引言一名优秀数据分析师的'好苗子’的判断有三个:有数据逻辑、有结构化思维、有商业认知能力。 第1章 建立电商运营的“上帝视角”第1课 服装与电商发展近史纵观最近十几年，国内服饰的电商发展可以分为四大阶段： a) 第一阶段:2000年~2006年，文艺风、复古风、设计师品牌等小众 风格的春天。b) 第二阶段:2006年~2009年，国外大牌ZARA等进入国内，并开始 渠道布局。c) 第三阶段:2009年~2012年，快时尚品牌UNIQLO等进入快速发展期。d) 第四阶段:2013年~2016年，潮牌、融合科技感的运动品牌这类宣传自我个性的品牌兴起。服装行业最重要的特点是周期——服装的生命周期、风格的生命周期，就连时尚趋势也是有生命周期的。理解了'周期’的概念后，我们的数据分析就会在宏观层面更具指向性。 国内的电商起步很早，最早的历史可以追溯到1999年易趣网的成立。但是业内一般将2003年淘宝网的成立，称为电商发展的元年。从2003年至2016年，我 个人将电商归类为三个发展阶段。 a) 第一阶段:2003年~2007年电商1.0时代[流量为王] 淘宝网于2003年成立;京东于2004年从线下转型为线上，并于2007年正式更名为京东商城。在这一阶段，电商处于C2C的时代，主要以草根卖家为主，运营方式也以刷单、打爆款、砸推广这样简单粗暴的手段为主。 b) 第二阶段:2008年~2013年电商2.0时代[数据化运营] 2008年，以淘宝商城与唯品会的成立为标志，电商正式跨入2.0时代——B2C时代。电商的运营逐渐趋向规范 化和体系化。天猫平台也在“正规军”商家的逆向驱动下，认真钻研服装行业的独有周期特性，并且完善和规范了一系列的运营体系。如在4月开启连衣裙节，5月开启T恤节，9月开启风衣节等，而最具标志性的，则是在双11和双12开启的年终大促。这两期大促为所有服饰商家提供了一年两个大季节库存清洗的绝好时机。 c) 第三阶段:2014年~2016年电商3.0时代[内容营销] 从2014年开始，由于平台流量增长缓慢、头部与腰部商家集中等综合原因，天猫开始提出“内容营销”的口号，并且结合视频直播、VR技术、网红号召等多种形式，为电商卖家打开新的营销思路，以便在流量稳定的情况下，提升商家的成交转化率。 第2课 数据分析不是“造火箭” 什么是电商数据分析师电商数据分析师，就是利用一些专业的数据工作与逻辑思维，从数据层面为电商店铺提供某些参考意见与支持。 再具体一点，数据分析师是把'运营、数据、工具’这三种能力综合运用，为电商店铺运营解决某一具体问题的职业。 一名合格的数据分析师必须有这三方面的能力:懂运营业务、有结构化思维、精通一两门数据工具。  image 数据分析的四大步骤要完成一份数据报告，通常我们要经过这些步骤： ** a) 明确目的:**做任何数据分析之前，我们必须先了解本次数据分析的目的是什么。是诊断，还是预测，或者是总结? ** b) 构思结构/逻辑:**针对本次分析的目的，我们需要从哪些角度来 构建数据分析逻辑?用线性式的因果逻辑，还是用分布式相关逻辑? ** c) 开始分析:**确定了报表的说服逻辑之后，本次分析需要用到哪些维度的数据?取值范围与口径是怎样的?这些数据能够得出什么样的结论?这些问题都需要在数据分析过程中考虑，最重要的是，对每次整理好的数据都要进行结论验证。 ** d) 制作/美化报告:**对整理好的数据进行取舍，按报表的说服逻辑排序，并编写相关文字观点;报告的最终目的是让读者接受你的观点，而不是仅仅把报告发送给对方，并写上“请阅”两个字。