Python数据分析与数据化运营：商品数据化运营4-“大实话”

作者：宋天龙（TonySong），资深大数据技术专家，历任软通动力集团大数据研究院数据总监、Webtrekk（德国最大的网站数据分析服务提供商）中国区技术和咨询负责人、国美在线大数据中心经理。

本文来自《Python数据分析与数据化运营》配套书籍第5章节内容，机械工业出版社华章授权发布，未经允许，禁止转载！此书包含 50个数据工作流知识点，14个数据分析和挖掘主题，8个综合性运营案例。涵盖了会员、商品、流量、内容4大数据化运营主题，360°把脉运营问题并贴合数据场景落地。

课程学习链接：网站数据分析场景和方法——效果预测、结论定义、数据探究和业务执行https://edu.hellobi.com/course/221

前文传送门：

本节的大实话，将解释几个常见的商品数据化运营中的潜在规律和知识，这些知识会增加读者对运营本质的理解。

6.6.1 为什么很多企业会以低于进价的价格大量销售商品

在商品销售中，我们经常会看到一些价格非常低，甚至还包邮或免运费的商品，并且这些商品的销量还非常大，例如5元全国包邮。如此低价的大量“倾销”商品，是否是一种“赔本赚吆喝”的买卖？

这种现象非常常见，但除了极少数情况外，这其实不是一种“赔本赚吆喝”的行为，这类行为的动机主要包括以下几种：

扩大市场占有率

当企业想要扩大某类商品的市场占有率时，最佳途径是通过低价快速占领市场，等具备一定条件之后再恢复正常价格，通常这类条件包括：已经将竞争对手扼杀、已经建立绝对的市场地位之后、用户的消费习惯已经养成等。现在很多企业在市场营销策略上都会如此应用，例如滴滴打车最开始的补贴行为、运营商对新客户的巨额补贴、京东最开始的“多、快、好、省”等都是如此。当然，这类行为需要企业具备一定的资金规模，能够承受短期（或比竞争对手更长期）的亏损；或者可以从外部获得资金注入以满足市场发展需求。

树立低价商品形象

很多时候商家会将爆款商品的价格压得很低，这类商品通常是销售领域中具有标杆性质的商品，例如苹果中的iPhone就是如此。由于消费者无法获知所有商品的价格，只能通过对某些具有标杆性质的商品价格来感知商家的平均价格水平，因此将这类标杆商品价格压低之后，消费者会由于标杆商品价格低而产生对商家所有商品都会比较低的认知，这是一种常见的销售策略。

获得更有力的店铺排名

很多第三方经营平台的商品和店铺排名，都会受到商品销售量、点击量、浏览量、咨询量、评论量等诸多因素影响，而这些因素最基础的因素是“引流”，即首先要有人看到商品或店铺，然后才有可能形成浏览、转化、咨询等进一步动作。因此低价是吸引用户点击和浏览的最佳途径之一，商家自然希望通过低价来获得更多的用户流量，然后在做好后端销售和服务的基础上来提升店铺排名，最终增加店铺销售。

新产品推广

当企业推广新产品时会经常使用免费试用或低价销售的策略获得用户关注，这对于新领域内的商品尤为重要。免费或低价意味着用户无需付出任何商品购买成本或只需付出一点点成本便能获得商品体验，是一种比较好的推广方式。当然，商品低价甚至免费并不适合所有商品，因为除了商品购买成本外，消费者体验还会受到其他因素影响，例如商品应用场景、使用成本、使用习惯、使用周期等多个因素的影响，总体而言，商品使用的综合成本越低、所需时间越少、使用限制越少，越能获得更多的用户体验意愿。

