《新零售實(shí)務(wù)（微課版）》 課件 第6章 新零售數(shù)據(jù)化運(yùn)營(yíng)

新零售數(shù)據(jù)化運(yùn)營(yíng)第六章6.1零售數(shù)據(jù)化6.1零售數(shù)據(jù)化6.1.1零售數(shù)據(jù)化概述1.零售數(shù)據(jù)化的定義零售數(shù)據(jù)化就是通過互聯(lián)網(wǎng)、人工智能等新興技術(shù)，將傳統(tǒng)零售業(yè)的人、貨、場(chǎng)指標(biāo)進(jìn)行數(shù)字化，將其變?yōu)橹庇^的、可供分析的數(shù)據(jù)，并對(duì)其進(jìn)行處理分析，最終實(shí)現(xiàn)全渠道覆蓋、全鏈條連通的新零售轉(zhuǎn)型。6.1零售數(shù)據(jù)化6.1.1零售數(shù)據(jù)化概述2.零售數(shù)據(jù)化的條件完善的數(shù)據(jù)軟件系統(tǒng)企業(yè)的數(shù)據(jù)系統(tǒng)結(jié)構(gòu)要更加科學(xué)合理，能滿足多場(chǎng)景的應(yīng)用需求。完整的基礎(chǔ)數(shù)據(jù)從某種意義上講，更準(zhǔn)確、更及時(shí)、生成面更廣的數(shù)據(jù)導(dǎo)入，將更有價(jià)值，能對(duì)企業(yè)發(fā)展起到更大的指導(dǎo)作用。完善的數(shù)據(jù)中臺(tái)服務(wù)數(shù)據(jù)應(yīng)用需要建立一個(gè)完整的數(shù)據(jù)中臺(tái)，指提取各個(gè)業(yè)務(wù)的數(shù)據(jù)，統(tǒng)一標(biāo)準(zhǔn)和口徑，通過數(shù)據(jù)計(jì)算和加工為用戶提供數(shù)據(jù)服務(wù)。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)①解析人的數(shù)據(jù)分析用戶數(shù)據(jù)，準(zhǔn)確識(shí)別用戶，企業(yè)需要回答六個(gè)問題：What——消費(fèi)者進(jìn)店都做了一些什么事情？Why——消費(fèi)者進(jìn)店為什么要做某件事？Who——誰(shuí)是消費(fèi)者，有哪些特征？Where——消費(fèi)者一般去哪些位置？When——消費(fèi)者訪問的時(shí)間一般是什么時(shí)候？How——消費(fèi)者是怎么做這些事情的？6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)②“人”的數(shù)據(jù)化實(shí)現(xiàn)的步驟采集數(shù)據(jù)：消費(fèi)者的原始數(shù)據(jù)采集可以通過線上采集和線下采集兩個(gè)渠道。建立標(biāo)簽：通過分析數(shù)據(jù)建立一個(gè)標(biāo)簽庫(kù)，然后對(duì)符合要求的人群打上相對(duì)應(yīng)的標(biāo)簽。人群建模：對(duì)提取的標(biāo)簽特征進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)之間的關(guān)聯(lián)和模式，進(jìn)一步理解消費(fèi)者的行為和偏好。用戶畫像：給人群匹配各種不同的標(biāo)簽組合，然后為每個(gè)人建立一個(gè)很清晰的畫像，即“人”的全息畫像。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)③“人”的數(shù)據(jù)類型根據(jù)人口學(xué)特征進(jìn)行劃分：可以分為性別、年齡、地域以及職業(yè)等。