資料中臺實戰（四）：商品分析（產品設計篇）
作為電商產品，如果站在價值的角度來思考就有問題。你可以分析下我們提到的使用者相關的指標，比如：註冊量、訪問時長、留存率等這些指標都無法提高產品的價值，指標中最重要的是留存率，你發現站在價值的角度留存率也只能監控產品的價值，但是並不能提高產品的價值。
商品的生命週期分為售前、售中、售後，接下來結合資料中臺實戰，分別從三個時期的細節方面分析下，如何保證我們提供的都是真正的好貨。
對於B2B電商產品來講，產品的價值就是要給我們的採購商提供好貨，所以商品才是最核心的地方。我們的使用者直接接觸的是我們的商品，商品能直接傳遞公司的價值。沒有好的商品就不用提使用者、產品、流量等其他方面的運營，這些都是手段，這些手段在我們提供好的商品基礎上才會事半功倍。
我們先看下商品的整個生命週期，第一步是招商的工作人員負責吸引供應商入駐，如果有一套對供應商的嚴格篩選標準， 能直接決定商品的檔次、品質和貨源的穩定性等因素。
第二步是商品的選擇，我們要從供應商的貨中挑出最好的貨給我們的使用者，包括商品的款式、質量、價效比等指標。細節的地方我們會涉及到商品的圖片及文案，每個細節對商品的轉化率都有比較大的影響，因為使用者是否下單是有很多因素的，我們把可控的因素做到最好，那就可以比較好的提高轉化率。
接下來是商品的銷售環節，我們怎麼通過資料挑出好賣的貨給到我們的使用者的呢？
商品賣出去後我們的售後怎麼樣、我們的發貨速度怎麼樣，也是直接影響使用者的體驗，可以說商品的每個環節都直接決定我們產品給使用者的價值。
怎麼保證我們的商品都是爆款、好貨呢？
商品的生命週期分為售前、售中、售後，接下來結合資料中臺實戰，分別從三個時期的細節方面分析下，如何保證我們提供的都是真正的好貨。
一、售前
1. 關於供應商的選擇
我們有一套嚴格的准入機制。為保證效率，我們要求供應商適應“快反應”的柔性供應鏈模式，並建立了供應商分級動態管理系統，包括供應商准入機制、供應商績效評估和激勵機制、供應商分級認證機制、供應商升降級調整機制。從供應商的選擇、分級、合作模式、績效測評、訂單激勵和退出等方面進行嚴格的動態管理。
在供應商准入方面，由招商小組、相關業務部門、品控管理小組到生產供應商進行實地訪廠和現場打分，重點評估廠家的信用等級、設計能力、生產能力、運營狀況以及品質管理等。通過審查的廠家在試單測試通過後，方可成為我們的正式供應商。不是所有的供應商都有資格同我們合作，經過篩選後我們會保留綜合能力較強的供應商，保證我們貨源的穩定性以及商品品質的保障。
供應商商品的銷售資料與合作意願，同樣可以反饋與我們合作的供應商的質量。我們會根據季度測評結果將供應商動態劃分為A級戰略供應商、B級核心供應商、C級優秀供應商、D級合作供應商。每級供應商，採取不同的激勵。
例如：針對D級新供應商，我們會基於供應商商品的銷量、發貨速率（一般評判48小時發貨率）、次品率（包括使用者不滿意退款、缺貨退款等）三項評定資料，再進一步根據溝通交流是否流暢、理念是否一致等主觀判斷進行打分。如果得分較好，會將其升級為C級優秀供應商。
供應商如果連續兩個季度測評等級下降或者產品品質連續兩次降至規定的標準以下，將給與暫停合作，縮減訂單甚至停止合作的懲罰。
做這麼嚴格的原因是：我們希望能做一個長久的生意，我們必須為我們的使用者負責，同樣也是為我們的供應商負責。 只有對自己高標準嚴要求的供應商，才配得起使用者的青睞。
2. 關於商品的選擇
（1）商品定位