去库存

在“6.2.3 供应链指标”我们提到了一些非常重要的供应链指标，包括库龄、滞销金额、残次数量等指标，这些指标都对应的运营场景一般都是商品无法或很难销售出去。对于这类包括过季、滞销、残次等因素导致的商品，企业一般会采用多种方式做促销，低价促销是其中的一种，低价相对于原始商品销售价格可能会更低，但却能将“静态”库存转换为“动态”现金流，这种价值不是低价所能一次性衡量的。举个例子，例如商品A积压在库存中的时间为1年，假设此时商品A以低于进货价100元的价格“亏损”卖出，那么商品回收的资金在接下来的1年内可能获得200年的净利润；如果商品A仍然不作低价销售，那么接下来的1年内商品本身的进货成本、库存成本、管理成本等综合成本仍然存在，甚至还会面临无法销售出去的问题，此时会导致更多的亏损。

薄利多销

很多我们看到的“低价”商品，其实相对于其进货价来讲是不亏损的。以利润率非常高的家纺类产品为例，假设某品牌家纺的四件套日常销售价格为500元，即使以250元“对价”销售，该四件套也不会亏损，因为毛利润一般都远超过50%。很多行业的商品毛利润非常高，即使以低价销售，企业仍然有利可图。此外，企业中都存在着边际效应规律，当销售规模越来越大时，其单位成本会越来越低，这会表现在运营的各个方面，例如库存、送货、销售、促销等。当企业通过低价的方式将商品大量销售出去后，其边际成本会一般会比较低，单位商品的利润会通过多销而补足甚至提升。

组合销售策略

在商品结构中，并不是所有的商品都承担“毛利”任务。在“6.5.3 使用BCG矩阵做商品结构分析”中我们提到了四类商品，只有“现金牛”是主要负责产生毛利的，而其他的商品则可能分别承担了引流、梳理商品形象、扩大市场占有率、新模式探索、合作伙伴联盟共赢等多种角色，其中低价商品即使相比于批次进货价处于亏损状态，在整体销售组合策略的支持下，公司的整体利润仍然为正。

6.6.2 促销活动真的是在促进商品销售吗

以促销带销售是绝大多数企业商品运营的基本思路，并且很多消费者也被“惯坏了”，如果不是非常着急买，那就等企业做活动时候再买。

如下图6-4显示了某企业常规性月度活动的订单量按日分布图（图中部分数据已经做处理）。

图6-4某企业常规性月度活动订单量对比图

从图中可以看到在企业做促销活动的每月18日，订单量确实会有非常大的增长。但是，当看一整个月的订单分布时却明显发现，在18日前后的时间内的订单量都比月初要低不少。在18日之前的时间，由于企业在做促销活动时都有领券和活动宣传，经常性的告知用户优惠券只能在18日使用并且18日会有更多优惠活动，此时的消费能力被暂时性的“禁锢”；等到18日当天则全部释放出来，形成了当日的“巨大”增长；而到18日之后，由于消费需求大多都已经释放，之后的订单都属于常规性订单，因此订单比较少。

这种情况下，如果我们把18日的订单分散到每日，其实会发现做活动会比做做促销活动的效果好不了太多。既然如此，为什么企业会要做促销活动，可能有以下因素影响：

• 如果本企业不作促销活动，那么用户的消费需求会被竞争对手的促销活动吸引走，此时必然会降低本企业的订单和销量。

• 很多用户已经养成了“促销订单”的习惯，要改变这种习惯只靠一个企业是不可能的。

• 促销是增加用户活跃度和忠诚度的必要方式之一，没有促销活动作为载体，企业会减少与用户的沟通机会，久而久之会导致用户流失。

• 企业市场声量的考虑，促销活动必然意味着市场宣传，这种宣传可以吸引用户关注、增加投资者的信心、提高促销时的商品销量.如果没有这类宣传，那么企业将慢慢在市场上失去关注度。

• 销售方式单一的无奈选择，很多企业的运营方式单一，缺乏综合性、强粘性和组合性的运营策略，只能依靠促销来销售。

提示 当然，除了这些基本运营层面的因素，很多行业巨擘也试图通过“大事件”来彰显企业对于社会的贡献力和影响力。通过类似于全国性的活动，企业能够“轻而易举”的获得社会总销售额超过1%的流水贡献，并能广泛影响商品销售产业链的生产、加工、制造、物流、库存、运输、分销等各个环节。这种“无声胜有声”的说服力，会极大增加企业在跟政府、资本市场、供应商、合作伙伴等的谈判地位和谈判能力。