這些指標(biāo)的差異也預(yù)示著消費(fèi)者的需求不同，可以據(jù)此進(jìn)行市場(chǎng)細(xì)分，再對(duì)選定的目標(biāo)市場(chǎng)進(jìn)行重點(diǎn)運(yùn)營(yíng)。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)③“人”的數(shù)據(jù)類型根據(jù)活躍度進(jìn)行劃分：可以分為新用戶和老用戶。新用戶的分析指標(biāo)包括“新注冊(cè)UV”“新UV轉(zhuǎn)化率”“新客客單”等；老用戶根據(jù)“活躍天數(shù)”“復(fù)購(gòu)率”等又可以進(jìn)一步劃分為活躍用戶、沉睡用戶以及高危用戶，企業(yè)可以據(jù)此對(duì)各類用戶采取相應(yīng)的措施。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)③“人”的數(shù)據(jù)類型根據(jù)用戶價(jià)值進(jìn)行劃分：可以選取“客單價(jià)”“轉(zhuǎn)化率”“復(fù)購(gòu)率”等等作為分析指標(biāo)。其中“復(fù)購(gòu)率”是較為直觀地能夠反映運(yùn)營(yíng)數(shù)據(jù)好壞的指標(biāo)。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型2.新零售“貨”的數(shù)據(jù)①解析“貨”的數(shù)據(jù)“貨”即商品。商品數(shù)據(jù)主要包括商品的各項(xiàng)參數(shù)數(shù)據(jù)、庫(kù)存數(shù)據(jù)、價(jià)格數(shù)據(jù)、銷售數(shù)據(jù)、評(píng)價(jià)數(shù)據(jù)等。“貨”的數(shù)據(jù)化主要為企業(yè)解決“賣什么比較好、賣多少較恰當(dāng)、怎么把商品賣出去、賺多少”這四大核心問題。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型2.新零售“貨”的數(shù)據(jù)②“貨”的數(shù)據(jù)化作用“貨”的數(shù)據(jù)化可以幫助企業(yè)實(shí)現(xiàn)按需生產(chǎn)實(shí)現(xiàn)供應(yīng)鏈前端和后端的銜接，使各個(gè)環(huán)節(jié)數(shù)據(jù)有效對(duì)接?！柏洝钡臄?shù)據(jù)化可以改進(jìn)線下門店經(jīng)營(yíng)線下店鋪利用線上數(shù)據(jù)，分析出應(yīng)該如何設(shè)計(jì)商品展示櫥窗，如何向消費(fèi)者推薦符合需求的商品等，從而直接促進(jìn)交易的達(dá)成。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型2.新零售“貨”的數(shù)據(jù)③“貨”的數(shù)據(jù)類型根據(jù)商品的銷售情況進(jìn)行分析“退貨率”“售罄率”可以直觀地反映商品的受歡迎程度；“周轉(zhuǎn)天數(shù)”“庫(kù)銷比”“平均單價(jià)”則可以衡量商品的周轉(zhuǎn)情況。根據(jù)庫(kù)存管理進(jìn)行劃分可以通過“品類庫(kù)存量”“商品SKU動(dòng)銷率”“銷售庫(kù)存結(jié)構(gòu)”“異常庫(kù)存”等指標(biāo)進(jìn)行分析。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型3.新零售“場(chǎng)”的數(shù)據(jù)①解析“場(chǎng)”的數(shù)據(jù)“場(chǎng)”也就是消費(fèi)的場(chǎng)所或渠道。新零售的“場(chǎng)”是一場(chǎng)多用的“場(chǎng)”，線下門店也融合了線上數(shù)據(jù)。