某家具店售后数据分析——提升
在写了上一篇博客后,和实习的M同学交流了下,发现和实际工作中的分析还是有偏差。偏差之所以产生,一方面是我没有实际工作中的经验,二是M同学给我的数据不够全面,有些点我想到了但是没有数据,也分析不了。
这篇博客主要记录售后数据的关键指标和分析流程。
标准流程
1.同比件申率的变化
首先与去年同一周期的件申率作比对,既对比整体情况,也对比每个SPU的情况,从而把握整体变化,寻找问题个体。
所谓件申率:
在本文使用的数据中,件申率较同期相比恶化30%。三级类目中,凳子和衣帽架恶化情况最为突出。显然,个体引起整体,凳子和衣帽架就是本次分析的重点对象。
2.产品细分
凳子和衣帽架只是SPU,包括多个SKU。分析应聚焦最小单位。在SPU下统计每个SKU同比 环比的件申率变化,找到引起变化的SKU。
SPU:Standard Product Unit (标准产品单位)SPU是商品信息聚合的最小单位,是一组可复用、易检索的标准化信息的集合,该集合描述了一个产品的特性。
SKU:Stock Keeping Unit(库存量单位)。针对电商而言:
1、SKU是指一款商品,每款都有出现一个SKU,便于电商品牌识别商品。
2、一款商品多色,则是有多个SKU