年终产物出售分析陈述如何做?
本文摘要:当我们面对数据的时分,不能光盯着数据本身看,就数据论数据,而是要用一个完好的数据分析框架去解读数据。光说数据分析理论太干,我想通过一个电商案例,来盘活与出售数据分析相关的术语和方法论,以便各位更策略的应对各类线上大促的应战。这个案例是这样的

当我们面对数据的时分,不能光盯着数据本身看,就数据论数据,而是要用一个完好的数据分析框架去解读数据。

光说数据分析理论太干,我想通过一个电商案例,来盘活与出售数据分析相关的术语和方法论,以便各位更策略的应对各类线上大促的应战。

这个案例是这样的:

一个在信息流平台上卖礼品的电商,之前10个月的出售都不温不火,有涨有跌,每个月出售额一直徜徉在40万元左右,但上个月的出售额猛的打破了100万元,并且!是在广告花费不足10万的状况下取得的出售额,这让老板很雀跃啊,感觉春天来了!以前10个月的煎熬终于要出头了!

我不由得泼了个冷水:

出售额打破预期就意味着运营步入正轨了吗?

假如不是,我们又该怎样发现100万元这个数据背后隐藏的商业洞察呢?

靠分析。

当我们面对数据的时分,不能光盯着数据本身看,就数据论数据,而是要用一个完好的数据分析框架去解读数据。

数据分析有一个经典的6字策略:细分、比照、溯源。

详细来说就是:

先从不同的维度去分解问题; 再依据每一个维度上的数据建立参照系做比照,找到事务的单薄环节或部分; 终究分析原因,找到改善方案。

如此,才可能发现到100万元背后真实的商业洞察,更好的制定下一步的策略。

出售数据分析第一步:细分

所谓细分,是指通过拆解不同维度,找到需要分析的某个指标的影响因素。

什么是维度?

维度来源于几何学,指的是连接两个同种空间的通路,用在数据分析的时分多指一种视角,比如性别、区域、时间、间隔等都是数据分析时常会用到的视角。

比如我们要用时间作维度,一种方法是通过同一空间下前后时间的比照来了解事物的开展趋势,比如本案中,上个月出售额是40万元,这个月是100万元,我们就能够说出售额环比增加率是150%,这是时间上的比照,也称为纵比;

也能够通过同一时间下空间上的横向比较来了解的自己现状和差距,如不同国家人口数、GDP的比较,不同省份收入、用户数的比较、不同公司、不同部门之间的比较,这些都是同级单位之间的比较,简称横比。

怎样拆解维度?

拆解的条件是找到了适宜的维度,那么怎样找维度呢?

找到细分维度的本质是发现因变量的影响因素。比如本案里,因变量就是出售额。

导致整个出售额发生从60万元到100万元的变化的因素可能有很多,我们可以用6W2H、也能够用营销“4P”的框架来分析,把可能需要考虑的维度都列出来,然后再依据案子详细的状况,看他会触及到哪些维度,从中选择合适的维度,进行下一步的拆解和分析。

这里我们用6W2H给我们演示一遍流程:

1、是What,就是你卖的是什么产品?

依据详细问题还可以打开,比如:

你的产品线是什么? 你的竞品是什么? 你的代替品互补品各是什么? 你的方针消费者的固有选择是什么?

假设我们现在需要从产品线维度来拆,一般礼品电商公司可能不止卖一种礼品,可能还会卖高端签字笔、千里镜等,那么据此可以拆分的问题就是:各个产品的出售额贡献率是多少?依照28原则,抱负状态是80%的出售额来历于20%的产品,我们需要知道爆款是什么,卖得欠好的产品是什么?细分清楚才干进行下一步的分析,了解出售额改动的原因和判断之后的趋势。

2、是Who,就是考虑谁在卖?

比如企业内部是谁在做这款产品的出售?

外部市场上有多少同行在卖同款产品?

假如考虑内部,我们可以把问题拆分红,有哪几个部门在卖?由哪几个项目主管负责出售?他们各自对出售额的贡献状况怎么?

假如考虑外部市场,可以分析看看同行的出售额是多少?这个100万元的水平在同行内的排名在什么方位?