所以，适当的美化，让报告更具有可读性，是非常有必要的。 第3课 电商运营就是“开飞机” 电商的本质是零售电商是平台，是因为它充斥着各种必须遵守的平台规则； 电商是渠道，因为它给品牌带来了在网上交易的新机会； 电商=零售，零售=成交。 所以，在数据分析之前，我们首先便要记住:所有的数据分析，都要以辅助运营、提升业绩为目标。 一个公式，三个指标UV x 转化率 x 客单价 = 销售额 UV就是访客，转化率就是买单人数与访客的比值。这个公式是所有电商数据分析的基础! 这个公式的具体应用，如： 1.监测店铺运营状态 2.制作年度运营目标 一个飞机模型如果把我们事业部看成是一架飞机，那么， a) 运营部是驾驶员，他们负责根据外部(电商平台)的气候变化情况与飞机自身 (企业内部)的健康状态进行匹配，选择最适合的飞行高度与飞机路线。 b) 商品部与市场部则是两个机翼，负责事业部在飞行过程中的方向选择。如果商品备货过重，则飞机会向右侧倾斜;如果市场推广费过高，则飞机会向左侧倾斜。 c) 设计部是尾翼，负责飞机在飞行过程中的平衡，仔细想想，如果品牌的风格不稳定，是不是品牌就会陷入左右摇摆、飘忽不定的局面? d) 客服部，不就是负责在 机舱内照顾好已经登机的客人吗? e) 商业智能部应该是飞行指挥塔。飞行指挥塔负责随时监测飞机内部的各项飞行指标。商业智能部也要随时监测企业经营过程中的一切指标，包括商品、流量、销售额、利润等，并且还要监测外部的行业情报、竞争对手情报，然后针对这些数据进行分析，提交可供决策人员参考的运营分析报告。 第4课 在正确的渠道卖正确的货 渠道就是“机关枪” image 1)天猫的新旧商品销售为7:3，就是说天猫是一个以新品为主的销售渠道(就是刚才所说的机关枪的特性)。 2)在新品中，天猫有一半销售是以接近正价，也就是大于8折的价格销售出去的。证明这家店铺的新品很被消费者所接受，因此判断，品牌调性与平台属性契合度比较高。 3)需要注意的是，这家店铺的新品销售中，退货率接近35%，这意味着这家店铺每卖10件新品，其中有4件可能被退回，我暂时还不能判断这个退货率与行业比较是不是正常，不过我个人感觉有点太高了。”  image 1)京东的商品新旧比接近6∶4，也算是以新品为主的销售渠道。 2)不过有些不同的是，京东的新品中，以67折商品销售为主，67折的商品应该是处于商品生命周期末端的产品。所以，这个数据说明对于服装正价新品的消费力，京东不如天猫，也就是说，天猫以正价新品为主，京东以打折新品为主。 3)京东的退货率约在25%左右，这一点远远低于天猫的35%。证明在同一单成交记录中，京东的经营成本要小于天猫。因为每一笔退货都会给品牌商带来售后、物流上的经营成本。  image 1)在唯品会中，新品的销售贡献不到10%，也就是说，唯品会是几乎完全以旧货为主的销售渠道。 2)在旧货中，唯品会的主销折扣带在35折，几乎占了总销售额的一半。35折的商品有什么特性?它们几乎是以微利的方式清仓出货的，对吧。所以，唯品会为需要清仓的商品提供了一个较好的销售渠道。 3)即使是清仓，品牌也不能不赚钱。所以，我们看到，在旧货中，还有40%的销售业绩来自于旧品67折的货。旧品卖到67折，自然可以给品牌提供足够的利润空间了。可是有个问题，这些货同样是旧品，为什么它们能够卖到6~7折呢?这是从旧品中精细挑选出来的比较应季的款式。 4)用商品运营的专业术语来讲，67折是盈利款，而35折是走量款。