电商数据分析，估计是 80% 数据分析师的启蒙场景；从商品角度出发，从用户角度出发，或者从店铺角度出发，三个方向都能聊；看似不同视角，但电商的分析永远只有一个核心，即如何帮商家打造爆品
爆品！电商永远的核心。当然要凭空了解电商的马太效应，不容易；咱们还是先说基本法，掌握好基本的分析技能，一步步采石才能接近大教堂之愿景
1. 电商数据是什么？如何养成基本的分析能力？
电商数据会分为产品或商品模块、用户模块和店铺模块，这里面的最小数据元，当然就是大家常说的 SKU（Stock Keeping Units）；为保证阅读的流畅性，朋友们不用纠结 SKU 的定义；一个简单例子，「300ml 的罐装无糖可乐」，就是一个 SKU，包含了一个产品的规格、包装和味道等特性；而 SPU 在这个例子中，就是「无糖可乐」，更多是描述一个细分的类目
所以不用急着关心工具。了解一下全貌，知道电商数据长啥样，以及由此衍生的分析场景有哪些；有这些认知在脑海里，比那些只会玩弄 Excel、或者会一点 Python 入门的工具人厉害多了；入门的阶段，场景的作用要远大于工具，多听多练多接触实战
比如从产品角度出发，讲好供货和销售的两个端口的故事很重要
- 行业、类目或单个商品的销量跟踪，by 周/月/季度/年的环比、同比等
- 不同价格带的销量对比分析，找到同一品类的高中低端产品，以及销量、销售额的高中低分布
- 对比不同产品的毛利、净利和库存周转率表现，从收益角度看产品流通
- 关心产品的复购率、跨购率（一般简化为一个产品对所有订单的覆盖率）
能看出来，当提及产品的复购和跨购时，实际上已经从产品的维度跳到了订单或用户的维度；因为「复购」说明数据库能识别同一个用户有多次购买同一产品；所以产品、用户、店铺三个模块并不是孤立的
回答我们开头讲的电商核心，「爆品」；如果用这三个模块来理解「爆品」，那就是同类商品中销量 Top 的 SKU（产品角度），或对于用户覆盖率最高的 SKU（用户角度，覆盖率高可以理解为大部分在该店消费的顾客都会买该产品，类似于必买品），或店铺销售额中占比最高的 SKU（店铺角度）
如果你在面试中被问到类似的问题，解答何为爆品，你能马上从以上三个角度解答，那恭喜你，一是你即将通过面试，二是说明你已经具备基本的分析能力；这个东西说起来简单，哪怕很多人看了这篇回答，日后遇到类似问题还是无头绪；因为这不是一个 Excel 公式或者 Python 代码，公式和代码你记下来下次就会用了，但对于分析能力，你看过或听过，未必就是你的
可能很多朋友第一次听到关于电商分析的三个模块，对上面的一些基本概念还不是很了解，比如 SKU、爆品，包括 AARRR 消费者模型等；这些概念学起来并不难，只是不太建议全程自学，概念多而杂，多听一些入门和科普课程，能帮助入门同学更结构化地梳理知识
会有很多好玩的实战案例。
关于智能马桶的分析，我应该多次提到了；我以前被问到过，如何用最快的数据分析方法，论证智能功能对于马桶的必需程度？说白了，就是买一个智能马桶值不值
有两个方法：1）看智能马桶的电商销量占全部马桶的电商销量，比例如何；2）看智能马桶在同价格带里与其他同类商品的电商销量，对比如何
没错，以上两种最快最简单，一个是占比，一个是对比
1）看占比怎么看——关键是找用户的对标
