銷(xiāo)售數(shù)據(jù)分析主要從哪幾方面進(jìn)行？

銷(xiāo)售數(shù)據(jù)分析主要從：

1、單店貨品銷(xiāo)售數(shù)據(jù)分析

暢滯銷(xiāo)款分析是單店貨品銷(xiāo)售數(shù)據(jù)分析中最簡(jiǎn)單、最直觀、也是最重要的數(shù)據(jù)因素之一。暢銷(xiāo)款即在一定時(shí)間內(nèi)銷(xiāo)量較大的款式，而滯銷(xiāo)款則相反，是指在一定時(shí)間內(nèi)銷(xiāo)量較小的款式。

款式的暢滯銷(xiāo)程度主要跟各款式的可支配庫(kù)存數(shù)（即原訂貨加上可以補(bǔ)上的貨品數(shù)量的總和）有關(guān)，比如某款銷(xiāo)售非常好，但當(dāng)初訂貨非常少，也無(wú)法補(bǔ)的到貨，這樣在很短的時(shí)間內(nèi)就銷(xiāo)售完了。

其總銷(xiāo)售數(shù)量并不大，那么也不能算是暢銷(xiāo)款，因?yàn)樵摽顚?duì)店鋪的利潤(rùn)貢獻(xiàn)率不大。在暢滯銷(xiāo)款的分析上，從時(shí)間上一般按每周、每月、每季；從款式上一般按整體款式和各類(lèi)別款式來(lái)分。

2、單款銷(xiāo)售 生命周期 分析

單款銷(xiāo)售生命周期指單款銷(xiāo)售的總時(shí)間跨度以及該時(shí)間段的銷(xiāo)售狀況（一般是指正價(jià)銷(xiāo)售期）。單款銷(xiāo)售周期分析一般是拿一些重點(diǎn)的款式（訂貨量和庫(kù)存量較多的款式）來(lái)做分析，以判斷出是否缺貨或產(chǎn)生庫(kù)存壓力，從而及時(shí)做出對(duì)策。

單款的銷(xiāo)售周期主要被季節(jié)和氣候、款式自身銷(xiāo)售特點(diǎn)、店鋪內(nèi)相近產(chǎn)品之間的競(jìng)爭(zhēng)等三個(gè)因素所影響。單款的銷(xiāo)售周期除了專業(yè)的銷(xiāo)售軟件以外，還可通過(guò)Excel軟件，先選定該款的銷(xiāo)售周期內(nèi)每日銷(xiāo)售件數(shù)，再通過(guò)插入圖表功能，通過(guò) 矩形圖 或折線圖等看出其銷(xiāo)售走勢(shì)，從而判斷其銷(xiāo)售生命周期。

擴(kuò)展資料

針對(duì)同一市場(chǎng)不同品牌產(chǎn)品的銷(xiāo)售差異分析，主要是為企業(yè)的銷(xiāo)售策略提供建議和參考。針對(duì)不同市場(chǎng)的同一品牌產(chǎn)品的銷(xiāo)售差異分析，主要是為企業(yè)的 市場(chǎng)策略 提供建議和參考。

微觀銷(xiāo)售分析，主要分析決定未能達(dá)到銷(xiāo)售額的特定產(chǎn)品、地區(qū)等。

銷(xiāo)售分析法的不足是沒(méi)有反應(yīng)企業(yè)相對(duì)于競(jìng)爭(zhēng)者的狀況，它沒(méi)有能夠剔除掉一般的環(huán)境因素對(duì)企業(yè)經(jīng)營(yíng)狀況的影響。銷(xiāo)售分析可以決定一個(gè)企業(yè)或公司的生產(chǎn)方向 。

常用的數(shù)據(jù)分析方法有哪些？

常用的列了九種供參考:

一、公式拆解

所謂公式拆解法就是針對(duì)某個(gè)指標(biāo)，用公式層層分解該指標(biāo)的影響因素。
舉例：分析某產(chǎn)品的銷(xiāo)售額較低的原因，用 公式法 分解

