量的分配，宣傳廣告位的位置選擇）等等。

『』『

銷售分析

目 錄

1. 上下游整體的銷售體系：
2. 電商的主要指標：
3. 銷售日常監控
4. 促銷活動分析
5. 購買用戶價值分析
6. 用戶購買偏好分析

銷售分析

1 上下游整體的銷售體系：

詳細版：

2 電商的主要指標：

• 訪客

訪客身份、性別、年齡、關鍵詞偏好、地域、歷史購物頻次、價格敏感度、優惠偏好、賣家等級、買家等級、評價情況、退貨情況、換貨情況、新老買家等

• 商品

商品PV、訪客數、買家數、訂單數、交易件數、訪客-下單轉化率、下單-支付轉化率、庫存、價格、圖片、類目、評價、優惠措施、來源關鍵詞等

• 流量

PV、PV趨勢、來源、來源PV、頁面類別、頁面類別PV、流量top商品、流量top訪客、廣告流量

• 交易

訂單數、買家數、新老買家、客單價、交易金額、退款、退貨、評價、滿意度、動態評分

• 轉化

新品轉化、舊品轉化、來源轉化、新買家轉化、老買家轉化、廣告轉化

3 銷售日常監控

考察指標

至少需要五大關鍵指標：銷售額GMV（最重要）、活躍用戶量、轉化率、留存、復購。

• 【GMV】

是最重要的指標。 GMV（銷售額） = UV （流量）*轉化率*客單價。

• 【活躍用戶量】

考察 DAU (日活躍用戶)、 WAU (周活躍用戶)和 MAU (月活躍用戶)三個指標

• 【轉化】

依據商品購買業務流程，選取關鍵環節，設立指標，創建用戶購買行為漏斗（必要時需要能精確到每個品類/SKU的轉化率）

例：

#當日轉化率：從訪問購買主頁到最終支付的轉化率（這些行為為當日行為，而確認完成存在物流等時間差，存在滯後性）#

• 【留存】

要考察不同周期內的用戶留存，次日留存率、2-3 日內留存率、4-7 日內留存率、8-30 日內留存

例：

#越近的用戶比例越大，表示用戶的留存情況在變好，反之則在變差#

• 【復購】

復購用戶量、復購率和復購金額比

優化思路：

• 可以通過交叉分析模塊找出存在問題的渠道、區域與人群
• 可以觀察購買的高峰時段和是否具有周期性
• 可以按照店鋪>商品大類>商品小類>品牌>型號的順序，一層層深入鑽取，查看有問題的類別和用戶感興趣的商品
• 可以考察商品的價格、商品的評論對最終銷售情況的影響
• 商品所參與的活動對最終銷售情況的影響
• 可以細看放棄的用戶的典型的行為路徑及是否遇到體驗上的障礙
• 用戶是否能便利的找到其感興趣的商品，商品導航和個性化推薦做的是否好
• 購買後的物流與用戶評價對用戶復購的影響

『』』

Who，行為背後的人及其所具有的屬性；

When，在什麼時間；

Where，什麼店鋪、什麼種類、什麼品牌；

What，瀏覽、加購物車、下單、支付、退貨、確認了什麼商品；

How，（什麼樣的價格、參與了什麼樣的活動形式）

去推測Why（什麼樣的人會因為什麼原因購買什麼樣的商品） #消費者不是為了買到便宜的東西，而是喜歡那種佔便宜的感覺#

『』』

4 促銷活動分析

（見活動分析）

5 購買用戶價值分析

6 用戶購買偏好分析

一件商品的關鍵特徵除了反映在商品圖片和詳情頁中之外，主要可以採集的信息是商品的標題及參數描述。

將商品的標題文本提取出來，對其進行分詞，得到龐大的女裝描繪詞庫。然後根據詞語權重去除無效的停用詞，方法如計算TF-IDF值，通過計算詞庫中詞語與參數描述中風格詞的相似度，可以過濾得到女裝風格詞庫，利用無監督學習如LDA等方法可以計算一種風格所包含的辭彙及這些辭彙的重要性。這樣就完成了按文本分類。

買家擁有瀏覽、搜索、點擊、收藏、加購車、以及交易等多種行為，針對每種行為賦予不同的行為強度（即權重）。那麼就很容易得到買家對各風格的偏好程度了。