品牌如何玩转内容电商与社交电商？

一、品牌如何玩转内容电商与社交电商？

如何使用内容电商与社交电商，将自己的品牌价值变现？电商的无线化与智能化时代，将为品牌带来什么契机？网红变现又如何与品牌电商相结合？PLTFRM在本文中将逐一为您分析。

电商的本质是零售

电商的本质是零售，而新零售的本质是高效。以更低的成本获取用户，是电商发展的关键要素之一。（由于淘宝仍是目前全网流量与销售占比最高的平台，本文所有分析皆以淘宝平台为讨论背景）

随着数据时代和智能互联网时代的到来，互联网3.0时代已经开启；在过去的10年中，众多品牌借助电商蓬勃发展的时代机遇成功上市，如中国的本土知名品牌“三只松鼠”、“双枪”、“茶花”等。

面对如今已进入饱和和充分竞争期的电商新时代，新品牌要如何在电商领域突出重围，占有一席之地呢？

二、如何玩转NoSQL数据库？

什么是NoSQL数据库？从名称“非SQL”或“非关系型”衍生而来，这些数据库不使用类似SQL的查询语言，通常称为结构化存储。

这些数据库自1960年就已经存在，但是直到现在一些大公司（例如Google和Facebook）开始使用它们时，这些数据库才流行起来。

该数据库最明显的优势是摆脱了一组固定的列、连接和类似SQL的查询语言的限制。

有时，NoSQL这个名称也可能表示“不仅仅SQL”，来确保它们可能支持SQL。

NoSQL数据库使用诸如键值、宽列、图形或文档之类的数据结构，并且可以如JSON之类的不同格式存储。

三、电商后台的数据如何看？

京东淘宝都有商家中心，里面可以直接查看数据

四、电商如何做数据分析？

不管你是数据分析师，还是店铺管理者，亦或是运营人员，如果要更好地做电商数据分析，可以聚焦这十大场景，实现电商数据从获取到分析的全链路打通，驱动业务！提高店铺GMV！

1、高层经营总览

高层在做商业决策的时候，往往需要参考各类数据指标，这个时候就需要一个高层经营总览看板，通过一个仪表板，进行全盘生意核心指标的总体呈现。

高层经营总览看板是电商数据分析中综合性最大的一项，除了辅助决策外，还可以结合利润、费用等指标综合评估各销售渠道在生意大盘中的占比及经营健康度。

关键词：全渠道、高层、经营

2、平台运营分析

随着业务的不断发展，很多卖家入驻了多个电商平台，如多个天猫店铺、京东店铺、拼多多店铺、天猫超市、微店等。订单和数据分散在各个店铺，如果各个平台分散分析，会带来标准不一致，和无法综合分析的问题。

这个时候需要统一数据出口，赋能电商运营部门通过同一数据门户随时查看各大各个电商平台运营的总览状况, 掌握数据指标。

关键词：电商、运营部、管理层

3、推广投放分析

推广投放是电商运营中最重要的一个部分，要及时跟踪各渠道投放转化率、调优整体营销方案ROI，乃至找对渠道、投对产品，快速占领市场以及消费者心智都需要进行推广投放分析。

关键词：站内 站外 投放

4、直播分析

现在直播大热，越来越多的电商卖家将自己的生意布局到了各个平台直播，如抖音电商直播、淘宝直播等。

直播分析能帮助运营者快速掌握抖音等直播平台运营情况及达人带货效果，了解每月直播场次、转化、交易情况及主推品的直播表现和达人贡献。

关键词：直播、短视频、带货

5、大促活动运营分析

活动期间，订单量暴增，各类成本核算也随之变复杂。因此促销活动也需要全链路分析，最终分析是否达成大促目的，如提高销售，吸引消费者，传递出品牌的核心价值等，进而提升品牌的影响力。