在交互場(chǎng)景中實(shí)現(xiàn)了商品數(shù)字化，交易場(chǎng)景中實(shí)現(xiàn)了支付自動(dòng)化。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型3.新零售“場(chǎng)”的數(shù)據(jù)②“場(chǎng)”的數(shù)據(jù)類型根據(jù)流量趨勢(shì)分析包括“獨(dú)立訪問者數(shù)量”“重復(fù)訪問者數(shù)量”“頁(yè)面瀏覽數(shù)”“門店客流量”等，以此反映門店或者網(wǎng)頁(yè)訪問情況。根據(jù)流量來源分析包括“流量來源頻次分析”“流量來源權(quán)重分析”等，以此反映客戶的獲取渠道。6.1零售數(shù)據(jù)化6.1.3新零售數(shù)據(jù)收集1.線上數(shù)據(jù)收集①“數(shù)據(jù)中臺(tái)數(shù)據(jù)收集包含數(shù)據(jù)采集、數(shù)據(jù)處理、對(duì)企業(yè)提供數(shù)據(jù)支撐等環(huán)節(jié)，從而緊密地和業(yè)務(wù)、運(yùn)營(yíng)結(jié)合在一起。②社交網(wǎng)站數(shù)據(jù)收集的核心是利用圖文和社交網(wǎng)絡(luò)分析方法來認(rèn)識(shí)和預(yù)測(cè)消費(fèi)者在社交網(wǎng)站上的行為。③搜索網(wǎng)站數(shù)據(jù)收集搜索網(wǎng)站根據(jù)特定的計(jì)算機(jī)程序向用戶提供互聯(lián)網(wǎng)上的各色信息，并對(duì)信息進(jìn)行整理，為用戶提供檢索服務(wù)。6.1零售數(shù)據(jù)化6.1.3新零售數(shù)據(jù)收集2.線下數(shù)據(jù)收集①線下門店CRM系統(tǒng)數(shù)據(jù)收集通過數(shù)據(jù)采集傳感器技術(shù)，在線下門店一定范圍內(nèi)定位到用戶，再結(jié)合用戶歷史購(gòu)買數(shù)據(jù)和線上操作數(shù)據(jù)，經(jīng)過計(jì)算輸出智能推薦產(chǎn)品，有力支持門店智慧導(dǎo)購(gòu)的實(shí)現(xiàn)。②掃碼數(shù)據(jù)收集通過構(gòu)建掃碼數(shù)據(jù)終端，可以實(shí)現(xiàn)店鋪貨品查找、商品配送、庫(kù)存盤點(diǎn)、退貨換貨各環(huán)節(jié)的數(shù)據(jù)化，解決店鋪管理存在的商品配置不合理、人員管理混亂等現(xiàn)象。感謝您的觀看THANKS新零售數(shù)據(jù)化運(yùn)營(yíng)第六章6.2人的數(shù)據(jù)分析6.3貨的數(shù)據(jù)分析6.2人的數(shù)據(jù)分析6.2.1用戶人口特征分析以某男士西裝品牌新零售門店為例：2024年1月31日至2月5日1個(gè)星期的用戶數(shù)據(jù)顯示，男性用戶占比76.67%，女性用戶占比23.33%，在年齡分布中年齡段主要集中在30-39歲。說明該男士西裝品牌店的主要客戶是中青年男性，門店可以據(jù)此對(duì)銷售產(chǎn)品以及門店裝修等環(huán)節(jié)進(jìn)行針對(duì)性的改進(jìn)。6.2人的數(shù)據(jù)分析6.2.2用戶活躍度分析以某新零售企業(yè)的用戶相關(guān)數(shù)據(jù)為例：其日新增用戶為2921人，新用戶打開店鋪網(wǎng)頁(yè)的占比為35.88%，但是新增日留存率為7.35%。從時(shí)間上看處于下降的趨勢(shì)，這提醒企業(yè)對(duì)流失的客戶應(yīng)當(dāng)采取相應(yīng)的挽留措施。1.