互联网运营数据分析（6）: 订单分析
数据分析入门与实战 公众号： weic2c
在全篇开始处介绍了互联网企业的盈利模式大抵可以分为三种：向用户出售商品或服务类、广告盈利类、直接收取费用类。这种“向用户出售商品或服务”类公司所涉及的分析，可以拆分为“用户、订单、商品/服务”这三个模块。
前面五篇，是从用户的角度出发，来分析数据的。那么用户都来了，该产生订单了吧，否则要“你（用户）”何用？
第一篇也提到了，我们分析数据，是要有价值的，什么样的价值？可以提高收入、可以降低成本、可以避免风险。分析订单相关数据，主要还是为了能够提高公司的收入的。那这一块的数据要怎样分析，才能够对提高收入有促进作用呢？这个问题，还要有点耐心，听我慢慢道来，因为平时比较忙，整理文章又是一个费时费力的事情；同时还要有点气度，看到不对的地方，不要砸电脑砸鼠标，从经济学的角度来看，不划算；最好还有点热心，可以与我交流，一起完善这样的话题，顺便还能体现社会主义核心价值观。
从指标分类的角度来看，相比于用户数据，订单数据更复杂一点，毕竟连接着用户和商品／服务两大模块。我们先用下面这句话来定义订单。
订单：谁 在什么时间、地点 把什么东西 以什么样的价格、方式 卖给了谁。
我们可以从这句话中解析出下面几个维度：
谁：B端商家或者线下团队
在什么时间：订单时间
在什么地点：地点
把什么东西：商品或者是服务
以什么样的价格：商品或服务的价格
什么样的方式：交易方式
卖给了谁：最终用户
（上面的每个维度都可以进一步分解出更多、更细的信息，例如商品可以分为类型、品牌等，但大体上分为上面的几类，更细节的后面讨论。）
同时，订单也可以分成几个状态，例如：等待受理、发货订单、成功订单、取消订单、退货订单、投诉订单等等。这个状态也是根据业务不同而不同的，但是多一个少一个也并没有多大的区别，分析思路都是一样的。
介绍了上面的内容，我（jiago王）整理出下图，这样看起来更加直观。
在知道以上内容后，我们聊聊怎样分析数据，有助于提高公司的收入吧。先问个问题，在各公司中肯定都有对订单数据进行分析，这些分析报表，都产生价值了吗？相信有的公司做的比较好，但一定有这样的情况，就是一部分、甚至好大一部分的分析报表，仅仅是满足了业务人员或者领导的好奇心，别的并没有什么卵用。所以我喜欢从目的出发，再进入到方法。
在订单这个层面上提高收入，无非是两条路，一是扩大订单量，二是提高客单价。要提高客单价，要么是降低折扣、提高件单价，要么是提升连带率。如下图所示：
此外，我整理了以下四个方法，辅助提升订单额的实现：
通过数据对比、数据追踪，形成压力和刺激
精准运营，在对的时间把对的商品／服务卖给对的人
调整商品／服务的结构和价位，优化布局，促进成单
少犯错误，减少问题的发生避免流单（提升体验在此范围）
（上面几种方法中，具体的分析场景与前面五篇文章中内容有很多交集，具体遇到的地方会加以说明）
本篇先介绍第一种方法，要怎样分析和展示数据。（我们终于进入了正文，我去倒杯水先）
通过数据对比、数据追踪，形成压力和刺激
这种方法最常见了，无论是传统企业或者是互联网公司，很多报表都是服务于这个方法的。为什么使用面这么广，因为又简单又好用啊～
对比，一般是以下几个维度的对比
实际值与目标值的对比
地区之间的对比
商品／服务类型之间的对比
不同时间的对比
不同交易方式的对比（交易平台、支付方式等）
数据追踪，也就是把数据按时间的维度拉开，发现其中的规律和异常。
先按照上面思路来看几个栗子
1.实际值与目标值的对比（这个值可以是订单量，也可以是金额）
