新品都要關注哪些數據

1. 品牌營銷利器！如何通過大數據推出爆款新品

傳統的新品在洞察市場機會時，往往是根據市場部，咨詢公司或者其他行業報告進行分析的，然後再粗略的預估新品的市場潛力。對於品牌來講，這種方法限制的新品的研發效率，並且不確定是否符合市場期望。

孫子兵法有雲： 知己知彼，百戰不殆 。如果把這句話搬到新品研發過程中，依然適用，可以這樣理解，

知己 ，了解品牌自身情況，市場佔有率，內部運作流程，品牌影響力，品牌運營以及品牌的短板。

知彼 ，了解品牌的消費者在哪，消費者是誰，消費者的興趣傾向；了解品牌的競爭對手，他在哪，什麼樣的，有哪些優勢和弱勢。

接下來，我們就聊聊，再者大數據時代，怎麼洞察市場，挖掘具有競爭力的新品。

人人都在討論大數據，那麼大數據的核心價值是什麼？能做哪些事情？我們拆解一下這個詞，分為 「大」 和 「數據」 。

何謂「大」？簡單來講，可以理解為它的覆蓋面廣，全面，無所不能，龐大的。

何謂「數據」？即為根數據（Metadata），散落在各處的信息，咨詢，資料等。

兩個字組合起來可以轉譯為，人類可以通過龐大的根數據，應用到生活的各個方面。

大數據的核心價值就在於它的 商業價值 。通過從龐大的數據中，挖掘最有價值的信息，並應用到實際場景中。

大數據時代，人與互聯網緊密相連。標記和記錄一個人的信息，不再僅僅是通過身份證，而是有無數個根數據組成。根數據不是對象本身，它只描述對象的屬性。例如，描述人的通俗的話語：

其中根數據為，身高，屁股，牙，口腔，胳肢窩，對應的值為一米二，身高一半，黃，臭和上銹。

當然，我們也可以通過根數據，了解整個人的信息，也就是所謂的用戶畫像。

以往，傳統線下商店裡，消費者買了什麼，是誰買的，為什麼買，他有什麼特徵，這些資料對於商店來說，是完全不清楚的。不過，這些事情對於大數據，簡直是輕而易舉。消費者在網上的記錄十分詳細，他的收入情況，地址甚至是生活習慣都可以探查清楚。

這也是大數據的魅力所在，當然，我們也可以將大數據能力矩陣，賦能在品牌新品的創新上，通過洞察市場機會，甄選產品概念並預估市場潛力。

盲目的投放和發布新產品，會受到市場的打擊，提前預知消費者的興趣傾向，購買喜好將會對新產品起到積極的正向作用。

用戶在互聯網上的多年的行為數據，都會詳細記錄在伺服器，數據可能會散落在各個網站。但，這些數據能夠詳細描述用戶的特徵，都需要哪些數據？

用戶基礎數據

這部分數據描述了用戶的基本特徵，能夠確定 用戶是誰 。具體可以包括，

姓名，性別，年齡，職業，收入，地域，注冊地，常用ip，手機型號等。如果該用戶是實名注冊，那這些數據可以很容易獲取。但若是非實名，就需要後期通過模型推斷其各個屬性，如用戶的性別判斷，筆者在之前的文章中也有所描述，可以參考下《 AI驅動的電商用戶模型：性別屬性是如何確定 》。

購物數據

購物數據，是用戶在電商網站上發生了購買行為，所記錄下來的數據，從購買數據中可以提取出很多有價值的信息。

當用戶對某件商品發生了購買行為，就意味著對商品有需求，商品對他有價值。

緊接著，如果用戶周期性購買，那麼用戶就是該商品的絕對忠誠用戶。

再者，用戶瀏覽，搜索，加購，關注行為，也能反映用戶對商品的傾向

不同的購買行為，能夠對用戶定義不同的標簽，從而衍生了如下的數據維度：

購買力： 通過歷史消費記錄，收集訂單價格信息，再根據其消費額度，判斷用戶的購買力，詳情也可以查看筆者之前文章《 電商購買力模型：用大數據解鎖智慧營銷的新姿勢 》

促銷敏感度： 用戶訂單中，有優惠的訂單比例。這個數據能夠對品牌商的促銷和促銷力度提供指導作用。

還有，用戶忠誠度，復購周期，品牌RFM模型，品牌偏好，性格偏好等等等等。

行業數據

當然，不單單要知道用戶的信息，還需要了解自己和對手市場情況，有針對性做分析。

首先，聚焦自身品牌粉絲，探查粉絲不同性別，區域和年齡層對產品屬性的青睞。舉個簡單例子，YSL粉絲群體中，一線城市品牌的金牌會員，年輕人更喜歡粉紅色的口紅，又喜歡短款，那麼品牌可以針對這些人群有的放矢的研發新產品。

其次，了解競品情況，跟進競品市場。每個品牌的產品線不一定相同，sku池深度迥異。對於競品品牌的爆品，我們可以針對性拉取爆品的粉絲，了解他的用戶群體，並應用到新品研發策略中。

社交數據

社交數據能夠更全面的認識品牌的人群，深度的理解用戶的社交屬性，在媒體上的發聲態度，可以更加立體的理解用戶群。

根據上述數據標簽，能夠充分的了解用戶的需求點在哪裡，新產品做到有的放矢。再通過大數據能力輸出與產品匹配程度較高的用戶群體，這可以為新產品的冷啟動帶來一批種子用戶。

新品營銷和品牌營銷的套路基本相同，任何的新品對於用戶來說，都需要經過「接觸-認知-認識-認可」的一個過程。不過，在新品上市時，我們需要通過大數據，來完成用戶對新品的接觸和認知過程。也可以認為，這是新品的冷啟動過程。

