深度分析|自营电商-运营数据如何辅助商业决策

0 评论 6275 浏览 50 收藏 21 分钟

在很多创业公司或者小公司中,数据分析往往是不受重视的那个——数据的采集、筛选、管理本身就是艰苦的工作,而对业务又没有直接的影响,所以很多团队对数据不够重视。但我们应该注意的是在科学领域,数据分析做的越多,离真理就越近。

说起商业分析,可能大家会想到需要深入研究市场需求、竞争对手以及潜在的机会和风险等等。

其实,商业分析的另一种理解,就是用数据分析的方法解决商业问题。

在大数据时代的背景下,数据作为企业组织过程资产,新时代的生产要素,显得格外重要。

为此,连国家都开始组建国家数据局,来推进数字化的建设。

数据将成为未来数字经济时代经济发展不可或缺的动能来源,就像石油曾经驱动了工业时代一样。

因此,数据被视为未来时代的“新石油“。

石油只有在燃烧后才有价值,而积累的数据只有在应用时才有意义

在电商平台,商家经常通过策划各种类型活动提高商品的销售业绩。

作为用户,大家都喜欢消费的时候多一些优惠。

作为商家,都愿意通过让一点利换取更多的销售业绩。

那活动做完了如何判断活动效果?

在历史的活动中都能获取哪些经验?

未来的活动要继续怎么做?

对于企业来说,拿到了这些业务数据如何辅助商业决策?

归根结底就是:如何通过数据分析指导商业、运营决策的问题。

数据分析得当可以提高科学决策能力,帮助企业避开业务陷阱,帮助个人推动工作顺利进行。

数据应用带来了正向的增益效应,会像雪球一样越滚越大。

无论你是创业者、产品经理、运营、销售管理者还是职场新人,都应该具备一定的数据思维

本文以目前流行的自营电商模式的平台为例,通过一次实战案例分享如何通过数据思维来辅助业务决策。

ps:文章篇幅较长,分析的内容相对细致,建议收藏后续做类似业务时来这里捋一捋思路。

另外,不同的业务有不同的特点,业务的深度和维度也是多变的,由于篇幅有限,本文主要提供一种商业分析和数据分析的方法。

一、你的商业模式是什么?

电商产品的商业模式通常为:

  • B2B(企业对企业):企业向其他企业提供服务,从渠道经销商那里获得收益。
  • B2C(企业对消费者):企业向个人提供服务,服务于消费者。
  • B2B2C(企业对消费者):企业不直接服务于消费者,而是通过中间经销商或代理商向消费者提供服务。

在进行分析之前,首先要理解当前业务的本质是什么。

先了解业务,才能正确地进行后续分析,不至于方向跑偏。

区分B2B和B2C类型的公司,我们可以观察其工作日和休息日的销售分布情况。

深度分析|自营电商-运营数据如何辅助商业决策

由于B端用户通常在工作日上班,因此工作日的销售收入明显会比双休日的销量高出许多。

所以B2C和B2B的销售收入分布不同。

一般情况下,我们对电商平台的第一印象通常是B2C(直接面向消费者),但是否真的如此就需要我们客观的通过数据去一探究竟。

以某自营电商为例,整理数据后发现,相对于周末,工作日的业绩更高

深度分析|自营电商-运营数据如何辅助商业决策

为什么电商平台的销售收入呈现B2B的分布呢?

结合业务发现,虽然商城是自营的,但商品是通过渠道销售给消费者的。

由于渠道方普遍在周末休息,因此商城的销售分布呈现目前的分布。

另外,渠道方将用户引流到平台后,平台可以直接服务消费者,

因此,当前自营电商平台的商业模式是以B2B2C为核心B2C为辅助的模式

现在,我们已经了解了业务模式背后的自然周期,因此在后续观察指标走势时就不会感到困惑了。

只要销售走势不违反规律,就算是正常的波动。

那如何在当前的业务背景下提升平台的销售业绩呢?

一方面是我们可以提升渠道数量和质量,这个不在本篇的范围内,我们暂时只考虑另一方面:

我们可以通过精细化运营的方式激活和转化渠道沉淀下来的消费者

精细化运营的核心是围绕着人、货、场景,通过价格歧视(三级价格歧视对不同的人群、地域的人收取不同的价格)、场景营销等方式将货卖给不同的消费者。

因此,我们需要明确以下两点内容:

自营商品的消费结构是什么?

消费者都是谁?

二、你了解你的商品吗?