这种对比分析，常见到一点新鲜感都没有了是不是？它太容易被想到了，定目标，然后进行监控，没完成就批评，完成就奖励，刺激任务的达标。但是较起真来，目标的设定也是有难度的，前面我列出了很多的维度，目标要细到每个维度都设值吗？时间维度，是细到日目标，还是月目标就够了呢？如果设置月目标，会不会有销售或运营团队产生月末刹车的情况呢？那改设置日目标，又要怎样设计呢？
以终为始，我们为何设置目标值，是为了通过目标值的设置，与实际值的对比，产生压力和刺激，以此来激励业绩的提高，也就是订单量的提高。那思路就清晰了，是否选定为目标维度，就看这个维度是否可被刺激。我们从上面的维度中逐一筛选一下：
B端商家或销售：如果是阿里巴巴或者饿了么那种平台应用，订单出售端是B端商家，这类B端商家肯定就不需要设定目标值了，那么多商家，怎么设置的过来，另外，你就算设定了目标值，人家也不甩你呀；如果有销售，也就是线下地推团队，比如家装类的、p2p类的，那这个值就有意义了。
时间：这个明显是有意义的，但问题在于时间粒度怎样选择。实际情况，也是根据业务场景来的，有的业务月目标就可以了，有的要设置日均目标，甚至有需要设置小时目标的。（我如果只写到这里，一定会挨骂的，上面抛出了那么多问题，这里该接上去了）
有些设置月目标有点大，员工可能会有月底刹车的行为，日均目标又不合适，周一和周日的订单量差距太大。可以这样设置，取出前面3个月或者半年的数据，以周为周期，算出周一到周日的订单量的系数比例，例如：1.1，1，1.3，1.2，1.5，1.6，1.4。可以看出周二的订单量最小，给这个最小的目标设置一个值，比如2000单，那么从周一到周日的目标订单量分布就是，2200，2000，2600，2400，3000，3200，2800。然后目标值与实际值的对比，就按照这样的分布走，相对就要合理一些了。
地点：如果是有销售团队，那么只需要细化到地区负责人就可以了，地区可以不再单独设置。总之，人才可以被刺激，设置地区，也是为了挂到某个责任人身上。
商品或服务：如果有人对商品或者服务的订单数量，或者比例健康度负责，那么可以对该维度设置目标，否则我也认为没有意义。
价格：想不到什么情况下需要对这个维度设置目标。
交易方式：如果为了避免交易数据垄断，控制交易平台占比，可以对该维度进行设定目标，否则不需要。
最终用户：你如果觉得他是可控的，那就设置吧。
如下图：目标粒度为‘销售团队’、‘日期’、‘交易’方式三个维度。
上图中，分别列出了完成任务的团队、未完成任务的团队。通过这样的对比，配合以激励政策，对销售团队形成压力，促进销售团队订单的推广。
为避免形成交易数据垄断，选择多个平台进行交易，可能希望达成一定的平衡比例，但是从图中可以看出，实际情况下，通过其他平台的交易比例过低，如有必要需要采取些激励手段来实现平衡。
下面的组合图是每天的目标与实际的完成订单量，同时与团队的条形图形成联动，可用来追踪具体某团队的每日完成情况。
追踪可以更加彻底，点击组合图中某一天进入到明细表，可以展示出团队的具体某个销售员、某天的实际完成情况。这样既能够总览完成情况，实现监督，同时可对数据进行追踪，对个人形成压力。
对比分析，如果深入研究，还是一种具有历史悠久的、有着广泛应用的分析方法。本文只拿来分析订单而已，所以我们只从两个角度去看，一是分析的维度，二是分析的标准。
所谓的分析维度，可以归结为以下三类：
时间维度：同比、环比等时间上的对比。
空间维度：地区对比、团队对比、商品／服务对比、不同方法对比等不同实际类别间的对比。
设计维度：计划与实际的对比、理论值与实际的对比、评价值与实际的对比等认为设计的对比值。
上篇中说道，我们可以只关心以下维度的对比：
实际值与目标值的对比
