· 买流量、打爆款，是早期电商1.0阶段的经营理念，当时有平台红利。
· 靠打折促销来做销售业绩，不是成熟的，不符合零售规律，经营利润也会很低。
· 销售、产品、推广，需要在同一平频道上工作，即沟通到位，相互配合。
· 需要一套符合服装行业零售特点、成熟可用的数据化运营工具。
· 工具：告诉我们什么时候，以什么样的折扣和形式去卖哪些商品。
· 需要制订一套以销售业绩为目标、符合各业务岗位的KPI考核指标。
· 需要建立一套以销售、产品、推广岗位之间能够顺利沟通、统一目标的分享机制。
· 要学会根据数据运营，而不是凭经验运营。
· 新品放在天猫上首发，过季形象款、橱窗款搭配走量款，放在唯品会。
· 数据分析是一种让人理性思考和决策的工具和方法。
· 商业经营不是纯理性博弈，除了数据支撑，还需要丰富的情感驱动。
· 对时尚趋势的判断不是数据能预测的，数据可以合理但不一定有效。
· 电商打爆款的模式，背后有一套成熟的数据分析模型。
· 天猫主打品牌服饰，京东做3C，唯品会专注特卖。
· 从零开始组建团队，然后在实践中建立符合企业特色的数据化运营体系。
· 优秀数据分析师具备：数据逻辑、结构化思维、商业认知能力。
· 早期文艺、复古、设计师品牌小众风格，之后国外大牌渠道布局，之后快时尚品牌，再之后潮牌、科技感运动品牌、宣传自我个性的品牌。（生命周期性概念）
· 直播 > 网红 > 内容 > 转化
· 电商1.0，03-07年，C2C运营方式：刷单、爆款、砸推广，简单粗暴，流量为王。
· 电商2.0，08-13年，B2C，正规商家，数据化运营。
· 电商3.0，14-16年，平台流量增长缓慢，头部腰部商家集中，开始内容营销。直播 VR 网红
· 内容营销影响：重视视觉效果、页面结构布局、顾客访问路径优化
· 运营头脑：平台属性 节奏和规则、店铺流量 商品和促销、竞品页面 主推和策略
· 数据思维：溯源/洞察需求，对比分析等，懂一两门数据工具
· 研究数据的目的：诊断？预测？或是总结？
· 从哪些角度来构建分析逻辑，线性式因果逻辑？或是分布式相关逻辑？
· 分析需要哪些维度的数据？取值的范围和口径是怎样的？
· 数据做完需要进行结论验证。
· 按说服逻辑排序，编写文字观点。（可读性）
· 电商的本质是零售！
· 所有数据分析是用来辅助运营、提升业绩目标的！
· 电商分析最基本的公式：销售额=UV*转化率*客单价
· 店铺持续运营过程中，上述3个指标相对稳定，增大变小都是有影响因素。
· 常记UV、转化率、客单价的一个正常值，一旦指标不正常要提高警惕。（好比医生看指标）
· 电商基本公式还可用于销售预测，制定年度销售目标。
· 利用乘法公式原理，通过变量目标，去看最后的销售额目标。
· 哪些指标由谁负责，他怎么去计划接下来的工作去达成目标数值。
· 如果目标没有达成，是什么原因，原因是否合理。
· 品牌风格如果不稳定，会陷入飘忽不定的局面。
· 季度销售与退货分析。（带折扣、新旧货两个维度）
· 不同平台、不同规则、不同的工具属性，去看流量、访问深度、停留时间、销售高峰。
· 平台属性、品牌调性、商品属性，相关联。
· 天猫新品，京东打折的新品退货率低于天猫，唯品会几乎完全旧货为主。
· 天猫8折以上为主，京东6-7折为主，唯品会3-5折为主。
· 即使清仓不能不赚钱，旧货中应季款式6-7折，其他3-5折。
· 商品运营专业术语：6-7折是盈利款，3-5折是走量款。
· 盈利款和走量款，销售占比4:5，是品牌和唯品会达成共识的结果。（即清仓又盈利）
