第7章 走近电商：商业方法论与分析体系
7.1 什么是电商
电商（电子商务）有各种各样的定义，其中有一个相对精简的版本是这样的：电子商务是以信息网络技术为手段，以商品交换为中心的商务活动。我们把它转译一下，电商就是在网上销售产品或服务的一种商业模式。看上去很好理解，然而电商业务细究起来又非常复杂：
- 按照流量模式的不同，分为传统电商、社交电商与兴趣电商等。
- 根据平台和商家供货关系的不同，有自营、POP 模式之分，每个模式内部又有细分。
- 甚至单从店铺性质来看，也可以划分出旗舰店、专营店、专卖店等类型。
其中各种晦涩的定义和概念，展开讲解可能需要好几十页，让人看得晕头转向。不过，我们在这一章学习电商基础理论并不是为了考试，那些复杂、生涩、冗长、偏应试的分类概念可以丢在一边，看问题直接看本质就好。那么，电商业务的本质是什么呢？
7.2 三大关键角色
从本质来看，要理解电商业务，只需要抓住三大关键角色——用户、商家和平台（见图 7- 1）。下面我们分别从这 3 个角色切入，一探究竟。
图 7-1 电商的三大关键角色
有人把购买过的消费者称为客户，为了减少歧义，无论是否购买，这里我们把消费者相关的称呼统一为用户。
用户
用户是关键角色中最好理解的一个，因为用户的目的很纯粹——满足自己的消费期望。对用户来说，在现今各平台品类均足够丰富的情况下，消费的核心期望是快、好、省。
- 快，物流速度足够快。
- 好，一方面希望购买的产品质量有保证，另一方面希望购物体验好，如售前咨询和售后退换服务足够好。
- 省，在保证质量的前提下有实打实的优惠，能够省更多的钱。
在实际消费决策中：为了更快，我们会倾向于选择能够发顺丰快递的店铺；为了更好，我们会倾向于有品牌背书的旗舰店；为了更省，618 和双 11 抢券凑满减囤货的习惯已经刻在了我们的 DNA 里。
一旦哪个平台或者商家较好地满足了用户的核心诉求，用户自然会买得更多。
商家
虽然不少公司会从使命、愿景、价值观的角度谈，服务好用户和创造社会价值是头等大事，但是在商业环境中，对商家和平台来说，盈利的持续快速增长是最重要的目标，也是一切策略的北极星方向。（这里说的盈利不包含跑马圈地、疯狂抢占用户、上市套现的盈利方式。）
商家实现盈利增长的目标，可以总结成两多一勤一贵一爽，如图 7- 2 所示。
图 7-2 商家的目标
两多一勤一贵一爽的具体含义如下。
口更多的人。为了让更多的人购买，商家会通过免费+付费推广的方式获取更多的流量，再结合有竞争力的产品、独特的卖点宣传和有吸引力的活动促进成交。同时，也会拓展自己的产品线，用更多的产品来满足更多用户的需求。
口买得更多。买得更多是指用户在一次下单中买更多种类、更多数量的产品。商家有丰富的“武器库”让用户买得更多，例如第二件半价、满 300 减 50、组合优惠套装等。
口买得更勤。勤对应的是购买频次，更勤则是一定时间段用户产生更多次的重复购买。对于购买快速消耗类产品的用户，商家甚至可以分析每个用户的消耗剩余量，当达到某个临界值时提醒用户再次购买，并给予一定的限时优惠。对于买耐用品的用户，例如家电，一段时间后可以向用户推荐店铺的其他产品，引导用户购买更多的品类。
口买得更贵。更贵，是用户在店内的消费升级。例如某用户第一次在店铺买 20 元一袋的枸杞，体验不错，第二次经客服推荐，购买 100 元一袋的枸杞。
口买得更爽。很多时候，购物体验决定了用户是否会成交和复购。专业的客服、快速的物流、实打实无套路的优惠、有竞争力的产品、有吸引力的会员体系、有温度的品牌故事等，共同影响了用户到底买得有多爽。
同时，商家也会重点关注成本和利润，在冲刺销售目标的大方向下，付费推广的投入产出比能否更高，如何引导用户购买利润更高的产品，产品成本能否进一步降低，人员和固定成本等能否压缩，都是商家不断思考和优化的环节。
平台
在淘宝、天猫、京东、拼多多、抖音电商等电商平台买买买的行为，已经深深地融进了我们的消费习惯中。
这些年来，各大电商平台也发生了很多变化。从阿里巴巴和京东的针锋相对，到拼多多入局后的三足鼎立，再到抖音和快手直播电商来势汹汹后的群雄并起。从最开始的买完即走，到平台越来越注重内容交互，营造“逛”的属性，希望抓住用户更多的时间，等等。
