如何进行商品分析

1. 如何进行商品分析

1、直接数据的分析

对直接数据进行分析，在现阶段的零售也已经非常普通了，从中很容易找出数据分析的结果进而调整策略，譬如销售周期分析，如何来分析周转天数，也就是说，周转天数高和低哪个好？最合理的周转天数是多少？从商品库存周转率（次数）和周转天数两个效率指标中，可显示商品的“新鲜”程度。

商品周转率高（周转天数短）的好处是：每件商品的固定费用（成本）降低，相对降低有损坏和失窃引起的亏损；能提供新鲜的商品，能有弹性的进货，应变自如，能以少量的投资得到丰富的回报，减少存货中不良货品的机会。

商品周转率过高（天数太短）带来的危机是：容易出现断货 ，陈列不够丰满，进货次数增加使得进货程序和费用相应增加；进货次数增加也使运送费用相应增加。



2、间接数据的组合分析

间接数据的组合分析就是将直接数据分析中得到的分析结构进行有效的组合和数据关联，并且在统一的数据模型数据模型下进行钻取以及进行关联交叉分析，逐渐发现并缩小分析的范围。在间接数据的分析中常用到的是销售综合分析，库存分布分析、商品结构分析、商品毛利带分布分析、商品价格带分布分析、商品畅滞销分析等，在这些分析中我们可以互相交叉进行组合分析。

1）销售综合分析

销售综合分析的分析指标是销售额、毛利额、毛利率、库销比、售罄率；分析条件是时间段（任意时间段、自然时间段）、经营方式；分析层次是总部-门店-大类-款式-价位带-单品。

2）关联分析（同比/环比分析）

将上一级分析的报表条件传递给同比分析，用同比分析的结构来检验我们对毛利调整策略的结果，看一下数据变化趋势，以便进行下一阶段的商品调整。

通过对上面的销售综合分析报表和关联分析，层层数据钻取后，对毛利的偏差已经可以精确的定位问题的所在，并通过数据分析来制定策略的调整。同时还可以将更多的报表进行传递展现，一层一层地深入，建立企业的经营数据模型，用比较分析法找出差异，做到数字化的运营管理，提升企业的竞争力。

3）顾客数与客单价

有效提升销售额的两个途径是：提高实现消费的顾客人数、提高每位顾客购买的金额数。有效顾客（即实现消费的顾客）数高，说明你的商品、价格和服务能吸引、满足消费者的需求，客单价高，说明你的商品宽度能满足消费者的一站式购物心理、商品陈列的相关性和连贯性能不断地激发消费者的购买欲望。

2. 如何进行商品分析

亲[微笑]您好，很高兴为您解答，如何进行商品分析：一、商品分析，在分析啥？商品分析，指的是分析在售商品的进货、销售、存货情况。大部分企业都是靠销售商品赚取利润，因此要及时掌握：有多少商品在售一定时间内，能卖出多少仓库里，还剩多少掌握情况以后，就能进一步决定：卖得好的话，要不要进货卖得差的话，要不要清货这一批卖完了，还要不要进下一批【摘要】
如何进行商品分析【提问】
亲[微笑]您好，很高兴为您解答，如何进行商品分析：一、商品分析，在分析啥？商品分析，指的是分析在售商品的进货、销售、存货情况。大部分企业都是靠销售商品赚取利润，因此要及时掌握：有多少商品在售一定时间内，能卖出多少仓库里，还剩多少掌握情况以后，就能进一步决定：卖得好的话，要不要进货卖得差的话，要不要清货这一批卖完了，还要不要进下一批【回答】
二、商品分析基本逻辑对单件商品而言，最主要的指标就是：销量：最近1周/1个月销售件数库存：当前库存商品件数周转时间：预计库存还能用多久？进货时间：预计进货需要多久？【回答】
三、商品销量的波动商品销量有三种典型正常波动1、生命周期波动。常见于科技产品（手机、电脑）、时尚产品（服装、装饰），从商品上市，到商品退市，有明显的波动。2、季节性波动。很多商品有季节性，比如冷饮、雪糕、电扇夏天卖得好，涮肉、手套、暖宝宝冬天卖得好。这样随着时间变化，有明显差异。【回答】
这些波动都是正常的，还有不正常的，比如：因为天气异常，没客人到店因为天气太冷，夏季产品比预计的差上市前以为很畅销的新品，上市后无人问津以上所有问题，都会导致商品销售数据波动巨大。销售数据波动巨大，自然会导致库存积压，周转减慢，进一步影响到后边的清仓、补货节奏。这时候就得关注商品库存。【回答】
四、商品库存分析商品库存，主要关注：是否会因为长期保存而导致损失。比如生鲜产品：放久了不新鲜，卖不上价（跌价损失）。放久会腐烂，彻底不能卖了（超龄损失）。电子产品、汽车、时尚产品也类似，上市的时候，功能新颖，设计独特，能卖上好价钱。但时间久了，对手也出了同样产品，就会跌价。等这个设计、功能已经成土老帽了，就彻底卖不出去了。【回答】
五、商品分析的难点综合来看，商品分析难点，不是计算过去销量，而是预测未来走势。且影响商品销量的因素，总是相互叠加的，想计算清楚会很麻烦，甚至成为一个玄学问题（到底能卖多久！！！）。对于入门级小伙伴，能做到下面几点就已经合格了：做出商品进、销、存报表识别商品各种正常走势做出商品库存、库龄、市场价报表如果真要做预测，就基于大的商品生命周期/自然周期+最近2周的销量，拍脑袋拍一个下周的量出来吧。【回答】