二、對(duì)比分析

對(duì)比法 就是用兩組或兩組以上的數(shù)據(jù)進(jìn)行比較，是最通用的方法。

我們知道孤立的數(shù)據(jù)沒(méi)有意義，有對(duì)比才有差異。比如在時(shí)間維度上的同比和環(huán)比、 增長(zhǎng)率 、定基比，與競(jìng)爭(zhēng)對(duì)手的對(duì)比、類(lèi)別之間的對(duì)比、特征和屬性對(duì)比等。對(duì)比法可以發(fā)現(xiàn)數(shù)據(jù)變化規(guī)律，使用頻繁，經(jīng)常和其他方法搭配使用。

下圖的AB公司銷(xiāo)售額對(duì)比，雖然A公司銷(xiāo)售額總體上漲且高于B公司，但是B公司的增速迅猛，高于A公司，即使后期增速下降了，最后的銷(xiāo)售額還是趕超。

三、A/Btest

A/Btest，是將Web或App界面或流程的兩個(gè)或多個(gè)版本，在同一時(shí)間維度，分別讓類(lèi)似訪客群組來(lái)訪問(wèn)，收集各群組的 用戶體驗(yàn) 數(shù)據(jù)和業(yè)務(wù)數(shù)據(jù)，最后分析評(píng)估出最好版本正式采用。A/Btest的流程如下：

（1）現(xiàn)狀分析并建立假設(shè)：分析業(yè)務(wù)數(shù)據(jù)，確定當(dāng)前最關(guān)鍵的改進(jìn)點(diǎn)，作出優(yōu)化改進(jìn)的假設(shè)，提出優(yōu)化建議；比如說(shuō)我們發(fā)現(xiàn)用戶的 轉(zhuǎn)化率 不高，我們假設(shè)是因?yàn)橥茝V的著陸頁(yè)面帶來(lái)的轉(zhuǎn)化率太低，下面就要想辦法來(lái)進(jìn)行改進(jìn)了

（2）設(shè)定目標(biāo)，制定方案：設(shè)置主要目標(biāo)，用來(lái)衡量各優(yōu)化版本的優(yōu)劣；設(shè)置輔助目標(biāo)，用來(lái)評(píng)估優(yōu)化版本對(duì)其他方面的影響。

（3）設(shè)計(jì)與開(kāi)發(fā)：制作2個(gè)或多個(gè)優(yōu)化版本的設(shè)計(jì)原型并完成技術(shù)實(shí)現(xiàn)。

（4）分配流量：確定每個(gè)線上測(cè)試版本的分流比例，初始階段，優(yōu)化方案的流量設(shè)置可以較小，根據(jù)情況逐漸增加流量。

（5）采集并分析數(shù)據(jù)：收集實(shí)驗(yàn)數(shù)據(jù)，進(jìn)行有效性和效果判斷：統(tǒng)計(jì)顯著性達(dá)到95%或以上并且維持一段時(shí)間，實(shí)驗(yàn)可以結(jié)束；如果在95%以下，則可能需要延長(zhǎng)測(cè)試時(shí)間；如果很長(zhǎng)時(shí)間統(tǒng)計(jì)顯著性不能達(dá)到95%甚至90%，則需要決定是否中止試驗(yàn)。

（6）最后：根據(jù)試驗(yàn)結(jié)果確定發(fā)布新版本、調(diào)整分流比例繼續(xù)測(cè)試或者在試驗(yàn)效果未達(dá)成的情況下繼續(xù)優(yōu)化迭代方案重新開(kāi)發(fā)上線試驗(yàn)。
流程圖如下：

四、象限分析

通過(guò)對(duì)兩種及以上維度的劃分，運(yùn)用坐標(biāo)的方式表達(dá)出想要的價(jià)值。由價(jià)值直接轉(zhuǎn)變?yōu)椴呗?，從而進(jìn)行一些落地的推動(dòng)。象限法是一種策略驅(qū)動(dòng)的思維，常與產(chǎn)品分析、市場(chǎng)分析、 客戶管理 、商品管理等。比如，下圖是一個(gè)廣告點(diǎn)擊的 四象限 分布，X軸從左到右表示從低到高，Y軸從下到上表示從低到高。