“变化为什么会发生？背后暗藏着什么逻辑？”要回答清楚这些宏大的商业命题并不容易，不过我们可以从其中绕不过的一个角度——盈利来略窥一二。
1. 平台盈利构成
盈利是电商平台最重要的目标之一，平台盈利从何而来？我们以阿里巴巴的淘宝、天猫为例，看看平台的主要盈利构成。
口广告营销费用。作为流量的拥有者，平台会给予商家一定的免费流量进行扶持。但绝大部分情况下，这些免费流量对商家来说远远不够，为了拿到更多的流量达成销售目标，商家往往会选择付费来获取更多的即时流量和权重。像淘宝的直通车、万象台、引力魔方等都是付费推广工具，不同推广方式的计费模式和展示推送形式有所差异，但本质都是商家花钱从平台购买流量资源。
口交易佣金。商家在平台上销售产品或服务，平台则会从销售额中抽取一定的比例作为佣金收入。
口销售收入。平台自营店铺（如天猫超市等）的销售收入。
口会员费。平台推出的付费会员业务，通过打包一揽子优惠和特权吸引用户为之付费，在增加平台收入的同时提升用户对于平台的忠诚度。
口软件服务费。平台基于自身数据积累，开发了各种数据工具，例如生意参谋，帮助商家了解行业趋势、竞争对手策略和自己的交易、用户等数据。一分价钱一分货，很多工具的免费版本只提供部分基础数据，想要看得更多更全，则需要付费购买。
2. 平台的职责
从表面上看，平台营收的大部分来自商家的直接支付，而商家支付的这部分费用最终会转嫁给用户。因此，平台要实现盈利持续快速增长的目标，更好地撮合成交，会从两方面入手。
一方面，不断把蛋糕做大，撮合成交。用各种激励机制获取新用户以拓展流量基本盘，吸引更多优质品牌入驻来置换和投入更多资源，优化流量分配，提升成交效率，引入更多“逛”属性的内容来增加用户使用时长。
另一方面，平台也负责保证蛋糕的口感和营养。用店铺评分（物流、服务、描述相符）动态考核商家，在竞价广告中重视用户需求匹配度而不只是商家出价高低，强化监管以挤出虚假交易的水分，等等。
用户在电商平台浏览和购买自己想要的产品，商家借助电商平台把产品或服务卖给用户，而平台则促成双方达成交易。
用户、商家、平台三者相辅相成，你侬我侬；亦相互博弈，短兵相接。
电商基础指标
通过对三大关键角色的学习，我们对电商的商业模式有了基础的认知。接下来，我们趁热打铁，从用户和商品这两个电商分析绕不开的模块入手，结合商家视角，了解电商分析的基础指标。
用户相关指标
对于用户指标，从用户购前、购中和购后三个阶段来看，会更加清晰。
1. 购前（下单前）
口访客数：同 UV（UniqueVisitor），统计周期内访问店铺的去重人数。每个用户都有一个唯一识别 ID，统计周期内用户多次访问最终会去重，只统计一次。
口浏览量：即 PV（PageView），在电商平台一般代表统计周期内用户访问店铺的次数，如近一周有 10000 个用户访问店铺 50000 次。
口平均停留时长：所有访客总停留时长/访客数。常用来看商品维度，即某商品平均每一个访客的停留时长。
口加购、收藏人数：统计周期内产生加入购物车或收藏行为的去重人数。
口访问加购转化率：统计周期内加购人数/访问人数。例如，1 月份有 10000 个访客，其中有 2000 人在 1 月份有加购商品的行为，对应的访问加购转化率
2. 购中（下单时）
口支付人数：也叫作购买人数，是统计周期内有付款行为的去重人数。
口支付件数：和销量同义，统计周期内用户完成支付的商品数量。
口支付金额：也叫作销售额，是用户实际支付的金额，需要注意的是支付金额包含退款。如 1 月份用户支付了 100 万元，其中有 10 万元相关用户最终退款，但支付金额的统计仍是 100 万元。
口支付转化率：统计周期内支付人数/访客数，意思是访客转化为买家的比例。这是一个重要的衡量流量效率的指标。在电商语境下，常说的转化率就是支付转化率。
口客单价：支付金额/支付人数，平均每个购买的用户会花多少钱。
3. 购后（下单后）
口退款率：一般是子订单的维度，用户一次购买 A 和 B 两种商品，从子订单的角度 A 和 B 分别会生成一行数据记录（子订单）。退款率则是统计周期内成功退款的订单数/总订单数。
