商品数据化运营概述

0 / 576

商品是指狭义上的实物商品,不包含有偿服务、虚拟商品等。商品和产品在很多场合下可以互用,但在互联网领域,产品也可用来表示与用户交互的载体,例如app、网站等。但这类产品的概念非以下所讨论的商品范畴之内。

商品运营可分为

  • 销售预测
  • 库存管理
  • 商品结构优化
  • 动销管理
  • 捆绑策略
  • 关联组合

1 商品数据化运营关键指标

  • 销售指标
  • 促销活动指标
  • 供应链指标

1.1 销售指标

  • 订单量 / 商品销售量
    • 订单量:用户提交订单的数量(去重)
    • 商品销售量又称销售件数,指的是销售商品的数量。
  • 订单金额 / 商品销售额
    • 订单金额 = 商品销售额 + 运费 - 优惠凭证金额 - 其他折扣(如满减)
    • 商品销售额 = 商品销售单价 X 销售数量
    • **前者侧重于用户实际付款,后者侧重于总收入。
  • 每订单金额 / 客单价 / 件单价
    • 每订单金额 = 订单金额 / 订单量
    • 每订单金额 = 订单金额 / 订单用户量
    • 件单价 = 订单金额 / 商品销售量
    • 评估单位对象的价值产出,分别侧重于订单个体、用户个体和商品个体
  • 订单转化率
    • 订单转化率 = 产生订单的访问量 / 总访问量 OR 产生订单的UV / 总UV量
  • 支付转化率
    • 支付转化率 = 完成支付的客户数 / 需要支付的客户数
    • 针对先款后货客户
  • 有效订单量 / 有效订单金额 / 有效商品销售量 / 有效商品销售额
    • 有效状态下的订单数量为有效订单量
    • 有效状态下的订单金额为有效订单金额。
    • 有效状态下的商品销售量为有效商品销售量
    • 订单状态为有效的商品销售金额为有效商品销售额。
  • 订单有效率/废单率
    • 订单有效率 = 有效订单量 / 订单量
    • 订单有效率从订单发生时随着时间推移开始下降,直到所有订单完成妥投才处于稳定状态。(一般在60%)
    • 废单率 = 1 - 订单有效率
  • 毛利 / 毛利率
    • 毛利 = 商品妥投销售额 - 商品批次进货成本
    • 考察自营商品盈利情况,综合反映了商品的盈利规模和盈利能力
    • 毛利率 = 毛利 / 商品妥投销售额

1.2 促销活动指标

  • 每订单成本 / 每有效订单成本
    • 每订单成本 = 费用 / 订单量
    • 费用视部门而定。
    • 适合评估部门级别业务效果或作为企业的初级评估指标
    • 每有效订单成本 = 费用 / 有效订单量
  • 每优惠券收益 / 每积分兑换收益
    • 每优惠券收益 = 优惠券带来的订单成交金额 / 优惠券数量
    • 每积分兑换收益 = 使用积分兑换的订单成交金额 / 积分兑换量
  • 活动直接收入 / 活动间接收入
    • 直接:单纯通过促销活动带来的收入,用户购买的订单商品均为促销活动商品
    • 间接:通过促销活动带来的用户购买了非活动商品的收入情况。
    • 通过促销活动引入,可通过定义用户落地页是活动页面加以区分;订单商品为非活动商品,可通过参与活动商品列表进行拆分
  • 活动收入贡献
    • 包括直接和间接收入贡献总和。
    • 活动收入贡献占比 = (活动直接收入 + 活动间接收入) / 全站订单成交金额
  • 活动拉升比例
    • 活动对全站销售的拉升情况,指:
      • 销量拉升
      • 销售额拉升
      • 订单量拉升
    • 活动拉升比例 = (活动期间收入 / 非活动期间收入) - 1

1.3 供应链指标

  • 库存可用天数
    • 库存可用天数 = 库存商品数量 / 期内每日商品销售数量
    • 库存可用天数越长代表商品可用时间越多,但过长的可用天数可能意味着商品滞销,因此库存可用天数需要保持在一定的范围内
    • 不同的商品的可用天数需要根据库存周转天数来定义:例如商品库存周转天数是30天,那么可以将库存天数划分为7天内、8-14天、15-30天、30天以上等。
  • 库存量
    • 周期内全部库存商品的数量。包括正常可售卖商品、已被订单但未发货、残次、调拨未出库商品等。因此会出现商品有库存但无法销售的情况。
    • 安全库存量 = 每日商品销量 X 正常到货时间(天) + P
    • 最低库存量 = 每日商品销量 X 紧急到货时间(天) + P
    • 最高库存量 = 每日商品销量 X 最长到货时间(天) + P
    • 其中P为调节参数,包含企业销售任务、节假日、仓储运维等因素。
  • 库龄
    • 从进入仓库时开始产生库龄,指商品库存时间。公式为:库龄 = 出库时间 - 入库时间
    • 先进先出、先进先销的原则出库,因此同一商品的库龄要按照其相应进货批次的时间计算。
    • 按照时间划分不同区间,如1-30天库龄、31-61天库龄、61-90天库龄等。
    • 不同商品的周转天数不同,划分时间段也会有所差异。
  • 滞销金额
    • 滞销指商品周转天数超过其应该售卖的周期,导致无法销售出去的情况。
      • 滞销金额占比: 滞销金额占比 = 滞销金额 / 库存金额
      • 滞销SKU占比
      • 滞销商品销量占比
    • 滞销造成资金积压、影响资金流动,另一方面会因产品过季、过保质期或淘汰周期而导致产品损毁而下市。
  • 缺货率
    • 相对于滞销的另一个极端,意味着库存商品无法满足用户购买需求
    • 缺货率 = 缺货商品数量 / 用户订货数量。
      • 缺货金额 = 缺货商品数量 X 缺货商品单价
      • 缺货商品数量 = 用户订货数量 - 库存商品数量
  • 残次数量 / 残次金额 / 残次占比
    • 残次指商品库存、搬运、装卸、物流、销售等因素造成的商品外包装损坏、产品损坏、附件丢失等影响商品二次销售的情况。
    • 残次数量是指残次商品的数量。
    • 残次金额是指残次商品的进货成本,公式为:
      • 残次金额 = 残次商品批次进货单价 X 残次商品数量
      • 残次金额占比 = 残次商品金额 / 库存商品金额
      • 残次数量占比 = 残次商品数量 / 库存商品数量
  • 库存周转天数
    • 用时间表示库存的周转速度;指的是从商品进货到最终完成销售或损毁所经历的天数。天数越少说明周转越快:
      • 库存周转天数 = 360 / 库存周转率
      • 库存周转率 = 年销售商品金额 / 年平均库存商品金额

