在很多創業公司或者小公司中，數據分析往往是不受重視的那個——數據的采集、篩選、管理本身就是艱苦的工作，而對業務又沒有直接的影響，所以很多團隊對數據不夠重視。但我們應該注意的是在科學領域，數據分析做的越多，離真理就越近。

說起商業分析，可能大家會想到需要深入研究市場需求、競爭對手以及潛在的機會和風險等等。

其實，商業分析的另一種理解，就是用數據分析的方法解決商業問題。

在大數據時代的背景下，數據作為企業組織過程資產，新時代的生產要素，顯得格外重要。

為此，連國家都開始組建國家數據局，來推進數字化的建設。

數據將成為未來數字經濟時代經濟發展不可或缺的動能來源，就像石油曾經驅動了工業時代一樣。

因此，數據被視為未來時代的“新石油“。

石油只有在燃燒后才有價值，而積累的數據只有在應用時才有意義。

在電商平臺，商家經常通過策劃各種類型活動提高商品的銷售業績。

作為用戶，大家都喜歡消費的時候多一些優惠。

作為商家，都愿意通過讓一點利換取更多的銷售業績。

那活動做完了如何判斷活動效果？

在歷史的活動中都能獲取哪些經驗？

未來的活動要繼續怎么做？

對于企業來說，拿到了這些業務數據如何輔助商業決策？

歸根結底就是：如何通過數據分析指導商業、運營決策的問題。

數據分析得當可以提高科學決策能力，幫助企業避開業務陷阱，幫助個人推動工作順利進行。

數據應用帶來了正向的增益效應，會像雪球一樣越滾越大。

無論你是創業者、產品經理、運營、銷售管理者還是職場新人，都應該具備一定的數據思維。

本文以目前流行的自營電商模式的平臺為例，通過一次實戰案例分享如何通過數據思維來輔助業務決策。

ps：文章篇幅較長，分析的內容相對細致，建議收藏后續做類似業務時來這里捋一捋思路。

另外，不同的業務有不同的特點，業務的深度和維度也是多變的，由于篇幅有限，本文主要提供一種商業分析和數據分析的方法。

一、你的商業模式是什么？

電商產品的商業模式通常為：

• B2B（企業對企業）：企業向其他企業提供服務，從渠道經銷商那里獲得收益。
• B2C（企業對消費者）：企業向個人提供服務，服務于消費者。
• B2B2C（企業對消費者）：企業不直接服務于消費者，而是通過中間經銷商或代理商向消費者提供服務。