新增用戶分析6.2人的數(shù)據(jù)分析6.2.2用戶活躍度分析以某新零售企業(yè)的用戶相關(guān)數(shù)據(jù)為例：在2月14到2月22日，企業(yè)的用戶活躍度都是高于平均值的，之后就整體處于低值水平。門店在2月14到2月22日之間舉行了門店促銷活動(dòng)，起到了活躍用戶的作用，但是活動(dòng)結(jié)束之后用戶的活躍度就降低，這說明門店對(duì)于客戶的轉(zhuǎn)化和挽留機(jī)制還有待改進(jìn)。2.活躍用戶數(shù)分析6.2人的數(shù)據(jù)分析6.2.3用戶價(jià)值分析1.轉(zhuǎn)化率分析轉(zhuǎn)化率是成功完成轉(zhuǎn)化行為的次數(shù)占總瀏覽次數(shù)的百分比。轉(zhuǎn)化率越高，成本就會(huì)越低。具體公式為：轉(zhuǎn)化率=（轉(zhuǎn)化次數(shù)÷總次數(shù)）×100%評(píng)估轉(zhuǎn)化率可以借助漏斗模型來進(jìn)行分析，不僅能夠評(píng)價(jià)總體的轉(zhuǎn)化率，還能對(duì)各個(gè)環(huán)節(jié)的轉(zhuǎn)化率進(jìn)行細(xì)分。6.2人的數(shù)據(jù)分析6.2.3用戶價(jià)值分析1.轉(zhuǎn)化率分析某新零售企業(yè)分析其用戶轉(zhuǎn)化率時(shí)，首先將用戶分為普通會(huì)員和鉆石會(huì)員。以普通會(huì)員漏斗圖為例，第一步，統(tǒng)計(jì)頁(yè)面的訪問人數(shù)為15899人，第二步，統(tǒng)計(jì)瀏覽商品詳情頁(yè)的人數(shù)占總體訪問人數(shù)的比重為47.59%，第三步，進(jìn)一步統(tǒng)計(jì)將商品加入購(gòu)物車的顧客比重為60.46%，最后一步，對(duì)最終提交訂單的人數(shù)進(jìn)行統(tǒng)計(jì)，總共1955人完成支付，并計(jì)算占比為42.84%。6.2人的數(shù)據(jù)分析6.2.3用戶價(jià)值分析2.RFM模型分析①RFM模型的含義RFM模型是3個(gè)指標(biāo)的縮寫，分別是最近一次消費(fèi)時(shí)間間隔（Recency）、消費(fèi)頻率（Frequency）、消費(fèi)金額（Monetary）。企業(yè)可以通過這3個(gè)指標(biāo)對(duì)用戶分類，從低到高排序，并作為XYZ坐標(biāo)軸，把用戶分為8類。6.2人的數(shù)據(jù)分析6.2.3用戶價(jià)值分析2.RFM模型分析②RFM分析思路確定用戶的RFM三個(gè)指標(biāo)根據(jù)三類指標(biāo)實(shí)際業(yè)務(wù)情況設(shè)置不同區(qū)間根據(jù)區(qū)間將三類指標(biāo)劃分出不同檔次對(duì)于正向指標(biāo)M、F，值越大檔次就越高；負(fù)向指標(biāo)R則相反，值越小檔次就越高。最后根據(jù)不同檔次進(jìn)行客戶細(xì)分設(shè)置XYZ坐標(biāo)軸，將細(xì)分好的客戶類型分別對(duì)應(yīng)進(jìn)相應(yīng)的用戶價(jià)值分類當(dāng)中去。6.2人的數(shù)據(jù)分析6.2.4繪制用戶畫像基于多維度的用戶數(shù)據(jù)分析，用戶畫像相對(duì)于傳統(tǒng)畫像更精準(zhǔn)。多維度的用戶數(shù)據(jù)包括了用戶的個(gè)人數(shù)據(jù)、瀏覽行為數(shù)據(jù)和消費(fèi)行為數(shù)據(jù)，這些數(shù)據(jù)能幫助企業(yè)設(shè)置更多的用戶標(biāo)簽，以此標(biāo)記用戶特征，用戶的標(biāo)簽越多，其畫像也越立體。