商业数据分析-互联网商业产品分析框架

企业本质是一种资源配置的机制，企业与市场是两种可以互相替代的资源配置方式。企业存在是以盈利为目的，从而进行生产经营，为社会提供产品和服务的经济组织。

就近日京东的裁员，东哥做了简单的回应，其中提到了：

• 京东是一家企业，他不是慈善机构，没有一家企业会养一大帮闲人。这句话虽然很残酷，但是很真实。

• 京东如今到了一个发展的瓶颈期，做人才优化有什么问题呢？这是东哥的另外一句令人深刻的话。

从上面的信息来看，大环境（尤其是互联网的环境）早就过了粗放经营的阶段，需要精细化的运营，需要降本增效。我也看了一下其他企业的财报，有些企业就是通过优化人才，来实现其目的。种种现象来看，我们需要提高核心竞争力，以免自己在时代变迁的浪潮中被波及。

那么，今天就给大家分享一下我总结的互联网商业产品分析框架。对于没有接触过的或是接触比较少的同学来说都有参考意义。从18年起，商业产品的分析从0到1都是我负责。包括搭建指标体系、分析用户画像、完成商业报告等等。

最终的效果是：

运营策略90%被采纳并上线； 运营效率提高100%； 销量提升1%。

话不多说，直接上头：

互联网商业产品分析

主要分三个方面：

1. 售前，主要是预测制定KPI，以及如何达成KPI，在达成KPI的过程中遇到了问题该怎么去分析。

2. 售后，主要和效果相关，包括退款、NPS、评价、用户的使用效果，以及用户是否复购。

3. 第三部分，是补充内容，为了框架的完整性，有些产品会涉及到线下销售绩效的问题，但是，这部分确实涉及的很少，仅作补充。

售前：预测-问题定位

对于售前，主要是预测和问题的定位分析。

预测：

预测主要分两部分，第一部分就是KPI的制定，如何制定KPI。第二部分是如何达成KPI。

制定KPI：
老板-翻倍：每一个老板都有一个翻倍的理想。很多时候KPI是多少都是老板定的。所以，在定KPI的时候，大家一定要提前做好准备，了解现有的数据，这样跟老板聊的时候，就知道如何管理预期。就如何了解现有数据，如何制定合理的KPI，有如下的方法。

预测

趋势同比： 趋势同比直接是使用去年的增长率，计算得出即可，所以22年销售额= 50*（1+67%）= 83
N年平均：N年平均，是把最近N年的增长率做了平均，然后乘以上一年的销售额，所以22年销售额= 50*（50%+100%+67%）= 86，其考虑了随着年份的增加，用户的消费情况
前N年加权平均：主要是把N年的增长率进行了加权，越近的年份权重越大，分别给2019-2020-2021年的增长率赋值1-2-3，那么22年的增长率：（50%*1+100%*2+67%*3）/(1+2+3)=75%，所以22年销售额50*（1+75%）=88
回归和时间序列：直接使用Execl中的功能即可，当然可以使用Python，这里就不细说了。

注意：

• 这几个计算方式，是比较常用的方式，但是更多是老板拍，所以，在平时一定要经常给他汇报，在汇报中分享一下这些方法，让他有一定的印象。

• 另外，自己一定要熟悉购买的用户画像，还有就是渗透率以及平台的增长。因为，如果整个平台的新用户增长放缓，付费用户肯定不会有很大的提升。

• 还需要考虑商品的类型，是高频还是低频的商品。有的商品用户买了就不会再买，或是很长时间内才会购买，那么，新用户的增长对于付费用户的增长有很大的影响。

达成KPI：

主要从画像的维度和产品的维度来看，从产品的维度来看，主要是为了优化产品。从画像的角度主要是为了运营触达。
产品：如何优化产品呢？主要从用户使用产品的路径来分析，现假设用户使用产品的路径为曝光产品入口--进入产品营销页--创建订单--支付成功，那我们就有了下面这个公式：