盈利款与走量款的销售占比能够达到4∶5，这是品牌与唯品会平台之间达成共识的结果。简单来说，品牌方与唯品会平台的共同目标，就是“唯品会既让品牌达到清仓甩货的目的，又能保证品牌赚钱”。这就是唯品会的属性。 首先，天猫渠道是一个适合新品销售的渠道，并且它的正价新品消化能力也很不错，所以，我们可以将新品的商品重点向天猫渠道倾斜;其次，京东渠道就显得比较均衡了，它的新旧货占比接近5∶5，而且京东的新品销售集中在6折左右，说明京东平台的新品销售利润率并没有天猫渠道高，而且京东的旧品销售也可以占到50%的销售，说明京东同时也承担了一部分库存清理的功能;最后，唯品会的特征是最明显的，它本身就定位于一个专门做特卖的网站，所以我们往上面铺的货也几乎都是旧货，而且是超低折扣的旧货。 第5课 图解渠道的运营节奏 认识服装行业的周期任何一个产品在其销售过程中，都会经历'介入—成长—成熟—衰退’四个阶段。  image 在包括服装在内的零售行业中，几乎所有公司的零售策略、运营节奏都是根据产品生命周期来制定的。  image 天猫的运营节奏天猫年度营销活动节奏  image 1)SS级是指天猫平台方策划的最大型营销活动。这其中包括双11、双12等重磅活动，也包括“春上新”“春清仓”之类的服装生命周期相 关的主题活动。 2)S级是天猫平台特意留出来的一些可供品牌合作的空白活动档期，如××品牌日、品牌周年庆等活动。S级活动一般会配备品牌团资源，天猫也会从各个渠道优先将资源分配给正在做品牌合作的商家。 3)A级活动是天猫平台方根据不同风格的品牌主动策划和包装的不同主题的活动。如“就是在mall买”是一场针对线上线下同款的O2O主题的品牌活动，“独爱设计师”是为了凸显设计师品牌的主题活动。 4)B级活动是天猫平台根据不同服装品类而主动策划和包装的一系列活动。如“连衣裙节”“T恤节”等。 京东的运营节奏京东年度营销节奏  image 1)京东的活动分为三大级别，这个与天猫的四大级别的划分逻辑类似，这里就不再详细描述了。 2)京东的营销活动有个特点，就是重要活动是呈现“一头一尾盆地状”策划的。比如“双11”之后，紧跟着会出现一个“双11返场”的活动，而“圣诞活动”也是“双12”的返场活动。这样策划的结果，就会使商家呈现出“两头高，中间低”的盆地式销售趋势。而天猫则是“倒三角形”式的销售趋势。这个区别呈现出来的特征是，天猫的活动流量是有计划地爆发式分配给商家的;而京东的活动流量是按计划均分式分配给商家的。 3)京东营销活动节奏的另一个特点是，没有像天猫一样，留给商家明显的“品牌合作”机会。 第6课 建立店铺的说服逻辑与购买路径 电商的说服逻辑电商店铺又是怎样来说服用户成交的呢? 1.电商靠的是视觉呈现 1)90%的图片: 电商店铺几乎都是由图片构成，如POP、banner、 产品列表图，详情页的产品大图、模特试穿图、细节图、礼品图、优惠券图等。 2)9%的文案: 文案是图片的点睛之笔，好的文案可以瞬间击中顾客内心的痛点、笑点，或者利益点。 3)1%的咨询: 现在电商店铺的咨询率已经越来越低了。除非是对品牌有真爱，否则用户宁愿去逛另一家店，也不会浪费精力使用敲打键盘或者手机屏幕的方式来和你进行文字交流。 2.视觉的呈现必须有条理、有结构，这样才能保证“说服”是有效的 这是一个看脸的时代。首页是每个电商店铺的“脸”，是店铺重要的战场。首页需要承载以下重任: 1)突出品牌形象，通过视觉(图片、文案、音乐等)建立用户对品牌的信任感; 2)做好流量梳理，(通过导航条、入口图、POP等)让用户更精准地找到目标需求产品; 3)抓住利益点，让用户找到留下来的理由(主要是POP文案)。 