1. 肥喵工作室首页
  2. 运营

数据中台实战:商品售中分析

数据中台实战:商品售中分析

商品的售中就是商品在销售中的这段时间。商品运营人员要做的核心工作就是把合适的商品放在合适的地方给合适的人看。

数据中台实战:商品售中分析

商品运营工作十分依赖数据,因此数据中台提供了商品销售的实时数据,如表1-1所示。商品运营人员需要从这些数据中获得他们关注的指标,比如商品PV、商品UV、支付件数、转化率(下单人数与访问总人数的比值)、爆款件数等。

商品运营人员会基于转化率来判断商品是否有潜力。如果一个商品被放到一个比较明显的位置,那么它会获得比较多大流量,但是如果在这种情况下它的销售件数不多,那就说明它不太受顾客欢迎。

反之,如果一个商品被放到一个不起眼位置,那么它就不会获得很多流量,但是如果在这种情况下它的销售件数很多,那就说明这个商品是有潜力的,可以考虑把它放到更显眼的位置。商品运营人员需要反复使用A/B测试,从而最大程度保证商品都被放在合适的位置上。

数据中台实战:商品售中分析

随着商品的增多,只关注单个商品的话,效率显得比较低,这时就需要引入品类分析的功能,也就是可以实时看到品类的总PV和销售件数。如果某个品类的转化率比较高,那就需要及时调整该品类的显示位置和数量。

还有一个商品运营人员比较关注的指标是品类价格段的流量和销量数据,通过对价格段的拆分,就能直接看出同一个品类的商品,究竟处在哪个价格段内,其销量是更高的。

如表1-2所示,数据中台可以提供某个品类按照价格段拆分后的相关数据。价格段拆得越细,就越有利于商品运营人员的精细化运营。如果在一个周期内,某个价格段的商品销量比较好,那就应该投入更多的资源推广这个价格段。

数据中台实战:商品售中分析

此时又会遇见一个问题:电商产品的品类是非常多的。以笔者接触的电商产品为例,大的品类分为三级,比如“女装/上装/T桖”,第三级还有上百个品类,那么如何针对这上百个个品类进行价格段划分呢 ?

如果用人工来划分一个品类的价格段,那么要想划分好这上百个个品类的价格段,将会花费大量的人力资源。用人工来划分还有一个缺点:如果品类增加怎么办?

每增加一个品类,我们还需要再次通过人工去划分,还需要协调数据开发人员帮我们计算。因此对于商品品类价格段的划分不能依赖人工,需要有一个工具,可以自动化地基于商品的品类划分价格段。

如图1-3所示,针对品类价格段的划分工作,我们引入K-Means聚类算法。K-Means聚类算法能够自动化地将每个品类划分出最合适的价格段。

其原理是:通过K-Means聚类算法可以找到每个品类价格段的几个中心点,再通过中心点划分出价格段。

数据中台实战:商品售中分析

图1-3 使用K-Means聚类算法划分价格段

做品类价格段的划分时有如下3点需要注意。

(1)要剔除异常值,因为数据中常常会有一些不合理的值。

(2)设定一个定时器,用来周期性地通过K-Means聚类算法重新计算商品品类的价格段。因为商品数量是不断增长的,价格是不断变化的,价格段也需要不断变化。

(3)通过K-Means聚类算法划分好价格段后,可以找商品运营人员讨论一下:划分出来的价格段是否适用。一般有经验的商品运营人员可以直接看出划出的价格段是否合适。

如图1-4所示,当划分好品类的价格段后就可以针对品类价格段做更加精细化的数据分析。

数据中台实战:商品售中分析

图1-4 商品销售排行数据

(1)第一步,要快速筛选出到底哪些商品好卖。商品有很多维度,比如所属店铺、品牌、品类、价格段,可以在这几个维度上快速看商品PV、商品UV、支付件数、支付用户数、支付金额等关键指标。

(2)第二步,当看到某些品类的某些价格段的商品卖得好或者卖得差时,需要进一步确认为什么它们卖得好或者卖得差,需要查看商品销售的趋势数据。

如图1-5所示,商品销售趋势功能可以基于各种维度筛选出数据做对比分析,从而判断在某段时间里哪些商品比较好卖。

数据中台实战:商品售中分析

图1-5 商品销售趋势

(3)第三步,输出商品明细和明细数据。对于某些重点运营的商品,当查看它们的明细数据时,可以基于各种维度快速筛选出来。

如表1-6所示,商品从上架、销售,到售后,数据中台都会自动化地记录详细数据,包括商品的基础信息、商品销售相关的指标、基于销售指标形成的商品标签等。

商品的基础信息包含商品名称、一级品类、二级品类、三级品类、店铺、品牌、档口类型、档口名、款号、最小起批量、上架状态、商品类型、创建人、创建时间、面料、颜色、尺码、商品风格、价格、最高价、最低价、采购价、价格段等信息。

商品销售相关的指标包含PV、UV、加购用户数、加购金额、收藏用户数、收藏件数、下单用户数、下单件数、下单金额、支付用户数、销售件数、销售金额、退款用户数、退款件数、48小时发货率、次品率、退款金额、退款率、退货金额、退货率。

商品运营人员通过对商品信息的全方位掌握,进行更精细化的商品运营。

数据中台实战:商品售中分析
(4)最后,商品运营的负责人需要知道一些整体数据,比如在售商品数、动销商品数、动销率、转化率等。

在售商品数是入库并且上架的商品数量;动销商品数是有销售记录的商品款数;动销率是动销商品数与在售商品数的比值;转化率是商品销售件数与商品被访问的件数的比值。

如图1-7所示,通过这些数据就可以调整下一步的商品规划。

数据中台实战:商品售中分析

图1-7商品销售趋势

作为商品运营负责人还需要知道每个品类的在售商品数、动销率、转化率。基于品类的动销率和转化率可以初步判定哪些品类销售得比较好,哪些品类销售得比较差,接下来就可以给动销率和转化率高的品类更好的位置,让它们获得更多的曝光。

肥喵运营推广

本文“数据中台实战:商品售中分析”由肥喵转载自互联网,不代表我们的立场,如有侵权请联系我们删除
转载联系作者并注明出处:https://feimiaomiao.com/yunying/13228