关键词：促销、电商、运营

6、行业市场分析

自上而下的分析思路对目标行业目前的市场容量和销售情况以及销售趋势进行从全局到重点的分析。

7、分销渠道分析

以销售的角度了解分销商对商品的接纳程度及地理位置分布，给大促活动提供库存支撑和做更合理地产品供应需求预测。

8、商品分析

结合全平台商品销售情况，进行体系化商品诊断及商品增速分析，快速定位爆品与增长缓慢的商品，助力后续优化工作。

9、评论语义分析

以消费者为中心，追踪以及分析 购买商品的客户评价，及时调整自身的产品与服务与消费者预期的匹配性。

10、用户观察分析

旨在分析用户购买行为、用户地域分布及复购情况，用户付款方式等，助力于运营对用户打标、 后续计划及推广的执行。

以上就是电商数据分析的10大分析场景解析。上面的数据看板我为了省事直接使用的九数云BI的模板图。

九数云BI能帮助电商卖家能打通各大电商平台店铺数据，全局了解整体情况，决策效率高；将绩效和运营情况量化绑定，定位业绩问题，精细化管理。使用九数云做电商数据分析，电商运营负责人可以根据自己的运营逻辑，跨平台、跨系统自由搭建报表，按时间/工具/品类/店铺/竞品等多维度查看和分析数据，监控全平台投放效率，找到最优投放路线。使用九数云做电商数据分析，电商财务人员可以轻松计算绩效与库存数据，数据异常时能自动预警，无需再花费大量时间去做机械的重复数据核算工作。

五、电商运营要关注哪些数据？如何获取这些数据？

数据这块，电商运营还是可以多关注分析本身；关于很基础的产品/用户/商家各场景的分析，可以看我主页其他的回答，今天来聊点不一样的。

不用太看如何获取这些数据；这些都是采购和数据仓库该干的活

Growing IO、魔镜、一面、观远的这些数据服务商，甚至很多内资咨询公司都靠卖数据获利；如果只是个人平常练练手，可以在Kaggle、Euromonitor（欧睿）、甚至是直接搜亚马逊/天猫数据分析，也能拿到很多零售和电商数据

相比于给出找数地图，还是分析框架对大家更有用；市面上那些分析框架都是没用的，列出的每个概念都对，但按图索骥走出来的结果，全都错

第一步：对电商整体要有认知

第一步需要对电商场景有基本理解，否则只会闹正确的笑话；什么叫正确的笑话，说个歪楼的例子，一个小孩找来了紫薇给老板表演心如刀割，这种就是正确的笑话

缺乏理解的发力，往往都是最大的错误，却自以为正确

电商是一个很大的场景，商家借由平台把商品卖给消费者；平台不仅仅是在GMV中抽佣金，还有广告费用；所以这里头，平台按收入类型自然就会分化出了不同的架构，商家内部也会有不同的角色分工

这些整体的认知其实很重要，敲黑板敲黑板！！否则老板问起你这个品类我们要不要做线上的时候，你一脸懵逼

接下来就看看这些整体认知下，能回答哪几类问题

第二步：电商场景里需要回答哪几类问题

1. 品类+平台分布

第一个问题也就是被问得最多的，哪些品类涨得最好，这些品类在哪些平台卖得最好，以及这些品类我们还有没有做的空间呢？

回答这个问题，不同视角的答案完全不一样；比如上面说平台的电商BU，自然是看GMV体量和增速；如果是平台的商业化BU（拿广告的钱），除了看这个品类销量卖得好不好之外，还要看商家有没有钱投广告

是不是奇怪了？电商和广告怎么结合呢，一般就是看两个变量，毛利率和Take-Rate（广告支出在商家利润里的占比）。如果毛利率和Take-Rate很接近了，说明这个品类待发掘的广告空间不多，就是商家没更多钱投广告了

熟悉的同学，肯定发现我们已经聊到了电商的货币率，按理说这非常平台导向，平台的电商收入就在于电商gmv的货币化率；羊毛出在羊身上，这部分收入就是商家支付给平台的佣金或者广告费用，也就是上面利润核算图中的主营业务成本和销售费用之一

没想到吧，电商运营还得会看财报，看财务数据，还得知道每个品类被平台抽佣的佣金率、广告费率；不管是平台侧还是商家侧的电商运营，这个认知就是拉开距离的体现，因为你在品类运营的过程中如果涉及到佣金和广告费用，意味着你在推品的时候已经涉及到和不同团队的勾兑了