电商的购买路径购买路径是指用户在网页上购买商品时，所要经过的网页。  image 首先，业内一般把流量分为“站内流量”和“站外流量”，站内是指电商平台本身的流量，即用户是先登录“天猫”或“京东”，然后再通过直通车、搜索、购物车等方式进入店铺的;站外是指用户是从电商平台之外的渠道进入店铺的，如百度、淘宝客、微信、微博等。由于在行业中，站外流量在店铺流量总和的占比中很少(一般不超 过2%)，所以它注定不会成为我们研究的主要流量类型。 其次，我们会把所有流量都分为“免费”和“付费”两种。由于免费流量与付费流量的路径有很大不同，这样的分类便于针对某一特定路径进行刻意的分析，然后进行优化。 同时，不管通过何种渠道而来的流量，当它第一次出现在电商店铺时，它只有可能出现在三个位置，即首页、详情页、二级页(又叫活动页)，此时这三种页面统一称为“登录页”。长期的数据跟踪结果显示，流量第一次出现在店铺时，在首页登录的流量占到70%以上。因此，首页的“说服逻辑”是否有效便显得非常重要。 当用户在店铺“着陆”之后，便会在店铺内“随意逛逛”，他们会在首页、详情页、类目页等页面之间来回跳动。此时的流量追踪是非常困难的，并且他们在“逛”的过程中，可能随时都会“逛”到别的同类店铺中去，甚至还会直接关闭浏览器或者APP，于是就造成了大量的“跳失”。 最后，当用户在店铺看好了意向的商品时，便会将其“加入购物车”，然后选择“付款”。当然，也有少部分人会不经过“购物车”而选择“立即购买”。但绝大多数人都会选择“加入购物车”。 只要用户没有“付款成功”，便永远存在“跳失”风险。因此，在电商数据分析领域，便出现一种名为“页面分析”的细分工作。这项工作的核心就是:抓住店铺内的主要购买路径，并分析路径中重要的页面，优化页面的说服逻辑。 第2章 像“堆积木”一样认识数据指标第7课 能够诊断业务的KOL数据指标 以运营为导向的业务框架 image 在实际运营场景中，一次正常的运营闭环一般会经历图2-1中的7个步骤: 首先，运营者们会制订本次的销售目标、销售计划(包括促销方案);在销售计划中，运营者需要着重提出，他们需要的商品资源与推广需求; 然后，商品与市场推广的负责人会根据运营的需求，提供相应的解决方案，并协商达成一致; 同时，视觉部门的同事会根据促销方案、活动主题、主推商品等设计店铺的活动二级页、详情页等。他们的页面设计直接影响到活动的促销效果; 于是，进入下面的客服接待、订单处理、物流发货等环节。 最后，财务对这一时期的销售业绩与平台对账，以便初步核算出期内业务达标率等财务指标。 能够诊断业务的KPI指标 image 1.运营模块 重要职能: 运营模块有两大重要职能，首先是负责达成整个品牌的业绩目标; 运营人员还要注意控制运营成本。销售中的运营成本一般包括销售折损、销售退货、平台扣点、物流、推广费用等。 组织的运营能力，一般使用业绩达标率、业绩增长率、销售利润额三个指标来进行综合评估。 2.商品模块 数据指标:对商品企划而言，主要对当季库存率(量/额)负责。从更细致的角度而言，就是要随时跟踪品类与主推款的售罄率:各品类的销售进度是否与预期一致?主推款的销售进度是否与预期一致?如果超出预期， 是否需要及时补货?如果不达预期，是否需要提前促销? 对商品运营而言，商品的周转天数、新品动销率/售罄率、活动动销率/售罄率、销售折损都是非常重要的数据指标。