3、是Whom,就是卖给谁?

这一步说的是谁是你的客户?客户类型有哪些?

谁是使用者?谁是影响者?谁是决策者?

消费层次怎么?

收购频次怎么?

……

就本案来说,我们可以考虑,在线上买礼品的人可认为几类?他们各自有怎样的收购特征,等等。

4、是When,什么时分购买?

客户购买的时间散布有何规律?

比如本案里,我们可以比较看看出售额是否是有周期性改动的规律?

5、是Where,客户在哪里买?

我们可以看看有哪些出售渠道,比如是线上仍是线下呢?假如都是线上,那么是信息流平台仍是网上商城?等等。

就本案来说,这个老板同时铺了几个渠道或者平台在卖,那么多的渠道里,哪一个或者哪些渠道的出售额更好?

6、是Why,就是客户的购买动机是什么?

客户为何要买我的产品?客户消费场景有哪些?客户的痛点有哪些?有哪些环境因素影响了客户的购买?等等。

比如本案中,我们可以考虑,在客户的购买动机里,是要送礼的多仍是要自用的多?是什么原因促使他们来买礼品?等等。

7、是How,即客户怎么购买?

这个怎么购买可所以对支付方式的研讨,比如是货到付款仍是先付款后发货?是微信支付仍是支付宝支付?等等。

怎么购买也能够是营销组合要素怎么影响消费者的购买决策,消费者在购买决策的垂青哪些因素,是购买的便当性呢?仍是产品的设计性?仍是价格?

8、是How much,即客户情愿为产品支付多少本钱?

这里就触及到定价策略了,是选用低价浸透呢?高价撇脂呢?仍是歧视定价?等等。

还可以考察一下客户的购买本钱是怎么构成的,是否包括了解本钱、钱银本钱、风险本钱、时间本钱、便当本钱等,详细问题详细分析。

就本案来说,在这一点上要考虑的是现在的定价策略会不会对出售额有影响?哪一种定价方式更有利于扩展出售额?

出售数据分析第二步:比照

完成上一步的细分之后,我们就需要开始对同一维度的数据进行比较,以了解事务现状,找到事务的单薄环节或部分。

比较主要是通过建立参照系来比较。这里需要强调几点留意事项:

1、要弄清楚是谁和谁在比

这里的“谁”涵义比较宽泛,比如是否是同一单位在比?比好像样是出售金额,3000人民币和900欧元就没法直接比,得先统一单位,然后再比。

2、弄清楚怎么比

也就是选择比较的对象要有可比性。比如公司的某个产品的出售额不能和全省该产品的社会零售总额去比,这都不是一个量级,怎么比?比较只能和同量级的比。

3、弄清楚比完后要干嘛

假如各种步骤都精确,那么比完之后,我们就可以知道自己大约所处的状态了,假如这个状态相对较好,就继续坚持,假如状态相对较差,就能够着手改善优化了。

对优化师来说,单薄部分和单薄环节都是优化工作的切进口,实操中,好的优化师往往对“差”有适当高的敏理性。

找谁开刀?

假设我们通过产品维度的比较发现,本案的这个公司一共在售的10个类意图礼品中,绝大部分产品的比照出售都挺不错,运营各个环节步骤也都体现杰出,有的乃至现已做到了极限,只有一款手表卖得特别糟糕,出售额排名在终究,上月出售额只有3000元,仅占整个出售额比例的0.3%——也就是说,这款手表对上个月100万出售额的贡献微不足道,属于该公司出售的单薄环节。

这种状况下,我们是去找体现最好的去优化晋级、应战更高的极限呢?仍是先试着补足短板呢?

这里我们给出一个判断权衡的参考方向:

可以依据优化的投入产出比来判断; 可以依据优化的难易程度和改善空间来选择; 重点考虑公司的资源状况; 参考公司的运营方针和运营策略; 其他影响因素的考量,比如其时市场的政策状况、行业的开展趋势、同行竞争状况等等。

假设依据上面的各个因素的分析,我们得出,本案的出售主体公司很看能手表这个类意图开展前景,公司未来运营思路的设想是多头开展,那么我们可以认为,提高手表出售额是燃眉之急,接下来的工作中就是需要把提高手表的出售额作为提高整体出售额的切进口。

出售数据分析第三步:溯源

一般状况下,碰到某款产品销量差,相关经手人的第一反响是是什么呢?责怪!

