数据分析入门：商品分析是什么？该怎么做？

接地气的陈老师 2023-07-24 05:32:46

商品分析曾经是数据分析的最早形态。现代数据分析以及数据模型的大部分思路，都是从这里演化出来的。可能是因为它太过传统，可能是因为互联网公司不需要挣钱养自己，总之，现在介绍商品分析的文章非常少。今天我们就先开个头，简单介绍一下商品分析的基本概念。

商品分析，指对商品的进货、销售、库存情况进行的分析。商品的含义很广泛，广义地讲，所有凝结了人类劳动且能满足人们需求的东西都是商品，可狭义上，人们会区分商品、服务、权益：

把提前准备好，打包好，实体交付客户的，叫商品
把需要现场准备，需要分流程交付客户的，叫服务
把部分用户优先、优惠享受商品、服务的资格，叫权益

举个例子，你在饿了吗上定了一份饭，因为你是超级会员所以能享受一张优惠券，骑手小哥把饭送到你手上。这里饭是商品、优惠券是权益（你有别人没有）、快递小哥提供了服务。

一般讲进销存的，都是狭义的商品，本篇讲的也是这个，因为有实体形态才涉及进销存问题，这点大家注意。很多互联网业务提供的是虚拟商品，往往只有销，没有进和存，这一类商品我们稍后单独分享。

商品分析非常重要。因为对实体企业而言，卖商品是赚钱的唯一法子，商品生产、物流、库存的成本是最大的成本，因此必须把商品分析明白。

互联网公司没那么依赖商品销售，他们可以靠制造华丽的数据加吹的震天响的牛逼来圈钱度日，因此商品分析地位下降了很多。但是在电商，特别是垂直电商、生鲜电商、自营电商这些行当里，商品分析还是很重要的，毕竟货压在自己手里，卖不掉就亏大发了。

商品分析是所有数据分析方法的老祖宗，在没有互联网，没有会员卡的年代里，企业根本记录不到用户行为、用户属性、产品使用、门店行走轨迹等等数据。无论是大型跨国连锁巨头还是小超市，都只能通过超市pos机扫码获得数据，唯一能获取的就是商品条码信息，以及扫条码的POS机信息，因此只能死磕商品分析了。

不要看这两条信息很简单，它们却组合成了商品分析的全部基础，并且衍生出众多的分析内容。

商品从大的方面可以分为耐用品和快消品。快消品是很容易消耗，需要日常重复购买的商品，比如方便面、纸巾、洗发水、牙膏……根据耐保存程度，又能进一步分成生鲜产品（活鱼、鲜肉、蔬菜水果……非常不耐放的东西）和包装产品（有包装、有防腐剂，能抗一段时间的）。

耐用品往往是大件的、很久不换、用了还能用的。比如家具、汽车、电脑、手机。根据使用特点，又可以分成单件多功能（比如汽车，配件非常多，随便改）和多件组合（比如家具、家电往往要买买一套）两类。

因为价格、功能、购买频率、使用方式的不同，耐用品与快消品之间有很大差异。

注意，不排除生活中有奇葩把耐用品用成快消，把快消品用成耐用品的。比如一个技术GEEK，一个月不洗一次头，但是新出一款手机他都要买来玩玩。结果洗发水三年买一瓶，手机一个月换一个——这种人肯定有，但不是大概率事件。因此耐用品和快消品需要分开讨论。

我们今天先讨论快消品。它们在日常中用的最多，好理解。比如下边就拿冰棍举例。有同学会说：冰棍有啥好分析的。冰棍放在冰箱里又不会腐烂，我进一批关冰箱里慢慢卖就好了，怕什么。

是滴，如果坐在办公室里敲键盘，肯定觉得没什么。可要是真自己吃饭没着落，全指望这一箱冰棍的时候，就淡定不了了。

这是商品分析要理解的第一个概念：消费者支付给商品的费用，只有10%左右是商品的生产成本。剩下的钱，要支付卖货小哥的工资、店租、冰箱的电费、老板、老板儿子上网包夜的网费……

所以，商品必须在适当的时间内卖出去，及时把货物变成钱。这就得了解商品的淡季、旺季，在销量好的时候多卖货，多赚钱；在销量差的时候少进货，省成本。特别是冰棍这种季节性强的产品——很少有人顶着刺骨寒风嗦冰棍。所以它的销量很有可能是下边这样的曲线。