说明你已经不仅仅是一个简单的品类/商品运营工具人，而是真真正正地在推一些事情

所有的数据和指标，都是对应到动作的，每个动作都应该落到具体的人身上；看起来这里在讲怎么分析数据，实际上是一种由分析往推动事情的认知转变

有些同学觉得整体的认知一时不好理解，对一些基本的电商概念和分析技能，是需要补齐的；可以参加知乎知学堂的官方数据分析课程，参与就有免费的【Excel秘籍】附赠；以及像题主说的获客成本、转化率、ARPPU、单店访问UV等，这些零散的概念都会整合到思维导图和项目实战中

对于已经掌握基础概念、但尚未需要全局认知的同学，也不要紧，也可以先记住这些公式，先从最基本的分析做起，后面自然就会明白这里在聊什么

看品类趋势：ＧＭＶ = 各品类ＧＭＶ×（１＋环比增速），也常用CAGR

看平台趋势：ＧＭＶ = 各平台ＧＭＶ×（１＋环比增速），也常用CAGR

当然品类和平台交叉也很常见，就是各品类在不同平台中的体量和增速；以及平台内对同一个品类，也经常会由多个部门来负责，所以也会把架构考虑进去

商家品类毛利率 ≥ （平台抽佣率）+（广告费用率）

别小看这些基础公式，一个是绝对金额，一个是占比；绝对金额就是销量和销售额；商家在销售额中需要拿出一部分费用，支付给平台的佣金和广告费；按理说佣金和广告支出得小于商家的毛利，不然商家就做亏本生意了，也就是ROI打不平；所以一个好的电商运营，得了解商家的盈亏结构

当然这是从大面上，相当于是财报视角看平台、品类和商家的销售额规模，具体到日常的判断中，我们要回答得更细，比如转化一个用户得成本，转化一个订单的成本，即流量变现的效率

细心的朋友肯定发现了，上面第一类问题，其实放在线下零售也同样需要关注，到接下来的第二类问题，才真正开始有线上电商特色

2. 订单+用户的转化

想必各位都被问过，这个品类或者产品，一笔订单的转化成本是多少，这个店铺转化一个付费UV（User Visit）的成本是多少

你们猜得没错，这本质上又回到了AARRR模型，老生常谈

查理芒格在今年2月的投资人交流会上，谈到阿里巴巴是他犯过的最严重的错误之一，原话：

”我们被他们（即阿里巴巴）在中国互联网行业中的地位迷住了，但我没有意识到，他们仍然他妈的只是一家该死的零售商“

大佬都发话了。近年阿里进军本地生活做口碑，做线下新零售，都不顺利；近期马爸爸重新提出了”回归淘宝、回归用户、回归互联网“

零售商和电商的区别是啥？大家可以查一查沃尔玛的估值和亚马逊（当然还有AWS加持）、阿里巴巴的估值，一目了然

大家在分析的时候，如果还是过于聚焦上述的第一部分，那必然是有失偏颇的；所以除了用零售的利润视角看GMV外，还得能从流量的视角看GMV

GMV = PV × CTR × CVR × 客单价

请记住这个公式，本质就是AARRR模型的数学化，其中PV就是店铺或者短视频、直播间的访问人次，CTR（Click-Through-Rate）就是用户点击跳转的概率或者比例，CVR（Conversion Rate）是用户跳转后发生付费转化的概率

其中CTR和CVR一般会合为一个指标：GPM。就是每千次曝光带来的GMV

GPM指标很常用了，既是因为指标综合了用户从曝光到支付转化的全链路，也是因为能在各种分析场景下用

• 不同商品/内容载体的GPM比较：店铺货架电商、短视频、直播
• 不同商品价位的GPM比较：高中低价位
• 不同品牌/品类/商品的GPM比较
• 不同服务渠道的GPM比较：服务商、代理商、直营业务

当然了，因为篇幅关系，还有很多应用场景无法一一展开了；还没入行或者即将入行的新同学，完全可以先参加一些官方的训练营，能最高效地学习和体验诸多大厂实战案例；已经在业内的电商运营们，更应该多补充日常之外的场景，升职加薪本质就是大家身上经验和能力的变现