要详细了解商品,需要考察不同季节、渠道、区域和营销策略等多种因素,需要进行交叉验证。有时候,我们会沉迷于数据之中,难以自拔。

要快速了解商品结构,可以通过结构化分析的方法来认识商品内部的消费结构,有助于我们更好地了解商品的销售情况,从而制定更有效的营销策略。

结构化分析:

第一步:商品销售金额和销售业绩结构化。

深度分析|自营电商-运营数据如何辅助商业决策

结合业务背景、销售金额和销售数量我们能发现:

  1. 由于美白类产品的客单价最高,所以虽然销售数量不是最多的,但是销售额和利润是产品系列最最高的。
  2. 祛痘产品销量最好,是爆品最受欢迎的系列。

第二步:具体是哪些商品,我们对主要类型进行下钻分析

深度分析|自营电商-运营数据如何辅助商业决策

小结:

  1. 通过列举三个品类的销量明细,我们发现每个品类中都有1~2个核心产品
  2. 不同系列的商品由于客单价的因素,导致最后销售金额结构会不同

只看销量数据,获取到的信息有限,接下来继续拆解用户的结构化数据。

三、你了解你的用户吗?

在进行营销和销售活动前,了解用户需求和行为是至关重要的。

通过分析用户的价值、活跃程度、兴趣爱好和地理位置等因素,我们可以更好地了解用户,并为他们提供更精准的产品和服务。

每个细分维度的分析都需要大量的数据进行辅助验证,当数据采集没有那么完善时,只能通过更宏观且普遍的的方式进行分析。

本文提供一个快速了解用户的方法,就是对现有用户进行分层分析。

通过分层分析法,可以观察到高、中、低消费群体的行为模式,从而更好地了解用户需求和行为

第一步:通过用户的消费数据拆分平台用户的消费结构。

深度分析|自营电商-运营数据如何辅助商业决策

通过盘点数据,我们发现用户的消费结构基本遵循28法则,也就是20%的用户贡献了80%的收入。

实际数据表现是,30%的用户贡献接近70%的收入。

因此,如果想要在取得最佳业绩的同时减少资源损耗,那么我们的重点分析对象就是这30%的用户。

第二步,将30%的用户展开做梯队分析

第一梯队,头部高消费用户,前2%;

第二梯队,腰部中等消费用户,2%~12%之间;

第三梯队,尾部低消费用户,12%~30%之间;

深度分析|自营电商-运营数据如何辅助商业决策

第三步,拆分每一个梯队的用户群体购买喜好。

第三梯队:尾部低消费用户群体产品销量分布Top10

深度分析|自营电商-运营数据如何辅助商业决策

小结:该梯队用户主要以祛痘需求用为主,并使用保湿产品做基础护理。

第二梯队:腰部中等消费用户群体产品销量分布Top10

深度分析|自营电商-运营数据如何辅助商业决策

小结

1、美白需求类的用户群体呈上升趋势

2、保湿产品的需求最高,复购率越来越高

第一梯队:高消费用户群体产品销量分布Top10

深度分析|自营电商-运营数据如何辅助商业决策

小结:

  1. 由于美白类产品的高客单价,并且通过数据可看出高消费群体的核心消费为美白产品,所以美白类产品既满足和核心用户的需求又是高利润的核心产品;
  2. 需持续关注和培养高消费用户的使用习惯;
  3. 祛痘需求用户和保湿需求用户,具备全生命周期的培养价值;
  4. 高消费用户群体需匹配美白类高客单价的商品或者组合

有了相对全面的数据,我们思考一个问题:

应该用什么样的组合搭配给什么样的消费群体呢?

在B端用户强渠道背景的前提下,如何主动的触达给C端用户进行变现呢?

在业务为B2B2C的前提下,流量引入平台后,如何通过运营的方式让用户复购呢?

答案是,通过平台的营销活动。

人、货我们已经有了分层次的概念了,场呢?

在电商场景中,每年要做很多个活动618、1111、1212、各种节假日甚至是自创一些节日来进行场景营销

当电商平台做了那么多的活动以后,如何将活动中获得的经验教训给到未来的活动呢?

接下来重点来了,盘一盘历史营销活动数据。

拆解人货与场之间的关系。

四、场景营销数据如何阅读?

我们先来看看历史销售数据的曲线图。

当我们拿到了历史的销售数据取现以后如何看呢?

深度分析|自营电商-运营数据如何辅助商业决策

如果不结合周期、业务模式来看这个曲线图,除了能看出波峰波谷一脸懵逼以外,其他都看不出来。

将自然周期和业绩曲线相结合,区分工作日和休息日后,数据会怎样呢?

