光说数据分析理论太干,我想通过一个电商案例,来盘活与销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挑战。
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个月的销售都不温不火,有涨有跌,每月销售额一直徘徊在40万元左右,但上个月的销售额猛的突破了100万元,而且!是在广告花费不足10万的情况下获得的销售额,这让老板很雀跃啊,感觉春天来了!过去10个月的煎熬终于要出头了!
我忍不住泼了个冷水:
销售额突破预期就意味着经营步入正轨了吗?
如果不是,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候,不能光盯着数据本身看,就数据论数据,而是要用一个完整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、对比、溯源。
具体来说就是:
- 先从不同的维度去分解问题;
- 再根据每个维度上的数据建立参照系做对比,找到业务的薄弱环节或部分;
- 最后分析原因,找到改进方案。
如此,才可能发现到100万元背后真正的商业洞察,更好的制定下一步的策略。
销售数据分析第一步: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?维度起源于几何学,指的是连接两个同种空间的通路,用在数据分析的时候多指一种视角,比如性别、地区、时间、距离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对比来了解事物的发展趋势,比如本案中,上个月销售额是40万元,这个月是100万元,我们就可以说销售额环比增长率是150%,这是时间上的对比,也称为纵比;
也可以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?拆解的前提是找到了合适的维度,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,因变量就是销售额。
导致整个销售额发生从60万元到100万元的变化的因素可能有很多,我们可以用6W2H、也可以用营销“4P”的框架来分析,把可能需要思考的维度都列出来,然后再根据案子具体的情况,看他会涉及到哪些维度,从中选择适合的维度,进行下一步的拆解和分析。
这里我们用6W2H给大家演示一遍流程:
1、是What,就是你卖的是什么产品?
根据具体问题还可以展开,比如:
- 你的产品线是什么?
- 你的竞品是什么?
- 你的替代品互补品各是什么?
- 你的目标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、望远镜等,那么据此可以拆分的问题就是:各个产品的销售额贡献率是多少?按照28原则,理想状态是80%的销售额