· 天猫适合新品发布，重点倾斜。京东新品旧货5:5，集中在6折，承担一部分清库存能力。
· 根据平台运营节奏，去建立公司自己的运营节奏，分权重，去计划商品和推广资源。
· 平台会提前公布一年的营销活动节奏给商家。（一般是客服给）
· SS级平台活动，也是服装主要节点：年货节、春上新、夏上新、春夏清仓、秋上新、冬上新、双十一、双十二。（双十一双十二，核心本质就是秋冬大清仓）
· 其他级别的活动，就视自己情况看是否参与，预先报名，匹配资源，评估流量。
· 正常线下新品上市6周内持正价，如果销售不及预期则做强力度折扣。
· 线上新品销售不及预期可一直持正价到平台活动。
· 口诀：7减 8清 9上新
· 京东活动分3大级别，天猫是4大级别。
· 京东营销活动特点，如双十一之后接双十一返场，盆地式曲线，天猫直接倒三角。
· 即 天猫流量是有计划的爆发式分配给商家，京东均分。
· 京东平台的营销活动没有天猫那么严谨。
· 电商就是卖图片、卖视觉。
· 电商说服逻辑：条理清晰能说服顾客购买的一套思维方式。
· 卖是表达、买是认同。
· 传统服装零售店：极富技巧的陈列商品，组成远近层次感的营销场。然后购物路径上，用手摸、看细节、照镜子比划、试穿，最后导购问候、微信、夸奖和恭维，跑前跑后服务，完胜。
· 电商没有触觉和面对面的服务，只有视觉语言。
· 90%图片 + 9%文案 + 1%咨询
· 图片构成基本是：POP、banner、产品列表图、详情页大图、模特试穿图、细节图、礼品图、优惠券图等。
· 其实现在电商店铺的咨询率越来越低了。（思考这个问题）
· 文案：利益点，让用户找到留下来的理由。
· 流量梳理：结构化，让用户精准找到目标。
· 图片：形象，建立信任感。
· 数据分析师需要研究页面流量数据是否合理。
· 展示品牌实力，就像秀肌肉一样。
· 用户是否喜欢店铺，两个指标：收藏关注量、搜索栏点击数。
· POP即促销广告。
· 店铺第一视觉三大要点：建立信任感、流量分配、抓住用户利益点。
· 避免：信息重复性骚扰，空间的浪费。
· 按“上新日期”分类的好处，培养用户定期来选新品的购买习惯。
· 数据表明，对于首页流量40%以上是只浏览前3屏。（前3屏很重要）
· 电商主要购买路径就那2-3条，数据分析师需要知道并分析用户跳失率，找原因优化路径。
· 站外流量一般占店铺总流量不超2%，可不研究。
· 业界常见做法：对单品直通车页面来源去向分析，某指标不达标，考虑优化单品详情页。
· 不管何种渠道来流量，首页进入占70%，首页说服逻辑很重要。
· 数据分析师关注：首页、投放直通车单品详情页、活动单品详情页、活动二级页面。
· 绝大多数会选择“加入购物车”而不是“立即购买”
· “跳失”风险比较随机，需要做页面分析，路径中的重要页面，优化说服逻辑。
· 面对繁乱的数据，要迅速找到关键指标并加以诊断。
· 有时候看数据不一定看当下，可以看同期，看别人等多维度对比分析。
· 运营业务框架：运营、商品、市场推广、视觉编辑、客服、仓储。
· 运营闭环（粗）：制定目标及销售计划 > 运营提商品资源和推广需求 > 商品与市场推广根据需求提供解决方案 > 视觉做效果 > 上架客服接待订单处理发货等 > 财务对账核对销售业绩
· 运营要看平台活动和流量资源，去评估销售目标，去向其他部分提资源配合。
· 商品及市场团队看库存，可供应的资源，和推广费用，去反馈方案可行度。
· 运营是最早介入，主导的角色。
· 运营要注意控成本：销售折损、退货、平台扣点、物流、推广费用。