在進行分析之前，首先要理解當前業務的本質是什么。

先了解業務，才能正確地進行后續分析，不至于方向跑偏。

區分B2B和B2C類型的公司，我們可以觀察其工作日和休息日的銷售分布情況。

由于B端用戶通常在工作日上班，因此工作日的銷售收入明顯會比雙休日的銷量高出許多。

所以B2C和B2B的銷售收入分布不同。

一般情況下，我們對電商平臺的第一印象通常是B2C（直接面向消費者），但是否真的如此就需要我們客觀的通過數據去一探究竟。

以某自營電商為例，整理數據后發現，相對于周末，工作日的業績更高。

為什么電商平臺的銷售收入呈現B2B的分布呢？

結合業務發現，雖然商城是自營的，但商品是通過渠道銷售給消費者的。

由于渠道方普遍在周末休息，因此商城的銷售分布呈現目前的分布。

另外，渠道方將用戶引流到平臺后，平臺可以直接服務消費者，

因此，當前自營電商平臺的商業模式是以B2B2C為核心B2C為輔助的模式。

現在，我們已經了解了業務模式背后的自然周期，因此在后續觀察指標走勢時就不會感到困惑了。

只要銷售走勢不違反規律，就算是正常的波動。

那如何在當前的業務背景下提升平臺的銷售業績呢？

一方面是我們可以提升渠道數量和質量，這個不在本篇的范圍內，我們暫時只考慮另一方面：

我們可以通過精細化運營的方式激活和轉化渠道沉淀下來的消費者。

精細化運營的核心是圍繞著人、貨、場景，通過價格歧視（三級價格歧視：對不同的人群、地域的人收取不同的價格）、場景營銷等方式將貨賣給不同的消費者。

因此，我們需要明確以下兩點內容：

自營商品的消費結構是什么？

消費者都是誰？

二、你了解你的商品嗎？

要詳細了解商品，需要考察不同季節、渠道、區域和營銷策略等多種因素，需要進行交叉驗證。有時候，我們會沉迷于數據之中，難以自拔。

要快速了解商品結構，可以通過結構化分析的方法來認識商品內部的消費結構，有助于我們更好地了解商品的銷售情況，從而制定更有效的營銷策略。

結構化分析：

第一步：商品銷售金額和銷售業績結構化。

結合業務背景、銷售金額和銷售數量我們能發現：

1. 由于美白類產品的客單價最高，所以雖然銷售數量不是最多的，但是銷售額和利潤是產品系列最最高的。
2. 祛痘產品銷量最好，是爆品最受歡迎的系列。

第二步：具體是哪些商品，我們對主要類型進行下鉆分析

小結：

1. 通過列舉三個品類的銷量明細，我們發現每個品類中都有1~2個核心產品
2. 不同系列的商品由于客單價的因素，導致最后銷售金額結構會不同

只看銷量數據，獲取到的信息有限，接下來繼續拆解用戶的結構化數據。

三、你了解你的用戶嗎？

在進行營銷和銷售活動前，了解用戶需求和行為是至關重要的。

通過分析用戶的價值、活躍程度、興趣愛好和地理位置等因素，我們可以更好地了解用戶，并為他們提供更精準的產品和服務。

每個細分維度的分析都需要大量的數據進行輔助驗證，當數據采集沒有那么完善時，只能通過更宏觀且普遍的的方式進行分析。

本文提供一個快速了解用戶的方法，就是對現有用戶進行分層分析。

通過分層分析法，可以觀察到高、中、低消費群體的行為模式，從而更好地了解用戶需求和行為。

第一步：通過用戶的消費數據拆分平臺用戶的消費結構。

通過盤點數據，我們發現用戶的消費結構基本遵循28法則，也就是20%的用戶貢獻了80%的收入。

實際數據表現是，30%的用戶貢獻接近70%的收入。

因此，如果想要在取得最佳業績的同時減少資源損耗，那么我們的重點分析對象就是這30%的用戶。

第二步，將30%的用戶展開做梯隊分析

第一梯隊，頭部高消費用戶，前2%；

第二梯隊，腰部中等消費用戶，2%～12%之間；

第三梯隊，尾部低消費用戶，12%～30%之間；

第三步，拆分每一個梯隊的用戶群體購買喜好。

第三梯隊：尾部低消費用戶群體產品銷量分布Top10

小結：該梯隊用戶主要以祛痘需求用為主，并使用保濕產品做基礎護理。

第二梯隊：腰部中等消費用戶群體產品銷量分布Top10

小結

1、美白需求類的用戶群體呈上升趨勢

2、保濕產品的需求最高，復購率越來越高

第一梯隊：高消費用戶群體產品銷量分布Top10

小結：

1. 由于美白類產品的高客單價，并且通過數據可看出高消費群體的核心消費為美白產品，所以美白類產品既滿足和核心用戶的需求又是高利潤的核心產品；
2. 需持續關注和培養高消費用戶的使用習慣；
3. 祛痘需求用戶和保濕需求用戶，具備全生命周期的培養價值；
4. 高消費用戶群體需匹配美白類高客單價的商品或者組合