在談論商品定位時，我們不得不再提到一個詞：市場定位；很多的人對商品定位與市場定位不加區別，混淆概念。具體來說，市場定位是指對目標消費者市場 的選擇，可以是由地域、性別、年齡等方面綜合選擇的使用者群，而商品定位，是指我們對應什麼樣的商品來滿足目標消費市場的需求。
大家可以想象這麼一個場景來幫助理解。你現在想去市場擺攤賣貨，城裡有南北兩個市場，北面市場主要集中一些老人及家庭主婦；南面的市場集中打工一族。
首先你得選擇一個主戰場，這就是對市場的選擇，也是對消費人群的選擇。假設現在選擇北市場，那就定位目標消費人群為老人及家庭主婦。針對這群人，你應該用什麼樣的商品來滿足她們的需求呢？
這就是商品定位，商品定位清晰後就可以確定商品款式了，即如何規劃平臺的商品。
如果你的平臺沒有商品定位，就無法確定自己的人群是誰，那你就是在把商品賣給不需要的人，商品的點選和轉化自然不會好。所以首先我們應該先進行市場定位，再進行商品定位，然後挑選出需要的商品款式。接著根據商品反饋的各種資料矯正市場定位和商品定位，再優化商品。
長遠來看，這是一個螺旋上升的良性進化過程，不斷的精細化定位，最後不止你的商品，你的平臺都可以得到穩定的自然流量。
（2）商品數量規劃
我們會把商品劃分成幾個維度，涵蓋了設計款、跑量款、高利潤款等這些緯度。大概有8%的商品屬於設計師款，主要用於吸引新使用者，這些商品往往兼顧了設計潮流與一定的利潤。其他還有35%屬於四季常青款，這些四季常青款作為基礎款，來滿足整個供應鏈對他的支撐，可以達到最優的價效比，同時滿足了各個檔口的需求。大約佔比57%左右的高利潤款，同比其他的平臺已經是非常的低價了，整體的毛利只有30~45%左右。
首先為什麼要定義高利潤款呢？
從供應鏈端來說它是一個季節性款，那麼對實效性和計劃性的要求非常高，所投入的人力與管理的成本也相對來說是比較高的；
第二，由於它是高利潤款，所以我們也會返給供應商一些利潤，使得供應商跟我們有一個良性的迴圈互動。
（3）流行趨勢：市場熱點與時尚趨勢
流行趨勢分為兩點：
- 第一點是結合當下的一些熱點流行趨勢包裝現有的產品，因為流行趨勢永遠是一個迴圈，所以可能目前流行的，在我們商品庫裡面也有一些商品，那麼就結合流行趨勢去包裝一些商品的熱點；
- 另外團隊會積極的關注很多大牌秀，通過買手對大牌秀的精準分析和精準的眼光，來挑選適合我們平臺，以及適合我們使用者的爆款。
（4）價格優勢：與同類產品的差價
很多行業的價格體系相對來說並不是太透明，並且有大品牌的背書，他們議價空間往往是商品的8到10倍。但是我們的毛利率往往只有25~30%，因此價格優勢也是爆款衡量的重要標準因素。
（5）品質感：高於使用者期望值
我們希望所有的商品，尤其是爆款能夠高於使用者的期望值，所以從原料到工廠管理，再到最後的包裝檢驗檢疫，都有相關的嚴格把控，希望給使用者帶來驚喜感，也希望這種驚喜感能讓使用者進行口碑傳播，從而促進爆款的打造。
二、售中
1. 商品上架
前期使用者數量比較少，不用評估需要上多少款商品，隨著使用者的數量的增多就要評估我們究竟要上多少款才能滿足當前使用者呢？
首先要計算出有多少活躍使用者，然後統計出每個使用者平均要瀏覽多少件商品，包括使用者搜尋、瀏覽、分類檢視多少商品。比如：我們有1000個活躍使用者，平均每個使用者每天要瀏覽5個商品，那麼我們就要準備5千個sku，其中熱銷返場商品規定要佔比20%，那麼我們就要準備4千個新品。
我們如果有20個買手，那這20個買手每人就要從供應商那裡挑選200個sku。最關鍵的是我們會記錄到商品屬於那個供應商，甚至商品是那個買手挑選的，商品的文案、照片是那個商品運營輸入的。