· 评估运营能力，避免单一指标，一般用：业绩达标率、业绩增长率、销售利润额来综合评估。
· 商品企划：提前一个销售周期（一般指一个季度）将商品需求进行品类、价值带、风格等结构性的规划，并制定具有前瞻性的销售进度计划。
· 建立有效的整体性商品销售计划，避免一个单品冲业绩的尴尬被动局面。
· 商品运营：入库上架、制定主推、流通规则、商品折损一系列运营动作。
· 套路：测款 > 养款(好评/销量) > 爆款(加大投放) > 返单
· 注意把控利润，不能过度频繁打折，但又要帮运营走量。
· 商品企划，对当季库存率（量/额）负责，主要跟踪品类与主推的售罄率。（是否补货/促销）
· 商品企划，指标：商品周转天数、新品动销率/售罄率、活动动销率/售罄率、销售折损。
· 周转天数越少，流动越快，仓储成本越低。
· 销售折损越低，成交价越高，利润越大。
· 动销率和售罄率，根据不同商品生命周期和销售环境考虑。
· 市场职能：市场推广、会员维护、活动包装。
· 天猫直通车、钻展。
· 京东快车、京选展位。
· 百度推广、淘宝客、今日头条等第三方工具。
· 有效的用户运营可以降低品牌的市场推广费用。
· 市场推广考核指标：ROI、付费用户销售额、付费流量转化率。
· 当投入达到一定阶段时，ROI必然下降，所以不能考核单一指标。
· 付费用户销售额不是一个可供直接查看的数据指标，是根据公式预估的。
· 视觉衡量指标：热力图+流量漏斗
· 热力图在天猫和京东提供的数据工具里边看。
· 可以先过漏斗再去具体看热力图是页面哪里存在问题。
· 客服、仓储、财务，属于销售末端的支持部门。
· 仓储另一个重要性：尽快对仓库大批到货进行入库，包括退货。（以便销售或二次销售）
· 电商退货滞后性，同一时间内营收不等同于实际收入。（财务实际对账很麻烦）
· 财务还需要协助售后进行操作退款。（退款不及时会被客户投诉，店铺降分降权）
· 客服指标：咨询转化成交率，人均业绩（转化除以客服人数），服务质量得分（店铺DSR）
· 仓储物流指标：日均发货单数（满负荷最多发多少，如果做促销和大型活动是否能支撑），库存准确率（盘点差异）。
· 销售达标率：Ach%、MTD%、YTD%
· GMV、GWP
· 数据分析指标非常多，通常按“人——货——场”逻辑分三类。
· 在店铺内有成交记录统称客户，其余为流量。
· 客户有留信息可以追溯和联络，流量只能被统计。
· 流量来源五类（生意参谋）：自主、免费、付费、淘外、其他。
· 一般常用：主动、免费、付费，三种用于交流。
· 新老客户比，是衡量店铺用户质量一个重要指标。
· 根据生命周期分：新客户、活跃客户、沉睡客户、流失客户。
· 定义活跃：XX天内有购买且大于N次。
· 定义沉睡：XX内内没有购买。
· 运营需要定期对沉睡客户做“唤醒计划”。
· 商品分析四类：库存分析、配货需求与有效性分析、销售分析、退货分析。
· 转化率、加购数、目前库存，作为主要监控，帮助销售策略。
· 上表可以发现“潜在畅销”款，提前规避“超卖”风险。
· 如可能出现“超卖”（销量超库存）应及时停止直通车推广或尽快补充库存。
· 销售额，是周期内销售业绩总和。（成交，不管退不退货）
· 净销售额，是减去退货额的业绩总和。
· 净销售额出现负数，退货率超行业很多，可能受电商15天滞后退货周期影响。
· 通知制定销售目标时，业内通用“净销售额”。（行业论坛 媒体等 用“销售额”）
· 针对上述现象业内推出：“订单to订单”的方式统计，即退货订单对应当月统计。除以当月的销售额，即为AtoA退货率。