怪优化师广告没投好?怪产品主管选错产品?仍是怪售价定太高了?各种猜各种怪各种卸责。

这里我想提示诸位,无依据的猜想于事无补。有用的解决方法,不是拍脑袋猜想,觉得是哪一个就是哪一个,而是要用一个模型把一条路上所有可能触及到的问题都追溯一遍,找到问题的源头。

怎么溯源?看鱼骨图

我们用鱼骨图来分析一下电商投放信息流广告时可能遇到的运营问题。

依据图示,我们可以了解到,整个电商投放环节触及到了6块内容,分别是最开始的选款,然后是针对性的定价,接着是投放相关的定向、创意、落地页,终究还触及到客服、物流等后端,这里边每一步都可以再拆分红很多小步骤。

比如选款环节。

电商的选款是个十分杂乱的过程,对选款人的营销能力和市场敏感度均有很高的要求。那么通常我们在选款时可以考虑的内容有:

1、产品地点行业竞争的要害是什么?

比如大部分快消品行业主要的竞争要害是品牌,假如我们想选的产品是属于这个领域的,那我们就要考虑这个产品的品牌是否有号召力。

比好像样是线上卖手机,平等条件下,你卖iPhone的效果和“YOTA”phone的效果是不一样的。

2、产品是否适销对路?

线上选款和线下选款是有不同的,需要实践体验才干成交或是需要专业的咨询效劳才干成交的产品就不对错常合适在线上直接售卖,或是转化门槛太高的产品,在线上出售时用户的折损率也会比较高。

比如有些保险产品的出售就需要专人效劳才干成交,在线上出售转化门槛太高,转化本钱高也是情理中事。

其他要考虑的问题还有很多,比如产品的利润空间,市场上的竞争状况,进入门槛等等,这里不打开了,遇到详细问题可以再详细分析。

就本案来说,该公司的选款主要参考的是公司地点地的的实体礼品零售店数据。从这些零售店的出售状况来看,此款手表可谓爆款,三个月内来回购送人的客户超过40%!

40%是什么概念?通常来说,线下礼品类出售能有20%的回购率就现已不错了,这个40%就等于翻倍了,也正因为此,给了这个电商公司的老板十分大的自信心,觉得可以放到线上卖卖试试。

再来说说客服环节。

客服环节主要考虑的是用户体验,一般影响用户体验的因素有如下几个方面:

1、呼应是否快?

比如你问了客服一句问题,半天没人呼应,你觉得用户会是啥心境?

据相关数据显示,一般反响时间超过15秒,这个咨询就可能黄了,且越是急迫的咨询,或者说越是需求精准的用户的咨询,他们期望得到快速反馈的愿望越强烈,可能15秒都等不及。

2、问答比是否高?

这个是指客服和用户互动的状况,是否是热心到位?用户问你三句,你答复一句,你这一句能说明问题倒也算了,假如不能,那用户体验也会欠好,天然的,转化也就好不到哪里去(有些特殊行业,比如豪华品零售领域的逆向营销不在我们今天的评论规模内)。

3、话术是否专业?

我们先解释一下何为专业:一种是指客服人员在线出售的水平是否达标,详细是指客服人员的交流技巧和逼单能力等。

另外一种是指客服人员对产品所属领域常识的把握是否专业。能不能精确有用的答复用户的问题会直接或直接影响他们对产品的信赖程度。比如在某些特定的产品领域,像近视眼镜,客服人员对技能的把握程度和专业水平都会直接或直接的影响他的招待质量,进而影响用户的购买意愿。

就本案看,该电商公司的客服小组和其他产品的客服是公用的,从呼应时间到问答比到客服的接单流程、接单话术的专业水平都是契合营销专业要求的,并且实践的招待人员水平和实体店的店员水平相差不大,乃至略好一些,由此,我们可以大致扫除客服环节对销量的影响。