口客诉率：产生投诉行为的购买人数/购买人数。
口评价率：给出评价的购买人数/购买人数。
口差评率：给产品差评的购买人数/给产品评价的购买人数。
口复购率：统计周期内购买 2 次及以上的购买人数/统计周期内的购买人数。
商品相关指标
商品和用户分析密不可分，上面讲的几乎所有用户指标在大多数情况下都需要结合商品维度，聚焦到某个品类或者某个商品做交叉分析。
这里主要补充容易引起混淆的与商品相关的概念和拓展指标。
-
SPU: Standard Product Unit，商品聚合信息的最小单位。例如，一部 iPhone 18 就是一个 SPU。
-
SKU: Stock Keeping Unit，商品不可再分的最小单位，往往对应到商品具体的规格。iPhone 18 是一个 SPU，但如果要到 SKU 的维度，还需要更加明确。例如 iPhone 18 黑色 128 GB 版本，它无法进一步细分，是一个 SKU。
-
动销率：统计周期内有销量的 SKU 数/总 SKU 数。假设 1 月份店铺总共有 100 款产品（SKU），其中 88 款有销量（至少卖出 1 件），则动销率
-
售罄率：统计周期内产品的销量/产品总的进货量。例如，A 产品进货 10000 个，实际卖出 6000 个，售罄率
以上是一些基础的电商指标，更多电商指标会在后续的案例中补充。
7.4 电商分析方法论及应用
“时来天地皆同力”，在平台高速增长时期，品牌借平台的东风，稍加努力，很容易实现销售规模的快速增长。所谓的各种分析模型和精细化运营，更多只是喊喊口号，没有擦出多少火花。
“运去英雄不自由”，当平台用户增长见顶，品牌被迫从增量竞争转入存量竞争，纯新用户难觅，为了使销售增长，只能从其他竞争品牌抢夺用户，用户拉新和维护费用水涨船高。此时基于流量、新老客的传统且粗放式的逻辑已经无法满足品牌日益增长的精细化分析与运营诉求。
面对品牌对增长烈火般的渴望，各种新的模型方法论应运而生，让这股烈火烧得更旺。
黄金公式
1. 什么是黄金公式
黄金公式之所以得名，是因为它可以算是电商领域最本质、普及率最高的一种分析方法，也是我们了解其他方法论的基础。
黄金公式的计算逻辑非常简单，如图 7- 3 所示
图 7-3 黄金公式
通过公式可以看出，任何时间段的销售额都是由访客数、转化率和客单价三者共同决定的。不过，想要让黄金公式发挥出最大作用，需要结合数据分析思维来应用它。
2. 黄金公式的应用
（1）结合对比思维
当拿到这样一组数据：2023 年 A 品牌销售额为 2000 万元，访客数为 400 万，转化率为
表 7-1 黄金公式案例数据
| 对比逻辑 | 维度 | 访客数 | 转化率 | 客单价 | 销售额 |
| 实际 | 2023 年实际 | 4 000 000 | 5% | 100 | 20 000 000 |
| 和目标对比 | 2023 年目标 | 2 500 000 | 8% | 90 | 18 000 000 |
| 和某周期对比 | 2022 年实际 | 2 000 000 | 9% | 80 | 14 400 000 |
| 和竞品对比 | 2023 年竞品实际 | 5 000 000 | 5% | 150 | 37 500 000 |
口和目标对比。转化率未能达到预期，但因为流量有较大提升，2023 年还是超额完成了销售额目标。
口和某周期对比。2023 年实际较 2022 年也有很大提升，2023 年的流量是 2022 年的两倍，客单价也提升了
口和竞品对比。虽然和过去同期、和目标对比都超额完成，但是 2022 年规模和我们差不多的竞品，2023 年销售额高达 3750 万元，且访客数和客单价均显著领先，需要密切关注并研究竞品的策略。
（2）结合拆分思维
总体指标往往看起来比较模糊，带有迷惑性。拆分思维则是把指标按照更细的维度进行拆分，往往会结合对比思维一起应用。对于上面的案例，我们可以把销售额拆分成免费部分和付费部分，如图 7- 4 所示。
图 7-4 免费和付费的拆分
拆分后分别分析免费、付费流量的结构和核心指标的变化，找到影响总体的关键因素。