第三步：能理解流量的分配逻辑

上面聊到了GPM、PV、客单价、获客成本、订单转化成本，其实已经到了流量和用户运营的范畴，特别是现在电商里头内容电商（直播电商）的份额也越来越高

所以从平台视角，问题会演化到你的流量应该如何分配，特别是美团这样衣食住行+同城零售+货架电商的平台，用户流量应该怎么分配，一个大主端app如何协调各个入口的优先级，这些都是很有意思的问题

这里头除了收益，还会涉及很多生态问题，比如淘宝要处理白牌/SMB商家“出淘”的趋势，拼多多要不要承接，拼多多要不要做拼多多版的天猫等等，这些生态问题离不开一个核心，即流量有没有变得更”贵“！

先写到这里，等有时间再继续加更

六、玩转电商狂欢季：近期电商活动大揭秘

电商狂欢季，抢购攻略大公开

近年来，电商平台的狂欢季如春笋般不断涌现，各大平台纷纷举办促销活动，吸引消费者争相抢购。而在近期，更有多个平台陆续推出了一系列的促销活动，让消费者目不暇接，也为商家带来了不小的挑战与机遇。

京东618，全面激情开启

作为电商行业的先行者之一，京东一直引领着电商市场的节奏。每年的6月18日，京东都会举办大型的618购物狂欢节，今年更是力推“数字化消费”理念，显著提升用户体验和产品品质。据悉，这次618期间，不仅有数码家电、服饰美妆等传统热门品类，更是推出了多重优惠政策，包括预售、满减、抢券等多种形式。

天猫618，创新升级惊喜不断

天猫618则打出了“智能消费狂欢节”的口号，力求通过智能技术与消费的深度融合，为消费者带来更便捷、更智能的购物体验。在活动期间，天猫将联合品牌商、商家、城市合作伙伴共同发力，展开线上线下一体化营销，打造千城万店的超级便利新零售网络，并推出了智能推荐、定制化服务等创新举措。

活动“坑”与避坑攻略

然而，促销活动虽然给消费者带来了诸多实惠，但也不乏让人“踩坑”的风险。一些商家为了吸引眼球，可能会存在虚假宣传、夸大产品效果等问题。因此，在享受优惠的同时，也要理性消费，避免盲目跟风。建议消费者在选购时，多比较商品价格，注意查看商品评价与参数，选择正规渠道购物，提高消费的安全感与满意度。

电商新变革，消费新体验

总的来说，电商活动的举办不仅推动了消费升级，也为消费者带来了更多的选择和优惠。未来，随着技术的不断创新和市场竞争的不断加剧，电商平台的活动形式和用户体验也将不断迭代升级，相信在电商的世界里，消费者们将会迎来更多智能化、个性化的购物体验。

感谢您阅读本篇文章，希望通过这篇文章，您能更好地了解近期电商活动的狂欢情况，以及在享受优惠的同时保持理性消费，获得更多的购物乐趣。

七、如何看电商达人带货数据？

要查看电商达人带货数据，您可以采取以下几种方式：

1. 在电商平台上查看：许多电商平台都提供了针对达人的数据统计和分析工具。作为电商达人，您可以登录到相应的电商平台账户，然后在相关的达人管理或数据分析部分查看您的带货数据。这些数据通常包括销售额、转化率、关注量等指标。

2. 使用第三方数据分析工具：有一些第三方数据分析工具专门用于电商数据分析，如爱店客、广告猫等。您可以使用这些工具来跟踪和分析您的电商达人带货数据，以便更好地了解和优化您的业绩表现。