商品的挑選是十分依賴買手的，買手的核心競爭力就是選到更多的爆品，我們會要求買手從原料、顏色、尺碼、品牌、品類、採購價格等輸入商品基礎資訊。為了保證sku的充足我們做一個功能可以實時看到每天每個買手的上架款數。基於之前拆分的目標，負責人可以實時檢視買手的上架數量是否達標。
2. 商品銷售
還有一波人專門做商品運營，他們要做的工作就是把合適的商品放給在合適的地方給合適的人看。商品運營十分依賴資料，因此我們做了商品的實時資料監控，需要指標包括商品的 流量（pv,uv）、銷售件數、轉化率（銷售件數/pv）、爆款件數。
商品運營會基於轉化率，來判斷商品是否有潛力，如果一個商品放到一個比較明顯的位置，那相對來來說他的流量應該比較高，但是他的銷售件數又不行，那就說明商品不太受歡迎。反過來，如果一個商品放到一個角落的位置，他的流量不高，但是他的銷售件數卻比較高，那麼這個商品是十分有潛力的，可以考慮如果放在更加顯眼的位置是不是銷售件數會更高呢。他們也是反覆用這些AB測試來驗證，我們的商品到底該怎麼放。
隨著商品的增多，關注單個商品已經效率比較低，那我們引入了品類的轉化率分析，也就是可以實時看到品類的總pv和用銷售件數，如果某個品類的轉化率比較高，那就需要及時調整該品類的顯示位置和數量。
3. 品類價格帶分析
還有一個商品運營比較關注的指標就是品類價格帶的流量和銷量資料，拆分完價格帶後，就能直接看出一個品類下究竟那個價格帶的銷量是更高的。這樣就拆的更細，十分有利於他們的精細化運營。如果週期內某個價格帶的銷量比較好，那就會投入更多的資源推廣這個價格帶。
那此時就會遇見一個問題，我們的品類拆到3級還有180多個品種，那怎麼對這180個品類進行劃分呢？ 如果人工一個品類來看，那需要話費大量的精力，人工來分還有一個缺點就是如果品類增加怎麼辦？
每增加一個品類，我們還需要再次通過人工去劃分，還需要協調資料開發幫我們計算。我們的要求是不能依賴人工，需要基於每個品類能自解釋（自動基於價格帶的分佈劃分）。此時我們的演算法工程師提出k-means聚類演算法，剛好能解決這個問題。
演算法還是比較經典，具體的步驟就是通過k-means演算法可以找到每個品類價格帶有幾個中心點，再通過中心點劃分出價格帶。
有幾點需要注意的地方：
- 要剔除異常值，因為資料上會有很多不合理的值。
- 定時時間跑跑一下這個演算法，因為商品是會不斷增加的，價格帶也會不斷變化，特別是前期。
- 劃分好價格帶一定找運營討論一下究竟劃分出來的價格帶是否適用。
接下來就可以就可以做品類價格帶分析，統計的週期有這麼幾個：
- 截止到昨天品類價格帶的累計銷量和流量；
- 週期內商品價格帶的銷量和流量；
- 昨天當天品類價格帶的銷量和流量。
上個簡單的圖片大家參考：
作為商品的負責人，需要知道整體的商品數、動銷率、轉化率。每個品類的商品數、轉化率、動銷率，基於動銷率和轉化率可以初步判定我們那些品類銷售的比較好，那些品類銷售的比較差。接下來就有了行動方案，轉化率和動銷高的品類一定是要投入更多的資源，更多的曝光。
4. 商品的自動排序
我們有一套專場管理的功能和專場內商品管理的功能。商品首先是上架，然後會放到運營同事建立的一個一個主題的專場。
那專場的順序是怎麼決定的呢？
首先運營的同事會基於自己的經驗對所有的專場進行預設排序，資料中臺會基於使用者對專場和商品的瀏覽記錄計算使用者的偏好。比如：使用者以前總是點選連衣裙相關的專場，那麼有關連衣裙的專場也會被優先排序，所以每個使用者看到的頁面都是不一樣的。