周转天数越低，证明商品流动越快，则仓储成本更低、资金周转越灵活;销售折损越低，代表商品以更高的价格成交，销售利润就越高;动销率与售罄率则需要根据不同的商品生命周期与销售环境来考虑。 3.市场模块 4.视觉编辑模块 5.客服、仓储、财务模块 主要职能:从运营角度而言，客服、仓储、财务属于销售末端的支持部门。客服模块负责用户进店之后的咨询、成交引导，以及用户购买之后的售后服务。仓储也是一个重要的支持部门，电商的一大特色是几乎所有电商平 台都有发货时间限制(如天猫最新规定是48小时内)，如用户下单后，商家未及时发货则会面临积分赔偿、用户投诉等各种风险; 数据指标: 对于客服而言，有三个重要指标:一是咨询转化率，就是指在店铺 咨询过的访客中，有多少人最终成交了;二是人效，是指经过咨询转化得到的业绩除以客服总人数的人均业绩，人效是体现客服团队贡献值的一个重要指标，目前行业里有一个重要趋势，越来越多的品牌正在将自营的客服团队外包给第三方服务公司，这里面客服的人效降低是一个重要因素;三是服务质量得分，这是店铺DSR评分中的一项，主要受店铺好评数、差评数、投诉率等影响，是客服售后团队需要重点关注的指标。 对于仓储与物流而言，有两大指标需要重点关注。一是日均发货单数，在销售订单能够满足的前提，以满负荷的工作状态下，日均能够发出多少个订单是一项重要的能力。二是库存准确率，也就是盘点差异。 第8课 人、货、场下的数据指标库数据分析指标非常多，为了便于理解和记忆，我把常用的指标按'人—货—场’的逻辑分为三类。 有关“人”的那些指标流量与用户的区别:“需要注 意的是，在行业中，凡是在店铺内有过成交记录的，都称为用户;而流量的定义明显要高于用户，只要登录过店铺的，都称之为流量。用户有ID与联系方式可以作为单个的'个体’被追溯和联络;而流量只能作为'群体’而被统计。” image 1)流量来源:流量来源分为自主、免费、付费、淘外、其他这五类。 2)新客/老客:在传统零售行业中，一般会根据RFM模型原理，将用户分为几大VIP等级，而在电商行业中，目前普遍的做法是将用户分为“新客户”“老客户”。其中“新客户”是指在店铺内第一次成交的客户，反之则称为“老客户”; 3)活跃/沉睡用户数:根据客户生命周期，可以将客户大致分为新客户、活跃客户、沉睡客户、流失客户四大类。活跃客户和沉睡客户是在做用户质量分析时需要重点关注的;活跃客户是指××天内有成交记录且购买次数>N次的客户，活跃客户数量越大，店铺的主动和免费流量就越多;沉睡客户是指连续××天内没有购买记录的客户，用户运营团队需要定期执行沉睡客户的“唤醒计划”，因此，针对沉睡客户的监控显得非常有必要。 有关“货”的那些指标image 有关“场”的那些常用指标image 第3章 表作骨，美化为肉，方法是灵魂第9课 快速建立实用美观的数据表 快速构成实用的数据表1.三种常见的Excel表格类型 image image “为什么这三种表会叫一维表、二维表和三维表呢?”“从语义上很容易理解。一维表是指表格的每一行都是一条独立而完整的信息;而二维表和三维表中，每表格的'行’必须与'列’上的字段结合起来，才能够形成一条完整而独立的数据。不同点在于，二维表中，'行’只需要与'列’上的一个字段结合;而三维表中，'行’需要与'列’的两个字段结合。” 2.[指标—维度]快速构表法 image '指标—维度’构表法很容易理解，就是把'维度’放在数据表格的第一列，而'指标’放在表格的第一行。当指标与维度交叉时，就会形成数据。 