高點(diǎn)擊率高轉(zhuǎn)化的廣告，說(shuō)明人群相對(duì)精準(zhǔn)，是一個(gè)高效率的廣告。高點(diǎn)擊率低轉(zhuǎn)化的廣告，說(shuō)明點(diǎn)擊進(jìn)來(lái)的人大多被廣告吸引了，轉(zhuǎn)化低說(shuō)明廣告內(nèi)容針對(duì)的人群和產(chǎn)品實(shí)際受眾有些不符。高轉(zhuǎn)化低點(diǎn)擊的廣告，說(shuō)明廣告內(nèi)容針對(duì)的人群和產(chǎn)品實(shí)際受眾符合程度較高，但需要優(yōu)化廣告內(nèi)容，吸引更多人點(diǎn)擊。低點(diǎn)擊率低轉(zhuǎn)化的廣告，可以放棄了。還有經(jīng)典的 RFM模型 ，把客戶按最近一次消費(fèi)(Recency)、消費(fèi)頻率(Frequency)、消費(fèi)金額 (Monetary)三個(gè)維度分成八個(gè)象限。

象限法的優(yōu)勢(shì)：
（1）找到問(wèn)題的共性原因

通過(guò)象限分析法，將有相同特征的事件進(jìn)行歸因分析，總結(jié)其中的共性原因。例如上面廣告的案例中， 第一象限 的事件可以提煉出有效的推廣渠道與推廣策略，第三和第四象限可以排除一些無(wú)效的推廣渠道；

（2）建立分組優(yōu)化策略
針對(duì)投放的象限分析法可以針對(duì)不同象限建立優(yōu)化策略，例如RFM客戶管理模型中按照象限將客戶分為重點(diǎn)發(fā)展客戶、重點(diǎn)保持客戶、一般發(fā)展客戶、一般保持客戶等不同類(lèi)型。給重點(diǎn)發(fā)展客戶傾斜更多的資源，比如VIP服務(wù)、個(gè)性化服務(wù)、附加銷(xiāo)售等。給潛力客戶銷(xiāo)售價(jià)值更高的產(chǎn)品，或一些優(yōu)惠措施來(lái)吸引他們回歸。

五、帕累托分析

帕累托法則 ，源于經(jīng)典的二八法則。比如在個(gè)人財(cái)富上可以說(shuō)世界上20%的人掌握著80%的財(cái)富。而在 數(shù)據(jù)分析 中，則可以理解為20%的數(shù)據(jù)產(chǎn)生了80%的效果需要圍繞這20%的數(shù)據(jù)進(jìn)行挖掘。往往在使用二八法則的時(shí)候和排名有關(guān)系，排在前20%的才算是有效數(shù)據(jù)。二八法是抓重點(diǎn)分析，適用于任何行業(yè)。找到重點(diǎn)，發(fā)現(xiàn)其特征，然后可以思考如何讓其余的80%向這20%轉(zhuǎn)化，提高效果。

一般地，會(huì)用在產(chǎn)品分類(lèi)上，去測(cè)量并構(gòu)建ABC模型。比如某零售企業(yè)有500個(gè)SKU以及這些SKU對(duì)應(yīng)的銷(xiāo)售額，那么哪些SKU是重要的呢，這就是在業(yè)務(wù)運(yùn)營(yíng)中分清主次的問(wèn)題。

常見(jiàn)的做法是將產(chǎn)品SKU作為維度，并將對(duì)應(yīng)的銷(xiāo)售額作為基礎(chǔ)度量指標(biāo)，將這些銷(xiāo)售額指標(biāo)從大到小排列，并計(jì)算截止當(dāng)前產(chǎn)品SKU的銷(xiāo)售額累計(jì)合計(jì)占總銷(xiāo)售額的百分比。

百分比在 70%（含）以內(nèi)，劃分為 A 類(lèi)。百分比在 70~90%（含）以內(nèi)，劃分為 B 類(lèi)。百分比在 90~100%（含）以內(nèi)，劃分為 C 類(lèi)。以上百分比也可以根據(jù)自己的實(shí)際情況調(diào)整。

ABC分析模型，不光可以用來(lái)劃分產(chǎn)品和銷(xiāo)售額，還可以劃分客戶及客戶交易額等。比如給企業(yè)貢獻(xiàn)80%利潤(rùn)的客戶是哪些，占比多少。假設(shè)有20%，那么在資源有限的情況下，就知道要重點(diǎn)維護(hù)這20%類(lèi)客戶。