当然，更常见的方法是从品类或产品的角度拆分，因为定位到具体的产品，相关的运营策略和动作会更加具体，也更明确后续应该如何调整以提升销售额。
这下大家应该能够领略到黄金公式的“黄金”之义了吧，那就是以万变应万变，具体业务具体分析。
GROW
和黄金公式殊途同归，GROW 也是关于销售拆分的方法论。黄金公式基于流量和货品，关注的重点是用什么方法与资源完成阶段性销售目标；而 GROW 以用户为核心，通过对用户更细致的洞察找到并把握品牌生意的机会点。
1. 什么是 GROW
品牌销售的增长或下降到底是由什么导致或驱动的？这是品牌在复盘时要思考的核心问题之一。
如果一个问题很大，且无法很好地量化，就必然会引起争论。复盘经常会变成各部门邀功或甩锅的大会，有了成绩是自己未雨绸缪、运筹帷幄，出了问题则是兄弟部门急功近利、考虑不周。至于后续如何改进，倒成了次要问题。
GROW 由阿里巴巴提出，把品牌销售增长的驱动力分解为四大要素，分别是渗透力（G）、复购力（R）、价格力（O）和延展力（W）。以“人"的视角，对销售进行更细致的拆解，帮助品牌识别和量化增长来源，对各方面查漏补缺，明确接下来要改进的方向。它的具体定义如下。
口渗透力（Gain）：更多的购买人数对总增长的贡献。
口复购力（Retain）：用户更高频次的购买对总增长的贡献。
口价格力（bOost）：用户购买更高价格的产品对总增长的贡献。
口延展力（Widen）：品牌提供与现有品类关联的其他类型产品对总增长的贡献。
GROW 有 4 个指标，但是在实际使用时，计算和分析主要围绕前 3 个指标进行，如图 7- 5 所示。
图 7-5 GROW 模型示例
2. GROW 的计算逻辑
有不少读者听过 GROW 模型，但对于这个模型的计算逻辑却不甚了解。其实，GROW 的本质是对销售额波动的解构，而销售额可以拆解成购买人数、人均购买次数、每次买多少钱三个部分，即销售额
举一个具体的案例，我们要看 2023 年相对于 2022 年销售变化的 GRO 拆解，计算逻辑如下。
口 G：购买人数促进（2023 年购买人数- 2022 年购买人数）
口 R：人均频次促进（2023 年人均频次- 2022 年人均频次）
口 O：次单价促进（2023 年次单价- 2022 年次单价）
来看一组具体的数据，如图 7- 6 所示。
图 7-6 GORW 具体计算案例
不难发现，GRO 最终可以把两年销售额的波动拆分成每个指标对销售额波动的贡献上。案例数据中，购买人数（G）增长的贡献是
3. GROW 的应用
1）找到并强化增长的驱动因素。品牌通过 GROW 公式，计算出 GRO 三个指标分别对自身销售增长的贡献，明确品牌增长驱动的来源及其重要程度，强化主要驱动因素。同时，结合积累的行业大盘数据或者官方公布的行业榜单，按照同样的逻辑计算行业关键驱动指标，并参考行业 GROW 值做调整。
例如，对于本品牌而言，G 指标对销售额增长的贡献是
2）用 GROW 指导运营动作。针对不同的维度，可以采取不同的策略，以下是几个参考方向。
口提升 G：做好内容“种草”和宣传，为品牌认知兴趣人群蓄水；用派样等拉新方式获取更多的新客。
口提升 R：制定会员和老客召回体系，定期唤回老客；引导用户跨品类购买，让买了 A 品类的用户再购买 B 品类。
口提升 O：产品功能升级及价格提升，产品组合套装开发。
口提升 W：分析现有品类及新兴品类机会，拓展新的品类。
AIPL
为了让品牌能够更好地把控用户的每个阶段，更精细化地运营自己的用户资产，阿里巴巴提出 AIPL 分析框架并不断普及，把用户和品牌的交互细分到认知（A）、兴趣（I）、购买（P）、忠诚（L）四个阶段，帮助品牌全链路追踪用户。图 7- 7 所示为后台 AIPL 样例。
图 7-7 后台 AIPL 样例
1. 什么是 AIPL
AIPL 来源于 4 个单词的首字母，对应着 4 个阶段的人群。
口 A（Awareness）：认知人群，即用户对品牌产生了认知。可能是品牌投放了大量广告，让从来没听过、见过的人看到。
口 I（Interest）：兴趣人群，用户对品牌有了进一步的兴趣并有一些主动行为，包括但不限于用户主动搜索、点击浏览、收藏加购品牌相关的商品。