地区之间的对比
商品／服务类型之间的对比
不同时间的对比
不同交易方式的对比（交易平台、支付方式等）
分析的标准，一般可分为绝对数比较和相对数比较。
绝对数比较，就是直接的数值比较，例如地区间订单额、订单量的对比。
相对数比较，有联系的指标进行一定计算之后，所得值的比较，例如商品销售额占比的对比、不同地区的计划完成率对比、客单价的对比等。
这些东西虽然很重要，但是在实际分析过程中，一般也没必要过于理论化，根据实际的场景自然的选取就可以了，不要华而不实。下面就举几个实际的分析案例，以供参考。
分析目标：从不同角度出发，进行对比分析，实现数据的追踪，来侧面提高订单额
分析角度：
从地区维度出发，从多个角度对比地区之间的差异，通过数据来给相关的团队以无形的压力；提醒各团队的异常情况并及时处理。
从商品维度出发，对比不同商品的价值贡献度，给到品牌负责人压力，以及为调整商品策略提供参考。
分析方法：
1.从地区维度出发，从多个角度对比地区之间的差异，通过数据来给相关的团队以无形的压力；提醒各团队的异常情况并及时处理。
上图中，通过地图对各地区的销售情况进行直观的展示，可以选择不同的对比标准来展示。而右侧两个图表与地图形成联动，分别展示该地区的目标完成情况、同比环比情况。
例如：通过上图中可以看出，2月份之前实际销售情况是优于计划值，而在2月份之后有些疲软，5月份的累积完成额已经落后于计划额。需要进一步分析销售情况不佳的原因。这时选择计划完成率对比指标，如果所有地区的完成率都偏低，那或许是大环境的问题，如果是大部分仅少部分地区的完成率偏低，那或许更多的是地区团队的问题。
通过这样的布局，可以对地区的销售情况进行较全面的展示，不能通过单一标准的好坏来展示团队的业绩。
2.从商品维度出发，对比不同商品的价值贡献度，给到品牌负责人压力，以及为调整商品策略提供参考。
上图中，核心为左上角的商品利润分布图，通过该图对各商品的价值进行体现，这种图表适合商品数量较多的情况，可以很直观的显示出各商品的份量。
右侧两个折线图可与该气泡图实现联动，我们分别介绍一下：
权重曲线图：显示商品的权重分布情况，权重值＝销售额／周权重系数，周权重系数在上一篇已经介绍过，是根据一周中每天的销售情况，对每天进行权重比例分配，例如周一到周日分布为：1.1，1，1.3，1.2，1.5，1.6，1.4。这样计算后得到的值应该是一个较为平缓的曲线，但是我们从图中看出，6月18日的销售额明显高于正常值，我们可以推断这一天是活动日，通过下面的图中我们可以发现6月18日的单价较低，也可以侧面证明该商品在6月18日属于活动促销期间。
同时，在6月17日的销售情况比正常值要低，很可能是因为第二天活动造成的。而月初偏低、月末偏高，则有可能是营运团队在月初有一定的懈怠，月末有追赶业绩的情况。
当然，上面的结论都是根据数据推测出的，若要对结论进行验证，还需其它方法，比如进行ab测试等。
单价分布，显示该商品的单价分布情况，通过监控商品的单价分布，可以看出商品销售的健康程度。
销售占比排名，可以对不同品牌的负责人进行考核，形成压力，来侧面提高品牌负责人的销售力度。
上图中的图表可以根据实际情况进行切换，例如商品利润分布，可以切换成下面的气泡图，从多个角度来展示商品的价值。
当然，上面的两个图表都是针对一些情况所举的例子，在具体的场景中还须调整，才能适配特有的业务场景。
相信对比分析在各公司中的应用已经非常广泛了，不仅仅是要对比、要分析，更要实现追踪，将分析结果落地（将分析结果联系到对应的责任人，找出异常活着失利原因，并根据原因制定解决方案），才能够让数据产生价值、让分析产生价值。