同樣的我們引入了一套演算法計算使用者看的專場內的商品的顯示順序。專場內商品的順序是我們的商品運營人員基於經驗排好的，但是商品運營排的順序不一定符合每個使用者的喜好。
我們會基於使用者的的行為比如瀏覽商品的資料、收藏商品、支付的商品的資料設定不同的權重，基於相似度演算法（基於物品的協同過濾、基於使用者的協同過濾），基於使用者的協同過濾，計算出來使用者對專場內的商品偏好的優先順序，基於優先順序的高低決定商品的顯示位置。
比如設定如下權重：
- 某使用者進入商品下單頁權重2%；
- 點選詳情權重8%；
- 收藏15%；
- 支付20%；
- 分享15%；
- 好評20%；
- 評分20%；
基於餘弦相似度，建立商品評分矩陣（如下表）：
通過計算4個使用者（四維空間中）對4件商品的評分我們獲得了使用者間的相關性資料（如下表）。
係數浮動區間在-1~1之間，係數越靠近1，向量夾角越小，兩件商品的相關性越高，由此可見A&B、A&D的相關性最高，C&D相關性很弱。
相關係數：
- 強：0.8—1.0；
- 較強：0.6—0.8；
- 一般：0.4—0.6；
- 弱/不相關： 0—0.4；
- 不推薦：-1.0—0。
利用使用者對某商品產生過的記錄計算其相關性。
【例如】：某使用者對商品A和商品B的行為得分為權重，對商品C和商品D進行加權排序，得分高者優先推薦。
根據相關性和加權評分後，商品C優先被推薦。針對新使用者我們做了個兜底策略，基於商品的熱銷程度來排優先順序。這樣就能做到貨找人，而不是人找貨。
關於推薦這塊後面會有專門的文章講解資料中臺中的推薦平臺的搭建，此處只簡單寫一下思路。
三、售後
有了資料我們會對現有商品和供應商做大量的覆盤。商品上架銷售後，每7天一個週期，會對商品進行“爆旺平滯”的標籤化。
比如：3月1日上了100款，到3月7我們的標籤平臺就會給我們的商品自動打上爆、旺、平、 滯的標籤，其中涉及資料模型，核心指標是轉化率（pv/銷量），排名高的是爆款，排名低的是滯銷款。商品標籤出來後，爆旺款，可以返單；如果是滯銷款，馬上可以打折銷售。對於一些資料比較差的商品，我們會採取下架的機制。
而這些標籤完全是可配置化的，只用在我們的標籤平臺設定好規則，就會每天自動化給商品打上標籤。關於標籤會在《資料中臺實戰：基於多條產品線的標籤平臺》講到，請持續關注。
新使用者的前幾單一般是十分重要的，當一個新使用者下單後，我們的跟單會第一時間聯絡供應商，如果有貨的情況下，會要求供應商對下單的商品進行質檢，保證商品的質量沒問題。另外會提醒供應商這個單的重要性，我們有一個考核指標是48小時發貨率，這個指標是個十分關鍵的指標，它直接決定了使用者收到貨物的時效。如果沒貨的情況下，我們協調其他渠道的資源，做到儘量不傷害使用者。
我們基於RFM對使用者做了分層，針對一些高價值的客戶，我們對客服的相應時間，處理速度等都有相應的要求，這類客戶的貨是優先處理的。因為我們高價值客戶不到1000人佔了平臺交易的70%，所以他們有優先的特權也是自然而然。
以上其實就是商品品控的流程，從商品的挑選、供應商的挑選等方面投入很多的資源，就是為了保證使用者看到的都是經過我們精心篩選過的好過，我們相信真正對使用者好的公司，一定都有一個好的結果。慢慢的積累下來，我們的復購和口碑也一直在上升，品牌效應也會產生。
作者：Wilton（董超華）
作者介紹：曾任職科大訊飛，現任富力環球商品貿易港大資料產品經理。微信公眾號：改變世界的產品經理。簡單、簡短、有用，堅持原創、堅持做感動你的好文章。
來源：人人都是產品經理
本文為轉載分享，如果涉及作品、版權和其他問題，請聯絡我們第一時間刪除