3. 联系电商平台或合作伙伴：如果您是与某个电商平台或品牌进行合作的达人，您可以直接联系他们的合作团队或客服，向他们索取您的带货数据报告或请求更详细的数据分析。

请注意，具体的数据访问和分析方法可能因不同的电商平台和合作伙伴而异。建议您根据您的合作关系和需求，选择适合的方式来查看和分析电商达人带货数据。

八、商道高手如何玩转矿业大亨？

矿业大亨是商道高手中的特色板块，可以获得资源，用来兑换更高级的资源。

1：矿业大亨也是一个新玩法，不过需要你达到一定级别才能开放。

2：下面是矿区列表，一区是最强的，估计很难打掉，大家去后面的矿区看看。

3：打开矿区可以查看每分钟收益，还有对方的战斗值。

4：每次抢夺矿区后，可以有三个小时，但是如果被抢，那么需要重新占领，大家可以尝试一下。

5：如果已经有矿区了，大家可以在右下角快速找到我的矿区。

6：可以提前结束开采，不过收益不会很好，而且矿区位置如果垃圾。会导致收益变低，所以快点变强吧。

7：在矿区的商店，可以换取很多物资，不过需求的积分也会很多。

九、达人电商直播数据大屏哪里看？

您可以在达人电商直播平台的官方网站或移动应用上观看数据大屏。这些平台通常会提供实时的数据统计和分析，包括观看人数、销售额、商品点击量等。您可以通过数据大屏了解直播的实时表现和效果，帮助您更好地了解受众群体和市场趋势，从而优化直播策略和提升销售业绩。

十、电商运营如何做数据分析？

电商数据分析，估计是80%数据分析师的启蒙场景；从商品角度出发，从用户角度出发，或者从店铺角度出发，三个方向都能聊；看似不同视角，但电商的分析永远只有一个核心，即如何帮商家打造爆品

爆品！电商永远的核心。当然要凭空了解电商的马太效应，不容易；咱们还是先说基本法，掌握好基本的分析技能，一步步采石才能接近大教堂之愿景

1. 电商数据是什么？如何养成基本的分析能力？

电商数据会分为产品或商品模块、用户模块和店铺模块，这里面的最小数据元，当然就是大家常说的SKU（Stock Keeping Units）；为保证阅读的流畅性，朋友们不用纠结SKU的定义；一个简单例子，“300ml的罐装无糖可乐”，就是一个SKU，包含了一个产品的规格、包装和味道等特性；而SPU在这个例子中，就是“无糖可乐”，更多是描述一个细分的类目

所以不用急着关心工具。了解一下全貌，知道电商数据长啥样，以及由此衍生的分析场景有哪些；有这些认知在脑海里，比那些只会玩弄Excel、或者会一点Python入门的工具人厉害多了；入门的阶段，场景的作用要远大于工具，多听多练多接触实战

比如从产品角度出发，讲好供货和销售的两个端口的故事很重要

• 行业、类目或单个商品的销量跟踪，by 周/月/季度/年的环比、同比等
• 不同价格带的销量对比分析，找到同一品类的高中低端产品，以及销量、销售额的高中低分布
• 对比不同产品的毛利、净利和库存周转率表现，从收益角度看产品流通
• 关心产品的复购率、跨购率（一般简化为一个产品对所有订单的覆盖率）

能看出来，当提及产品的复购和跨购时，实际上已经从产品的维度跳到了订单或用户的维度；因为“复购”说明数据库能识别同一个用户有多次购买同一产品；所以产品、用户、店铺三个模块并不是孤立的

回答我们开头讲的电商核心，“爆品”；如果用这三个模块来理解“爆品”，那就是同类商品中销量Top的SKU（产品角度），或对于用户覆盖率最高的SKU（用户角度，覆盖率高可以理解为大部分在该店消费的顾客都会买该产品，类似于必买品），或店铺销售额中占比最高的SKU（店铺角度）

如果你在面试中被问到类似的问题，解答何为爆品，你能马上从以上三个角度解答，那恭喜你，一是你即将通过面试，二是说明你已经具备基本的分析能力；这个东西说起来简单，哪怕很多人看了这篇回答，日后遇到类似问题还是无头绪；因为这不是一个Excel公式或者Python代码，公式和代码你记下来下次就会用了，但对于分析能力，你看过或听过，未必就是你的

可能很多朋友第一次听到关于电商分析的三个模块，对上面的一些基本概念还不是很了解，比如SKU、爆品，包括AARRR消费者模型等；这些概念学起来并不难，只是不太建议全程自学，概念多而杂，多听一些有专业老师带班学习的入门和科普课程，能帮助入门同学更结构化地梳理知识，还有一些日常工作需要使用的数据分析方法、思维、模型的分享与使用

