想做新零售?先弄清楚數(shù)據(jù)體系(新人必學)
新零售業(yè)務立足于線上線下的數(shù)據(jù)融合,想要做好新零售,我們首先要明確數(shù)據(jù)優(yōu)先級,弄清楚數(shù)據(jù)體系。
行業(yè)酷不酷,根本在服務!
跟大家分享過運營模型論,正確的模型可以有效分析和提高業(yè)務發(fā)展趨勢,也能夠很直觀反饋業(yè)務的健康度。而模型的基礎就是“大數(shù)據(jù)”,不同維度細節(jié)數(shù)據(jù)不斷的被積累和應用,才能給模型輸送新鮮血液產(chǎn)生價值。
數(shù)據(jù)本身是具備抽象性的,任何幾個數(shù)據(jù)的排列組合沒有任何意義,這就要求我們在提取和基于業(yè)務本身的場景來公式化數(shù)據(jù)的價值。重點跟大家分享我們?nèi)?shù)的邏輯,對應的策略會再逐一拆解細分。
一、基于業(yè)務本身流程和場景劃分數(shù)據(jù)優(yōu)先級
新零售業(yè)務模式立足于線上+線下,除了一大部分線上的核心數(shù)據(jù)以外,線下的數(shù)據(jù)同樣至關重要。線上前端的運營,線下門店的履約,過程和結果數(shù)據(jù)細分多而雜,在確保紛繁復雜的大數(shù)據(jù)環(huán)境內(nèi)業(yè)務健康發(fā)展,這就勢必需要我們首先需要基于業(yè)務本身的黃金流程明確數(shù)據(jù)優(yōu)先級,抓大放小,就重避輕。
上圖是我們假設一個新用戶首次進入平臺后的理想購物流程,從前端銷售到后端履約兩個大的場景,我們基于這兩個場景來區(qū)分行為數(shù)據(jù),詳情請見下圖,歸納目前業(yè)務的大部分主流數(shù)據(jù)維度:
下一步我們需要將數(shù)據(jù)維度池區(qū)分級別,我們暫時用P0/P1/P2/P3來代替重要優(yōu)先級,P0級數(shù)據(jù)直接決定業(yè)務業(yè)績,P1級數(shù)據(jù)直接體現(xiàn)業(yè)務健康度,P2-P3級數(shù)據(jù)直接反應精細化策略應用效果。
二、P0級數(shù)據(jù)維度KPI化業(yè)務效果
P0級的數(shù)據(jù)維度并不多,重要且核心,簡單而言,P0的好壞直接決定業(yè)務的效果,相信大家的數(shù)據(jù)報表內(nèi)最大的幾個數(shù)據(jù)維度基本都是上述的P0,且應該也是向老板匯報的數(shù)據(jù)。
1. 銷售具備唯一決定性
GMV=訂單量*客單價(通??瓷腺~GMV,用戶在支付完成的最終訂單量和客單價);毛利=商品實際收入-商品總成本(商品毛利是過程指標,最終月度凈毛利我們需要剔除人工成本,促銷成本等才做最終考量)
履約完成量=總支付單量-未成功配送單量的單量(需要在總支付單量內(nèi)減掉用戶主動取消,缺貨,配送異常等情況,該指標的上賬GMV會被記錄到月度利潤表內(nèi)的最終GMV)
2. 用戶具備銷售量級決定性
UV=某一時期進入平臺的人數(shù)(這里指人數(shù),而非人次);新客=首次訪問平臺的新用戶(對于運營而言一個很重要的環(huán)節(jié)“拉新獲客“,就是在為這個指標服務,可見優(yōu)先級之高)
3. 商品決定銷售寬度和深度
動銷率=售賣的SKU數(shù)/平臺總SKU*100%(從公式不難看出動銷率就是可以直面反饋商品結構的健康度,引入了100款SKU,但動銷率只有5%,原因在哪?)
