京公网安备 11010802034615号
经营许可证编号:京B2-20210330
天猫数据化运营入门_货品篇_数据分析师
1,货品模块
在店铺经营中,货品模块主要关注2方面的内容,定价&备货、货品质量。
1)货品日常监控
日常店铺货品数据监控中,重点关注 客单价、在线商品数、热销商品率、动销率4个指标跟竞争对手的比对情况。
客单价,1629.73元,每一个成交用户的平均支付宝支付金额。这是一个非常重要的指标,在流量固定的情况下,提高客单价,可以使得我们店铺的销量增加。当他低于竞争对手时,提升单品价格一般较为困难,且需要的时间周期也很长,建议做好每个货品的关联销售,提高买家的单次购买件数。
在线商品数,266件,表示店铺的货品丰富度,这个指标数量多少没有绝对的好坏之分。跟竞争对手比较存在较大偏差时,需要关注是否。店铺货品丰富度不足将会直接导致客户店铺停留时间减少,间接的影响店铺整体的转化率。
热销商品率,11.04%,热销商品(28天成交超过20个)占在线商品的比例。动销率,43.80%,有成交商品占在线商品比例。这两个指标过低时,从2方面来分析,是否营销推广计划出现了问题,建议合理规划店铺各个产品的定位,而不是简单的推广其中几个产品;是否在线商品数过多,店铺的流量不足以覆盖太多的商品,过多的商品数量也有可能导致用户选择困难,建议适当减少在线商品数。
2)定价&备货
日常我们只需要关注体检报告中的支付宝成交件单价,1478.68,平均每件商品成功完成支付的金额,跟竞争对手比较,如果出现了较大差异时,应该进一步分析产品的定价问题。
首先通过数据魔方,分析这个行业(细化到最细粒度的类目进行分析)的产品定价区间。数据中我们可以发现该行业产品的定价集中在2500左右。
其次再通过淘宝关键字搜索,确定整个淘系中该产品的定价区间,需要主要的是从这里获取的数据,包含了淘宝和天猫整体行业的定价区间。我们可以了解不同价位的用户选择比例。
以上两个渠道的产品金额,都仅供参考,实际需要跟店铺自身的情况来确定定价和备货,下面我们来做一张简单的备货计划表(附件表格中“计算指标”,可以自动计算结果,这里无法展示excel公式,请自行填写公式进行计算)。“费用”部分根据实际情况进行填写即可。“预期”部分,广告费用和期望销售是相互牵制的,这部分在流量模块中进行过讲解,我们根据现有供应链情况,初步确定期望的销售量,广告费用占比,可以根据以往销售经验获得,如果需要更加精准的广告费用占比,我们可以通过预期销售量,结合各个流量渠道的转化率,各个渠道的ROI来计算。最后我们通过调整期望售价,来看我们的利润情况,在结合上一个环节分析的行业定价情况,找到利润和市场定价的平衡点。
3)货品质量
店铺宝贝的质量是店铺的灵魂,天猫平台对货品也一直都有“品质”的要求。所以我们每个商家每时每刻都要提醒自己:“要做好产品”。我们是要做好产品,不是做好看的产品数据。数据只是帮我们来发现我们的产品是否出现了问题。
时刻关注直接反应货品质量的两个指标:
商品质量DSR评分,4.88,是最直接反应货品问题的指标,可以非常直接的反应买家对商品满意度。当该DSR评分出现异常时,请仔细去阅读买家对货品的评价内容,去分析买家对货品不满的具体原因,根据买家的反馈来改进货品。另外请特别注意这个指标是公示在店铺页面的,以附图中数据为例4.88的DSR评分已经比较高了,但是这个数据消费者会跟整个行业的情况去比较,消费者注意到的是,这个指标比同行“高”还是“低”。这个数据可以在自己店铺首页看到,体检报告中看到的是和这个行业的竞争对手比较,跟消费者看到的数据存在一些差异。
品质类处罚次数,0,这个指标应该让他永远保证是0,不需要跟竞争对手去比较,必须保证为0的。如果大家之前对品质还没有足够重视的话,从现在开始review自己店铺的产品品质,重点关注宝贝的材质的描述和实际是否完全相符,不要做出任何与实际不符的宝贝介绍。万一出现店铺出现处罚时,需要第一时间去检查整个供应链情况,及时发现哪个环节出现了问题。
回头客相关的数据,也可以反应出货品的质量情况。