企業(yè)要做到用戶畫像立體化，需要根據(jù)用戶畫像邏輯，建立一個(gè)用戶行為類目體系，并根據(jù)類目體系，分析總結(jié)出獨(dú)立用戶的用戶畫像。6.3貨的數(shù)據(jù)分析6.3.1商品銷售數(shù)據(jù)分析商品銷售數(shù)據(jù)分析是數(shù)據(jù)分析的一項(xiàng)重要內(nèi)容，商品銷售數(shù)據(jù)如下表所示：商品數(shù)據(jù)指標(biāo)指標(biāo)解讀周轉(zhuǎn)天數(shù)周轉(zhuǎn)天數(shù)是指企業(yè)從取得存貨/產(chǎn)品入庫(kù)開始，至消耗、銷售為止所經(jīng)歷的天數(shù)。周轉(zhuǎn)天數(shù)越長(zhǎng)，表示經(jīng)營(yíng)效率越低；周轉(zhuǎn)天數(shù)越短，表示經(jīng)營(yíng)效率越高。庫(kù)存(存貨)周轉(zhuǎn)天數(shù)=360/存貨周轉(zhuǎn)次數(shù)=(平均存貨×均存貨×數(shù)產(chǎn)品銷售成本)退貨率退貨率是衡量企業(yè)產(chǎn)品質(zhì)量、服務(wù)質(zhì)量等方面狀況的指標(biāo)。退貨率=總退貨數(shù)/總訂單數(shù)售罄率售罄率=銷售數(shù)量/進(jìn)貨數(shù)量庫(kù)銷比庫(kù)銷比=期末庫(kù)存金額/(本期銷售牌價(jià)額/銷售天數(shù)*30)連帶率連帶率=銷售件數(shù)/交易次數(shù)平均單價(jià)平均單價(jià)=銷售金額/銷售件數(shù)平均折扣平均折扣=銷售金額/銷售吊牌額庫(kù)存量單位（StockKeepingUnit，SKU）庫(kù)存進(jìn)出計(jì)量的基本單元，可以是以件、盒、托盤等為單位6.3貨的數(shù)據(jù)分析6.3.1商品銷售數(shù)據(jù)分析在年初的兩個(gè)月中銷售量一般，后面的幾個(gè)月持續(xù)走高，到6月份達(dá)到了全年的峰值，6月之后下降并且在之后的幾個(gè)月都保持平穩(wěn)。圖中的數(shù)據(jù)說明該銷售門店成交金額呈現(xiàn)出明顯的季節(jié)性特征。6.3貨的數(shù)據(jù)分析6.3.1商品銷售數(shù)據(jù)分析對(duì)某新零售門店的銷售金額做進(jìn)一步的數(shù)據(jù)分析，將銷售金額進(jìn)行區(qū)間劃分，并對(duì)其進(jìn)行可視化分析，可以直觀的發(fā)現(xiàn)該門店銷售成交量每月有十幾天都維持在2000-5000之間，其次是1萬以上的區(qū)間，在每個(gè)月中會(huì)占到十天左右。6.3貨的數(shù)據(jù)分析6.3.2商品庫(kù)存數(shù)據(jù)分析新零售運(yùn)營(yíng)庫(kù)存數(shù)據(jù)的分析同樣至關(guān)重要。商品銷售數(shù)據(jù)包括以下數(shù)據(jù)：商品數(shù)據(jù)指標(biāo)指標(biāo)解讀庫(kù)存周轉(zhuǎn)天數(shù)庫(kù)存周轉(zhuǎn)天數(shù)是指企業(yè)從取得存貨/產(chǎn)品入庫(kù)開始，至消耗、銷售為止所經(jīng)歷的天數(shù)。周轉(zhuǎn)天數(shù)越長(zhǎng)，表示經(jīng)營(yíng)效率越低；周轉(zhuǎn)天數(shù)越短，表示經(jīng)營(yíng)效率越高。庫(kù)存(存貨)周轉(zhuǎn)天數(shù)=360/存貨周轉(zhuǎn)次數(shù)=平均存貨×均存貨×數(shù)產(chǎn)品銷售成本庫(kù)齡庫(kù)存賬齡是在某時(shí)間節(jié)點(diǎn)，某種或者某類存貨的庫(kù)存時(shí)間的加權(quán)平均值。