隨著2022年雙 11 臨近，小明是杭州某天貓旗艦店的運營擔任人，自本科院校結業后加入該職業以來一向就職于該店肆。

為了使得店肆本年雙11的營收添加以及自己的收入添加（收入占店肆出售額提點），他需求擬定店肆在本年雙 11 的一個運營計劃方向，小明想到了經過數據比照的方法，嘗試經過前史大促的表現來總結大促的改變和規律，然后得出運營方向，為此小明期望獲得如下幾組數據來進行比照剖析：

近 3 年（即 19-21 年雙 11 期間）的店肆訪客數、下單買家數、支付買家數、支付轉化率、客單價。

終小明憑借東西-電商流量剖析產品 A，拿到了上述數據并得出如下表格：

表格：近3年雙11店肆數據

剖析數據小明發現近 3 年雙 11 大促存在幾個現象。

現象1：店肆流量逐年下降

從19-21年雙11的店肆訪客數從6134下降到5941，再下降到5745，每年較前一年呈現 3% 的下降趨勢。小明結合抖音等產品的火速開展，猜測是淘系全體的一個流量占比在電商市場遭到了外部產品的蠶食，導致了淘系全體流量變少，各店肆的流量也隨之削減。

現象2：轉化率根本安穩

近 3 年的轉化率別離是 20.0033%、20.0135%，20.6963%，全體都在 20%，有一點點纖細的提高。闡明店肆的顧客人群的轉化率仍是比較安穩的，沒有因為流量削減，出現下滑。

現象3：客單價較大提高

客單價這3年呈安穩的上升趨勢，從323.93上升到388.96再上升到了407.57，經過出售額=客單價X支付買家數的公式，推導出近3年的出售數據別離為397462.11，462473.44，468297.93，并得到出售額呈上升的趨勢別離添加率為16.36%和1.47%。

由此可估測客單價的提高從使店肆出售數據沒有因為流量下滑而大幅度下降，甚至在 20 年對 19 年還有較大程度的提高。

結合3個現象，小明得出猜測，本年也便是22年店肆的流量還會存在必定程度的下降，在轉化率得以保持的狀況下，能夠持續在客單價方向上發力，經過策略提高顧客的客單價，確保店肆出售數據不會出現大規模的下降。

但從客單價每年都有較大的添加狀況下，21 比 20 年的出售額提高比例遠遠小于 19 比 20 的提高，闡明客單價關于安穩店肆出售數據的意義或許在削弱，但因為數據只要 1 年的改變不具備代表性，所以在挑選持續提高客單價的同時，能夠考慮尋覓新的策略來完結店肆的出售數據的添加。

以上，便是電商職業中比較常見的一個場景，從業人員小明經過數據產品A供給的前史數據所表現出來的數值、趨勢和改變，總結復盤出前史作業的現象，并經過現象得出對未來的猜測，并以猜測作為依據擬定輔導未來的作業計劃。

由此可見數據產品在職業中現已成為舉足輕重的存在，協助用戶在作業場景下剖析和決議計劃。已然數據產品如此重要，今日想和咱們評論下其規劃理念，詳細表現為是從用戶視角來評論下電商數據產品的一些規劃理念。

一、剖析電商數據產品的用戶

已然要從用戶視角來剖析，首先咱們先需求了解下電商數據產品背面的用戶。

這個用戶是什么呢？用戶便是咱們電商數據產品所服務的一個人群，這個人群是多樣且復雜的，不同的電商數據產品服務了不同的人群。

像電商流量數據產品，服務的是需求以流量數據來作為輔導作業的人群，文章初的運營小明便是一個電商流量數據產品的服務方針，用流量數據來服務于自己的作業，為作業方向供給依據。

而電商客服數據產品，服務的便是需求以客服數據來作為輔導作業的人群，或許是一個客服主管，用客服數據來核算客服團隊的績效薪酬。

盡管不同的人群會存在差異性，但是也會具有一些共性，滿足多的共性使得他們又組成了一個具有新特征的人群，也便是今日咱們要評論電商數據產品規劃理念的根底，在評論規劃理念前，就先需求找出這個人群的共性特征。

