生意参谋隐藏的行业数据核心指标解读以及常见的数据陷阱。
今天我来讲一下生意参谋隐藏的行业数据核心指标维度数据化解读以及同层数据对比之间的数据陷阱。
今天要分析的数据在生意参谋首页往下滑一点点，这边有一个运营视窗，在这边可以看到店铺以及行业的一些数据维度。因为很多运营在分析数据的时候都是停留在表面的数据解读上面，但是有些数据指标背后代表的一些运营行为以及背后的影响因素。
如果不理解这些数据指标背后的影响因素，比如看销售额、看转化率，可能就停留在数据的表层理解上面，是很难去深入的去分析数据，这样子就会导致数据分析很难落地到运营的优化当中去。
首先在分析数据的时候必须要保证访客有一定的量级，也就是支撑权重数据。如果访客量级比较小，接下来分析的比如转化率、收藏加购率等等一系列的指标就不存在分析的价值。比如访客只有10个，带来一单转化转化率10%，但是10%有多大的参考价值是没有的，因为访客基数太小了，也就是量级不够，当基数小的时候所存在的概率性就很大，所以类似这种数据分析就没有意义。
所以分析数据之前首先保证一点，确定访客的基数够不够大。所以在选择时间周期这边，一般来说以周为单位或者以月度为数据单位，这样累积的数据量级就会比较大。
这是第一个点，比如来看第一个数据，支付金额是整体的销售反馈数据，支付金额和什么有关系?第一访客数，第二转化率，其次客单价，这几个指标共同构成了支付金额。访客数、转化率以及客单价或者退款金额是整体的数据累积过程。
店铺的整体的访客数背后潜藏着哪些维度?如果不把它拆分来看就是一个结果，数据也没什么好分析的，但是访客数是一个流量结构，要看这些人从哪里来的。这就是涉及到细化渠道的分析，比如不同的渠道转化率不一样，人群的精准度不一样，这就是从访客数能带来的数据分析。
这边的店铺转化率在分析的时候要注意区分不同的产品、不同的人群、不同渠道的转化率，只有细化渠道才知道从哪个渠道去提升转化率。
再来看一下客单价受什么影响?首先产品布局层面以及活动期甚至用户的浏览深度也会影响到客单价，因为浏览深度越深可能最终购买产品的数量越多，这些跟运营的布局都是有关系的。
再来看一下退款金额，很多运营喜欢看一下今天的退款率，就用今天的退款金额除以今天的成交额。首先这个是错误的，因为退款金额可能是之前几天累积下来的，正好在今天做退款的处理，全部累积到今天计算可能就是不对的。
其次这边的直引万消耗金额可以看一下占比整体的销售额的多少，也可以从这边的维度看出店铺是不是以付费推广来进行业绩的运营方式，可以通过这边的占比情况来进行分析。单纯看直引万消耗多少是没有意义的，因为不知道合理不合理，只有看相比于总成交金额的比重来和行业进行对比才知道合理不合理。
以及这边的支付买家数和支付老买家，从支付老买家数可以看到店铺的老客户的回购占比，单纯看一个数字是没有用的，当然回购比例要根据不同类目来进行数据分析。
以及这边的支付子订单数也会影响客单价，所以指标和指标之间是有关联的。接着这边的加购人数、加购件数和商品收藏人数，这些数据要把它转化为比如加购率以及人均加购次数，当发现加购率以及人均加购次数增长的时候会影响转化率的提升。
之后来说一下10个运营里面有9个一直理解错误的同层数据分析陷阱，很多人喜欢在这边跟同行同层优秀、同行同层平均来进行数据的对比分析。比如客单价，客单价都是200多，但是同行同层优秀基本都是2000多，可以想一下难道市面上卖的好的价格都这么高吗?不是的，这边的数据统计是有一点问题的，一般人不懂，取的是按照客单价从高到低进行排序，然后只取20%，也就是数据表现好的前20%作为同行同层优秀数据，最后最高的60%的平均值作为同行同层平均这样的数值进行计算。
所以很多运营看到同行同层优秀的客单价，以为是同行同层优秀能卖这么高的客单价，其实是不对的，指的是同行同层按照客单价排序，数据表现好的前20%的客单价。所以看到自己同行同层优秀客单价很高，其实这个是数据当中的统计问题，以及这边的转化率也是一样的。
不要看同行同层优秀取的是转化率前20%是没有参考意义的，同行同层平均还是有一点参考价值的，因为取的是同行同层转化率前60%的数据，所以很多人不懂得分析数据就乱分析数据，这样是不对的。
今天就聊到这边，点个关注，下次继续聊。