· 滚动达标率？YTD达标率？
· 年度滚动率=某几个月销售额/某几个月目标*100%
· YTD达标率=某几个月销售额/全年目标*100%
· 年度滚动率看那几个月的达成情况，YTD看占全年的进度。
· 一维表，基础数据。
· 二维表，行与列结合。简单场景下的分析。
· 三维表，行与列的两个字段结合。多维度交叉分析。
· “指标——维度”技巧：首列维度，首行指标。
· 数据分析6个过程：收集、处理清洗、建模、输出报告、美化、汇总前言
· 美化习惯：千分位记法、合计类加粗加下划线、重点或异常数据黄底红字、标示单位。
· 结构复杂数据绝对值过多的表格，可以转为百分比表格，方便看数据。
· 对比分析法：绝对值对比？相对值对比？
· 绝对值，包含正数、负数和零值。
· 相对值，比如转化率、完成率这类相对的数值之间的对比。
· 环比，统计周期内，与上期数据比较。
· 同比，统计周期内，与去年同期数据之间的对比。
· 业内认为转化率0.35%是平均值。
· 纵向对比是同一对象时间维度。如同比、环比。
· 横向对比是不同对象同一标准下的对比。
· 解题思路一定要选对。
· 杜邦分析法？所有影响的量化指标全部统计出来，从细小数据颗粒中找影响因素。
· 确定转化路径，列出各个节点，漏斗图表示。
· 对比 > 细分 > 转化
· 店铺自我诊断：利用用户数、人均消费额、复购率三个基础指标对3-5年的纵向数据对比。
· 做周报、日报。数据周报、数据月报。
· 宏观分析，发现不了问题就用杜邦分析法，细分指标找原因。
· 三基分析法：用户数、平均销售金额、复购率。
· 投资人看：商业模式、用户数、平均销售金额。
· 用户数反应品牌影响力，评估品牌所占市场份额。
· 用户数多少，年均增长情况如何，来评判店铺是否保持增长态势。
· 平均消费金额，评估品牌消费人群定位。（年为单位，不是客单价）
· 年复购率2.0甚至3.0就已经很不容易了。
· 复购率低的品牌，对“新客户”的依赖非常大。（增加了运营成本）（未形成有效竞争力）
· 根据已有的数据去推送来年的计划，根据合理性。
· KA商家大会？
· 流量来去问题，需要熟练驾驭各种数据工具，如生意参谋、京东罗盘等。
· 一场预热活动中，主推20款，设置关联搭配，一般主推承接了30%-50%的店铺流量。
· 活动预热期就要选好主推款。
· 300个款，20个主推款。
· 按经验，非活动商品，在活动期间会有20%-30%的业绩贡献。
· 按经验，聚划算商品，平均折扣0.65折，活动商品备货约是活动期间业绩目标3.5-4.5倍。
· 预估平均折扣，预估备货，预估销售额倍数。
· 备货计划表 > 销售预估表
· 关键指标：SPU数、消化率、落差。
· 商品ABC分级很重要。
· ABC分级关键指标：访客数、支付转化率、商品库存
· 一般大促活动周期三天以上，第一天流量测试后，就可以做ABC分级分析结果给运营。
· 实销价用于判断主推款的消费群体与定位。
· 一般单价高的商品不适合直通车等付费工具推广。
· 总UV、直通车UV占比、搜索流量UV占比，判断推广效果，越多 选择就是越正确。
· 消化率用于判断是否继续作为主推款。
· 消化率高且接近计划，就可以停止付费渠道推广了。
· 消化率不及，则可以考虑加大付费推广力度。（避免造成库存风险）
· 关于停不停掉付费推广考虑：是否继续引流、库存量剩多少、ROI是否合理，综合评估。
· 黄金陈列面积：3-5屏页面。
· 计算比如聚划算活动二级页面中，多有少数量的商品在黄金陈列位，利用好。
