分析问题太表面

在经营一家店铺的过程中，我们往往想更深入的了解某个经营行为会给店铺带来什么样的影响。往往一些平台收集的原始指标不够分析。这时，我们需要将原始的商店数据转换成更容易理解的数据，以帮助我们进行决策分析。

在决策中，数据转换思维非常重要。

通过两个例子，我们可以直观地理解数字转换在决策中的重要性:

例1:如果其他因素不变，产品单价提高对销售有什么影响？

举个例子，假设原价100，然后价格涨到120，100，1000，120，900，卖到了100。此时销量换算计算为(900-1000)/(120-100)=-5，即每增加1元就减少5元。了解每增加1元对销售的影响，让我们知道增加多少才能最大化销售。

接下来我还会告诉你如何通过excel找到最高销量:

第一步:首先，我们将在excel表格中填写价格波动及其对销量的影响。比如30元降价，我们的销量会在原来的基础上增加150件，销量等于(100-30)*(1000+150)=80500元。

第二步:覆盖所有可能的增减范围，计算相应的销售额，如图4-1所示。第三步:插入图表。这时候就能看出哪个点达到了销售的最高点。当价格比原价高50元时，即销售价格在150元时，销售金额达到最高点11.25万。

第二个例子:如果其他因素不变，直通车付费的增加对搜索流量的增加有多大影响？基于这个问题，我们分别从直通车后台和业务人员后台获取了三组数据。没有数值转换，仅靠这个基础数据很难直观地表达数据信息。

接下来，让我们看看转换后的值。如图4-4所示，直通车的付费流量比当初增加了200%，实际上促进了免费流量的增长。我们可以看到直通车导致自然曝光增加了129%，但实际上搜索流量只增加了40%，所以我们得出两个结论:(1)点击主图的差异；(2)直通车数量的增加导致自然暴露的增加。

通过这两个例子，我们可以知道，如果不能转换数值，很多数据就不能成为真正有价值的数据，这有助于做出正确的决策。

四种数字转换方法。

1.综合数据描述我们每天使用很多数据描述的统计方法，包括求和、平均、最大、最小、计数、浓度、离差等。这些维度可以帮助我们更清晰更深入地理解一组数据。经常有这样的场景:我问朋友店里的流量怎么样，回答一般是每天多少钱，或者一般。因为日常操作或者老板根本记不住那么多密集的数据，如图4-5所示。

比如数据综合描述的方式，店铺每月总访问量30万，日均访问量1万。最大流量可达30000，最小流量可达5000。总体来说，流量波动较大，80%的店铺流量集中在五大宝贝。从这个综合描述中，我们可以清楚地了解到店里的游客总数。再次，运用比较思维和细分思维，对竞争对手的客流水平和构成进行了清晰的描述，效果完全不同。如图4-5所示，虽然访客总数比竞争对手多5万人，但我店的发展更加稳定，前五名宝贝占60%，而我店客流量占80%，说明我店的营销结构比我店好。所以数字转换给分析带来好处。

比如我们做标题优化，只从关键词数据很难看出什么，但是一旦分析了词根，就会产生不同的结果。比如蕾丝之根以2%的转化率带来了500位访客，这500位访客来自10个关键词。基于这些数据描述，我们可以判断一个词根的好坏，进而决定是否换词。比如2%的转化率比较高，访客只有500人，真的太少了。在这一点上，我们要做的可能是增加根下关键词的曝光度。

二、在计算周期内，当单位效率换算进行现场对比分析时，某些一维绝对指标无法直接对比。比如A店100队卖500万，B店10队卖100万。你不能简单的说A店比B店好，因为B店人均贡献值10万，A店才5万。因此，你会发现，当被分析对象的数量不一致时，应该考虑单位效率。要知道交易量和访客量有很大的关系，所以要看日成交好不好。我们会用转换率来描述，用100人带来的平均营业额来判断谁高谁低。在平时的分析中，大家熟悉的换算指标有:点击率、收藏、购买、平均点击单价、平均客户单价、访问深度等。，都属于单位效率换算指标。

第三，数值波动范围转换的应用在这里对你来说并不陌生，因为我们开始的两个例子就是这种类型的数值转换应用。在比较数据的过程中，波动幅度转换的应用通常有以下三个目的:第一个是同一指标在不同时间点的比较:例如，本月比上月高50%。其次，不同指标的对比:比如我们开篇的例子，价格上涨了20%，销量下降了10%。第三，使用了相同的指标，但是对象不同:例如，当比较我们店铺销售与行业销售的波动幅度时，我们发现当我们进入淡季时，我们店铺销售的下降幅度远远大于行业销售的下降幅度，导致流量急剧下降，如图4-6所示。为了改善本季度下滑的负面影响，我们重点调整了2021年的产品线规划。整体运营后，流量和销量都有明显提升。

第四，配料饼的百分比转换百分比可以与配料饼进行比较。这种转换形式很常见。比如我们把店铺的产品销售额按百分比计算，得到的数据是前五名的产品占店铺总销售额的80%。比如行业类别比例的计算，羽绒服在冬季服装市场的15%份额，都是这种类型的转换形式。以前做女装的时候，对店里各种版本的产品做百分比统计。在东北地区，我发现软装产品的销量占60%，而修身产品和其他产品的销量只占40%，如图4-7所示。然后我们调整了松散产品的早期发布策略，提高松散产品的早期数据性能。并针对东北地区的产品做出定制化的开发需求。全店散钱销售额比以前高30%。

图4-8。

本节主要讲数据统计描述、单位效率计算、波动幅度转换、百分比转换四种数据转换方法。借助数字转换思维的力量，我们可以清楚地看到数据应该表达什么，从而做出更好的决策。

这是我今天的分享。