怎么分析?用5why

假设,通过鱼骨图对营销环节的层层剖析,我们发现,最可能呈现问题的环节是定价环节,因为现在的定价和同行比,有点太低了,那么会不因为价格太低导致客户认为廉价没好货?对品质没有安全感?所以不肯意买呢?——仍是那句话,猜,是不严谨的,我们需要借助专业东西进行分析。

这里我们引荐5why分析法。

5why分析法发源于日本丰田,是丰田前副社长大野耐一发现问题时惯用的一个分析方法:通过接连诘问“为何?”来找寻问题的真正原因宽和决方法,适用于多个领域。

就本文举的案例来说,我们可以通过下列这些提问来根究一下为何手表销量低。

提问开始:

1问:为何手表价格很低还没转化?

1答:怕是假的。

2问:为何会忧虑是假的?

2答:消费者的固有认知,认为比同行价格低可能就是假货。

3问:为何价格低就是假货?

3答:价格是价值的体现,价格高=质量好,价格廉价=没好货。

4问:为何用户会认为价格高=质量好,价格廉价=没好货?

4答:人们对一个既杂乱模糊又不确定的工作进行判断时,假如没有卓有成效的方法,往往会走一些思维的简略化处理捷径,比如,在判断产品质量与价格的关系时,决策依据欠缺,用户可能会依据以前的经历确定锚定值,比如曾经买过一样什么东西,很廉价,成果质量很差,他就会认为,价格廉价=没好货。

5问:为何人们会靠一些思维的简略化处理捷径来做决策?

5答:从2002年诺贝尔经济学奖取得者丹尼尔·卡尼曼撰写的《考虑,快与慢》中了解到,大脑中有两套体系,体系1的运转是有意识且快速的,不怎么费脑力;体系2是将留意力转移到需要费脑力的大脑活动上来,例如杂乱的运算。

大脑也喜欢决策本钱最小化。

日常日子中只用体系1就差不多了。遇到体系1无法自主解决的问题,比如“17×24”这样的运算,才会触发体系2。

问题是,这个过程当中,体系1会常常过来捣乱,最麻烦的是我们还无法关闭这个喜欢走捷径的体系1,可以说,想要体系2好好执行工作是很困难的。

(注:5why不是说只能问5个“为何”,可以多可以少,当你觉得找到问题的本源宽和决方法了,就能够停。比如上面这个5问我们还可以继续往下问,问到终究你会发现这实际上是一个关于人类进化论的问题…)

所以答案就出来了:你原认为的廉价的这个卖点,并没有被人的大脑认可,廉价本身还未到级别触发理性的体系2,也就是说,用户无法靠理性的体系2来分析出你的价格其实超划算,给出应该要买的指令。

相反,那个喜欢对各种问题都要插一脚的体系1直接给出了廉价没好货的讯号,阻碍了用户的举动,最终导致了销量如此之低。

那么对应的解决方案就是:不要对抗人大脑的决策机制,也不要试图绕过那个喜欢对各种问题都要插一脚的体系1,既然人们觉得廉价没好货,你就不要廉价。

所以接下来我们就能够优化定价策略了,定完后再从头上线测试出售的状况是否是和预期一致,然后再做进一步的优化改善,如此循环往复,继续改善。

整个分析到此就先告一段落了。

回过头来,我们再来看看文章最初说的案例,100万元这个数据本身其实并没有什么意义,我们只有把它代入到详细的商业布景中,通过比照、细分、溯源,才干解读出它背后的商业价值。

当然,实操中遇到的问题肯定会比我们说的案例杂乱,需要考虑的因素也会多很多,但,解决问题的根本思路是一致的。

说究竟,数据分析是生意的一部分,一切分析工作都是为了协助我们达到商业方针。

 

作者:杜江(微信大众号:信息流广告精准投放),上海极效营销高级产品主管,11年互联网营销经历、前楼口电商商务智能总监、道瀚亚太区产品主管、爱尔百兰产品主管,电商鱼骨图、铺货理论等理论创始人。

本文由 @杜江 原创发布于人人都是产品主管。未经答应,禁止转载

题图来自 unsplash,基于 CC0 协议


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。

相关内容