首先对比智能马桶和全部马桶的平均价，看相差多少，这部分就是溢价（大概差一千元左右）；以及智能马桶的电商销量占全部马桶电商销量的比例是多少，这部分说白了就是 VIP 的占比，图中统计就是 27%；也就是说花一千块的溢价，成为 27% 的 VIP 会员，你是否愿意。有了这个比例你就有了参照，比如你的收入水平是 Top 27% 吗，比如你是否在生活中花过类似的溢价率去买到 27% 左右的会员体验呢，如演唱会买更靠前的座位（各价位段的座位占比是可以统计的）、买知识星球的课加入头部博主的私密群（私密群人数占博主粉丝人数是可以算的）等等
所以乍一看买一个智能坐便器值不值，问题很虚；但通过问题一转化，就能变到可以量化的标准，你就可以拿着这个量化标准去反问需求方
2）看对比怎么看——关键是找产品的对标
另外一个，看对比怎么看；这个更直接。同价格带里总有些同类产品是必需的，比如油烟机；如果在该价格带里，智能马桶的销量接近油烟机，甚至超过；是不是就说明智能马桶已经是很多人的必需品了
当然这个案例，可以往深了做；比如你从用户模块切入，先找到和消费者（向你提问的那个人）画像相似的群体，根据收入/性别/年龄/消费观等等画像做一个聚类，如果智能马桶在这个聚类群体里订单覆盖率很高（比如大部分都买过智能马桶），那智能马桶对于那个向你提问的消费者来说，大概率就是必需品了
大概率？多大叫大概率，如果设这个群体中有可能买智能马桶的概率为 p，反之则为（1-p），则完全又可以变成一个 p-value 的问题，或者 Wald-Test 问题；当然这样就把问题往参数估计、置信区间的方向引了，完全走向了技术化；这一段你没仔细看也没关系，我后面都不会提晦涩的数学了，也就这里说到兴起提一嘴，别跳转别跳转
毕竟除了技术进阶，数据分析的进阶还有很多维度。
2. 电商数据分析的进阶
电商运营的角色，一个很核心的职能就是帮助商家组货，在不同的季度、不同的大促节点下调整选品策略，同时还能帮商家排好秒杀品、引流款、利润款的坑位及定价策略；这所有的动作都是围绕那个最根本的核心，尽可能帮商家卖出爆品，继而通过爆品为商家带来流量沉淀，为商家的其他商品引流，为电商平台拉新粗活
所以判断一个电商运营的数据分析能力高低，其实就是看他能不能从海量的电商平台数据中找到自己的爆品方法论；从一开始的读报表找信息，到学会简单的分析和销量业绩的跟踪，再到搭建一套完整的数据分析体系用于识别爆品、定选品策略，其实就是一个电商运营做数据分析的进阶之路；这个进阶路径不是一蹴而就的，特别是入门的阶段有专人指导、能在实际应用场景中打好基础，会少走很多弯路
如果觉得上面的内容都比较熟悉了，咱就可以接着聊几个进阶模型；如果对于产品、用户和店铺侧三个分析模块的基础知识还想再了解了解，可以翻回我开头的部分，也可先体验一下我推荐的训练营，毕竟接下来的内容还是有些小难度的
2.1. ECR 模型
ECR（Efficient Cusmter Research）是很典型的产品模块和用户模块相结合的分析模型，这个模型在帮助电商商家在选品组货、排布坑位（秒杀品、引流品、利润款等）的过程中，能起到很大作用
选品组货，核心原则是找到产品中不可或缺的 SKU 或 SPU（对 SKU 概念还不清晰的小伙伴请翻回第一部分），所谓镇店之宝
镇店之宝有四个维度，1）竞争核心——该品牌与同行竞争的招牌；2）消费者青睐——该品牌核心消费群体的心头之爱；3）供应充足——有足够多的规格和细分 SKU 供选择；4）消费者忠诚——消费者只选择该品牌的 SKU
- 竞争核心：一般用品牌的 Loyalty Index，就是这个品牌在同类产品的市场份额，所以 Loyalty Index = 该品牌相应 SPU 的销售额 / 相应 SPU 的市场总销售额，这个比例越大，说明该品牌在相应 SPU 的市场份额越高，在这个 SPU 类目里竞争优势越大
