互聯網給消費品領域帶來了更多地數據維度，也就增添了更多地玩法。不管是創業者還是投資人，只要能更好地運用這些新東西，就能比別人取得更大的優勢。

在移動互聯網紅利消失、消費升級的大潮背景下，涌現出眾多做消費品、消費服務和品牌的互聯網背景創業者：賣酸奶、果汁、沙拉、床墊、高跟鞋、面包的、做外賣餐飲品牌的、送花的、做SPA的、做服裝品牌的、剪頭發的等等。而眾多的知名TMT投資基金也加入到消費投資的大潮中。一時間，投資圈打招呼問在看些什么項目，回答的都是“哎，沒什么好的互聯網項目，最近在看消費”。仿佛不看消費，這些曾經專注于互聯網的基金就再沒有什么好投資的了。

關于“消費到底有沒有升級？是如何升級的？”，“互聯網消費到底有沒有機會？”我們在這不做過多的討論。但是我一直在想，互聯網基金為什么可以做得好消費投資？并不是在互聯網紅利還在的時候，那些用戶的消費就不升級了，也不是當時沒有專注于消費品投資的基金（這些基金在現在也還一直活躍在消費品投資的第一線上）。事實上，做得好的專注于消費投資的基金非常非常多，他們對消費者、消費行為、品類等等有著長期的關注和深刻的研究。那么值得思考的是，互聯網基金有什么獨特的優勢，可以使得他們比傳統消費基金投得更好，并且在消費投資領域也能做到和互聯網領域投資一樣優秀？互聯網在消費領域的決定因素到底有多大？在公司運營方面，互聯網又有什么樣的優勢？

分析一個項目，有宏觀和微觀兩個維度。在宏觀方面，要分析市場，看市場的規模、增長，看品類，研究消費者的行為習慣，要看產業鏈的上下游格局等等，這是所有基金都必須掌握且擅長的，這里也并不能分出互聯網消費基金與傳統消費品基金的差異。但是，在微觀層面，尤其是數據的應用上，互聯網消費時代有一些與眾不同的點。

互聯網的特點就是改造渠道，原有的消費品行業的一個業務重點是鋪線下渠道，誰的位置多、位置好、導購厲害，誰的銷售額就會上升，可以說重點在于前期準備做的多好，但互聯網把線下渠道搬到了線上，就帶來了幾大變化：

1. 位置相對無限化了，以前只有一個貨柜，現在有無數個
2. 品牌定位更垂直了，以前要面向最廣大的大眾，現在可以針對某個特定人群
3. 很多感性上的東西變得更加量化、而且可以即時反饋、即時更改

這第三點，就帶來了很多微觀層面的巨變。比如以前沒有任何消費品公司知道到底終端渠道的東西誰買走了，也不知道大家的使用反饋如何，更不知道這些人從哪里來，到哪里去，或者多長時間會再回來一次。

如果你對顧客的了解那么有限，就注定只能走放量的粗放發展路線，那也就注定會浪費大量資源，并且可能用戶還不會買賬。但是經過互聯網改造的渠道，每一個用戶都能夠和公司直接產生關系，互聯網消費公司第一次能夠完全掌握用戶的信息、喜好和反饋等等。

那么對于投資消費公司的互聯網基金來說，就可以把實體的消費品類比做是一個互聯網產品，把所有的客戶類比為互聯網產品的使用用戶。隨之而來的，很多對用戶數據的分析就能夠第一次被運用于消費領域，其中最重要的兩項就是 Cohort 和 Unit Economics。

基于這兩點，可以看到公司的top line及結構，用戶的LTV，毛利，計算unit economics是否可行等等，同時對這兩點的分析，可以對公司的日常運營有著非常多的指導，比如制定部門的考核目標和標準等。我認為這兩張表格不只是投資人會看的，也是CEO和COO最應該關注。

在這篇文章中，我們就先來仔細講下留存群租（Cohort）分析

相比于傳統的消費品公司（和消費服務公司）以及傳統的消費渠道，互聯網消費公司知道用戶是誰，用戶發生了什么樣的行為（什么時候購買，客單價，復購，SKU等等），知道用戶的畫像（年齡、性別、收入等等）等等眾多的數據。借助于互聯網技術和新的渠道，其實是有著很大的機會?；诖?，我們可以借鑒移動互聯網最核心的方法論之一留存群組分析（cohort）。

留存指的是某段時間獲取的用戶在未來某段時間活躍的比例，具體有日留存、周留存、月留存等等。一般在問APP的留存，指的是在某個時間段（某天；某月）獲取的新用戶在未來的某個時間段（第2天、第7天、第30天；第2個月、第3個月）有一次行為（一般是定義為打開）的用戶比例。

例如某APP，1月1日新增100用戶，1月2日有40個人打開APP，1月31日有12個人打開APP，那么1月1日這批用戶的次日留存就是40%，第30日是12%。關于這個指標是好是壞，結合不同的應用類型（社交、游戲、電商、資訊、社區、工具）有不同的評判標準和經驗法則，與此同時也可以和競爭對手做橫向對比，相信互聯網投資基金都耳熟能詳了。