建立报表输出标准1、数据分析的六大过程: 1)数据收集:做数据分析之前也需要先收集能够被使用的数据。 2)数据处理:在数据分析时，数据的清洗工作非常重要。 3)数据建模:把一个个清洗好的数据放置于一个数据表格的模板中。需要注意的是，这个数据表格的结构与逻辑，必须确保是能够满足分析目的的。 4)报告出样: 当我们根据设定好的“模型”把数据填充好后，数据报告便基本出样了。 5)报告美化: 再有用的数据与数据化建议，只有在美化后才更能打动用户。 6)报告结构: 假设一份数据报告过长(如超过5个数据表格，或者7页PPT)，数据分析师便非常有必要把数据分析的重要结论摘抄下来，单独形成一页，并放置在数据报告的前文。 2、建立报表输出标准 1)表格的行与列，分别用相同色系，但色差相邻的两个颜色填充。这样，可以达到立体化的视觉效果，便于用户阅读。 2)表格的字体:标题用“宋体”11号字体、表格中其他汉字及数字均用“微软雅黑”9号字体。 3)关于数字的处理:表格中所有数字，均要使用千分位记数法， 同时过大的数字无须保留小数位，过小的数字可以保留1~2位小数，另外，表格中的数字的单位一定要在表格中备注好。 4)关于小计与合计:表格中所有小计类数据均为斜体，并加单下划线;所有合计类数据，需要加粗，加双下划线，并且用淡灰色填充。 5)关于表中重点/异常数据:对于表格中的重点数据，或是异常数据，必须用亮黄色填充，并用红色字体凸显，如此可引导表格的读者迅 速发现数据重点，或异常数据。 第10课 简单而实用的三大分析方法数据分析的三大基础方法，分别是对比分析、细分分析、转化分析，在电商数据分析中，由于通常涉及的数据量并不大，这三者是非常基础而且常用的数据分析方法。 对比分析1.绝对值对比与相对值对比 2.环比 3.同比 4.横向对比与纵向对比 5.份额 细分分析细分分析法，常用于为分析对象找到更深层次的问题根源。难点在于我们要理解从哪个角度进行'细分’与'深挖’才能达到分析目的。 1.分类分析 2.人—货—场 image 3.杜邦分析法 image 转化分析1)转化分析方法的前提，是我们需要首先确定一条“转化路径”。 2)当“转化路径”确定后，我们需要把“路径”中的各个“节点”罗列出来，并把节点下的重要数据统计出来。 3)最后，根据路径把各节点的数据用漏斗图的形式表达出来。 image 第4章 向双11进军，数据分析实战开始第11课 店铺的诊断分析方法 自店诊断的三基分析法在数据分析中，我们也有评判一家企业的常用的数据指标，那就是——'用户数’'平均销售金额’和'复购率’，通过这三个指标来评判企业运营状态的方法，就叫三基分析法。 1.用户数 用户数的多少可以反馈品牌对市场的影响力，并用来评估品牌所占领的市场份额; 在电商行业中，用户数是指成交后的买家数。通过买家数的多少，以及买家数的年均增长情况，来判断店铺当前所处的运营状态，并且是否保持增长的态势。 2.平均消费金额 平均消费金额其实可以理解为平均(每人)消费金额以及平均(每单)消费金额。这里是指人均消费金额，也就是前者。通过人均消费金额，可以评估品牌的消费人群定位，以及盈利期望是否合理。 3.复购率 复购率在零售行业中是非常重要的一个指标。以服装为例，复购率高的品牌，其用户忠诚度非常高。品牌调性、产品，以及服务质量都得到用户的认同。 在电商企业中，复购率高的品牌，对“付费流量”的依赖相对较低，因此可以节省更多的市场推 广费用。相反，如果是复购率低的品牌，说明其对“新客户”的依赖非常大。