下单人数= 曝光*转化率1*转化率2*转化率3

• 曝光：曝光人数

• 转化率1= 进入产品营销页的人数/曝光人数

• 转化率2= 创建订单人数/进入产品营销页人数

• 转化率3= 支付成功人数/创建订单人数

通过上面的公式，使用这个分析模型，我们可以知道是曝光的问题还是每一步转化的问题。
总量和转化率问题

如果是曝光的问题，那么我们可以提升曝光，提升曝光有三种方式：

1. 广告：增加产品的广告曝光，一般公司都有广告位，但是，这个广告位置具有排他性。也就是你使用，其他产品就使用不了，那么这个时候对于广告的效果就要求比较高，广告的展示群体要比较聚焦，需要分析用户画像，对于购买率高的用户进行曝光展示。

2. 场景化营销：场景化营销的特点是在用户做了一些行为之后，进行曝光展示，或是在某些特定的场景页面下进行曝光展示，比如常见的提醒用户开启消息通知，一般是用户进行了聊天之后，会进行提醒用户打开。还有电商里面用户搜索或是浏览一些商品，就进行弹出推送。

3. 用户触达，触达分为电话-短信-邮件-PUSH，其成本一次递减。PUSH一般推送量较大，用户可以不用很精准，但是需要注意推送的时间和频次，注意用户体验。

如果是转化率的问题，从目前的转化率漏斗来看，也是有三种情况：

1. 曝光到营销页的转化问题，这种情况下，就需要看看曝光的页面和文案是不是没有吸引到用户。

2. 营销页到创建订单的转化问题，那就是营销页的问题，考虑如何打造黄金落地，对于这部分可以进行一定的分析，然后进行AB测试

3. 创建订单到支付成功转化问题，可以考虑价格和多种付费方式进行测试。

当然上面主要是介绍大的框架，还有具体实施过程中每个步骤的分析都需要进更加深入，这里就不做过多的展开。

画像：

主要针对用户属性和用户行为分析其转化率。注意：分析的时候，不是只分析已购买的用户画像，而是分析转化率。我之前看过一个分析师，一上来就分析购买的用户画像，比如发现购买的用户中男女比8:2（虚拟数据），他很兴奋的去找运营同学，然后运营听完之后，很淡定。因为我们站内活跃用户就是男女比是8：2。画像分析之后，一般就是进行运营触达。其他：
我们来看一下销售额的组成，销售额= 单价*销售量，上面的分析逻辑是假定单价不变。那么由上面的公式，我们可以分下面三种：

1. ARPU*用户量，这种是看单个UV的价值，主要是流量型产品。

2. 客单价*订单量，这是看单个客户的价值，主要是低频的产品。

3. 定价策略：当然我们也可以进行价格测试，经验来说，制造价格诱饵，能够比较有效提升客单价。

问题分析：

第二部分就是异常分析，我们制定好KPI，分析了如何完成KPI，如果在执行时候出现了问题，该怎么分析呢？可以参考下面的文章：
异常分析框架

售后-效果-复购

当销售给用户之后，就需要关注售后相关的指标：

退款率，可以分析退款的用户画像。做一个退款原因的产品，用户退款时可以填写。可以对退款用户进行调研。

1. 评价，引导用户进行评价，好的评价也能有效促进商品销售。

2. NPS，是比较通用的指标，能比较有效的评价产品，并且有通用的参考值。

3. 使用效果，如果用户买了不使用或使用效果不好，那么产品肯定是有问题。

4. 最直接的评价就是复购，不好的话用户肯定不会复购的，但是，复购周期和频率取决于产品的特性，高频还是低频，刚需非刚需。

这次都是比较直接和通用的指标，并且分析也是比较重要，展开的话，每个都可以单独来写的。

如果这篇文章点赞破100，后面会单独出一篇文章。

销售绩效

涉及到销售绩效部分，线下销售确实涉及很少，暂不做讲解。

写在最后：

• 距离上次更新很久了，感谢粉丝的认可，让我更加坚定了要持续的更新。
• 下一篇，以百合网为例，具体讲讲商业产品分析框架。（冒着生命危险注册百合网）

• 最后，假期都去玩了 ，就猫猫陪我了，有图有真相：

  
  
  猫猫
  
  

  gongzh:数有道
  gongzh:数有道