既然冰棍销量和气温有关，那在不同地区肯定有差异，比如广东天气热、卖的时间更长；东北开始供暖以后，大冬天也有吃冰棍的习惯，可能冬季反而有一波销量。

这是商品分析第二个概念：区域差异。做商品分析必须理解和尊重这种差异，才能卖的好。

冰棍不是啥高科技产品，你做、我做、他也能做。想卖的多，就得想想法子。比如做一些沾着葡萄干的，搞一些奇形怪状的，搞一些冰激凌口感的。

这就有了商品分析第三个概念：档次差异。往往越低档的，高峰期销量越大，但单体利润薄；越高档的，低谷期销量越稳定（因为它要满足部分消费者要面子、追求档次的生活需求，比如情人节明明冷的要死还是要带小女朋友啃个哈根达斯）。

既然有高端、低端产品区别，就有了新品推出、旧品退市。这就有了商品分析第四个概念：商品生命周期。特别是快消品，本质上核心功能都差不多。

消费者永远是喜新厌旧的，所以往往除了几个经典款以外，商家会不断推出新品。但推出新品就有成功、失败两个可能。因此新品会走出两条曲线形状。

现实中，即使你是只卖冷饮的小摊，也不会只进一种冰棍，因此实际上商品总销量的走势，是nnn多个曲线相互交织在一起。这使得统计、预测销量变得非常复杂。

如果真是一个小摊老板，很可能他连一天卖了多少件，赚了多少钱都算不清楚。因此传统的商品分析，会消耗大量精力做各个品类的销售记录。特别是服装这种品类、款式、花色非常复杂的行业。

销售的复杂性，直接导致了库存的难以预计。并且，由于商品订货、签约、生产、交付有一个很长的周期。因此人们不可能等到库存卖光以后才去订货——新的货要1、2个月以后才到呢，总不能饿一两个月吧！因此对销量的预测，变成了商品管理永恒不变的追求。也是商品分析从1990年引入国内以后，直到2020年都没能解决的问题。

很多人吹逼说自己预测能达到80%-90%的准确度。注意：很多商品的净利都没有10%，10%的库存损失足以干跨大部分行业了。所以80%-90%这个准确度是不满足需求的。特别是这些人吹逼的预测准确度，往往是总量准确度，具体到一个品类一个款式，就歇菜了。

因此，商品管理上，衍生出三种商业模式。

模式1：爆款模式。比如iphone，每年就一两个爆款，这样能极大减少商品管理难度，砍掉那些很难卖的，很容易失败的小品类。这样看起来很美好，可要求商品真的得特别、特别出色，不然爆款没有爆，今年一年都得喝西北风。

模式2：团购模式。相当于先锁定销售数量，再生产、发货。这样看起来从源头上解决了库存问题，可为啥消费者要等这么久？为啥我非要拼团？我不满意为啥不能退？所以往往拼团会败在控不住价格、退货率高上边。

模式3：饥饿营销。类似于小米早期F码，本质也是先锁定销量，再安排库存。看似很完美，可要求你的粉丝真的很忠诚才行，不然退货咋办，竞品抢在前边出同款咋办。

所以这三种模式推出后，很多人寄希望于数据分析能分析出爆款是啥特征，能分析出多少人参团，参团折扣要多少，能分析出忠实粉丝数。可了解了商品本质和这三种模式的本质，就知道这是个非常难完成的任务——即使你敲再多代码，你的电脑里也不可能有个乔布斯破屏而出，你的商品也变成不了iphone。

当然，有些看似简单的问题，实际解决起来都很复杂。比如一个简单的问题：为啥商品卖不动。可能就裹挟了区域、档次、门店的商品组合、促销、商品生命周期等众多因素。当然还有用户、产品体验、品牌影响力、宏观经济、竞品动作等更多乱七八糟因素。

而大部分的同学没有掌握商品的基本形态，就直接插入分析之中，因此面对一根根看起来很像的曲线完全读不出含义。又急着把用户、产品等维度加进来分析，就越做越糊涂了。

想起步，最好是从了解商品的基本形态——即本篇上边的基本曲线形状开始。每个商品的基本曲线，都是一个具体业务的数字化反映，多积累对基础形态的理解，才能拆解复杂问题。如果想看更深入的分析方法，下一篇我们分享耐用品的基本思路，敬请期待哦。