· ABC级、优质商品、黄金屏效，结合起来去做展品排序。
· 黄金屏效的商品并不是固定的，要轮动。
· 大促流量一般有3个访问高峰期：0-2点、8-9点、22-23点。凌晨秒抢、上班购物、晚间捡漏
· 因此商品轮转需要安排在这3个流量高峰之后的一小时内。
· 流失用户的唤醒计划 与 用户物流地图。
· 用户分析：用户画像、用户行为分析、RFM模型。
· 通过微淘、短信、邮件及其他传播工具进行“客户唤醒与激活”。
· 这时需要提供用户清单给运营，针对性的唤醒用户。
· 活跃度时间定义，一般取30/60/90天，自己定义。
· 针对不同的类型用户，文案、优惠力度不同。
· 根据“待唤醒”和“待挽留”人数，还可以推算出这次优惠券的使用率及折损金额。
· 待激活用户清单很简单，姓名和手机号即可。
· 建立物流地图，是为了选择更合适的物流合作方。
· 如果订单量大，还可以和物流方谈优惠价。
· 如果是分开不同区域，多渠道物流合作，还可以有更优物流方案，一年节省更多。
· 9月份是天猫销售淡季。（大家都等双十一）
· 甚至有的9月份买去试穿然后退货，等双十一。
· 而双十一以新品销售为主。
· 这期间产生的缺口需要在双十一抢回来。
· 或在9月、10月向平台争取资源。
· 双十一，0-2点，销售占比60%-70%，截止3点用销售额除以60%或70%预估全天销售额，判断是否与当天计划销售额之间存在缺口，如果是，就需要想办法在接下来两个高峰中补救。
· 重点监测：动销率、售罄率等关键指标。（降低主力商出现断货的风险）
· 预热前7天开始，每天做预热效果分析报告给商品、市场和运营部门跟踪与调整。
· 双十一当天安排人从11月10日22点值班至11月11日3点，监测销售进度并随时调整。
· 数据分析师在凌晨3点后做好实时数据分析报告：销售预测、商品动销、流量监测等。
· 双十一当天8点和22点，同样做好实时数据分析报告，为业务部门提供参考。
· 整理畅销和主推款商品特征：价格带、折扣带、类目等。
· 建立今年双十一活动商品ABC分类及主推款跟踪表单格式。
· 整理双十一预热跟进报告的需求与基本思路，供内部讨论。
· 促销五大要素：优惠券、资源位流量、老客户激活、承接页流量、加购商品监控。
· 优惠券，一般分为两种：无门槛、满减券。
· 大小顾客价格顾虑，把冷静理性带入冲动购物的状态。
· 设置正确合理的优惠券面额方法：1.平均客单价法；2.价格带宽度设置法。
· 平均客单价例270元，设优惠券300元，鼓励用户进行高客单消费。
· 连带率？
· 价格带的宽度设置优惠券更简便，将周期内价格带（价格区间）罗列出来。然后把价格主要价格带分段，比如“0-299”设置一个“满300减10”，这种方法优势就是不用计算太复杂，直接可以看出来。通过这种方法把用户引导至下一个价格带，达到提升销售额的目的。
· 优惠券的领用与使用跟踪，看：类型、面额&档级、展现位置、发放时间。
· 以无门槛券为例，用于最后几小时冲刺业绩所用。
· 数据层面看预热效果，优惠券领用情况是否理想，评估投放的位置和时间是否正确有效。
· 预热未结束，优惠券不及预期，可补充优惠券数量。
· 评估折损是否合理，大促活动期间优惠券ROI低于15则不理想。
· 活动日第一波分析：屏效和ABC分析。
· 活动日第三波分析：断码分析和预售催付。
· 淘宝后台拿销售明细，判断畅销力度，然后下载最新库存，if函数算是否断码。
· 统计断码、售罄，是为了换掉商品坑位，给其他商品展示曝光，提高销售额。
· 统计预售未付款用户名单，进行催收。