六、漏斗分析

漏斗法即是漏斗圖，有點(diǎn)像倒金字塔，是一個(gè)流程化的思考方式，常用于像新用戶的開(kāi)發(fā)、購(gòu)物轉(zhuǎn)化率這些有變化和一定流程的分析中。

上圖是經(jīng)典的營(yíng)銷(xiāo)漏斗，形象展示了從獲取用戶到最終轉(zhuǎn)化成購(gòu)買(mǎi)這整個(gè)流程中的一個(gè)個(gè)子環(huán)節(jié)。相鄰環(huán)節(jié)的轉(zhuǎn)化率則就是指用數(shù)據(jù)指標(biāo)來(lái)量化每一個(gè)步驟的表現(xiàn)。所以整個(gè)漏斗模型就是先將整個(gè)購(gòu)買(mǎi)流程拆分成一個(gè)個(gè)步驟，然后用轉(zhuǎn)化率來(lái)衡量每一個(gè)步驟的表現(xiàn)，最后通過(guò)異常的數(shù)據(jù)指標(biāo)找出有問(wèn)題的環(huán)節(jié)，從而解決問(wèn)題，優(yōu)化該步驟，最終達(dá)到提升整體購(gòu)買(mǎi)轉(zhuǎn)化率的目的。

整體漏斗模型的核心思想其實(shí)可以歸為分解和量化。比如分析電商的轉(zhuǎn)化，我們要做的就是監(jiān)控每個(gè)層級(jí)上的用戶轉(zhuǎn)化，尋找每個(gè)層級(jí)的可優(yōu)化點(diǎn)。對(duì)于沒(méi)有按照流程操作的用戶，專門(mén)繪制他們的轉(zhuǎn)化模型，縮短路徑提升用戶體驗(yàn)。

還有經(jīng)典的黑客增長(zhǎng)模型， AARRR模型 ，指Acquisition、Activation、Retention、Revenue、Referral，即用戶獲取、用戶激活、用戶留存、用戶收益以及用戶傳播。這是 產(chǎn)品運(yùn)營(yíng) 中比較常見(jiàn)的一個(gè)模型，結(jié)合產(chǎn)品本身的特點(diǎn)以及產(chǎn)品的 生命周期 位置，來(lái)關(guān)注不同的數(shù)據(jù)指標(biāo)，最終制定不同的運(yùn)營(yíng)策略。

從下面這幅AARRR模型圖中，能夠比較明顯的看出來(lái)整個(gè)用戶的生命周期是呈現(xiàn)逐漸遞減趨勢(shì)的。通過(guò)拆解和量化整個(gè)用戶生命周期各環(huán)節(jié)，可以進(jìn)行數(shù)據(jù)的橫向和縱向?qū)Ρ龋瑥亩l(fā)現(xiàn)對(duì)應(yīng)的問(wèn)題，最終進(jìn)行不斷的優(yōu)化迭代。

七、路徑分析

用戶路徑分析追蹤用戶從某個(gè)開(kāi)始事件直到結(jié)束事件的行為路徑，即對(duì)用戶流向進(jìn)行監(jiān)測(cè)，可以用來(lái)衡量網(wǎng)站優(yōu)化的效果或營(yíng)銷(xiāo)推廣的效果，以及了解用戶行為偏好，其最終目的是達(dá)成業(yè)務(wù)目標(biāo)，引導(dǎo)用戶更高效地完成產(chǎn)品的最優(yōu)路徑，最終促使用戶付費(fèi)。如何進(jìn)行用戶行為路徑分析？