共性1：數據精確性要求高

在這個人群的作業場景中，是需求經過數據來擬定運營方向或開展作業的。

• 典型的稀有據剖析，以剖析數據來作為運營方向的輔導，例如經過數據來復盤前史活動總結經驗和教訓；
• 數據依據，以數據作為日常作業的依據，例如績效考核和薪酬核算需求用數據來核算；
• 以數據作為未來方針，猜測未來，例如經過數據趨勢猜測未來改變，和擬定方針。

數據是該人群作業場景中的根底。以一份過錯的數據作為依據，會導致產生過錯的判別，終影響到了該人群的切身利益，包含營收、贏利和薪酬等，甚至造成嚴峻的虧損出現。這就造成了這個人群對數據是十分敏感的，而且對數據精確性的要求很高，甚至關于數據過錯是零容忍的。

像文章初事例中的小明，雙 11 店肆的成績直接關系到他的提點收入，如果前史數據出錯，就會導致對本年雙 11 方向產生了誤判 ，挑選了過錯的計劃，導致店肆出售額數據削減，終小明的提成收入削減。那么小明必然對該產品失去了信心，產生了流失。

相似的事例還有許多，甚至會導致投訴索賠產生，例如老板經過本錢數據東西核算贏利，數據過錯會導致本錢核算過錯等等。

共性2：數據獲取本錢低

這個人群的作業場景中面對的事務是在線上產生的，而且通常日常作業流中會運用到許多線上東西，因而該人群想要獲取的數據本錢低。

這里咱們能夠從兩個方面來看“本錢低”這個概念，一是該人群面對的事務都幾乎是在線上產生的，以顧客的行為數據為主 ，是顧客的閱讀、加購、收藏和退款等行為�，F在電商職業開展較為完善，有許多手段和方法記載這些數據，像是訂單體系、會員體系等。使得顧客的行為數據有依據可循。

二是電商從業人群自身的作業行為也會依托各種東西，像是運營報名活動的運用到的報名東西，客服團隊招待顧客時運用到的招待東西等等，這些行為數據都被各種作業東西記載下來。使從業人員自身的作業行為數據也能夠被追溯到。

歸納這兩個方面，該人群所需求的數據在獲取上是會相對簡單的，不管是想要對外的顧客數據，仍是對內的內部作業數據都有記載下來，而為什么說是相對呢，主要是針對線下場景來說的。

文章初小明的事例中，顧客在拜訪天貓旗艦店都會留下拜訪記載，想要核算訪客數只需求按必定的核算規則將需求核算時刻段內的拜訪明細匯總處理就能夠得到店肆的訪客數據。

但假如這個店肆是一個線下的實體店肆，訪客量便是該店肆的人流量，而當產生在線下場景時，顧客進店的行為想要記載下來的本錢就會大許多，例如想要核算店肆一個時刻段的人流量，或許就需求經過一些智能辨認東西，來辨認進店的人數，這樣的本錢就會高許多，是一種比較難獲取到的數據。

共性3：數據時效性要求低

這部分人群有一個比較典型的特征是，在其作業場景中，并不是一線的履行人員，或許其盡管是個履行人員但有必定的決議計劃權。

這個決議計劃指經過運用數據來完結其作業需求，歸于重要但并不緊迫的作業。像是十分常見的擬定計劃，便是運用數據，完結剖析后得出的。考核計劃，也是經過數據來完結辦理的作用。

例如小明做本年雙11的計劃，雙11年只要1次時刻也是根本固定的，理論上只需求在小明做計劃的截止時刻前準備好這部分數據，就滿足小明進行剖析了。

小明在這里的作業是有較大時刻寬余的，歸于并不緊迫的作業。通常狀況下今日能更新出昨日的數據現已能夠滿足該人群關于數據運用的絕大部分需求。

反之像買賣/出資這類軟件中，這類軟件服務的人群的運用場景中用戶行為是需求即時反饋的，歸于緊迫的行為范疇。

電商場景里的一些作業也歸于需求即時反饋的，例如給用戶處理修改價格等，需求在較短的時刻內完結。一旦滯后了，就會失去這一次機會了。

共性4：存在數據剖析才能不強的現象

近年來電商職業全體開展飛速，各大高校紛繁打開電商專業人才運送，整個職業的從業者素質教育水平越來越高。

但不行避免的是，前史存量人才以及電商專業不涉及專業數據剖析，職業內部分從業者關于數據的剖析才能并不是很強，存在良莠不齊的狀況。而數據剖析才能不強意味著這個人群在數據剖析上關于過于專業的數據定論承受才能較差。