深度分析|自营电商-运营数据如何辅助商业决策

结合前

深度分析|自营电商-运营数据如何辅助商业决策

结合后

可以看出波峰波谷与工作日和休息日有关,这也符合B2B2C的自然周期业绩走向。

然而,有时候并不遵循这个规律,因为缺乏对其他维度的考虑。

继续将平台的法定节假日、营销活动、自然周期和业绩曲线结合。

深度分析|自营电商-运营数据如何辅助商业决策

嗯?是不是感觉有结果要出来了?

要了解一个活动的效果好坏,需要了解其生命周期曲线概念。

下面是一个标准的活动的生命周期走势。

深度分析|自营电商-运营数据如何辅助商业决策

活动是否有效果,可以通过销售曲线观察结果。

深度分析|自营电商-运营数据如何辅助商业决策

效果一般的活动有三个明显的特征

  1. 蓄力效果不明显,在活动开始前和开始时的销量差距较小
  2. 消化效果不明显,在活动结束时和活动结束后的销量差距较小
  3. 活动过程中,销售金额和日常销售金额差距较小

所以我们结合活动周期与自然周期的关系、活动的对比能够看出,当活动开始时间是周一的时,当日销售业绩最好。

而活动三出现了逆周期的表现,异常点是:

  1. 活动开始的波峰没有活动结束时的波峰高
  2. 活动结束后是工作日,出现了断崖式的销售业绩下降

深度分析|自营电商-运营数据如何辅助商业决策

为什么说活动三的设计有缺陷?

通过我们知道,当前B2B2C的业务模式,工作日的销售额会比休息日高。

而周一是每周销售业绩最高的一天,当渠道发现周二有活动,可能周一的时候他们就不分销了。

如果工作日中间(周二、周三)结束活动,会导致周四、周五的用户发现活动刚刚结束,此时购买正式最贵的时候,心里有一定的落差,会降低转化率。

深度分析|自营电商-运营数据如何辅助商业决策

自然周期+活动周期的影响,工作日开始的活动效果更好

深度分析|自营电商-运营数据如何辅助商业决策

综合活动表现,我们能够得出相应结论:

结论一:活动开始时间尽量放在周一;

结论二:活动结束时间可以放在工作日的末期(周四、周五),让休息日相对于较少的用户来消化活动结束带来的心理落差,从而使影响降到最低

最后,我们再横向对比活动策略的数据表现。

深度分析|自营电商-运营数据如何辅助商业决策

活动二与活动四:

  • 活动的主要内容都是无门槛券。
  • 活动一比活动四多了满2000元赠送产品的超高满赠门槛(满赠产品包含美白类产品A)
  • 活动结束后,活动一的销售金额是活动四的2倍。

深度分析|自营电商-运营数据如何辅助商业决策

活动五与活动六:

  • 营销策略都是满减;
  • 其中活动三相比活动四增加了赠送美白类TOP1销量的产品,所以业绩也相当突出

结论三:活动的营销策略要使用不同类型的产品来命中不同的用户人群,用户使用产品是有周期的,就需要不同的活动所使用的产品也有周期性。

所以我们发现,营销策略的成功在于匹配人、货、场三要素

当产品销售策略和运营活动策略满足了三类用户群体的需求时,就可以让活动做得漂亮,收获产品销售业绩。

从运营角度来看,场景营销更具主动性,深入了解用户群体的喜好和购买习惯,确定最适合他们的商品。

五、总结

通过数据分析,能够有效预估未来活动所产生的业绩并制定策略。

在商业模式的优化中,根据数据表现去重点维护不同的用户群体,结合用户需求开发不同类型的产品进行销售。

无论是做商业分析还是数据分析,都应该搞清楚自己的业务是什么。

B2B?B2C?还是B2B2C?

今天分享了一次数据乃至商业分析的落地实战。

第一步,摸清自己的业务模式,理清业务模式背后的自然周期,后续观察指标走势时就不会感到困惑了。

第二步,结构化的盘点商品,了解商品的销售情况,从而制定更加有效的营销策略。

第三步,对用户进行分层,通过28法则找到取得最佳业绩的同时减少资源损耗的用户

第四步,对历史营销活动回顾,综合分析人、货、场的关系,以满足三类用户群体的需求为目标,让活动更加成功,获得产品销售业绩。

回到数据本身,数据的采集、筛选、管理本身是艰苦的工作,它对于业务来说,没有直接的影响所以很多团队会因为赶进度、赶项目,导致对数据不够重视,埋点质量不足、埋点混乱等。

虽然很多人或者公司都没有开始重视数据体系的搭建,但我们应该注意的是在科学领域,数据分析做的越多,离真理就越近。

希望你,不会觉得只有“大公司有很多很多准确的大数据”。

希望你,离真理原来越近。

作者:张文靖同学,公众号:闻文靖静

本文由 @张文靖同学 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 unsplash,基于 CC0 协议

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!