数据化管理(电商)－销售店铺分析
文章转载自知乎专栏“撩撩数据吧”。原文链接：https://zhuanlan.zhihu.com/p/22165862?refer=jiago
#文前小絮#按照整体规划(数据化管理(电商o2o)系列文章目录规划 - 撩撩数据吧 - 知乎专栏)，继续补充销售店铺分析。
正文
早些年提到店铺，绝大部分都会是线下的实体店面，而现在的店铺，已经不局限于线下，也包括线上例如天猫某某旗舰店、京东某某旗舰店一类。一般来说都会同时运营多个店铺，鸡蛋不能放在一个篮子里嘛，但每个篮子要放多少个鸡蛋，投入多少的资源，这就需要进一步的分析和研究了。
线下的实体店铺更多的关注于销售情况、店铺库存情况等，而线上则会关注销售、流量、推广营销等。无论是线上店铺或者线下店铺，店铺分析的目的可以归结为以下三条：
通过对各店铺业绩的分析，对各店铺相关人员的kpi进行管理。
通过对店铺数据的分析，帮助店铺负责人发现业务中的异常，辅助问题的解决。
通过分析各店铺的销售、运营情况，来合理的为各店铺投放资源，避免浪费成本。
有哪些指标需要分析？
效率指标，线下店铺会有平效、租金倍率等指标，而对于线上而言，主要分析的是人效，也就是销售额/店铺人数、利润额/店铺人数。
完成率指标，每个店铺都会制定自己的目标，需要对目标的完成率进行分析，包括实时完成率和累计完成率。
业绩指标，常规的销售额、利润、订单数等指标。
退换货数据，各店铺退货数量／金额，换货数量／金额，退货率、换货率指标。
客单价，销售额/交易用户数，分析该指标来反映用户质量、店铺商品布局合理性等。
推广分析，分析各店铺的推广费用、推广销售额、roi等指标。
其他运营指标，店铺流量、转化率指标。
（对于线下实体店铺还会关注连带率、存销比、会员占比等指标）
怎样分析上面的指标？
指标项目还是很多的，一个一个分析，肯定不轻松，更重要的是，目的还没明确。要小心走的太远，而忘记了为何出发。所以，我们还是从业务目的出发，来将各类指标结合起来分析。
1.为店铺业绩管理：店铺的业绩评定会考虑很多因素，除了可量化的指标外，也会有很多其他因素，我们无法将所有因素都分析起来，但是可量化的数据，是一定可以做到可视化，为管理提供方便的。
如上图所示，首先一个比较显眼的气泡图，从多个维度来考量店铺的业绩，上图中的气泡图涵盖了计划完成率、人均利润、店铺总销售额。比较直观的展示出业绩的好与坏（气泡越大越好，越靠近左上角越好）。
同时，考虑一个店铺业绩的成绩，也需要结合一个长期表现，某个月表现不好，于月月表现不好相比，意义还是不一样的。所以在气泡图旁边联动了一个指定店铺的月度业绩完成情况。
最下面是明细表格，一个店铺业绩影响的指标有很多，但是每项指标所占的权重或许是不一样的。每个店铺的综合业绩，可以通过一个合理的公式计算得来，例如表格中最后一列的综合分，也是根据该项的值来排名的。
2.店铺分析-问题管理。旨在通过数据分析来细化问题来源，最终对解决问题有一定帮助。这种实例已经很多了，在接触过的客户中，通过对数据的追踪分析，有发现套利的，有发现刷单的，也有发现公司政策不合理导致员工专钻空子的。
通过上图可以看到，业绩表现为“差”的店铺中，B店铺的销售额占比是最高的，也就是他业绩如果可以提高，是对整体影响是最大的，所以先针对B店铺来看。
定位原因，一般是从整体到细节的钻取，例如日期上的“年->月->日”。对于电商销售，可以从店铺->商品大类->商品小类->品牌->型号的顺序，一层一层钻取，直到定位到最细节的原因。例如上图中，店铺B的销售完成率很低，通过层级钻取，最终找到品牌b111下的商品达成率过低，同时可以看出这个品牌的退货率是偏高的，这是非常明显的异常，很可能问题就出在这里。
此外，影响销售额的另一大因素也就是客单价，如果没有什么活动，客单价一半也会稳定在一定的范围内，客单价的变动也可以在一定程度上反映出店铺销售是否异常。当然，上图所展示的还是稳定在一个区间内，看不出什么异常。如果发型店铺的客单价突然大幅下降，也就需要关注一下了。
3.店铺分析-资源配置：店铺的运营是需要投入的，不能既要马儿跑，又不给吃草，要投人、投钱、投货。电商中一个非常重要的投入就是推广了。店铺的流量可以认为是基础流量(搜索、用户收藏等)＋推广流量(直通车、聚划算等)＋其他流量，推广费用并不便宜，有没有带来效果？哪个平台的效果更好些？哪个店铺更应该投入推广？这个还是值得分析一下的。
如上表中所示，没有什么图形化的想法，这里也顺便提一下，如果不知道怎样图表化，那么最好就是以表格的形式展示，至少不会产生误导。
上表中，对数据有疑问可以进一步钻取。通过对数据的分布，来衡量店铺对推广的依赖程度，可拓展的空间等，可以对于各店铺的资源投入有一定帮助。
最后，店铺分析比较常见，不分线上线下，上面几个例子是根据自己的所见进行整理，希望能给各位带来一定的参考效果。还有其他我未提及到的，欢迎大家留言补充。
（实在太困，扯不下去了，结尾就匆忙一点了）
作者：知乎达人“jiago王”，知乎专栏“撩撩数据吧”。帆软数据人，乐于交流的数据小兵。