庫(kù)存賬齡=∑(批次入庫(kù)數(shù)量*批次入庫(kù)時(shí)間/統(tǒng)計(jì)時(shí)點(diǎn)庫(kù)存總額)售罄率售罄率=銷售數(shù)量/進(jìn)貨數(shù)量庫(kù)銷比庫(kù)銷比=期末庫(kù)存金額/(本期銷售牌價(jià)額/銷售天數(shù)*30)庫(kù)存數(shù)量庫(kù)存數(shù)量=累計(jì)入庫(kù)數(shù)量—累計(jì)出庫(kù)數(shù)量動(dòng)銷率動(dòng)銷率=商品累計(jì)銷售數(shù)量/商品庫(kù)存數(shù)量平均折扣平均折扣=銷售金額/銷售吊牌額庫(kù)存量單位（StockKeepingUnit，SKU）庫(kù)存進(jìn)出計(jì)量的基本單元，可以是以件、盒、托盤等為單位6.3貨的數(shù)據(jù)分析6.3.2商品庫(kù)存數(shù)據(jù)分析做庫(kù)存數(shù)據(jù)分析時(shí)，要注意：1.區(qū)分庫(kù)存總量，將有效庫(kù)存和無效庫(kù)存分別進(jìn)行管理；2.庫(kù)存數(shù)據(jù)量化，對(duì)整體庫(kù)存的數(shù)量進(jìn)行精準(zhǔn)把控；3.庫(kù)存結(jié)構(gòu)分析，確保庫(kù)存結(jié)構(gòu)的適度性；（4）對(duì)庫(kù)存數(shù)據(jù)進(jìn)行預(yù)估，把握未來銷售走向。6.3貨的數(shù)據(jù)分析6.3.2商品庫(kù)存數(shù)據(jù)分析對(duì)某零售門店的庫(kù)存數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)其庫(kù)存周轉(zhuǎn)率波動(dòng)比較大，5月-8月庫(kù)存的周轉(zhuǎn)情況是全年最好的階段，其余月份都低于50%，這可能是因?yàn)樵摿闶坶T店專營(yíng)季節(jié)性產(chǎn)品，因此出現(xiàn)了較大幅度的變化。感謝您的觀看THANKS新零售數(shù)據(jù)化運(yùn)營(yíng)第六章6.4場(chǎng)的數(shù)據(jù)分析6.5大數(shù)據(jù)時(shí)代的零售小數(shù)據(jù)6.4場(chǎng)的數(shù)據(jù)分析6.4.1流量趨勢(shì)分析1.獨(dú)立訪問者數(shù)量獨(dú)立訪問者數(shù)量（UniqueVisitors，UV），有時(shí)也稱為獨(dú)立用戶數(shù)量。指在一定統(tǒng)計(jì)周期內(nèi)訪問網(wǎng)站的數(shù)量（例如每天、每月），每一個(gè)固定的訪問者只代表一個(gè)唯一的用戶，無論他訪問這個(gè)網(wǎng)站多少次都計(jì)數(shù)為1。6.4場(chǎng)的數(shù)據(jù)分析6.4.1流量趨勢(shì)分析2.重復(fù)訪問者數(shù)量重復(fù)訪問者數(shù)量（RepeatVisitors，RV）反映了站點(diǎn)用戶的忠誠(chéng)度，站點(diǎn)用戶的忠誠(chéng)度越高，重復(fù)訪問者數(shù)量越高。6.4場(chǎng)的數(shù)據(jù)分析6.4.1流量趨勢(shì)分析3.頁(yè)面瀏覽數(shù)頁(yè)面瀏覽數(shù)（PageViews，PV）是指在一定統(tǒng)計(jì)周期內(nèi)所有訪問者瀏覽的頁(yè)面數(shù)量。如果一個(gè)訪問者瀏覽同一網(wǎng)頁(yè)三次，那么網(wǎng)頁(yè)瀏覽數(shù)就計(jì)算為三個(gè)。6.4場(chǎng)的數(shù)據(jù)分析6.4.1流量趨勢(shì)分析4.每個(gè)訪問者的頁(yè)面瀏覽數(shù)即在一定時(shí)間內(nèi)全部頁(yè)面瀏覽數(shù)與所有訪問者相除的結(jié)果，即平均一個(gè)用戶瀏覽的網(wǎng)頁(yè)數(shù)量，反映了用戶的“黏性”。