口 P（Purchase）：购买人群，这一阶段很明确，表示用户购买了品牌相关的商品。
口 L（Loyalty）：忠诚人群，对品牌已经建立起好感和信任，具体表现可以是购买之后主动好评，也可以是多次购买或者向朋友分享。
与 AIPL 概念相匹配的是阿里巴巴的数据银行工具。在数据银行中，品牌可以很容易地看到不同时间段 AIPL 人群资产总量，每个细分状态下的人群数量、用户关系加深率等数据。
2. AIPL 的应用
1）人群资产规模分析。品牌既可以拉长时间范围，分析 AIPL 人群资产的变化趋势，发现人群资产总量及 AIPL 每个阶段人群数量的波动异常并查明原因，也能够和行业优秀标杆相比，明确自己的人群资产量级和结构处于什么位置。
2）人群流转问题诊断。AIPL 之间存在着丰富的流转关系，例如认知可以转为兴趣，兴趣可以转为购买，购买则可以转为忠诚。品牌需要定期分析每个阶段或跨阶段人群的流转率是否存在问题，若存在问题则要找到背后的原因，并尝试通过不同的策略来提升对应阶段的流转率。
3）目标拆解和追踪。这有两个常见的逻辑。
根据目标反推 AIPL 人群资产的缺口。假如公司 CEO 定下了未来某个时期的销售目标，比如双 11 销售额达到 100 亿元，那么基于现阶段和历史几个关键时间段的 AIPL 人群资产，对应时间段的人群流转率，并结合新老客单等数据，可以反推出要实现 100 亿元这个销售目标，认知、兴趣、购买、忠诚每个阶段的人群存不存在缺口，存在多大的缺口，以及利用哪些经验证相对高效的方式可以补上这些缺口。
从现状看目标达成可能性。通过现阶段 AIPL 人群资产，推断以目前的人群资产规模和趋势，在未来某个时间范围能够实现多少销售额。
抖音 5A 与京东 4A
抖音 5A、京东 4A 与阿里巴巴的 AIPL 可谓殊途同归，都根据用户行为把用户细分成不同的阶段。前面已经对 AIPL 进行了详细介绍，这里我们只需对抖音 5A 和京东 4A 的概念做个基本了解。
1. 抖音 5A
抖音 5 A 对应 5 个阶段的人群。
口 A 1（Aware）：感知人群，被广告、自然内容、直播等低频曝光、浅阅读的行为。
口 A 2（Appeal）：短期记忆人群，被广告、自然内容、直播等中频曝光、中频阅读和互动行为。
口 A 3（Ask）：深交互人群，被广告、自然内容、直播或搜索等相关内容高频曝光、深度阅读、深度互动行为和主动获取信息的主动行为。
口 A 4（Act）：购买人群，有过购买或被定义为转化的行为。
口 A 5（Advocate）：品牌拥护人群，关注品牌官方账号的粉丝人群。
2. 京东 4A
京东 4 A 框架对应以下人群。
口 A 1（Aware）：认知人群，和 AIPL 中的 A（认知人群）很像，都是被动曝光、浅度浏览相关的人群。
口 A 2（Appeal）：吸引人群，有主动搜索、多次浏览或收藏加购品牌产品等行为的人群。
口 A 3（Act）：行动人群，即发生购买行为的人群。
口 A 4（Advocate）：拥护人群，品牌会员或有过复购、好评、分享等忠诚行为的人群。
在实际分析工作中，除了上述方法论，我们还会涉及 RFM、FAST、波士顿矩阵、同期群分析等方法，部分经典的方法论会在后续 Pandas 实战案例中详细讲解，这里暂不展开。
至此，我们对于电商的定义、商业模式中的关键角色、常用指标以及经典分析框架都有了初步了解。在本章的最后，我带大家跳出数据分析师岗位的限制，用全新的视角从更高的角度俯瞰业务，强化商业感知。
7.5 数据分析师重生之我是老板
7.5.1 数据分析师和老板
一个优秀的数据分析师，看问题的视角很像也必须像老板。数据分析师需要在杂草丛中为大家指明方向，需要在海啸来临之前看到风浪并预警，需要突破感性认知，从数据中提炼洞察，需要站在更高的视角进行通盘思考。
数据分析师了解商业模式，熟悉业务流程，梳理指标体系，掌握分析方法，甚至学习数据分析技能，都是为了更好地满足上面几项“需要”
那不妨我们一起当一回老板，把前面了解到的业务知识、指标体系和未来实战会涉及的分析方法都融进老板的视角里，看看商业决策背后的分析逻辑。
