??

 數(shù)據(jù)分析除了在零售電商行業(yè)中被經(jīng)常應(yīng)用之外，互聯(lián)網(wǎng)運(yùn)營(yíng)、傳統(tǒng)行業(yè)等也同樣分布廣泛。而訂單下降這個(gè)問題，是很多行業(yè)都會(huì)遇到的問題，該怎么分析?

正好最近做了一份關(guān)于互聯(lián)網(wǎng)訂單下滑的分析案例，這里分享給大家：

小A是一家網(wǎng)絡(luò)營(yíng)銷網(wǎng)站的數(shù)據(jù)分析師，該網(wǎng)站已經(jīng)運(yùn)營(yíng)多年，訪問量、訂單量等指標(biāo)都相對(duì)比較穩(wěn)定。但是最近一個(gè)星期，運(yùn)營(yíng)人員發(fā)現(xiàn)從8月16日開始，網(wǎng)站的訂單量明顯下跌。

運(yùn)營(yíng)人員嘗試從各種角度尋找原因，發(fā)現(xiàn)發(fā)生異常的當(dāng)日網(wǎng)站上并沒有什么活動(dòng)，其他訪問量等指標(biāo)也很正常，因此想找小A分析一下原因所在。

一、分析需求

因?yàn)榫W(wǎng)站訂單量可能受到很多因素的影響，例如：價(jià)格、促銷活動(dòng)、節(jié)假日等，因此短期內(nèi)的訂單量上下起伏也是很正常的情況。

因此我們要確定運(yùn)營(yíng)人員是否說的屬實(shí)，我們從公司的業(yè)務(wù)數(shù)據(jù)庫(kù)中取出了《訂單詳細(xì)表》、《流量表》、《網(wǎng)站訪問表》、《進(jìn)貨表》四張數(shù)據(jù)表，如下圖所示：

??

二、選擇工具

說到數(shù)據(jù)分析，必然離不開Excel，但是大部分人excel水平基本都停留在簡(jiǎn)單數(shù)據(jù)處理匯總、基礎(chǔ)圖表制作上。

所以我建議大家使用數(shù)據(jù)分析工具BI工具去做一些分析，會(huì)更方便快捷。這里我將使用FineBI，一些基礎(chǔ)的求和、分組等數(shù)據(jù)處理操作都封裝成了功能，不用寫復(fù)雜的函數(shù)和公式，鼠標(biāo)點(diǎn)擊拖拽就能完成，圖表制作也比Excel簡(jiǎn)單多了，拖拽式制表，全程無需一行代碼，就能實(shí)現(xiàn)高級(jí)的數(shù)據(jù)可視化分析：

下一步我們?cè)贔ineBl中建立一張訂單變化情況表，這里只給大家展示最終的分析思路，如圖：

??

從圖中可以看出，訂單確實(shí)出現(xiàn)了下降，2020年8月12日到8月16日訂單數(shù)量出現(xiàn)正常的起伏情況，而8月16日到8月17日訂單量出現(xiàn)了下滑的趨勢(shì)。具體是因?yàn)槭裁丛虺霈F(xiàn)了異常呢?那么我們要找出訂單量下降的原因。

通過建立相關(guān)指標(biāo)體系，從互聯(lián)網(wǎng)運(yùn)營(yíng)的角度通過流量、內(nèi)容、活動(dòng)、用戶去找出下降的原因，如圖：

??

三、分析過程

我們從產(chǎn)品上分析，通過折線圖發(fā)現(xiàn)，在8月12日到8月17日期間，尤其在16號(hào)到17號(hào)，該電商售賣的五個(gè)產(chǎn)品中，只有5號(hào)產(chǎn)品在商品下單存在上升的情況，其他4個(gè)產(chǎn)品均出現(xiàn)了大幅度下滑狀況。

??

所有產(chǎn)品種類都出現(xiàn)了訂單下滑的情況，只有一個(gè)個(gè)別情況，那么基本可以判斷不是產(chǎn)品本身的問題，可能產(chǎn)品之外的因素出現(xiàn)了問題。

因此，我們分析一下其他因素，看一下是否是某類商品缺貨、或者價(jià)格上出現(xiàn)了問題。

那么，是否是因?yàn)樯唐返娜必浻绊懥擞唵瘟康南陆的?我們建立相關(guān)圖表，如下所示：

??