3. 产品数据分析模型实战

本篇文章分为两个部分，第一部分介绍产品数据分析中最基础的两个分析模型；第二部分结合案例来谈谈这些模型在实战中要注意的关键点。
模型一：漏斗模型第一个我们要介绍的模型是漏斗模型，所为漏斗模型其最早起源是从传统行业的营销商业活动中演变而来的，它是一套流程式数据分析方法。
漏斗模型框架是什么？它的主要模型框架：通过检测目标流程中起点（用户进入），到最后完成目标动作。这其中经历过的每个节点的用户量与留存量，来考核每个节点的好坏，来找到最需要优化的节点。可以说漏斗模型是用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型。
实战案例在这之前我们要先说一个前提：所有漏斗模型的建立一定要是在产品的主流程之上，只有这样数据量才会有足够大样本性。
让我们拿一个电商中从进入网站到购买的过程漏斗数据集来看，如下：
图1. 购买过程数据漏斗
在第一步我们要先明确我们的目标：分析用户从进入网站到最终转化购买这个过程中，用户从进入以及到最终实现目标的各个环节的转化率，并最终找到这个路径中用户流失最多的环节。
根据这个目标我们在上面的例子中，可以直观的看到这样的一个事实：用户从网站首页到商品详情页的这一环节转化率相对于其他环节是最低的。
好，那到这我们就算分析完毕了吗？找到产品的症结所在了吗？显然，答案是否定。
谈到漏斗模型的转化率这里就有两个实战中关注点是需要注意的：
1. 最重要一点数据怎么看？我们不能说某个环节的转化率最低，就一定是某一个环节出现了问题，比如上面的例子，在访客进入到商品浏览这个流程中，其转化率有90%是所有环节中最高的。
但是这能说明什么呢？假设上个月这个环节是100%，那这里反而成为产品此时最大的问题所在。此外如果和同行业比的话，发现行业同类产品的这个环节平均转化率是95%，那还是说明这个阶段不是足够好的。
这就是说在我们拿到数据后，要按照一定的对比维度去进行分析，得到的结果才是有意义的。
总结来说，在漏斗模型建立完成后，我们对数据要从如下三个维度去进行分析：
纵向对比：也就是让产品与自己历史同期进行对比，这种对比适用于对某一流程或其中某个步骤进行改进或优化的效果监控；横向对比：通过将本产品的同一流程转化率在竞品中进行横向对比，定位自身产品出现的问题；来源分类：细分来源或不同的客户类型在转化率上的表现，从而完成客户群体划分。在日常分析中我们通常用于网站广告或推广的效果的评价。大家可以根据自己的需要去挑选维度来分析。
2. 漏斗模型的漏斗颗粒度定义在实际的场景中同一款产品会有各种各样的用户类型，比如用户来自于不同的区域、不同的生命周期、不同的性别，不同的年龄，他们在漏斗中的表现都是不一样的，也就造成了在用户漏斗中的转化率往往是有很大的差异的，因此我们需要将不同的人群拆分成一个个小的漏斗去逐一分析，一点点去分析结果。
让我们再总结一下所谓漏斗模型将任意产品流程抽象成一个个的关键步骤，如案例中的购物流程。然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节。从而解决问题优化该步骤，最终达到提升转化率的目的。
用一句话来说漏斗模型的核心思想就是分解和归类量化。
在定位了产品出现问题的环节后，接下来让我们来看看，如何具体定位指标。
模型二：杜邦分析模型让我们先来看下百科中的定义
“杜邦分析法（DuPont Analysis）是利用几种主要的财务比率之间的关系来综合地分析企业的财务状况。具体来说，它是一种用来评价公司赢利能力和股东权益回报水平，从财务角度评价企业绩效的一种经典方法。其基本思想是将企业净资产收益率逐级分解为多项财务比率乘积，这样有助于深入分析比较企业经营业绩。”
其实说白了就是将指标进行肢解，将大指标拆分成若干个底层应用中直接触达的动作。
如果用一张图来表示，就是如下：
图2. 杜邦分析核心模式
一般的我们将指标分为如下三个角色：
核心指标子指标（若干层级）孙代指标（让抽象的指标与APP中动作进行关联上的指标）那为什么要这么做呢？直接看指标不行吗？
其实是这样的产品本身涉及到的各种指标类型非常的多，但产品经理无法对这些指标面面俱到。往往此时产品经理只能去关注本业务核心指标，而这些指标已经远远脱离了现实APP中可以直观感受到的部分。
举例来说，当我们讨论销售额的时候讨论的是什么？这不是一句俏皮话，这是一个现实的问题。如果直接谈销售额我们很难有直观感受，但往往通过指标拆分后，我们拿到的结果告诉我们销售额其就是一个产品中支付界面的流程或者投放中产品触达的最优组合。
正是因为存在如此大的抽象层级差距，也就导致了在我们看到产品核心指标（注意一定要监控产品业务核心指标，而不是笼统的DAU等数据，如果对这个概念不太理解可以去我的主页看我本系列的第一篇文章）发生变化的时候，很难清楚到底是什么原因导致本指标的上升或下降呢？
拿一个电商的产品案例来说，对于电商类的产品来说核心指标就是成交金额。
而当我们发现在我们某次日常运营活动投放后，产品的成交金额不增反而出现了下跌，这个时候问题就出现了到底是什么让我们的产品出现这样的问题了呢？
那么这个时候就需要通过杜邦分析模型来寻找答案了。
首先我们将电商成交额做如下拆分：
核心指标拆分：销售额 = 付费人数 * 客单价子指标拆分：付费人数 = UV * 付费转化率孙代指标拆分：图3. UV拆分结果
我们拿此处UV的例子来看，经过层层拆分，我们看到了最后和产品相关的是我们本次活动用户步骤与步骤奖励数这两个指标。
因此我们就可以根据如上的图中的指标去看数据来一步步寻找产品的问题；
我们拿到的数据如下：
Part 1. 核心指标：
从这我们就能看到核心指标中付费人数出现了问题，那么我们就找到了入手调查的地方，让我们继续拆分付费人数这个指标。
Part 2. 子指标拆分：
在付费转化率几乎没有变化的情况下，UV就成了这最大的问题。
Part 3. 孙代指标拆分：
Part N. 中间省去若干个孙代指标的最终对比
那么在这我们就能清楚的看到了，由于我们本次的活动要求用户过多，长达7步导致了用户很多程度下不愿意参与本活动，导致了流失与交易金额的下降。
到这我们产品的解决方案也就出来了需要对活动进行修改，减少活动用户步骤或者增大奖励。

