用公式拆解法分析客单价变化问题

在《数据分析的势、道、术》中，提到了可以将业务问题转化为数据指标，然后反推指标计算过程中细化的参数来分析业务。本文将示例如何通过公式拆解来分析“客单价为什么会下降”这个问题。

首先，先从客单价的计算口径着手。

\text{客单价} = \frac{\text{总交易额}}{\text{下单人数}} \\

客单价是一个综合比率值，所以可以从“成分”或者“糖水不等式”的角度去拆解——对整体细分后，找到高于整体值的“优异组”，和低于整体值的“拖后腿组”。

可以考虑人(用户)、货(商品)、场(渠道、活动等)等业务维度对客单价进行拆分，注意选择的维度要和客单价关联。

首先，我们可以从“用户结构”上来拆分。比如选择新客和老客，一般来说新客(首次下单的用户)的客单价是低于老客的，一方面是因为新用户对平台还没有建立足够的信任度，另一方面平台方引导新客下单的时候可能会通过定向优惠来刺激新客下单，或者通过低价爆款来商品来降低用户的决策成本以快速成单。

将新老客引入到客单价的计算公式中：

\begin{aligned} \text{客单价} & = \frac{\text{总交易额}}{\text{下单人数}}\\ & = \frac{\text{新客数*新客客单价+老客数*老客客单价}}{\text{下单人数}} \\ & = \frac{\text{新客数*客单价}_\text{新客}+\text{老客数*客单价}_\text{老客}}{\text{下单人数}} \\ & = \text{新客数占比*客单价}_\text{新客}+\text{老客数占比*客单价}_\text{老客} \\ \end{aligned}

经过这样拆分以后。那么客单价的变化就可以从新老客用户数占比以及新老客单价来分析(这里假设的是新客客单价低于老客)；

如果客单价下降，可能是什么原因呢：

每个用户下单的金额是由一件件不同价格的SKU组成的，对于“平均用户”而言，客单价可以如下拆分:

\begin{aligned} \text{客单价} & = \sum^n_{i=1}c_i \cdot p_i \\ & = \sum^n_{i=1}c_i \cdot (\text{原价-优惠})_i \\ \end{aligned} \\

这里假设一笔“平均订单”中有n个不同的SKU，c表示第i个SKU的数量，p表示商品i的实际支付价格(=原价-优惠)。

那么客单价降低的因素在商品维度上可以考虑：

以上，只是对部分原因进行了列举，还可以从其他维度去思考，欢迎留言补