GMV下降怎么办?电商平台GMV计算与分析思考 您所在的位置:网站首页 gmv怎么计算新增人数 GMV下降怎么办?电商平台GMV计算与分析思考

GMV下降怎么办?电商平台GMV计算与分析思考

2024-03-18 14:00| 来源: 网络整理| 查看: 265

首先我们必须明确该计算公式下的最小的计算单位,这里通过分析和思考判定最小单位是每笔订单,包括每笔订单的数量和每笔订单的价格,有同学可能会有疑问,为什么一定要确定最小计算单位,因为最小计算单位是进拆解分析,以及后续的精细化运营的重要思考维度。

然后,我们可以分析最小计算单位有什么特点,什么因素会影响最小计算单位,最小计算单位订单怎么被归类统计。

1)可以是店铺维度,统计计算某一个店铺的在某月的订单数量和每笔订单的单价,然后汇总计算所有店铺数据,这里我们可以看到店铺是计算分析的一级指标。

计算公式:

GMV=店铺1[(订单数量A*订单单价A)+(订单数量B*订单单价B)…]+店铺2[(订单数量C*订单单价C)+(订单数量D*订单单价D)…]+….店铺N[(订单数E*订单单价E)+(订单数量F*订单单价F)…]=单店GMV求和

提升策略:

这里我们可以看出,店铺对应的其实是商家运营,影响店铺的因素包括数量维度的指标和质量维度的指标。

我们的核心目的是提升现有商家数量,提升商家活跃数量,并制定商家分层策略,对不同质量的商家提供不同的运营帮助。如果发现现有商家数量不尽如人意,我们可以进一步分析新注册商家数量/注销商家数据,从商家增长角度进行分析,新注册商家考虑的维度主要是增长漏斗模型,注销商家可以借鉴NPS模型,重点分析商家注销的原因。

如果是商家质量相关是数据,我们也可以进一步分析,商家质量主要和商家特征相关,例如按性质分可以分为旗舰店商家/经销商商家等,按营收看可以分为头部商家/中部/尾部商家,按地区分类等。

这里我们可以看到商家分层运营的核心其实是按照商家画像,对商家进行分类精细化运营。(这里品类其实也是商家的重要分类维度,但由于各类综合主播和综合店铺的因素,所以将品类单独拆分为一个分析因素)

2)可以是用户维度,统计计算某一个用户在某月的订单数量和每笔订单的单价,然后汇总计算所有的用户数据

计算公式:

GMV=用户1(订单数量A*订单单价A)+(订单数量B*订单单价B)…]+用户2[(订单数量C*订单单价C)+(订单数量D*订单单价D)…]+….用户N[(订单数E*订单单价E)+(订单数量F*订单单价F)…]=用户GMV汇总

提升策略:

这里我们可以看出,用户对应的其实是用户运营,影响用户的分析方法和商家运营有类似之处,可以从消费者旅程和消费者画像角度分析思考,并将两个维度综合思考。

消费者旅程对应的分析方法应该是漏斗模型,即拉新(acquisition)、促活(activiation)、留存(retention)、变现(revenue)、传播(refer),分析模型中哪个环节是影响用户下单的重要节点,用户增长和流失的原因,并制定针对性的运营策略。消费者画像对应消费者的基本属性和消费行为属性,对不同消费者进行精准营销。

3)可以是商品维度,统计计算某一个商品在某月的订单数量和每笔订单的单价,然后汇总计算所有的商品数据

计算公式:

GMV=商品1(订单数量A*订单单价A)+(订单数量B*订单单价B)…]+商品2[(订单数量C*订单单价C)+(订单数量D*订单单价D)…]+….商品N[(订单数E*订单单价E)+(订单数量F*订单单价F)…]=商品GMV汇总

提升策略:

这里我们可以看出,商品对应的其实是商品运营,影响商品的分析方法和商家、用户有些区别,我们可以看出商品其实是一个被动的因素,而商家、用户是影响商品的主动因素。

另外,商品在数量级上也和商家、用户有较大的区别。所以,这里其实应该跳脱单个商品的分析概念,从品类/品牌运营的角度思考。

这里的分析思路可以从宏观视角分析,也可以从微观视角分析,宏观视角指的是该品类所属行业的视角,例如,服装品牌的市场份额较为分散,而笔记本电脑的市场份额较为集中,这里,我们可以试想,在一个市场份额集中的品类中,如果占据大量市场份额的品牌因为一些原因,出现大量销量下滑,那么就需要制定相关的策略,例如近期由于日本排放核污水,导致大量日系品牌销量大幅下降,而在某些垂直商品品类上,日系品牌占据了大量的市场份额。

从微观角度,品类的价格和消费频次,特定时间点和特色的使用场景,也是重要的思考方向,可以开展一些和品类相关的运营活动。

答案4.0版:综合考虑外部因素

2.0和3.0版的分析已经有一定的提升和完善了,也可以精准定位影响GMV的因素,并制定相应的运营策略了,但是该分析仅局限在平台内部的经营分析,未能综合考虑行业、竞品相关的因素。我们可以把2.0和3.0版的分析数据归纳为直接影响GMV的因素,4.0版本的分析在2.0和3.0版的基础上,加入行业和竞品因素的分析,这类因素属于间接因素。

由于2.0和3.0版的答案已经写过计算公式了,下面4.0版本不再赘述。

提升策略:综合商家/用户/品类运营数据,制定相应的运营策略。

商家:

数量维度(直接因素):老商家NPS分析流失/留存原因+新商家增长漏斗分析新增因素 数量维度(间接因素):竞品商家数量/行业市场商家规模sizing 质量维度(直接因素):根据商家类型画像进行分析 质量维度(间接因素):宏观环境/商家产业链(供货/货品价格/货品质量/替代品)

用户:

消费者旅程(直接因素):漏斗模型,即拉新(acquisition)、促活(activiation)、留存(retention)、变现(revenue)、传播(refer)分析用户下单转换的影响因素,例如页面布局、引流渠道等 消费者旅程(间接因素):外部流量/竞品/pc到移动端的技术变化 消费者画像(直接因素):RFM模型等分析 消费者画像(间接因素):宏观经济/外部消费者市场变化(可支配收入等)

商品:

宏观(直接因素):商品/品牌市场份额集中度 宏观(间接因素):供给端(技术壁垒、资金壁垒等因素)、需求端(消费端需求多样,众口难调,常见于餐饮、服装等品类)、产业链 微观(直接因素):商品价格、商品消费场景、商品复购率等 微观(间接因素):竞品(品类活动)、流量(消费场景渠道)、商品供给情况(商家侧:影响价格和缺货率)、用户购买因素(用户侧的购买行为分析)

商品分析较为特殊,如前文所述还是要从商家和用户侧,以及平台,行业多方视角分析,本来想把商品品类作为商家分析的上一级指标,但是考虑到大量直播电商/店铺不是并不是只垂直在某些品类,所以这里单列出来进行分析。

本文由@Elaine.H 原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议。返回搜狐,查看更多



【本文地址】

公司简介

联系我们

今日新闻

    推荐新闻

    专题文章
      CopyRight 2018-2019 实验室设备网 版权所有