了解這 4 個人群關于數據剖析觀點的共性后，咱們能夠以此作為一個人群的特征，即該人群在事務上對數據的一個觀點或共識。把握后，咱們能夠此來評論電商數據產品的規劃理念了。

二、數據產品規劃理念

在評論完這個人群的特征后，咱們就能夠依據這些特性，總結出一些規劃理念。

理念1：數據精確是榜首要義

通常在b端產品中，為人熟知的一條規劃原則便是“降本增效”，許多功用都是環繞這個打開的。

b 端數據產品也不例外，咱們的用戶運用 b 端產品也是為了下降本錢，添加效益。

但在之前，有一個前提，便是數據需求精準，因為 b 端數據產品和其他 b 端產品不相同，它的降本增效是經過供給數據、數據加工、數據剖析成果等來完結的，數據能否精確決定了它是否有或許協助想要服務人群完結“降本增效”，一同經過簡略的兩個東西來比照下。

1. 東西 1：客服訂單備注東西，供給了客服在訂單上備注的才能，客服在招待顧客時能夠憑借該東西快速備注顧客要求，然后下降了記載的本錢（相比于紙張/電腦上記載）。
2. 東西 2：客服績效核算東西，供給了客服數據，用戶挑選要害字段后按預設的核算公式核算出客服薪酬。

東西 1 是供給了產品功用來完結用戶的本錢下降；而東西 2 這個數據產品，盡管也供給了功用協助用戶下降本錢削減了運算的進程，但假如功用前的數據是過錯的，那么功用再完美也是沒有意義的。

由此可見數據精確性是數據產品的核心，以上便是人群“數據精確性要求高”這個特征要求咱們的數據產品數據是精確的。

而另一方面“數據獲取本錢低”的特征，又為咱們的精確性供給了根底，完善的底層根底建設確保了電商職業的原始數據被完好精確和低本錢的保留了下來，咱們在此的根底上加工數據是有保障的。

詳細怎么規劃數據精確性上，咱們能夠從兩個方面下手，一是咱們關于數據字段的了解不能產生誤差，b 端數據產品經理并不身處于該產品服務人群的場景之下，對部分字段的了解會出現一些想當然的誤差。

舉一個簡略的事例，談天量的了解，日常微信談天中，今日有 5 個人和我進行了談天，包含發消息給我的和我主動發消息曩昔的，那么今日我在微信上的談天量便是 5，這是一種常見關于談天量的了解。

咱們如果把這個了解概念復制到客服呼叫場景下，像是中國移動的客服，一天有 100 個人給他發了消息，那么他的談天量便是 100，這便是一個過錯的了解了

中國移動客服和手機機主的交流場景一方面不像微信的熟人談天相同，能夠直接觸達對方，機主是需求進行分配到詳細的客服后才可開端和人工客服的談天。

另一方面客服也不能像在微信相同上午看到消息下午再回復，如果超過了必定的時刻談天就會被封閉了，客服就不能再回答機主的問題。

在這兩個特征下，中國移動客服的談天量應該是由一個又一個會話組成，機主分配到詳細人工客服后，標志著一個會話的開端，而一個客服和一個機主在必定時刻內不產生談天信息導致談天封閉，就標志著一個會話結束。同一個機主一天內或許和客服產生了多個會話。

二是在產品規劃中，要使得數據的加工邏輯性正確，只從明細數據加工成核算數據的進程，實質上是一個數學核算上的進程，但實踐僅從數學上核算，得出來的數據并不必定是正確的。

