拜托小姐演员表在很多创业公司或者小公司中，数据分析往往是不受重视的那个——数据的采集、筛选、管理本身就是艰苦的工作，而对业务又没有直接的影响，所以很多团队对数据不够重视。但我们应该注意的是在科学领域，数据分析做的越多，离真理就越近。

　　说起商业分析，可能大家会想到需要深入研究市场需求、竞争对手以及潜在的机会和风险等等。

　　在大数据时代的背景下，数据作为企业组织过程资产，新时代的生产要素，显得格外重要。

　　数据将成为未来数字经济时代经济发展不可或缺的动能来源，就像石油曾经驱动了工业时代一样。

　　数据分析得当可以提高科学决策能力，帮助企业避开业务陷阱，帮助个人推动工作顺利进行。

　　无论你是创业者、产品经理、运营、销售管理者还是职场新人，都应该具备一定的数据思维。

　　本文以目前流行的自营电商模式的平台为例，通过一次实战案例分享如何通过数据思维来辅助业务决策。

　　ps：文章篇幅较长，分析的内容相对细致，建议收藏后续做类似业务时来这里捋一捋思路。

　　另外，不同的业务有不同的特点，业务的深度和维度也是多变的，由于篇幅有限，本文主要提供一种商业分析和数据分析的方法。

　　区分B2B和B2C类型的公司，我们可以观察其工作日和休息日的销售分布情况。

　　由于B端用户通常在工作日上班，因此工作日的销售收入明显会比双休日的销量高出许多。

　　一般情况下，我们对电商平台的第一印象通常是B2C（直接面向消费者），但是否真的如此就需要我们客观的通过数据去一探究竟。

　　因此，当前自营电商平台的商业模式是以B2B2C为核心B2C为辅助的模式。

　　现在，我们已经了解了业务模式背后的自然周期，因此在后续观察指标走势时就不会感到困惑了。

　　一方面是我们可以提升渠道数量和质量，这个不在本篇的范围内，我们暂时只考虑另一方面：

　　精细化运营的核心是围绕着人、货、场景，通过价格歧视（三级价格歧视：对不同的人群、地域的人收取不同的价格）、场景营销等方式将货卖给不同的消费者。

　　要详细了解商品，需要考察不同季节、渠道、区域和营销策略等多种因素，需要进行交叉验证。有时候，我们会沉迷于数据之中，难以自拔。

　　要快速了解商品结构，可以通过结构化分析的方法来认识商品内部的消费结构，有助于我们更好地了解商品的销售情况，从而制定更有效的营销策略。

　　通过分析用户的价值、活跃程度、兴趣爱好和地理位置等因素，我们可以更好地了解用户，并为他们提供更精准的产品和服务。

　　每个细分维度的分析都需要大量的数据进行辅助验证，当数据采集没有那么完善时，只能通过更宏观且普遍的的方式进行分析。

　　通过分层分析法，可以观察到高、中、低消费群体的行为模式，从而更好地了解用户需求和行为。

　　通过盘点数据，我们发现用户的消费结构基本遵循28法则，也就是20%的用户贡献了80%的收入。

　　因此，如果想要在取得最佳业绩的同时减少资源损耗，那么我们的重点分析对象就是这30%的用户。

　　在业务为B2B2C的前提下，流量引入平台后，如何通过运营的方式让用户复购呢？

　　在电商场景中，每年要做很多个活动618、1111、1212、各种节假日甚至是自创一些节日来进行场景营销。

　　当电商平台做了那么多的活动以后，如何将活动中获得的经验教训给到未来的活动呢？

　　如果不结合周期、业务模式来看这个曲线图，除了能看出波峰波谷一脸懵逼以外，其他都看不出来。

　　可以看出波峰波谷与工作日和休息日有关，这也符合B2B2C的自然周期业绩走向。

　　所以我们结合活动周期与自然周期的关系、活动的对比能够看出，当活动开始时间是周一的时，当日销售业绩最好。

　　而周一是每周销售业绩最高的一天，当渠道发现周二有活动，可能周一的时候他们就不分销了。

　　如果工作日中间（周二、周三）结束活动，会导致周四、周五的用户发现活动刚刚结束，此时购买正式最贵的时候，心里有一定的落差，会降低转化率。

　　结论二：活动结束时间可以放在工作日的末期（周四、周五），让休息日相对于较少的用户来消化活动结束带来的心理落差，从而使影响降到最低

　　结论三：活动的营销策略要使用不同类型的产品来命中不同的用户人群，用户使用产品是有周期的，就需要不同的活动所使用的产品也有周期性。

　　当产品销售策略和运营活动策略满足了三类用户群体的需求时，就可以让活动做得漂亮，收获产品销售业绩。

　　从运营角度来看，场景营销更具主动性，深入了解用户群体的喜好和购买习惯，确定最适合他们的商品。

　　在商业模式的优化中，根据数据表现去重点维护不同的用户群体，结合用户需求开发不同类型的产品进行销售。

　　第一步，摸清自己的业务模式，理清业务模式背后的自然周期，后续观察指标走势时就不会感到困惑了。

　　第二步，结构化的盘点商品，了解商品的销售情况，从而制定更加有效的营销策略。

　　第三步，对用户进行分层，通过28法则找到取得最佳业绩的同时减少资源损耗的用户

　　第四步，对历史营销活动回顾，综合分析人、货、场的关系，以满足三类用户群体的需求为目标，让活动更加成功，获得产品销售业绩。

　　回到数据本身，数据的采集、筛选、管理本身是艰苦的工作，它对于业务来说，没有直接的影响所以很多团队会因为赶进度、赶项目，导致对数据不够重视，埋点质量不足、埋点混乱等。

　　虽然很多人或者公司都没有开始重视数据体系的搭建，但我们应该注意的是在科学领域，数据分析做的越多，离真理就越近。