想象一下，你穿越到了一个虚拟的平行世界，现在是一个除了钱和残存的数据分析师记忆之外，什么都没有的人。在这里，你立志当老板，赚更多的钱。你依稀记得，之前有朋友告诉你在天猫上开一家店就能实现这个目标，可无奈当时手头紧张。
现在一切都不一样了，你的账户里有 9 位数的余额，你可以用钱验证所有的分析洞察是否可靠。那么，作为老板，在天猫创业的过程中，你应该重点关注和思考哪些问题呢？大家可以先闭上眼睛花 3 分钟好好想一想。
需要注意的是，这里的问题是商业决策类问题，不是如何注册店铺、怎么报名活动这样的细节操作问题。这个阶段也不用担心数据获取问题，因为只要下定决心，总有办法拿到相关数据。
接下来，是我基于多年数据分析经验总结的需要重点思考和分析的问题，整体框架如图 7- 8 所示。
图 7-8 需要重点思考和分析的问题的整体框架
行业趋势分析
“好风凭借力，送我上青云。”很多时候选择比努力更重要，找到一个有潜力的朝阳行业，就相当于找对了风口，稍加努力便能乘风而起。行业趋势分析，从行业规模、行业增速、增长驱动因素、利润情况和宏观趋势等几个方面，帮助我们识别潜力行业。
1. 行业销售规模
从销售规模可以看出行业是否值得进入。行业规模不能太小，如果某行业一年只有 100 万元销售额，那么就算做到行业第一，盈利空间也十分有限。同时，行业规模过大，往往意味着竞争激烈，需要结合增速综合考量。
2. 行业销售增速
行业规模尚可，则要重点关注行业每年的销售增速。一个规模很大但连续几年负增长的行业，很可能是一个处于衰退期的夕阳行业。行业销售增速一定程度上和行业所处阶段（初创、成长、成熟、衰退）挂钩。
3. 行业销售增长驱动因素
在行业销售增速基础上，可以把销售增长进一步拆解为用户数、用户人均频次、次单价三个维度来回答这个问题：行业增长到底是因为有更多的人来买，用户买得更频繁，还是用户消费升级、买得更贵？通过对增长的分解，能够形成对行业增长趋势的更细致的感知，甚至可以预判未来增长趋势和潜力。
4. 行业利润情况
行业的利润情况和利润结构决定了，100 万元的销售额带来的利润是 30 万元还是 3000 元，也影响了能够花多少钱来做推广和促销。
5. 行业宏观趋势
上面几个问题是从可量化的角度展开的，行业分析有时也需要更宏观的视角来辅助。例如经典的 PEST 分析，综合考察行业的政治、经济、社会、技术趋势变革等因素。宏观框架分析的优点是高屋建瓴，考虑大方向和行业变革，缺点则是非常考验分析者的功底，稍不注意就会变成生搬硬套的八股文。
竞争格局分析
分析完行业趋势，我们对于行业规模和整体走势有了初步的认知。接下来，我们需要一头扎进行业内部，分析行业趋势之下的竞争格局。
1. 行业集中度
行业集中度是关于行业垄断程度的分析，行业集中率 CRn 是衡量行业集中度的一个很好的指标。CRn 表示行业前 n 个品牌的市场占有率之和。例如某行业最近一年 CR 3=90%，表示该行业前 3 个品牌的销售额之和占据了整个行业的 90%。行业集中率越高，往往意味着新势力进入难度越大。
2. 行业集中趋势探究
将行业集中度结合趋势来看，会更加立体。我们看到某行业 2022 年 CR 5=50%，并不会有太多感觉，可能认为这个集中度是正常的。但如果我们了解到该行业 2021 年前 5 个品牌总共只占据了 10%的市场份额，一年时间 CR 5 从 10%飙升到 50%，就会发现头部品牌抢占市场趋势非常显著，行业资源在快速向头部品牌集中。
3. 垄断真伪判别
数据结合具体场景才有魅力。一个行业前 5 个品牌占据了 90%的市场份额，是不是就意味着这个行业完全没机会了？答案是未必。如果前 5 个品牌都是不出名甚至山寨类的品牌，且这个行业规模不大，销售增速较高，很可能说明现有的行业集中度虽然非常高，但意味着行业很新，处于蛮荒期，只是这几个品牌抢先进入市场，分到了一杯羹。随着更多品牌的进入，它们是无力守住现有市场份额的。
品牌策略探究
在竞争格局分析中，已经占据领先地位的头部品牌的发展历程和关键策略对于后进入者有极高的借鉴意义。
1. 品牌背景研究