從圖中可以看出，五個(gè)產(chǎn)品的貨存量都很充足，基本都在100以上、200以下。

一般來說，進(jìn)貨量的波動(dòng)是因?yàn)樨浳锂a(chǎn)生了進(jìn)入和流出的比例： 流入大于流出說明供大于求，出現(xiàn)商品積壓的現(xiàn)象;流出大于流入說明供不應(yīng)求，出現(xiàn)商品短缺的現(xiàn)象;

從圖中我們可以看出，所有的貨物都沒有出現(xiàn)短缺的影響，貨存量均遠(yuǎn)超進(jìn)貨量且未出現(xiàn)明顯的波動(dòng)。

那么是否是由于價(jià)格的變動(dòng)導(dǎo)致訂單下降呢?一般來說，價(jià)格是最能影響銷量的因素之一，因此我們建立了不同產(chǎn)品的進(jìn)貨單價(jià)示意圖：

??

由上圖可知，產(chǎn)品進(jìn)貨單價(jià)并沒有出現(xiàn)異常大幅度的波動(dòng)，基本可以判定訂單下降情況與產(chǎn)品價(jià)格無關(guān)。

既然產(chǎn)品的內(nèi)部并未出現(xiàn)異常，那么我們?nèi)フ移渌獠吭颍菏欠裼胸?fù)面報(bào)道被擴(kuò)散、是否網(wǎng)站被入侵、是否競(jìng)爭(zhēng)對(duì)手在做活動(dòng)，但是這些業(yè)務(wù)人員告訴我們都沒有類似的情況發(fā)生。

這個(gè)時(shí)候可能就會(huì)陷入分析的僵局，不知道該怎么繼續(xù)分析了，這是因?yàn)榇蟛糠秩酥魂P(guān)于于內(nèi)容(產(chǎn)品)本身，而忽略了其他的流量、用戶等方面的思考，而這個(gè)案例的破局點(diǎn)就在于用戶，我們繼續(xù)往下分析。

既然產(chǎn)品內(nèi)部和外部因素都未出現(xiàn)異常，因此我們猜測(cè)是網(wǎng)站流量出現(xiàn)了問題，比如可能是網(wǎng)站的主要廣告推廣渠道沒有及時(shí)續(xù)費(fèi)、廣告被平臺(tái)下架導(dǎo)致用戶查找不到該商品等等。

??

但是從上圖網(wǎng)站流量來看，訪問量和跳出次數(shù)雖然有上下波動(dòng)的跡象，但是波動(dòng)范圍都處于正常水平，這一步基本可以排除網(wǎng)站流量的原因。

最后我們?cè)賮砜匆幌掠脩袅鞒坍?dāng)中的各種指標(biāo)，我們可以以一個(gè)漏斗模型描述用戶下單的過程：

用戶打開某APP——搜索關(guān)鍵詞查找想要的商品——瀏覽商品列表——點(diǎn)擊商品詳情頁(yè)——根據(jù)自己的喜好程度咨詢商品客服人員——滿足自己購(gòu)買意向添加到購(gòu)物車——對(duì)商品進(jìn)行支付——最后交易成功——商家發(fā)貨。

計(jì)算每個(gè)每個(gè)步驟的轉(zhuǎn)化率，看具體是哪個(gè)環(huán)節(jié)出了問題如下圖所示：

??

通過數(shù)據(jù)發(fā)現(xiàn)“付款后-交易成功”的轉(zhuǎn)化率很高的，但是“付款-交易成功”環(huán)節(jié)的轉(zhuǎn)化率出現(xiàn)了異常，一般來說用戶付款之后很少會(huì)出現(xiàn)交易失敗的行為，因此這是一個(gè)極度反常的現(xiàn)象!

因此懷疑是由于產(chǎn)品界面的付款功能出現(xiàn)了異常，用戶付款成功后，平臺(tái)顯示交易失敗，將錢款退給了用戶，后來經(jīng)過產(chǎn)品方的確認(rèn)，證明確實(shí)是因?yàn)楦犊罱缑娴腂UG引起的訂單下降，通過及時(shí)補(bǔ)救，很快訂單量又恢復(fù)了正常。

總結(jié)

流量和用戶是永遠(yuǎn)都無法保持住的，無論你的運(yùn)營(yíng)手段多么高，流量和用戶必然要產(chǎn)生流失，而運(yùn)營(yíng)的工作就是通過不斷的“開源節(jié)流”，使流量和用戶處于一種流動(dòng)狀態(tài)，不斷提高運(yùn)營(yíng)的生命周期。

??