2 商品数据化运营应用场景

  • 销售预测
  • 库存分析
  • 市场分析
  • 促销分析

2.1 销售预测

销售预测是做计划、管理、预算和制定目标的基础。通过为历史数据的分析,预测未来一段时间内企业可能产生的销售额、销售量或订单金额等。 典型场景如下:

  • 未来一周会产生多少商品销售量?
  • 如果给销售部门50,000元促销费用,与其能带来多少订单?
  • 下个月估计能产生多少毛收入? 流程:销售预测 >> 目标预测值 >> 评估相应资源投入/针对性做商品销售策划

2.2 库存分析

库存分析是商品动销分析的关键点,也是商品销售的基础和前提。 典型场景如下:

  • 当前的商品结构如何?是否具有合理的广度和深度组合?
  • 库存中的滞销商品金额有多少?滞销时间多长?
  • 当前M商品的可用天数是否能满足销售预期?需要补多少货?
  • 平均商品库龄是多少?如何提升商品周转并降低库龄?
  • 如何设置安全库存警戒线?
  • 如何管理季节性库存商品,以满足季节性促销活动?
  • 如何找到大龄库存商品并合理安排销售周期,防止商品过期和过季?
  • 如何找到商品的最佳库存位置,以实现更高效率的商品分拣、包装和出库?

库存分析的关键是找到脱销滞销的平衡点,以在不变的库存状态下,最大化地满足商品周转并降低库存资金占用。

2.3 市场分析

主要应用于对商品所在市场的规模、特点、容量、性质、趋势等方面的宏观分析,主要侧重于解决以下几类问题:

  • 公司要打造新产品,该产品的市场容量有多少?预期年销售量有多少?
  • 用户对于产品的关注点在哪里?最满意和最不满意的点分别是哪些?
  • 新产品要上线,售价定在多少比较合适?
  • 产品C的市场竞争对手嗜睡?它们各自具备哪些优势和不足?
  • P手机产品现售价4800元,预计3个月后的售价是多少?
  • 北京的用户对于商品的预期需求与上海的用户有哪些差异? 商品市场分析既可以侧重于单个商品,也可以侧重于品牌、品类等更高聚合的维度,并且能从宏观角度评估所有商品本身及所处市场的优劣得失。

2.4 促销分析

促销分析是商品数据化运营应用最为广泛的场景之一,现在几乎每个企业都形成了以促销带销售的运营节奏。 典型业务场景:

  • 如何制定打包和组合策略,使得用户单次购买商品金额最大化?
  • 制定商品向上销售策略,购买了家电的用户下次还可能购买什么?
  • 促销资源分析,明日商品活动的目标销售额是5000万,预计需要多少促销费用?
  • 精准商品销售或推介,企业目前有1000件商品需要清仓处理,如何快速销售出去?
  • 恶意促销订单、作弊订单的检测和分析,当前订单中有哪些是疑似虚假的订单?
  • 促销方式分析,在不同的促销方式下,哪种最有利于销售提升并能使总体销售最大化,而不是全部商品都做促销?
  • 商品定价,针对M商品,应该制定的促销价是多少才能满足销售额最大化的需求?
  • 商品陈列分析,如何摆放不同的商品才能带来促销连带销售的最大化?
  • 组合方式分析,大型活动时应该如何将不同的促销方式和折扣手段结合起来,以产生最大的活动收入?

促销分析涵盖的策略制定、实时监测、后期分析等各个场景都是商品运营值得关注的环节,也是数据产生可量化价值的主要场景。

3 商品数据化运营分析模型

  • 商品价格敏感度模型:
    • 从商品信息和客户信息两个角度建模,建立商品价格和销售量间的关系模型(回归)
  • 新产品市场定位模型:
    • KNN聚类算法,注意做标志转化、异常值处理、标准化等
  • 销售预测模型:
    • 时间序列:自变量较少时,只能基于历史销售数据做预测时使用。
    • 回归: 基于可控的特征变量建立回归模型来预测未来的销售情况。
    • 分类:针对每个销售客户产生的是否购买的预测分类,然后再基于能产生购买的预测分类做客单价、订单量和收入的分析。
  • 商品关联销售模型:
    • 关联算法:Apriori,FP-Growth,PrefixSpan,SPADE等。实现的是基于一次订单内的交叉销售及基于时间序列的关联销售。
  • 异常订单检测模型
    • 异常订单
      • 黄牛订单
      • 恶意订单,锁定库存,活动后取消、退货释放内存。
      • 商家刷单
    • 检测:
      • 分类算法(SVM,随机森林等)>> 分类预测
      • 非监督式。OneClassSVM
  • 商品规划的最优组合模型
    • 线性规划