
做电商必须要知道的三个经验性数据,直接拿来就能用!
许多传统企业由于在资金以及供应链方面拥有比较强大的实力,因而可以在转型做电商的过程中一下子投入几千万元用于电商运营、广告购买 以及品牌推广等,并期望在如此投入下能够立即把握电商大势,实现线上 销售的突破。但往往就是这种急于求成、不顾电商运营节奏的做法让许多传统企业走了不少弯路。
大洋彼岸有一个美国电商 Webvan,当年估值 85 亿美元,融资 3.9 亿 美元,却最终运营失败。Webvan 在每天只有 2000 笔订单的时候就投资了 1800 万美元建网站,4000 万美元建仓库,几千万美元做推广,其投入的 节奏与网站订单的运营基础严重不匹配,最终的结果是 Webvan 亏损 6 亿 美元,直接宣告倒闭。
从这个美国电商总结出的深刻教训就是 :不管传统企业拥有多少资金, 多少资源,都需要注意电商发展的节奏,即订单到什么阶段就做什么事情, 千万不要好高骛远。
还有国内的万达电商也犯了同样的错误,其一上来就是扩大规模、建 立庞大的队伍与系统的思路,完全不注意电商运营的节奏。开始的时候其 还拉上腾讯及百度作为合作伙伴,规划了一个 O2O 电商大系统、大平台, 最终的结果却不尽如人意,其电商负责人也黯然离场。其实正确的节奏应 该是先找一个万达广场小规模试验、试错、做透,然后慢慢滚大并扩大到 全国。如果万达影院事业群等电商 O2O 均采用从小到大的渐进思路,那么 便能避免重蹈覆辙。
衡量传统企业的电子商务运营节奏有三个经验性数据,这三个经验性 的数据是我在最近几年的电商创业实践中总结的以及与各大传统企业电商总负责人探讨交流并一致认可的数据。这种来源于一线的实战数据才是最 靠谱的。
(1)第一个数据 :1%
判断何时可以开始大规模推广的经验性数据 :订单超过 100 笔 / 天, 淘宝店或 B2C 网站的访问量每天超过 10000 人,即订单转化率超过 1%。 订单转化率达到 1%的基础目标,就可以开始大规模地推广。线上销售转 化率没有达到 1% 标准的传统企业,其实也就意味着其在线上的运营基础 还没做好,在这个时候不建议做大规模的烧钱推广。当然,这个数据是电 商行业内的平均数据,每一个类目会有不同的表现,传统企业在判断自己 的节奏时还需要结合自己的品类来考虑。
(2)第二个数据 :10%
判断传统企业电商事业是否及格的经验性数据 :线上销量占整体销量的 10%。达到 10% 表示传统企业电商开始起步。
(3)第三个数据 :10%
判断传统企业现阶段是否已经跟上移动电商发展的经验性数据 :移动 电商是否占到现在电商销售额的 10%。如果超过了 10%,则说明传统企业 对于未来电商的布局是及格的。移动电商、微信电商以及 O2O 是大势所趋, 传统企业需要在这些渠道上有一定的准备。
我发现许多传统企业在制定目标的时候没有考虑到以上三个数据所反 映出来的运营节奏,结果目标设定出现很大的偏差,最终导致资源以及资 金的浪费。节奏是如此重要,以至于陈天桥的个人电脑屏保设置的永远是“节奏就是王道”这句话。据盛大的人讲,陈天桥吸取了因过早启动电视 互联网项目而失败的教训,将这句话放在电脑屏幕上天天提醒自己 ;现在 乐视及小米开始抢占客厅互联网,现在做就是一个好的节奏。
我在微博上曾提出一个问题 :一个 B2C 官网,从 0 到 100 笔订单时, 公司哪三件事情是最重要的?从 100 到 1000 笔订单时,公司哪三件事情 是最重要的?过快及过慢的电商运营节奏都不行,这很考验电商 CEO 的 经验与判断能力。
下面看一看电商人的讨论:
电商人 A:每天有 0 ~ 100 笔订单时,重点是流量、转化率、客户满意度。 而每天有 100 ~ 1000 笔订单时 ,重点要考虑供应链仓储管理、客户满意度、 团队建设管理。
电商人 B:每天有 0 ~ 100 笔订单时,要把整个流程走顺,前期靠口 碑传播获得第一批用户,别一开始就投放几百万、上千万元的广告。每天 有 100 ~ 300 笔订单时,要提高管理,包括物流、财务等都要规范起来。
电商人 C:每天有 100 ~ 1000 笔订单时,处于稳中求快阶段,要快也要稳 。( 1 ) IT架构和应用:系统的稳定性、速度、安全性,优化各项业务应用,做好实时监控,机房、支付、短信、上游服务商哪个环节出问题, 要迅速响应 。( 2 ) 优化和提高服务能力,提高用户满意度,服务标准化 。( 3 ) 分析运营数据,找到未来赚钱的方向和产品。
以上意见讨论均来自一线电商人,具有参考价值。
还有一个经验性的数据常常被传统企业所忽略,那就是自公司开始做 电商之后,线下的销售同比增长要达到 10%。在做电商渠道的同时,扩大 了品牌的线上知名度,从而导致线下的销量也增长了 10%。与单纯的淘品 牌不同,线下的市场是传统企业的根基,线下增长达到 10% 才是传统企业 做电商比较健康的目标。例如一个传统企业是做服装行业的,其线下销售 额已经达到 1 亿元,而线上的销售额是 1000 万元。在做电商的同时,该 企业线下的销售额不仅不能减少,还需要增加 10%,即这家企业因为做了 电商,线下的销售额变成了 1 亿 1 千万元了。
传统企业做电商除需要有稳健的运营节奏之外,还需要有稳 健的电商渠道布局,不要只依靠某一个电商平台,需要分散风险, 均衡不同的电商渠道。我认为 5:2:2:1 的经营性数据比较符合目前 传统企业成功转型电商的要求。这个经营性数据是指 :50% 的销 售额在淘宝和天猫 ;20% 的销售额在其他 B2C 平台 ;20% 的销售 额在网络分销渠道,网络分销不是企业自己做,而是交给代运营 或者淘宝客等 ;最后的 10% 销售额来自于企业官网或者微商等移 动电商渠道。
中国的电商跟美国的电商是完全不一样的,在美国,电商 80% 的销量 都来自自己的官网,用户要买产品都是到企业的官网买。但中国的情况比较特殊,许多传统企业大部分的电商销售额都来自于天猫、淘宝、京东这 几个主流平台,而其他渠道则由于销售额不高而没有投入太多的资源建设, 这种做法是有一定风险的。例如你将 4000 万元都投到淘宝、天猫上,如 果淘宝、天猫发生了什么变化,你就会一无所有。所以传统企业需要按照 节奏,尽快推进企业的互联网电商化进程,增强自身实力、分散电商渠道 风险,以避免未来可能出现的风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09