六、活动维度指标

　　· 业务背景：活动类指标，相比传统行业，互联网行业的营销活动力度更大，基本上都是烧钱换增长，所以活动类指标关注度也很高

　　· 活动目标人数：符合活动规则的人数，漏斗第一阶段;活动的定位

　　· 活动参与人数：符合活动规则且实际参与的人数，漏斗第二阶段;参与人数很少，有可能不合理

　　· 活动达标人数：参与活动且达标的人数，漏斗第三阶段;达标人数很少，有可能难度系数高

　　· 活动领奖人数：达标且实际领奖的人数，漏斗第四阶段;兑现难，有可能流程存在问题

　　· 活动参与后消费人数：参与活动且实际消费的人数

　　· 活动转化率：参与活动且实际消费的人数/活动参与人数

　　· ROI投资回报率：收益/投入总额

　　· 概括总结：

　　· 通过漏斗分析可以直观地看到活动效果，再对不同类型和力度的活动进行对比分析，寻找更高效的活动方案

　　· 有些活动可能同时包含多个角色，比如拼团活动的团长和团员，裂变活动的发起者和参与者，不同角色的参与条件、达标条件、达标奖励不太一样

　　七、商品维度指标

　　· 业务背景：商品类指标，传统行业大部分是实物商品，而互联网行业除了实物商品还有虚拟商品，比如虚拟币、会员特权、游戏装备、直播打赏等

　　· 采购周期：商品采购从下单到入库的时长，结合库存量与销售量，判断是否补货

　　· 在途商品数量：已下单但未入库的商品数量，结合库存量，预测未来的库存是否足够

　　· 在库商品数量：在库可售的商品数量，商品分析的核心：不能多也不能少

　　· 在库商品库龄：在库商品从入库至今的时长，库龄越久，越需要清货

　　· 在库商品可售时间：在库商品按销售趋势，预计可售时间，可售时间越短，越需要补货

　　· 在库商品销售排名：按商品销量排序，区分畅销和滞销商品，畅销关注进货，滞销关注清货

　　· SPU：款式/型号，例如iPhone 12

　　· SKU：款式/型号+颜色+尺码，例如iPhone 12 + 128G + 磨砂黑

　　· 概括总结：

　　· 通过商品维度分析，区分畅销和滞销商品，从而调整进销存计划，避免过度积压或缺货

　　· 对于在库商品保持动态平衡，原则上：好卖的多进货，不好卖的少进货，卖不动早清货，卖得动多卖点，说起来容易做起来难

　　· 对于虚拟商品的库存，理论上可以想定多少定多少，但是过度加大库存，容易引发商品贬值，比如王者荣耀的稀有皮肤，物以稀为贵，如果满大街都有，那么就不值钱了，所以高中低端的商品库存保持正态分布

上一篇

小白学Python之互联网数据分析之业务指标（二）

下一篇

小白学Python之互联网数据分析之搭建指标体系（四）