4. 商品分析的介绍

商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

5. 竞品分析模型

竞品分析的主要模型有PESTEL模型，SWOT模型，用户体验要素，FOGG模型。
  
 做竞品分析一定要明确分析目标。分析的目标可以是分析行业发展趋势，关注竞争对手，或者是用户的需求以及交互设计。不同的分析模型适用于不同的分析目标。
  
 PESTEL模型
  
 PESTEL是分析宏观环境的模型，从政治（policy）、经济（economic）、社会（society）、技术（technology）、环境（environment）以及法律（law）六个因素进行分析，更适合企业战略分析，评估产品机会。
                                          
 SWOT模型
  
 常用的战略规划分析方法，分析企业的优势（strength）、劣势（weakness）、机会（opportunity）、威胁（threats）。SWOT模型经常跟USED策略是相配套的，即SWOT分析后利用USED策略给出解决方案。
  
 USED策略，U（USE），如何利用优势；S（STOP），如何停止劣势；E（EXPLOIT），如何挖掘机会；D（DEFEND），如何抵御威胁。
  
 用户体验要素
  
 用户体验要素是最常用的竞品分析模型，帮我们梳理产品从0到1的5个阶段，可以从这五个阶段进行分析。
                                          
 FOGG模型
  
 是从用户行为的行为动机，执行能力，和触发机制三个方面进行分析。