平均訪問頁(yè)數(shù)=瀏覽量/訪問次數(shù)(PV/Visits)6.4場(chǎng)的數(shù)據(jù)分析6.4.2流量來源分析1.流量來源頻次分析以某零售店鋪2022年線上線下的流量來源以及各自的頻次為例：訂單中心和購(gòu)物車的自然流量來源是最多的，其次是優(yōu)惠券流量來源。這說明店鋪的線上流量推廣實(shí)施效果顯著，消費(fèi)者在推薦頁(yè)面看到店鋪產(chǎn)品大部分都會(huì)選擇點(diǎn)擊查看。與之相反的是活動(dòng)會(huì)場(chǎng)和促銷等線下活動(dòng)流量頻次最少，這說明線下的促銷活動(dòng)與現(xiàn)在的科技生活不太適應(yīng)，也說明店鋪的線下促銷活動(dòng)有待改進(jìn)。6.4場(chǎng)的數(shù)據(jù)分析6.4.2流量來源分析1.流量來源頻次分析以某零售店鋪流量來源權(quán)重分析為例：選取“訪客數(shù)、加購(gòu)人數(shù)、成交金額、成交轉(zhuǎn)化率”四個(gè)維度進(jìn)行排名。其中訪客數(shù)指標(biāo)里頻次最多的是活動(dòng)會(huì)場(chǎng)，原因可能是線下活動(dòng)通常選在商超內(nèi)，人流量較多；而其余三個(gè)指標(biāo)則是訂單中心和購(gòu)物車的頻次最多，其次是優(yōu)惠券。這說明在實(shí)質(zhì)的訂單成交指標(biāo)上，還是線上活動(dòng)占比最大，店鋪可以著重關(guān)注。6.4場(chǎng)的數(shù)據(jù)分析6.4.2流量來源分析1.流量來源頻次分析以某零售店鋪流量來源權(quán)重分析為例：流量來源權(quán)重也可以通過雷達(dá)圖來展現(xiàn)，通過選取“訪客數(shù)、加購(gòu)人數(shù)、成交金額、成交轉(zhuǎn)化率”四個(gè)評(píng)價(jià)維度，分別對(duì)每個(gè)維度中的促銷、優(yōu)惠券、購(gòu)物車等指標(biāo)進(jìn)行頻次統(tǒng)計(jì)，四項(xiàng)維度評(píng)價(jià)重疊度越高的，權(quán)重最高。在該雷達(dá)圖中，權(quán)重排名依次為：購(gòu)物車，訂單中心，搜索，商品詳情，優(yōu)惠券，促銷，下單和支付，京挑客，店鋪，待分類。6.5大數(shù)據(jù)時(shí)代的零售小數(shù)據(jù)6.5.1零售小數(shù)據(jù)1.小數(shù)據(jù)的概念小數(shù)據(jù)是基于大數(shù)據(jù)的概念來提出的，大數(shù)據(jù)側(cè)重于大規(guī)模數(shù)據(jù)的采集和分析，小數(shù)據(jù)則更側(cè)重于數(shù)據(jù)的深度。例如：大數(shù)據(jù)分析，嬰兒尿布可能與奶粉有關(guān)。啤酒消費(fèi)者可以同時(shí)購(gòu)買花生和其他零食。但是沃爾瑪，利用一個(gè)小型數(shù)據(jù)分析表明，男性顧客在購(gòu)買嬰兒尿布時(shí)往往會(huì)喝上幾瓶啤酒，獲得了極佳的效果。6.5大數(shù)據(jù)時(shí)代的零售小數(shù)據(jù)6.5.1零售小數(shù)據(jù)2.小數(shù)據(jù)對(duì)新零售企業(yè)的作用提升消費(fèi)者觸達(dá)率和服務(wù)黏性小數(shù)據(jù)不再局限于“下單”和“售后”，而是挖掘“選購(gòu)—對(duì)比—下單—反饋—推薦”整個(gè)關(guān)系鏈。挖掘優(yōu)勢(shì)產(chǎn)品和潛力服務(wù)項(xiàng)目小數(shù)據(jù)的運(yùn)營(yíng)和整合，幫助企業(yè)研發(fā)更多產(chǎn)品及服務(wù)