（1）計(jì)算用戶使用網(wǎng)站或APP時(shí)的每個(gè)第一步，然后依次計(jì)算每一步的流向和轉(zhuǎn)化，通過(guò)數(shù)據(jù)，真實(shí)地再現(xiàn)用戶從打開(kāi)APP到離開(kāi)的整個(gè)過(guò)程。
（2）查看用戶在使用產(chǎn)品時(shí)的路徑分布情況。例如：在訪問(wèn)了某個(gè)電商產(chǎn)品首頁(yè)的用戶后，有多大比例的用戶進(jìn)行了搜索，有多大比例的用戶訪問(wèn)了分類(lèi)頁(yè)，有多大比例的用戶直接訪問(wèn)的商品詳情頁(yè)。
（3）進(jìn)行路徑優(yōu)化分析。例如：哪條路徑是用戶最多訪問(wèn)的；走到哪一步時(shí)，用戶最容易流失。
（4）通過(guò)路徑識(shí)別用戶行為特征。例如：分析用戶是用完即走的目標(biāo)導(dǎo)向型，還是無(wú)目的瀏覽型。
（5）對(duì)用戶進(jìn)行細(xì)分。通常按照APP的使用目的來(lái)對(duì)用戶進(jìn)行分類(lèi)。如汽車(chē)APP的用戶可以細(xì)分為關(guān)注型、意向型、購(gòu)買(mǎi)型用戶，并對(duì)每類(lèi)用戶進(jìn)行不同訪問(wèn)任務(wù)的路徑分析，比如意向型的用戶，他進(jìn)行不同車(chē)型的比較都有哪些路徑，存在什么問(wèn)題。還有一種方法是利用算法，基于用戶所有訪問(wèn)路徑進(jìn)行 聚類(lèi)分析 ，依據(jù)訪問(wèn)路徑的相似性對(duì)用戶進(jìn)行分類(lèi)，再對(duì)每類(lèi)用戶進(jìn)行分析。

以電商為例，買(mǎi)家從登錄網(wǎng)站／APP到支付成功要經(jīng)過(guò)首頁(yè)瀏覽、搜索商品、加入 購(gòu)物車(chē) 、提交訂單、支付訂單等過(guò)程。而在用戶真實(shí)的選購(gòu)過(guò)程是一個(gè)交纏反復(fù)的過(guò)程，例如提交訂單后，用戶可能會(huì)返回首頁(yè)繼續(xù)搜索商品，也可能去取消訂單，每一個(gè)路徑背后都有不同的動(dòng)機(jī)。與其他分析模型配合進(jìn)行深入分析后，能為找到快速用戶動(dòng)機(jī)，從而引領(lǐng)用戶走向最優(yōu)路徑或者期望中的路徑。
用戶行為路徑圖示例：

八、留存分析

用戶留存指的是新會(huì)員/用戶在經(jīng)過(guò)一定時(shí)間之后，仍然具有訪問(wèn)、登錄、使用或轉(zhuǎn)化等特定屬性和行為，留存用戶占當(dāng)時(shí)新用戶的比例就是留存率。留存率按照不同的周期分為三類(lèi)，以登錄行為認(rèn)定的留存為例：
第一種 日留存，日留存又可以細(xì)分為以下幾種：
（1）次日留存率：（當(dāng)天新增的用戶中，第2天還登錄的用戶數(shù)）/第一天新增總用戶數(shù)
（2）第3日留存率：（第一天新增用戶中，第3天還有登錄的用戶數(shù)）/第一天新增總用戶數(shù)
（3）第7日留存率：（第一天新增用戶中，第7天還有登錄的用戶數(shù)）/第一天新增總用戶數(shù)
（4）第14日留存率：（第一天新增用戶中，第14天還有登錄的用戶數(shù)）/第一天新增總用戶數(shù)
（5）第30日留存率：（第一天新增用戶中，第30天還有登錄的用戶數(shù)）/第一天新增總用戶數(shù)

第二種 周留存，以周度為單位的留存率，指的是每個(gè)周相對(duì)于第一個(gè)周的新增用戶中，仍然還有登錄的用戶數(shù)。

第三種 月留存，以月度為單位的留存率，指的是每個(gè)月相對(duì)于第一個(gè)周的新增用戶中，仍然還有登錄的用戶數(shù)。留存率是針對(duì)新用戶的，其結(jié)果是一個(gè)矩陣式半面報(bào)告（只有一半有數(shù)據(jù)），每個(gè)數(shù)據(jù)記錄行是日期、列為對(duì)應(yīng)的不同時(shí)間周期下的留存率。正常情況下，留存率會(huì)隨著時(shí)間周期的推移而逐漸降低。下面以月留存為例生成的月用戶留存曲線：