- 消费者青睐：每个品牌都会有核心群体，这个核心群体在相应 SPU 中带来的销售总额，就是这个 SPU 最直接的价值
- 供应充足：这个维度主要是讲供应柔性，就是消费者既可以选 300ml 的易拉罐装可乐，也可以选 500ml 的瓶装可乐，可以选无糖的，也可以选香草味的；总而言之就是在可乐这个 SPU 下，消费者有足够多的选择，能满足不同的场景、不同的偏好
- 消费者忠诚：这个厉害了，在电商场景里能得到消费者高忠诚度，是很难很难的事情；消费者忠诚理解起来倒简单，就是消费者只要一想喝可乐，只会选某品牌的某特定产品，这就是忠诚；忠诚的消费者人数比例（占买过这个品牌相应产品的总人数比例），就是消费者忠诚度
ECR 模型很常用，也是很多平台内嵌的系统模型，虽然综合了产品和用户模块，但总体来看还是以产品为主导；接下来再分享一个用户视角主导的模型
2.2. 客户满意度模型
图的左边先不要看！左边不要细看！都是些偏算法模型。如果你不太关心技术向的内容，想把更多精力放到业务理解上，只看图右侧即可
消费者满意度由三个方面组成：对品牌的形象认知、对某次消费的期望、消费和产品的体验；顾客满意度就是基于认知→期望→体验→反馈，整个链路，把每一步都量化到数据库和模型算法里，帮助电商运营长期跟踪品牌健康度和消费者反馈
这实际上就是消费者 AARRR 模型的延申，细心的读者肯定发现我第一章就提到了 AARRR 模型，没发现的小伙伴建议再次回顾全文
关键是，认知→期望→体验→反馈，每一步有哪些量化指标，以及每一步怎么关联起来、怎么衡量相互影响；比如反馈，系统就可以抓取用户对于店铺的评分、对于产品的评价进行定量以及定性的自然语言处理分析，综合这些指标进行因子分析，先得到一个初步的满意度指标
其他的环节也同理，最后模型会再运用到线性回归和协方差矩阵，把因子分析统一到结构方程模型中；总而言之这里头就是技术细节，从业务理解上，大家只要熟悉了 AARRR 模型，就能掌握
2.3. 选品优化模型
最后再提一下选品优化，呼应一下我们全文的主题，帮商家选爆品！
选品优化一般有两个优化目标，提高销售额和提高毛利率（Revenue and Profitability）
逛超市的朋友都知道，一般大品类上，超市布局会有大致的分门别类；到具体区块的类目中，每一个架子不同层怎么排布，都是有学问的，比如消费者站立的时候能平视的几层，就是黄金展位；哪些产品应该放在黄金展位，选价格便宜的还是选最畅销的，还是选利润最高的，这里头都有设计
选品优化模型基于不同的目标（比如销售额或毛利率的最大化），会通过模型确定三个方面——定品、定价和定位；定品就是要上哪些品类大概要上多少量，定价就是综合利润空间和优惠促销之间去平衡，定位就是选货架的露出
这里头会涉及很复杂的模型，还会涉及不同产品间的转化关系；比如有些消费者在超市中没找到可口可乐，可能就会选百事可乐，这就是一个转化；但有些消费者就是不选，买不到可口可乐就掉头走人了，这就是一个转化失败，一次消费者流失
细心的朋友肯定发现了，这里头提到的，就包含了上面 ECR 模型中的消费者忠诚度；没错选品优化本身就包含了 ECR 模型和顾客满意度的版块，这个庞大工程有时候不能全由模型解决， 还会相当一部分的人工经验进行调校
今天先说到这里了， 以后有机会再详细展开每一个模块。不嫌啰嗦可以关注本人的知乎号和专栏，当然也欢迎报名我推荐的课程，总会学有所成、孰能生巧
本文作者：国贸加糖少冰 |