一是因為數字自身不考慮現實意義導致的，像是常見的算平均數時把人算成了 x.幾個人，比方 3.3 人，而現實意義上人是一個完好的單位個別，沒有 0.3 個人這樣的說法。

二是因為數字自身具有迷惑性，會遭到核算方法導致的失真，像是平均數會因為極大或極小值導致平均數高于或低于真實的狀況。咱們在對數據進行加工時，就要充分考慮數字在現實場景下的含義，并依據真實狀況，挑選適宜的一個核算方法，這樣加工得出來的數據才會具有輔導意義。

仍是一同來看個例子來加深了解考慮現實意義后的核算數值才是有價值的，咱們需求經過原始數據 100 條訂單明細來核算當日購買人數，首先不考慮數字的現實意義，1 個訂單明細代表了由 1個顧客下了一個訂單，以此作為核算邏輯，咱們算出了當日購買人數是 100 人。

當咱們考慮數字的現實意義，咱們都知道一個顧客會存在購買多筆的狀況，然后導致 1 個顧客會下多個訂單的現象，按照這個核算邏輯，剖析 100 個訂單明細發現，實踐是有 23 個顧客重復了，終核算出當日購買人數是 77 人。

在這里如果咱們不去考慮這個現實意義，就會導致得出過錯的購買人數定論，而得出的 77 人能夠協助咱們了解現在存在 1 個顧客購買多筆的狀況，能夠更好地協助咱們做一些單個顧客下多筆訂單的活動和功用。

理念2：供給前史數據

該人群需求一個今日之前某個周期內的數據來輔導作業，咱們就需求供給的是一個前史數據。

能夠看這個數據的一個界說是“前史”，前史闡明這份數據在時刻維度上是一個產生在當日以前時刻段的一個數據。需求前史數據，是因為該人群的特征 3 推導出來的，該人群的作業場景是一個重要但不緊迫的非即時操作場景，不需求時效性高的數據，供給一個實時改變的數據對該人群來說沒有意義。

例如小明地點公司每月 10 日發薪酬，那么假設在11月10日需求發放薪酬了，原則上只需求在 11 月 10 日前依據 10-1 到 10-31 這個周期的數據，為小明核算 10 月份小明擔任店肆出售額所帶來的提點成績就行，這里的 10-1 到 10-31 周期的數據便是一個前史數據。

再來看前史數據，這份數據的周期是現已產生的，那么其數據是一個安穩的數據，一般不會再產生改變了。產生改變只會在一些特別的場景，例如行政上命令的改變，法律上對判定的修正。這種是對前史數據的一個修正或拋棄，是一種比較少見的場景。

前史數據作為一個安穩的數據，也滿足了該人群需求經過前史數據來輔導作業的需求，一個不安穩的數據會導致作出的定論無法被作為依據。

理念3：供給簡略易懂的數據

該人群存在數據剖析才能不強的現象，這就要求咱們在供給數據字段、數據剖析東西和功用時，要供給考慮人群的承受度，供給較為根底的字段和根本剖析東西為主。

簡略就意味著公式過程少，圖表組成元素少。像是簡略的加減乘除便是一個過程少的核算公式，折線圖便是一個組成元素少的圖表。這些就歸于簡略易懂的數據，過程少和元素少，更簡單被人了解和閱讀，反過來的，元素多的便是一個圖表會導致用戶了解本錢上升，不簡單了解。

在完結相同作用的前提下，挑選更簡單被該人群所了解所承受的方法，削減添加該人群對字段和功用的了解本錢，過于專業的數據剖析功用，一旦無法被該人群了解，終反而會得出過錯的定論，甚至造成了負面作用。

三、總結

本文咱們依據電商數據產品服務用戶中對數據觀點的共性，歸類了一個人群，并以這個人群的 4 大特征，總結了 3 個規劃理念，別離是數據精確是榜首要義；供給安穩的前史數據；和供給簡略易懂的數據。

專欄作家

晌午，微信大眾號：晌午自習室，人人都是產品經理專欄作家。4年產品經驗，專注于數據方向，現在是電商客服范疇的產品 。