而且还有很多好玩的实战案例。

关于智能马桶的分析，我应该多次提到了；我以前被问到过，如何用最快的数据分析方法，论证智能功能对于马桶的必需程度？说白了，就是买一个智能马桶值不值

有两个方法：1）看智能马桶的电商销量占全部马桶的电商销量，比例如何；2）看智能马桶在同价格带里与其他同类商品的电商销量，对比如何

没错，以上两种最快最简单，一个是占比，一个是对比

1）看占比怎么看——关键是找用户的对标

首先对比智能马桶和全部马桶的平均价，看相差多少，这部分就是溢价（大概差一千元左右）；以及智能马桶的电商销量占全部马桶电商销量的比例是多少，这部分说白了就是VIP的占比，图中统计就是27%；也就是说花一千块的溢价，成为27%的VIP会员，你是否愿意。有了这个比例你就有了参照，比如你的收入水平是Top27%吗，比如你是否在生活中花过类似的溢价率去买到27%左右的会员体验呢，如演唱会买更靠前的座位（各价位段的座位占比是可以统计的）、买知识星球的课加入头部博主的私密群（私密群人数占博主粉丝人数是可以算的）等等

所以乍一看买一个智能坐便器值不值，问题很虚；但通过问题一转化，就能变到可以量化的标准，你就可以拿着这个量化标准去反问需求方

2）看对比怎么看——关键是找产品的对标

另外一个，看对比怎么看；这个更直接。同价格带里总有些同类产品是必需的，比如油烟机；如果在该价格带里，智能马桶的销量接近油烟机，甚至超过；是不是就说明智能马桶已经是很多人的必需品了

当然这个案例，可以往深了做；比如你从用户模块切入，先找到和消费者（向你提问的那个人）画像相似的群体，根据收入/性别/年龄/消费观等等画像做一个聚类，如果智能马桶在这个聚类群体里订单覆盖率很高（比如大部分都买过智能马桶），那智能马桶对于那个向你提问的消费者来说，大概率就是必需品了

大概率？多大叫大概率，如果设这个群体中有可能买智能马桶的概率为p，反之则为（1-p），则完全又可以变成一个p-value的问题，或者Wald-Test问题；当然这样就把问题往参数估计、置信区间的方向引了，完全走向了技术化；这一段你没仔细看也没关系，我后面都不会提晦涩的数学了，也就这里说到兴起提一嘴，别跳转别跳转

毕竟除了技术进阶，数据分析的进阶还有很多维度。

2. 电商数据分析的进阶

电商运营的角色，一个很核心的职能就是帮助商家组货，在不同的季度、不同的大促节点下调整选品策略，同时还能帮商家排好秒杀品、引流款、利润款的坑位及定价策略；这所有的动作都是围绕那个最根本的核心，尽可能帮商家卖出爆品，继而通过爆品为商家带来流量沉淀，为商家的其他商品引流，为电商平台拉新粗活

所以判断一个电商运营的数据分析能力高低，其实就是看他能不能从海量的电商平台数据中找到自己的爆品方法论；从一开始的读报表找信息，到学会简单的分析和销量业绩的跟踪，再到搭建一套完整的数据分析体系用于识别爆品、定选品策略，其实就是一个电商运营做数据分析的进阶之路；

这个进阶路径不是一蹴而就的，特别是入门的阶段有专人指导、能在实际应用场景中打好基础，会少走很多弯路，所以先给大家推荐↓「数据分析名师实战训练营」，无论是数据分析技能、模型、思维还是数据分析实战项目应用、演练一应俱全，可以让自己对数据分析有个整体的了解

如果觉得上面的内容都比较熟悉了，咱就可以接着聊几个进阶模型；如果对于产品、用户和店铺侧三个分析模块的基础知识还想再了解了解，可以翻回我开头的部分，也可先体验一下我推荐的训练营，毕竟接下来的内容还是有些小难度的

2.1. ECR模型

ECR（Efficient Cusmter Research）是很典型的产品模块和用户模块相结合的分析模型，这个模型在帮助电商商家在选品组货、排布坑位（秒杀品、引流品、利润款等）的过程中，能起到很大作用

选品组货，核心原则是找到产品中不可或缺的SKU或SPU（对SKU概念还不清晰的小伙伴请翻回第一部分），所谓镇店之宝

镇店之宝有四个维度，1）竞争核心——该品牌与同行竞争的招牌；2）消费者青睐——该品牌核心消费群体的心头之爱；3）供应充足——有足够多的规格和细分SKU供选择；4）消费者忠诚——消费者只选择该品牌的SKU

