什么是商品分析?

　　商品分析的目的就在于幫我們思考如何賣出更多的商品。什么時候漲價、什么時候搞促銷、什么時候下架商品等等，這些都不是看心情去判斷，都需要通過電商數據分析來獲得。那如何才能做好商品數據分析呢?首先我們要學習的就是商品數據分析都應該分析一些什么?有哪些常規的方法?

　　商品分析主要數據分析要點：

　　1、銷量?？蛻粝M的商品的總數。

　　2、銷售額。客戶購買商品所需要支付的金額。

　　3、毛利。這就是我們的動力所在。毛利=實際銷售額-成本。

　　4、凈利。凈利=去稅銷售額-去稅成本。

　　5、毛利率。銷售毛利率是毛利占銷售收入的百分比，毛利率=(毛利/實際銷售額)×100%。

　　6、周轉率。周轉率=(銷售吊牌額/銷售成本)×100%。

　　7、交易次數。客戶購買我們商品的次數。

　　8、客單價?？蛻羝骄看蜗M的金額。客單價=銷售額/交易次數

　　9、平均單價。平均單價=銷售金額/銷售件數

　　10、退貨率。退貨率=退貨金額/進貨金額(一段時間);用于描述經營效率或存貨管理情況的指標，與時間有關。

　　11、售罄率。售罄率=銷售數量/進貨數量

　　12、周轉天數。周轉天數=庫存金額/銷售吊牌額。周轉天數越長，表示經營效率越低或存貨管理越差;周轉天數越短，表示經營效率越高或存貨管理越好。

　　13、連帶率。連帶率=銷售件數/交易次數

　　14、庫銷比。庫銷比=期末庫存金額/(本期銷售牌價額/銷售天數*30)

　　15、平均折扣。平均折扣=銷售金額/銷售吊牌額

　　16、SKU。定義為保存庫存控制的最小可用單位，例如紡織品中一個SKU 通常表示一個規格，顏色，款式，即貨號，例：AMF80570-3。

　　擁有了這些數據，那我們該怎么去分析這些數據呢?下面我們提供幾種常用的商品數據分析方法：

　　1、直接分析法

　　直接分析法，是商品數據分析中最簡單也是最常用的方法。我們直接分析數據，很容易就可以找到我們想要的結果，依據這些結果我們就可以調整我們的經營策略、商品策略等。比如我們直接分析商品周轉率，發現比較高。雖然我們的商品銷售不錯，但是同時也伴隨著可能斷貨，進貨次數增多的麻煩。通過這樣分析，我們就應該改變我們的商品進貨策略，比如增加我們單次進貨量等。

　　2、間接分析法

　　直接分析法，雖然簡單直觀，但是數據分析并不是簡單的1+1的問題，所以有時候我們會使用間接分析法。間接數據的組合分析就是將直接數據分析中得到的分析結構進行有效的組合和數據關聯，并且在統一的數據模型數據模型下進行鉆取以及進行關聯交叉分析，逐漸發現并縮小分析的范圍。在間接數據的分析中常用到的是銷售綜合分析，庫存分布分析、商品結構分析、商品毛利帶分布分析、商品價格帶分布分析、商品暢滯銷分析等，在這些分析中我們可以互相交叉進行組合分析。

　　1)銷售綜合分析

　　銷售綜合分析的分析指標是銷售額、毛利額、毛利率、庫銷比、售罄率;分析條件是時間段(任意時間段、自然時間段)、經營方式;分析層次是總部-門店-大類-款式-價位帶-單品。

　　2)關聯分析(同比/環比分析)

　　將上一級分析的報表條件傳遞給同比分析，用同比分析的結構來檢驗我們對毛利調整策略的結果，看一下數據變化趨勢，以便進行下一階段的商品調整。

　　通過對上面的銷售綜合分析報表和關聯分析，層層數據鉆取后，對毛利的偏差已經可以精確的定位問題的所在，并通過數據分析來制定策略的調整。同時還可以將更多的報表進行傳遞展現，一層一層地深入，建立企業的經營數據模型，用比較分析法找出差異，做到數字化的運營管理，提升企業的競爭力。

　　3、目標分析法

　　商品數據所有數據分析要點都是非常重要的，但是分析數據并不是我們的目的，我們的目的是分析數據來指導我們的工作和幫助我們思考運營策略。比如我們商品數據分析最重要的目的是為了提高我們增加我們的消費額。那最直接提高銷售額的兩大數據：提高實現消費的顧客人數、提高每位顧客購買的金額數。有效顧客少，就應該看看我們的網站流量是不是太少了，如果流量挺多，那就是我們轉化上出了問題，這樣不斷分析思考，就能找到問題的根源以及解決的辦法。比如客單價比較高，那表示我們的商品配合度比較好，能滿足用戶的一站式購物心理，我們就可以繼續執行我們的商品配合策略。

　　這一節，我們重點講的就是商品數據分析的一些要點數據以及怎么使用這些數據來達到分析的目的。不管我們采用什么方式去分析和使用我們的數據，都不應該忘記，我們分析數據的目的是什么。