通过对公开资料的收集和研究，对头部品牌的发展历程、关键节点、团队背景等信息做一个初步了解。
2. 渠道布局策略
对于品牌来说，天猫可能只是众多销售渠道中的一个，有不少品牌在天猫渠道做品牌，维持产品高价作为价格标杆，通过其他渠道的相对低价来完成销售目标。因此，品牌是否在京东、拼多多、抖音或线下销售，各渠道的销售规模占比怎样，到底哪个或者哪些才是品牌重点发力的渠道，这些问题都需要明确。
3. 流量来源分析
流量来源分析可以分为两层：第一层是品牌在站外（此处是天猫外）投放了多少偏品牌、产品宣传种草类的广告，这些会影响消费者认知；第二层则是品牌在站内（天猫内）的流量分析，即品牌流量以免费还是付费流量为主，付费流量又是如何分配的，具体效率如何，等等。
4. 货品策略
品牌是以单品类为主还是多品类全面开花？核心产品定位是高端、中端还是低端？不同产品的独特竞争力是什么？产品在不同渠道销售是怎样做差异化和价格管控的？
5. 供应探究
任何品牌的产品都要经历研发、生产与销售三个主要阶段，头部品牌的产品研发、生产环节是自主还是交给工厂来做？它们的主要供应商有哪些？在供应链上有什么优势可以借鉴？
用户分析探索期
用户分析可以分为两个阶段，第一阶段是创立品牌、开店或者决定进入某个类目之前的探索期，这一阶段的分析是为了对用户有更深刻和立体的认识，作为行业趋势、竞争格局和品牌策略分析的强力补充。第二阶段则以用户为主线，从拉新和复购两个方面串起店铺运营的整体策略。
1. 用户心智占领情况
什么是用户心智占领？举个例子来说明。当我们想买手机壳时，在淘宝上会搜索“手机壳”或者加上款式的后缀，通常不会搜索“××品牌手机壳”，因为大多数人不关注也不知道有哪些手机壳品牌。而我们在网上买手机的时候，经常会不假思索地搜索对应的品牌名，比如"iPhone"或者"华为”，这有两方面的原因：一方面是购买手机具有重决策的特性，大家更倾向于大品牌；另一方面是大品牌做了很多的营销宣传，已经占据了现有用户的心智（这给新进入者带来了巨大的阻碍）。
有一个用品牌搜索词数据衡量用户心智占领情况的方法：假设有 1000 个人是通过搜索关键词来浏览和购买产品的，其中有 800 个人的搜索词带有具体的品牌名，我们用搜索词带有具体品牌的人/总体搜索人数，即 800/1000=80%，得到一个简单便捷来衡量品牌用户心智占领情况的指标，这个指标可以用来辅助衡量行业进入门槛是否够高。
2. 用户画像分析
在探索期，分析头部品牌的人群定位和用户画像，例如主流人群的性别、主力购买人群所处的年龄和人生阶段、用户城市等级分布、用户消费能力集中区域（低、中、高）、用户兴趣偏好标签排序等，有利于我们构建对用户的深度认知。也可以结合时间维度来看细分趋势，找到更有增长潜力的那部分用户所具备的特征，从而确定目标用户画像，这将直接影响后续的品牌格调与沟通方式。
3. 用户反馈挖掘
用户评论中蕴藏着的信息常被低估。用科学合理的方式对评论进行分句和情感判断后，正面可以量化且提炼消费者对产品、店铺、品牌提及最多和最满意的地方；负面能够对用户差评点做精准排序，产品、物流、客服、营销哪方面被用户吐槽最多，还可以从吐槽中提炼出背后未被满足的需求，加以改进，成为未来产品的优势。
通过行业趋势、竞争格局和探索期的用户分析，本来被数据海洋淹没的你，屏息一跃冲出水面，找到了几个有潜力且相关的行业，于是招兵买马，重金投入，店铺蒸蒸日上。
用户分析正式期
前面提到过，品牌为了实现盈利持续快速增长的目标，需要让更多的用户买得更多，买得更勤，买得更贵，买得更爽。如何实现呢？在正式期我们可以从以下几个方向着手。
1. 拉新策略
拉新的使命是以更低的成本获取更多高质量的新客，听起来有点“既要、又要、还要”的感觉，但在实际商业环境中就是这样，目标总是不能打折扣的，资源总是紧缺的。
（1）用什么方式
选择合适的方式与渠道对新用户的获取非常重要。目前常见的拉新方法，诸如付邮费领取试用，9.9 元或 19.9 元试用装，入会即享 20 元无门槛限时优惠券等，主要通过拉低购买门槛，降低用户决策成本，起到消费临门一脚的作用。作为决策者，在各种方式尝试之后，结合拉新成本（平均拉来一个新客花多少钱），评估不同方式、渠道获取新用户的规模和 ROI（投入产出比），找到成本可控且新客质量稳定的方式。