1月2日，這個APP又獲取了200用戶，1月3日90個人打開了APP，2月1日有20個人打開了APP，那么這批用戶的次日留存是45%，第30日留存是10%。那么我們可以看到1月2日的日活中，有40個是老用戶，90個是當日獲取的新用戶，這就是活躍用戶的結構。

以此類推，1月3日獲取的新用戶有一個留存狀況、1月4日5日···以后每天都有一個留存表格。把這些表格放在一起，就是一個巨大的斜對角矩陣：

或者長成以下的樣子：

對應這兩點一家好的早期公司應該看到的趨勢是：

1. 橫向的留存數據最終會在某個月份之后停留在一個固定的留存率上，比如某個月獲取的100個用戶，在半年后每個月的留存率都穩定在60%，這就說明這批用戶是穩定留存下來的，不然如果留存率是一直下降的（哪怕下降的速度很慢），也會在之后的某個月份歸零，也就是說不管新增多少用戶，最終都一個都剩不下。
2. 縱向的留存數據應該是越來越好的。因為公司和創始團隊應該不斷的根據歷史情況改進產品和體驗等，所以越后加入的用戶，應該能享受到越好的產品和服務，后續幾個月的留存率就應該更高。以周為維度就是周留存，月為維度就是月留存。

那么基于以上的方法論，我們現在就可以用它來分析一家互聯網消費公司。（以下時間以月為維度，行為以購買為維度進行分析，金額是除去補貼后的凈額。以下公司和數據純屬虛構，請不要對號入座。）

假設公司是一家互聯網薯片公司，產品從16年1月開始在互聯網上進行銷售，公司正在進行A輪融資。

關于收入層面，我會問公司要以下3張表：購買用戶、訂單、銷售額。如果公司無法提供的話，我會要求公司按照要求，跑一下數據，做成這個表格給我。難度應該不是很大，要不然互聯網消費的“互聯網”一詞就成了偽命題。很多公司跑出數據后，自己也發現非常多意想不到的發現，直呼驚訝。

公司在16年1月有100個購買用戶，下了170單，總共消費14,960元。這100個用戶在2月有30個用戶進行了購買，下了48單，消費4,176元。2月份新增200個購買用戶，下了360單，消費28,080元。在2017年1月，一共有8,403個購買用戶，其中5,000名是當月新增，其他是復購的老用戶；下了15,970單，金額約173萬，其中約70萬是老用戶復購，100萬是當月新增用戶消費。

接下來，我們用每一格的數字除以此排出現的第一個數字，得到所謂的留存概念。例如：

我們可以看到16年1月的購買用戶，第二個月留存（次月復購）是30%，3月是8%。2月新增用戶，次月留存為9%，即只有9%的用戶在第二個月進行了購買。橫向看，我們發現3-5月獲取的質量比較優質，其留存（復購）比較好，維持在比較高的水平，可能是公司發現了獲取用戶的優質來源，亦或者是對其進行了有針對性的運營。之后用戶的留存維持在比3-5月低，但是還是比較穩定的水平，可能是單一渠道優質的量已經比較枯竭，因為公司業務量有了不錯的成長。

以訂單和金額為維度，也可以做類似的留存分析，這些讀者們都可以再自己摸索下。

我們用每一格的數字除以此列出現的加總數據，可以得到用戶、訂單（略）和金額的結構：

豎著看，可以看到當月的購買用戶或者交易額中，由某個月獲取的用戶所做的貢獻。以16年9月為例，購買用戶中42%是當月第一次下單用戶，58%是老用戶。這42%的新用戶只貢獻了39%的交易額，而58%的老用戶貢獻了61%的交易額。這可能代表當月為了獲取這些新用戶，加大了補貼的力度，亦或是這些新用戶的購買力（用戶質量）偏低。再結合之前的留存分析，9月獲取的用戶留存維持在不錯的水平，所以可能是由于對于老用戶喚起做得比較好，導致老用戶的購買貢獻了較高的收入。

豎著看，我們發現3月的留存和10月留存明顯比較差，原因可能是春節和國慶假期的影響，3月的留存差也可能是因為公司發展初期，數字不穩定。公司的業務可能存在明顯的季節性。

接下來，我們用訂單數除以用戶數，用金額除以用戶數，可以得到單用戶訂單數和單用戶的消費額（ARPU）；用金額除以訂單數可以得到單筆訂單的金額：

我們可以看到，平均一個用戶在一個月內會下2單左右，ARPU在150-250左右，每筆訂單在100元左右。

從以上的分析里，我們能夠看到，基于互聯網與數據，傳統的消費產業中還有大量的被改造空間。我們總說對于互聯網創業者來說，最終提高一個行業的效率是最重要的，而在這里，效率就能夠真切的被這些分析所提高。

所以，互聯網給消費品領域帶來了更多地數據維度，也就增添了更多地玩法。不管是創業者還是投資人，只要能更好地運用這些新東西，就能比別人取得更大的優勢。

#專欄作家#

曲凱，微信公眾號：42章經（ID：MyFortyTwo），人人都是產品經理專欄作家。海歸創投人。美國杜克大學研究生畢業，對職業規劃，互聯網產品、創業、投資等領域有自己獨特見解。

本文原創發布于人人都是產品經理 ，未經許可，禁止轉載。