6.6.3 用户关注的商品就是要买的商品吗

在做用户关注度分析时，我们可以通过用户浏览的信息分析出用户到底关注哪些商品。但是，如果通过关联分析来对用户的关注（或最经常浏览的商品）和购买商品做关联性分析（具体见“4.4.2 不要被啤酒尿布的故事紧固你的思维”），却会发现二者其实经常会不一致，而且结果通常是用户关注的商品会比购买的商品更“高端”，表现在价格更高、质量更号、品牌认知度更高等方面。

为什么很多用户关注的商品跟实际购买的商品有出入？这主要受到以下因素的影响：

用户希望从更“高端”的商品上获得更多信息

一般情况下，更“高端”的商品在质量、性能、品质等方面会更胜一筹，用户可以从这类商品中发现一些更高价值的产品属性点，然后将这些产品属性点应用到实际要购买的商品上。例如用户可能只需要购买一款2000元左右的Android手机，但在做产品对比时用户需要了解哪些属性是某些商品区别于其他商品的显著性特征，除了查询相关知识外，常用的方法是查看更“高端”的商品会具有哪些特别属性，此时可能会看下华为P10、三星S8等。

用户的心理预期是购买更好的商品

在购买商品时，用户往往会有一个目标购买商品的价值基准，以及围绕价值基准上下可波动的价值范围。如图6-5

图6-5用户预期商品价值

围绕目标商品的价值基准，用户的预期价值允许上下一定范围内的波动。通常，在具备对应购买能力的前提下，用户会倾向于购买更好的商品以获得更多的商品价值。因此，符合区间①内的商品便是用户经常性浏览的商品。

用户的购买力不支持目标商品价值

在某些情况下，也会存在用户关注的商品价格高于实际购买力的情况，这种情况主要分为两种因素：

因素一 现阶段没有如此高的购买力，但是在未来可预期的时间内可以达到，因此提前做“功课”，等到具备购买力时“一举拿下”，这种针对二次购买需求的场景经常发生。

因素二 要购买的商品的价格突然高于自身购买力，或由于某些原因导致计划资金临时性占用而无法完成购买。例如商品临时调价、资金临时用作别的用途等。

6.6.4 提供的选择过多其实不利于商品销售

在互联网时代，信息的获取成本越来越低。消费者在购买商品时不再是信息匮乏，而是信息泛滥。海量信息在满足消费者个性化需求的同时，也会对用户销售转化产生负面影响。例如，当用户在要购买13.3英寸的MAC笔记本时，可能会面临以下情况：

• 不同年份的机型，现在有16款还有17款的。
  

• 不同的套餐，有官方套餐还有各种增加了不同配置、不同配件的套餐。

• 不同的来源，有国行、港行以及各种来自其他平台的非正规渠道机器。

• 不同的配置，包括内存、硬盘等规格不同。

• 不同的卖家，有官方商城、个人店铺、第三方大卖场还有大型销售连锁商等。

面对如此多的选项，缺乏实际购买经验的消费者如果要仔细甄别需要花费大量的时间和精力做调查研究，对大部分用户来讲是不现实的，这会导致很多用户会直接放弃购买或者转而购买其他需要投入资源更少的商品上。

另外，提供的选择过多也可能会将用户关注的信息淹没，用户无法快速找到关注的商品信息，也会阻碍商品销售转化的产生。

这些问题对于具有海量商品信息的大型商场、在线商城等非常突出，个性化推荐的产生便可以解决这一问题。个性化推荐可以有效针对用户的潜在关注点针对性的给出用户可能关注或喜欢的商品，从而大大降低用户购买时的综合成本（包括时间和精力），从而提高商品转化。因此，从这个角度来讲，个性化推荐通过解决商品信息不对称的问题来达到销售提升的目的。

作者好书推荐：《Python数据分析与数据化运营》，小编看过，觉得很不错，难得的技术+业务的好书！

点击阅读原文，立即购买宋天龙老师《Python数据分析与数据化运营》秘籍