（2）用什么产品
低单价的产品选择成本低，拉新效率更高，在同样的时间里可以拉取更多的新客，但拉来的新客中会存在相当一部分“薅羊毛”的用户，他们占完便宜就跑。高单价产品不容易拉取大规模新客，但新客质量稳定。对于特殊行业（如母婴用品），由于用户购买周期有限，品牌一般通过较早期的产品（比如孕妇用的待产包）来筛选出高质量用户。
（3）拉来什么样的用户
我们希望拉来高价值的用户，但什么样的用户才是高价值的用户？可以用两种方式来评估，一是新用户的用户画像与品牌核心用户是否匹配，例如核心用户定位是 18～24 岁、一线城市、高消费力（月均在天猫上消费 10000 元以上），理想情况下招募来的新用户也应该符合这个分布。二是追踪新用户交易数据，如通过同期群分析统计新用户首单消费客单价，后 30 天、60 天、90 天回购率，回购客单价等关键指标，拉长时间段来看新用户整体贡献金额是否符合高价值的标准。
2. 复购策略
（1）会员体系
一个优秀的会员体系可以显著提升用户对品牌的忠诚度，促进用户生命周期价值的提升。很多品牌上线会员体系是因为其他品牌在做，然后拍脑袋决策，认为自己也应该跟上。会员应该划分为几个等级？每个等级门槛值怎样制定才合理？同一等级的会员是否应该差异化对待？会员体系的资金投入和预期产出是怎么样的关系？只有这些关键问题基于数据找到了答案或者方向，才算是好的会员体系。
（2）购买行为分析
根据已经积累一段时间的用户交易数据，挖掘用户购买行为的魔法数字。例如某公司发现：对购买 A 商品的用户，在其签收后 7 天通过短信和站内提醒推送 B 商品的定向优惠券，可以有效提升用户复购率；在 90 天内促进用户购买 4 次，用户生命周期能够显著延长。这些魔法数字结合具体的用户购买行为，能够挖掘出非常丰富的信息，给 CRM 策略制定指明方向，提升用户复购率。
（3）关联渗透购买
常规的关联购买算法用来发现用户在购买 A 商品的同时购买什么商品概率更高。发现这些规律之后，可以通过目标商品组合优惠、页面关联展示、客服推荐等形式有效提升用户购买数量和购
买金额。在此基础上，还有延伸的关联购买分析，可以分析买了 A 商品的用户，后续复购什么商品的概率更高，这种上下游关联分析结果对于用户精准触达有很大帮助。通过分析购买规律，引导用户向高留存的购买模式靠近，最终提升用户的购买次单价和黏性。
经过一段时间的实践，以用户为主轴的运营分析思路你已经了然于胸，并颇有些成绩。团队规模还在不断扩大，有更多财务、供应链、设计、营销的高手加入，让你如虎添翼。
你公司的飞速发展吸引了不少行业相关人员的关注，最近，你受邀参加一个高级别的电商创始人分享会。
当天你起了个大早，把头发梳成了明星模样，穿上了一身帅气西装。分享内容已提前打好了腹稿，你准备用超强的个人魅力和精彩绝伦的分享结识更多的创始人资源。不出所料，你分享完之后掌声经久不息，在舞台上的你张开双臂，朝前迈步回应。说时迟那时快，你一不小心步子迈大了，一个跟跑摔下了舞台，你只感觉眼前一黑。
等到再次睁开眼睛，你回到了现实，无论目光看向哪里，视野的正中央都被刻了一句话：“同学，该学习 Pandas 实战案例了！”
7.6 本章小结
本章从“电商是什么”这个问题开始，透过纷繁复杂的概念，直击电商的三大核心角色——用户、商家和平台。用户的核心期望是快、好、省，而平台和商家的目的则是赢利，但赢利的实现方式有所不同。
在电商基础指标中，我们重点学习了用户和商品相关的指标，其中访客数、支付转化率和客单价是最常见的 3 个指标。
电商的分析方法论非常丰富，既有经典的黄金公式，又有以用户为核心的 GROW、AIPL、抖音 5A、京东 4A 等。它们用不同的视角来衡量业务的健康情况，并提供对应的解决方向。
最后，我用一个分析师当老板的故事，把行业趋势分析、竞争格局分析、品牌策略探究及用户运营分析连在了一起，试图描绘出一幅相对完整的数据分析画卷，帮助大家加强对数据分析流程和关键问题的理解。接下来，让我们一起拿起画笔，细化每一个部分，为这幅画卷注入新的生命。