有了相對全面的數據，我們思考一個問題：

應該用什么樣的組合搭配給什么樣的消費群體呢？

在B端用戶強渠道背景的前提下，如何主動的觸達給C端用戶進行變現呢？

在業務為B2B2C的前提下，流量引入平臺后，如何通過運營的方式讓用戶復購呢？

答案是，通過平臺的營銷活動。

人、貨我們已經有了分層次的概念了，場呢？

在電商場景中，每年要做很多個活動618、1111、1212、各種節假日甚至是自創一些節日來進行場景營銷。

當電商平臺做了那么多的活動以后，如何將活動中獲得的經驗教訓給到未來的活動呢？

接下來重點來了，盤一盤歷史營銷活動數據。

拆解人貨與場之間的關系。

四、場景營銷數據如何閱讀？

我們先來看看歷史銷售數據的曲線圖。

當我們拿到了歷史的銷售數據取現以后如何看呢？

如果不結合周期、業務模式來看這個曲線圖，除了能看出波峰波谷一臉懵逼以外，其他都看不出來。

將自然周期和業績曲線相結合，區分工作日和休息日后，數據會怎樣呢？

結合前

結合后

可以看出波峰波谷與工作日和休息日有關，這也符合B2B2C的自然周期業績走向。

然而，有時候并不遵循這個規律，因為缺乏對其他維度的考慮。

繼續將平臺的法定節假日、營銷活動、自然周期和業績曲線結合。

嗯？是不是感覺有結果要出來了？

要了解一個活動的效果好壞，需要了解其生命周期曲線概念。

下面是一個標準的活動的生命周期走勢。

活動是否有效果，可以通過銷售曲線觀察結果。

效果一般的活動有三個明顯的特征：

1. 蓄力效果不明顯，在活動開始前和開始時的銷量差距較小
2. 消化效果不明顯，在活動結束時和活動結束后的銷量差距較小
3. 活動過程中，銷售金額和日常銷售金額差距較小

所以我們結合活動周期與自然周期的關系、活動的對比能夠看出，當活動開始時間是周一的時，當日銷售業績最好。

而活動三出現了逆周期的表現，異常點是：

1. 活動開始的波峰沒有活動結束時的波峰高
2. 活動結束后是工作日，出現了斷崖式的銷售業績下降

為什么說活動三的設計有缺陷？

通過我們知道，當前B2B2C的業務模式，工作日的銷售額會比休息日高。

而周一是每周銷售業績最高的一天，當渠道發現周二有活動，可能周一的時候他們就不分銷了。

如果工作日中間（周二、周三）結束活動，會導致周四、周五的用戶發現活動剛剛結束，此時購買正式最貴的時候，心里有一定的落差，會降低轉化率。

自然周期+活動周期的影響，工作日開始的活動效果更好

綜合活動表現，我們能夠得出相應結論：

結論一：活動開始時間盡量放在周一；

結論二：活動結束時間可以放在工作日的末期（周四、周五），讓休息日相對于較少的用戶來消化活動結束帶來的心理落差，從而使影響降到最低

最后，我們再橫向對比活動策略的數據表現。

活動二與活動四：

• 活動的主要內容都是無門檻券。
• 活動一比活動四多了滿2000元贈送產品的超高滿贈門檻（滿贈產品包含美白類產品A）
• 活動結束后，活動一的銷售金額是活動四的2倍。

活動五與活動六：

• 營銷策略都是滿減；
• 其中活動三相比活動四增加了贈送美白類TOP1銷量的產品，所以業績也相當突出

結論三：活動的營銷策略要使用不同類型的產品來命中不同的用戶人群，用戶使用產品是有周期的，就需要不同的活動所使用的產品也有周期性。

所以我們發現，營銷策略的成功在于匹配人、貨、場三要素。

當產品銷售策略和運營活動策略滿足了三類用戶群體的需求時，就可以讓活動做得漂亮，收獲產品銷售業績。

從運營角度來看，場景營銷更具主動性，深入了解用戶群體的喜好和購買習慣，確定最適合他們的商品。

五、總結

通過數據分析，能夠有效預估未來活動所產生的業績并制定策略。

在商業模式的優化中，根據數據表現去重點維護不同的用戶群體，結合用戶需求開發不同類型的產品進行銷售。

無論是做商業分析還是數據分析，都應該搞清楚自己的業務是什么。

B2B？B2C？還是B2B2C？

今天分享了一次數據乃至商業分析的落地實戰。

第一步，摸清自己的業務模式，理清業務模式背后的自然周期，后續觀察指標走勢時就不會感到困惑了。

第二步，結構化的盤點商品，了解商品的銷售情況，從而制定更加有效的營銷策略。

第三步，對用戶進行分層，通過28法則找到取得最佳業績的同時減少資源損耗的用戶

第四步，對歷史營銷活動回顧，綜合分析人、貨、場的關系，以滿足三類用戶群體的需求為目標，讓活動更加成功，獲得產品銷售業績。

回到數據本身，數據的采集、篩選、管理本身是艱苦的工作，它對于業務來說，沒有直接的影響所以很多團隊會因為趕進度、趕項目，導致對數據不夠重視，埋點質量不足、埋點混亂等。

雖然很多人或者公司都沒有開始重視數據體系的搭建，但我們應該注意的是在科學領域，數據分析做的越多，離真理就越近。

希望你，不會覺得只有“大公司有很多很多準確的大數據”。

希望你，離真理原來越近。