九、聚類(lèi)分析

聚類(lèi)分析屬于探索性的數(shù)據(jù)分析方法。通常，我們利用聚類(lèi)分析將看似無(wú)序的對(duì)象進(jìn)行分組、歸類(lèi)，以達(dá)到更好地理解研究對(duì)象的目的。聚類(lèi)結(jié)果要求組內(nèi)對(duì)象相似性較高，組間對(duì)象相似性較低。在用戶研究中，很多問(wèn)題可以借助聚類(lèi)分析來(lái)解決，比如，網(wǎng)站的信息分類(lèi)問(wèn)題、網(wǎng)頁(yè)的點(diǎn)擊行為關(guān)聯(lián)性問(wèn)題以及用戶分類(lèi)問(wèn)題等等。其中，用戶分類(lèi)是最常見(jiàn)的情況。

常見(jiàn)的聚類(lèi)方法有不少，比如K均值（K-Means），譜聚類(lèi)（Spectral Clustering），層次聚類(lèi)（Hierarchical Clustering）。以最為常見(jiàn)的K-means為例，如下圖：

可以看到，數(shù)據(jù)可以被分到紅藍(lán)綠三個(gè)不同的簇（cluster）中，每個(gè)簇應(yīng)有其特有的性質(zhì)。顯然，聚類(lèi)分析是一種無(wú)監(jiān)督學(xué)習(xí)，是在缺乏標(biāo)簽的前提下的一種分類(lèi)模型。當(dāng)我們對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)后并得到簇后，一般會(huì)單獨(dú)對(duì)每個(gè)簇進(jìn)行深入分析，從而得到更加細(xì)致的結(jié)果。

銷(xiāo)售數(shù)據(jù)分析怎么做

銷(xiāo)售數(shù)據(jù)分析的做法：先分析業(yè)績(jī)完成率及原因，然后分析其他數(shù)據(jù)，在分析大環(huán)境和模式。

1、先分析銷(xiāo)售業(yè)績(jī)完成率及原因：銷(xiāo)售數(shù)據(jù)首要的指標(biāo)就是業(yè)績(jī)的完成率，非常直觀的反應(yīng)，數(shù)據(jù)化明顯，先分析銷(xiāo)售業(yè)績(jī)達(dá)成的情況，以及達(dá)成這種結(jié)果背后的原因是什么。比如銷(xiāo)售業(yè)績(jī)完成率高，主要是銷(xiāo)售人員能力提升、市場(chǎng)環(huán)境好等因素；銷(xiāo)售業(yè)績(jī)完成率低，是因?yàn)槿藛T能力不足、銷(xiāo)售方式錯(cuò)誤等。

2、再分析支撐銷(xiāo)售業(yè)績(jī)的其他數(shù)據(jù)：銷(xiāo)售業(yè)績(jī)完成率的背后還有其他數(shù)據(jù)的支撐，從開(kāi)展業(yè)務(wù)到成交就像是一個(gè)漏斗，層層篩選，中間可能有拜訪客戶的數(shù)量，設(shè)計(jì)方案的數(shù)量，最后再到成交數(shù)量，客單價(jià)等，這些因素逐一分析出來(lái)，就會(huì)找到哪個(gè)因素?cái)?shù)據(jù)比較低。

3、除了分析銷(xiāo)售部門(mén)本身的因素，還要結(jié)合大環(huán)境，比如市場(chǎng)、同行業(yè)銷(xiāo)售數(shù)據(jù)，對(duì)比分析，這樣就能總結(jié)出公司業(yè)務(wù)在市場(chǎng)占有比例是上升還是下降，產(chǎn)品的市場(chǎng)前景如何，下一步如何規(guī)劃。

4、最后不要忘記對(duì)銷(xiāo)售模式做分析，包括人和業(yè)務(wù)方式，人是來(lái)引導(dǎo)銷(xiāo)售的，需要一定的話術(shù)和溝通技巧，優(yōu)秀的業(yè)務(wù)員為什么優(yōu)秀，因?yàn)樗匿N(xiāo)售業(yè)績(jī)高，這來(lái)自于他本身的能力，所以人的因素必須考慮進(jìn)來(lái)；還有業(yè)務(wù)方式，社會(huì)變化日新月異，企業(yè)的營(yíng)銷(xiāo)模式也要隨之變化。

5、最后進(jìn)行繪制成圖即可。