• 竞争核心：一般用品牌的Loyalty Index，就是这个品牌在同类产品的市场份额，所以Loyalty Index = 该品牌相应SPU的销售额 / 相应SPU的市场总销售额，这个比例越大，说明该品牌在相应SPU的市场份额越高，在这个SPU类目里竞争优势越大
• 消费者青睐：每个品牌都会有核心群体，这个核心群体在相应SPU中带来的销售总额，就是这个SPU最直接的价值
• 供应充足：这个维度主要是讲供应柔性，就是消费者既可以选300ml的易拉罐装可乐，也可以选500ml的瓶装可乐，可以选无糖的，也可以选香草味的；总而言之就是在可乐这个SPU下，消费者有足够多的选择，能满足不同的场景、不同的偏好
• 消费者忠诚：这个厉害了，在电商场景里能得到消费者高忠诚度，是很难很难的事情；消费者忠诚理解起来倒简单，就是消费者只要一想喝可乐，只会选某品牌的某特定产品，这就是忠诚；忠诚的消费者人数比例（占买过这个品牌相应产品的总人数比例），就是消费者忠诚度

ECR模型很常用，也是很多平台内嵌的系统模型，虽然综合了产品和用户模块，但总体来看还是以产品为主导；接下来再分享一个用户视角主导的模型

2.2. 客户满意度模型

图的左边先不要看！左边不要细看！都是些偏算法模型。如果你不太关心技术向的内容，想把更多精力放到业务理解上，只看图右侧即可

消费者满意度由三个方面组成：对品牌的形象认知、对某次消费的期望、消费和产品的体验；顾客满意度就是基于认知→期望→体验→反馈，整个链路，把每一步都量化到数据库和模型算法里，帮助电商运营长期跟踪品牌健康度和消费者反馈

这实际上就是消费者AARRR模型的延申，细心的读者肯定发现我第一章就提到了AARRR模型，没发现的小伙伴建议再次回顾全文

关键是，认知→期望→体验→反馈，每一步有哪些量化指标，以及每一步怎么关联起来、怎么衡量相互影响；比如反馈，系统就可以抓取用户对于店铺的评分、对于产品的评价进行定量以及定性的自然语言处理分析，综合这些指标进行因子分析，先得到一个初步的满意度指标

其他的环节也同理，最后模型会再运用到线性回归和协方差矩阵，把因子分析统一到结构方程模型中；总而言之这里头就是技术细节，从业务理解上，大家只要熟悉了AARRR模型，就能掌握

2.3. 选品优化模型

最后再提一下选品优化，呼应一下我们全文的主题，帮商家选爆品！

选品优化一般有两个优化目标，提高销售额和提高毛利率（Revenue and Profitability）

逛超市的朋友都知道，一般大品类上，超市布局会有大致的分门别类；到具体区块的类目中，每一个架子不同层怎么排布，都是有学问的，比如消费者站立的时候能平视的几层，就是黄金展位；哪些产品应该放在黄金展位，选价格便宜的还是选最畅销的，还是选利润最高的，这里头都有设计

选品优化模型基于不同的目标（比如销售额或毛利率的最大化），会通过模型确定三个方面——定品、定价和定位；定品就是要上哪些品类大概要上多少量，定价就是综合利润空间和优惠促销之间去平衡，定位就是选货架的露出

这里头会涉及很复杂的模型，还会涉及不同产品间的转化关系；比如有些消费者在超市中没找到可口可乐，可能就会选百事可乐，这就是一个转化；但有些消费者就是不选，买不到可口可乐就掉头走人了，这就是一个转化失败，一次消费者流失

细心的朋友肯定发现了，这里头提到的，就包含了上面ECR模型中的消费者忠诚度；没错选品优化本身就包含了ECR模型和顾客满意度的版块，这个庞大工程有时候不能全由模型解决， 还会相当一部分的人工经验进行调校

今天先说到这里了， 以后有机会再详细展开每一个模块。不嫌啰嗦可以关注本人的知乎号和专栏，当然也欢迎报名我极力推荐的课程，毕竟性价比高，学了就会学有所成、孰能生巧