滲透率=某個品類銷售GMV/平臺總GMV(這個指標特指平臺對某個品類的重視程度而引起的資源傾斜有效性,例如我們平臺主打生鮮,則會關注生鮮滲透率)
4. 促銷決定投入的多少
補貼率=總補貼成本/平臺總GMV(通常補貼包含優(yōu)惠券補貼成本,商品促銷成本,郵費補貼成本等等)
5. 揀貨&配送決定履約服務時效
揀貨履約率=規(guī)定時間內(nèi)完成的揀貨單量/總訂單量(線下的場景多而雜,如何提高揀貨員揀貨效率,智能設備的引入,揀貨倉的合理布局,揀貨路線的合理設置,揀貨員人手交班安排都是影響因子,而這個履約率則起考核作用)
配送履約率=規(guī)定時間內(nèi)完成的揀貨單量/總訂單量(和揀貨同理,騎手的騎程距離,騎手的規(guī)范性都會是影響因子)
6. 投訴決定平臺口碑
投訴率=投訴單量/總單量(該指標相對較寬泛,投訴也非很多類原因ABCD各個不同檔位,不同檔位區(qū)別對待處理制度和索賠制度);
差評率=差評單量/總單量(通常我們差評會區(qū)分多個類型,例如商品差評,配送差評等等,總的差評率考核整個平臺服務效率)
三、P1級數(shù)據(jù)維度校驗P0健康度
P1的數(shù)據(jù)維度相對P0開始增多,且P1的數(shù)據(jù)開始細分,所承擔的職責都是為P0服務,拿到上述不太官方的例子而言,如果說P0是向老板匯報的數(shù)據(jù),那么P1一定是老板下半句追問的數(shù)據(jù),各位要記得放在腦子里了!
1. P1銷售校驗模式的可持續(xù)性
轉(zhuǎn)化率=有效訂單量/UV(通過公式一目了然,我們需要記錄用戶從進入平臺到產(chǎn)生交易的筆數(shù),這個過程我們用轉(zhuǎn)化率來定義)轉(zhuǎn)化率的好壞從側面也能反映平臺對用戶是否友好(商品,體驗,促銷,購買流程等等)。
復購率=≥2單的下單人數(shù)/總下單人數(shù)(跟大家拆解過復購率,不過過多解釋)復購率的好壞同樣能反應平臺的友好性;最后的訂單量和客單價詳細不用解釋了。跟大家分享一組小小的行業(yè)數(shù)據(jù),盒馬客單價80-90元左右,永輝70左右,超過100應該算優(yōu)秀偏上的數(shù)據(jù)。
2. P1用戶校驗用戶管理的有效性
我們提到過用戶管理,無論是成本管理還是周期管理,都在這個級別內(nèi)。留存率和流失率基本呈正反對應,通常看次日訪問留存和7日訪問留存=指定時間段的活躍用戶,在之后的第N天再次訪問平臺的用戶數(shù)占比,流失率則相反。
LTV和CAC分別指用戶生命周期和單個用戶成本,LTV=每月購買頻次×客單價×毛利率×(1/月流失率),LTV的值是一個預估值,預估一個用戶在我的評估能活躍多久。CAC=市場獲客費用(廣告+拉新+宣傳等等)/有效人數(shù),LTV和CAC的組合比率也非常重要,我們之前講過,LTV/CAC>1才能反饋業(yè)務盈利!