无形之中增加了店铺经营的成本，同时也侧面表明品牌并未形成有效的核心竞争力，或者其核心竞争力没有得到用户认可。 第12课 店铺的流量分析 流量从哪里来，到哪里去1.流量来源分析:流量从哪里来? image 其次，在流量分析中还需要关注以下几个问题: 1)店铺的流量是从什么渠道来的? 2)哪些渠道是主要渠道? 3)哪些渠道是付费/免费渠道? 4)哪些渠道的流量转化率最高? 5)当前流量的渠道分布占比是否正常? 2.流量路径分析:流量到哪儿去? 略 第13课 店铺的商品分析 销售结构与库存结构，使备货与销售精准匹配1.商品的销售结构分析 商品的销售结构是指对店铺某段时期内的所有销售商品进行分类汇总，然后再进行数据统计与分析。通过商品的销售结构分析，可以为店铺运营者梳理清楚店铺当前的主销商品，以及其销售表现，从而为运营者及时调整和优化销售策略提供可信的数据支撑。 在分析商品的销售结构时，可以按照商品年份、季度、波段、大类、小类、价格带、折扣带等指标来进行分类汇总。具体使用哪些指标和维度，需要根据实际分析需要来选择。 2.商品的库存结构分析 略 商品ABC与主推款跟踪，拉升销售业绩商品ABC分级的重点在于“ABC的分级逻辑” 1)A级商品:高库存且有高转化率(转化率>2%)的商品，标记为A类商品。因为这类商品既畅销，又有较深的库存作为保障，因此可以作为活动中的主推商品。需要注意的是，在挑选A类商品时，还应注意此款商品的访客不能太低，否则，没有经过“充分”流量测试的商品，其高转化率可能是“伪高转化率”。 2)B级商品:转化率中等(2%>转化率>0.65%)，且经过流量测试的商品，标记为B类商品。由于这类商品经过流量测试，被证明对访客有一定吸引力，但却不如A类商品转化明显，所以可以继续保持当前的销售定位。 3)C级商品:转化率低(转化率<0.65%)且经过流量测试的商品，标记为C类商品。C类商品应处于店铺阵列页面的底端，基本是属于被放弃的一类商品。 商品屏效分析，助力促销活动image 第14课 店铺的用户分析用户运营是最近两年在电商行业中流行的一种运营体系，而用户分析则能为用户运营提供一定的数据化参考。其中最著名的是用户画像、顾客生命周期分析等。 用户唤醒分析，1个老客胜过7个新客关于'活跃度’，每家公司都有不同的分类标准。一般的做法是:最近30天内有过消费的客户称为'活跃用户’，最近(连续)60天内没有消费记录的客户称为'沉睡用户’，最近(连续)90天内没有消费记录的用户称为'即将流失客户’。 其中针对沉睡客户主要以“唤醒”为主，常见的举措是告知本次促销力度，以及提供适量额度的优惠券;针对即将流失客户，除了告知促销信息与力度外，还需要提供较高额度的优惠券，另外，最好再配上走心的文案。 建立物流地图，优化快递成本我们知道了订单主要集中在哪些省份之后，接下来，再结合各大快递公司在 不同地区的收费标准，就可以为店铺选择最优的快递方案了。 第15课 店铺的活动分析 可控的五大数据化促销要素image 巧设优惠券，提升销售额 优惠券是电商促销活动中的常规武器，一般分为无门槛优惠券和满减优惠券两种。优惠券的作用在于打消顾客在购买时对于价格的顾虑。把顾客从冷静理性的购物状态带入感性、冲动的购物状态。 1.设置正确合理的优惠券面额 方法一:平均客单价设置法 方法二:价格带宽度设置法 2.优惠券跟踪分析 除了能够为业务部门提供设置优惠券的档级建议之外，数据部门更重要的职能是——需要跟踪优惠券的领用与使用情况来判断店铺需要承担的折损与能够带来的销售业绩。 <完结> 作者：东北小阿衰 |
|
|