我们可以在体检报告中,监控熟客率指标,8.73%,重复购买的买家数占比。当该指标低于竞争对手时,第一因素为买家对货品的满意度不高,我们需要不断的去分析产品如何去更好的满足买家的需求。这里需要重点指出的是,低价只是买家满意的其中一个因素,纯粹的低价策略并不是店铺长远的发展方向。买家觉得“满意”,是一个心理状态,我们需要深入的去分析目标用户想要的东西是什么,“品质”、“炫耀”、“性价比”、等等。熟客是我们店铺最便宜的资源,我们必须好好的加以利用。在确定买家有较高满意度时,我们可以适当的对老客户进行关怀,跟满意度一样,关怀的方法也需要抓住买家的需求,发红包并不是唯一的关怀手段。
4)货品数据
以上店铺流量相关的运营思路中提到的指标,我们基本上都可以在体检报告中获取。下面表格中,我们给出所有指标的详细描述。
1,整体经营
a)支付宝成交金额,成功完成支付宝支付的金额(元)。
b)支付宝成交笔数,用户成功完成(支付宝)支付的子订单数(一笔订单,按照商品分拆为多个子订单)。
c)支付宝成交用户数,成功拍下并完成支付宝付款的人数。
这3个指标是店铺运营过程中最终的结果指标,特别是“支付宝成交金额”,这是反应我们商家是否成功的唯一结果指标。他一般用来作为店铺最终的运营目标,我们用他主要是定期查看店铺的运营目标是否达成。
2,货品
a)经营子类目数,店铺经营商品的叶子类目数量(商品数>=10的子类目数)。
b)平均sku数,平均每个商品的sku数量。
c)在线商品数,在线商品数量。这个指标跟同行进行比较后,同时结合动销率来分析,看在线商品数是否过多。
d)新品占比,新款商品占在线商品的比例,“新品”保持跟淘宝搜索时,“新品”筛选项;天猫搜索时,“新到商品”筛选项定义一致。存在类目的差异,不是所有类目都存在新品数据。
e)商品质量DSR评分,对“商品与描述相符”的评分值。这是一个需要重点关注的指标,重点关注比同行高还是低,数值本身是其次的。消费者是可以在店铺的首页非常清楚的看到店铺DSR跟同行的比较情况,对他店铺的转化率产生非常大的影响。
f)品质类处罚次数,与商品品质问题相关的处罚次数。
3,营销
a)热销商品率,最近28天成交笔数>=20的商品数/当天的在线商品数。
b)动销率,有成交商品占在线商品比例。
“热销商品率”和“动销率”定义类似,可以认为是一个升级版的“动销率”。当这两个指标低于同行时,一般考虑加强店铺间宝贝的关联销售。
c)熟客数,183天内重复购买的用户数。重复购买是指有2天及以上的天数在店铺内购物,一天内多次购买不计熟客。
d)熟客率,183天内重复购买的用户占所有购买用户的比例。
熟客是店铺需要重点关注的数据,我们会发现拉一个新用户的流量进来的成本是很高的,如何让一个新用户产生二次购买是非常重要的,我们要时刻去关注同行的“熟客率”数据,并以这个数据作为基准,不断的去提升熟客率。
e)客单价,每一个成交用户的平均支付宝支付金额。即客单价=支付宝成交金额/成交用户数。这个指标重点关注店铺自身的变化情况,如果宝贝定价没有发生变化,这个指标发生了波动时则需要重点关注,通常是关联销售出现了一些异常。由于同行的产品定价会有存在很大的差异,所有同行对比数据仅供参考。
f)人均成交笔数,平均每用户购买的交易次数,即人均成交笔数=支付宝成交笔数/成交用户数。这个指标最终影响的主要还是“客单价”,但是我们可以跟同行进行比较,去发现店铺是否低于同行。
g)全店成交转化率,支付宝成交用户数占店铺整体访客数的比例。包括PC和无线全部数据。影响店铺成交的重要因素,同行的对比数据只是为我们提供一个参考的基准,对于店铺来讲,在诚信经营的情况下,这个指标越高越好。
h)支付宝成交件单价,平均每件商品成功完成支付的金额(元)。
i)支付宝成交笔单价,平均每个子订单成功完成支付的金额(元)。
j)平均折扣率,平均每个商品的折扣比例。
附表1:以下表格整理了货品模块所有指标的定义,方便商家可以快速的查阅:
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24