3. P1商品數(shù)據(jù)校驗商品的上架率
商品在前端是否夠豐富,且非饑餓營銷確保用戶能買到,就很考驗缺貨率了,缺貨率=用戶下單前缺貨無法下單的商品數(shù)/總商品數(shù);
4. P1的促銷精細化促銷成本
核銷率=使用優(yōu)惠券數(shù)量/總領取數(shù)量(這個公式可以側面反應出該優(yōu)惠券的適用性,用戶購物偏好行為);領取率=領取優(yōu)惠券數(shù)量/總發(fā)放數(shù)量(兩個指標正好組合優(yōu)惠券的鏈路,系統(tǒng)發(fā)放到用戶核銷,區(qū)分領取率和核銷率來看優(yōu)惠券的投放有效性)
5. P1的揀貨和配送數(shù)據(jù)直接校驗服務時效
這個階段的指標值尤為關鍵,人力成本的投入,揀貨倉的利用率,人員數(shù)量的配置,人員日均揀貨和配送的訂單量都直接影響整體履約時效。(這一塊內(nèi)容后續(xù)我們獨文跟大家講解)
四、P2級-P3級數(shù)據(jù)維度顆粒度校驗精細化策略
P2-P3級別的數(shù)據(jù)顆粒度已經(jīng)很細了,且每條業(yè)務直線分配出來的數(shù)據(jù)值會越來越多,大大小小,這時候的業(yè)務數(shù)據(jù)的義務基本也是為P0服務,但顆粒度會很細,對P0的效果不及P1直接。通常我們在做精細化策略的時候會細看。
1. P2-P3的銷售精細化P0的過程指標
加車率=加車用戶數(shù)/總UV訪問人數(shù)(作為過程指標考量用戶在購物過程中的加購物車頻率,通過不做重點關注);跳轉(zhuǎn)率有很多口徑和說法,電商而言,我們通??吹氖巧滔樘D(zhuǎn)率=商祥用戶數(shù)/總UV訪問人數(shù)(同樣和加車率都屬于過程指標,考量頻道頁到商祥頁的點擊轉(zhuǎn)化情況);
支付率=成功支付人數(shù)/下單人數(shù)(用戶在前端找商品到最終完成下單,最終步驟是在支付環(huán)節(jié),輸完密碼后的完成才能被記錄到上賬GMV內(nèi));
2. P2-P3的用戶數(shù)據(jù)精細化各渠道情況
用戶的來源一定是多渠道的,無論是線上還是線下,我們通常的做法是在對應投放的二維碼內(nèi)埋不同的Ptag(代碼標簽),通過每個Ptag下產(chǎn)生的數(shù)據(jù)監(jiān)測每個渠道來源,用于調(diào)整策略資源傾斜;
停留時長=平臺停留總時長/UV(這個數(shù)據(jù)值還是很具備前期業(yè)務的參考性,操作并模擬用戶從前端選品到最終成交的時間,我們模擬過大概在40s左右,帶著這個數(shù)值來看單個用戶停留時長,如果和40s接近,那用戶操作路徑還算健康,如果大于或小于就要分析緣由了);
用戶畫像在業(yè)務前期也是一個關鍵指標,我們需要分析不同的用戶屬性(年齡,職業(yè),城市),也便于我們后續(xù)做用戶分層。
3. P2-P3的庫存深度校驗庫存周轉(zhuǎn)次數(shù)
庫存深度=當月庫存/下月銷售計劃(這個指標是指現(xiàn)有庫存未來消耗,通常是以月份計算),假設當月庫存100萬,下月銷售計劃50萬,則庫存深度=2,這個數(shù)值還是相對合理的,通常維持在1-2之間,如果高于這個值會出現(xiàn)庫存積壓的情況,如果小于這個值,會出現(xiàn)供給不足的情況。
數(shù)據(jù)領域一定是運營需要必備的技能,現(xiàn)成的數(shù)據(jù)抓取和維度需要關注以外,其次需要高敏銳的數(shù)據(jù)思維去試圖重新排列其他的維度嘗試反饋業(yè)務價值。一個好的業(yè)務必定有一套健康的數(shù)據(jù),但有健康的數(shù)據(jù)未必會有好的業(yè)務效果。我們看來,健康客觀的數(shù)據(jù)體系+簡單易懂主觀的用戶體驗+線下復雜且又能保持積極的服務精神才是我們O2O所需要追求的狀態(tài)!
#專欄作家#
Leon;公眾號:Leon新零售筆記,人人都是產(chǎn)品經(jīng)理專欄作家。前騰訊京東運營經(jīng)理,社交電商/O2O新零售行業(yè)資深研究員。
本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)許可,禁止轉(zhuǎn)載
題圖來自 Unsplash,基于 CC0 協(xié)議
營銷模型在那篇文章可以看到?
對數(shù)據(jù)進行分層,思路更加清晰了,感謝行業(yè)數(shù)據(jù)分享~