做過社區的朋友都應該知道，冷啟動的種子用戶，對於新產品有多麼的重要。尋找精準的流量對新品帶來的效果將是不可估量的。

這部分精準流量的篩選，可以分為三個階段，預熱期-爆發期-收尾期

預熱期：擴大人群范圍

預熱期的目標就是希望可以讓更多的人了解新品，讓用戶能夠真的感知到新品的優勢和創意點。此時，需要挖掘新品可能存在的潛在用戶流量，把數據范圍擴大新品所在品類，甚至相關品類。凡是對新品所在品類或者相關品類有過購買，瀏覽，搜索，收藏或者加購行為的用戶，都要進行觸達。

爆發期：尋找精準流量

爆發期即為收割期，春季栽的稻子該去收割了。其實就是把預熱期觸達的用戶，進一步精準篩選，選出頭部流量。此時，可以結合公司內外的資源對這部分用戶進行邀請制的測試，使用新產品，優惠補貼，評測或媒體公關。進而將頭部流量轉化為已購用戶和品牌粉絲，再通過這部分人群的口口相傳，達到很好的口碑傳播效應。

收尾期：人群二次觸達

當然，並不是每個精準用戶都會買單，各種各樣的原因導致部分用戶掉隊。可能是當時忘記了，可能當時手頭上有其他工作，可能對促銷不是很滿意，等等。對於這部分人群，我們仍需要再次觸達。通過數據篩選出這部分用戶群，然後進行大力度促銷，最後在觀察其數據情況。

當然，以上只是新品冷啟動過程中，對人群的玩法。後續還有很多，涉及營銷策劃、創意、傳播、新媒體、商家/貨品，線上&線下聯動營銷等。但，核心的點仍然是 洞察市場和了解用戶偏好 ，這樣才能推出爆款產品。

2. 選品和定價應該關注哪些數據

通過買家地域數據指標關注買家來自哪些國家，不同國家的買家需求是怎樣的

通過數據縱橫-選品專家關注買家使用了什麼搜索詞、搜索次數，成交價以及目標市場的零售價來選品和定價
數據縱橫中行業情報可以幫助賣家選擇產品線及這個產品線的行業趨勢，具體需關註：上架產品數、競爭力、成交率判斷等
通過商鋪分析查詢自己店鋪的流量數據，關注熱賣產品

3. 新產品市場試銷過程中要掌握的數據有()。

【答案】碧肢空：A、C、D
市場試銷是在新產品悔瞎通過了鑒定以後，在正式投放市場之前組織的試驗性銷售，即將新產品及其包裝、品牌名稱、商標和市場營銷方案等置於一定的市場環境之中，以了解消費者對新產品的實際反應和新產品市場規模的大小。在市場試銷飢沖過程中要掌握試用率、再購率和購買頻率三個數據。

4. App推廣：應該關注哪些數據指標

指標，意為衡量目標的參數，或者預期中打算達到的指數、規格、標准。應用到App推廣業務當中指反映該產品的業務水平情況。對於不同類型、不同階段的應用產品而言，哪些數據是真正值得關注，從而對產品業務水平有較大提升的呢？

這里以第三方統計平台openinstall提供的統計數據類型為例。

安裝量：

指通過渠道鏈接安裝的設備數。

注冊量：

指安裝的所有設備之中，其中存在用戶注冊行為的設備數。

x天留存數（率）：

某一天新增的安裝設備中，安裝完x天後還有活躍記錄的設備數（比例）。

應用新增的安裝量和注冊量是衡量一個推廣渠道質量好壞的最基礎指標，另外留存的改變則反映了應用對於用戶的吸引力程度的改變，可以根據日、周、月等時間標准進行劃分，反映出不同的推廣渠道質量隨著時間產生的變化。通過結合這些基礎數據，可對渠道的推廣效果進行評估，從而對推廣投放策略進行調整。

活躍設備數：

表示在一個時間段內（某天或某天中的某一小時），至少存在一次打開app行為的設備數；打開app的行為表示用戶啟動運行app或是app在已經運行的情況下，用戶將app從後台切換到前台。

活躍用戶數：

一段時間內的活躍設備中，存在注冊行為的設備數。

平均打開次數：

一段時間內的所有活躍設備，App被平均打開的次數（打開的次數除以活躍設備數）；打開app的行為表示用戶啟動運行app或是app在已經運行的情況下，用戶將app從後台切換到前台。

平均在線時長：

一段時間內的所有活躍設備，App停留在前台的平均時長（總時長除以活躍設備數）。

活躍類指標，一般定義為啟動App就算作活躍，而對於注冊數量較為看重的應用，必須要存在注冊行為才能算作活躍。對於資訊類、社交類、手游類、直播類等這些希望大量用戶每天在線的應用，活躍趨勢是衡量該類產品是否成功的最重要指標。該數據同時也從側面反映了用戶規模與用戶粘度，若某一時間段出現下降趨勢，應定製適當的推送策略進行用戶召回。

這里的自定義效果點統計意為根據應用類型的不同，對用戶的關鍵性行為所產生的量/次數進行統計。例如游戲類應用，統計用戶的充值金額；直播類應用，統計不同直播間的點擊次數；新聞資訊類，統計不同文章的閱讀數。此指標可用於評估某一新功能添加後，用戶對於該功能產生的興趣高低，且對於產品是否需要進一步完善提供數據參考。

應用版本反映出每一代應用對應的用戶使用比例，同樣以日、周、月的時間期限劃分，可以反映出用戶對於新版本是否具有足夠的興趣和接受能力，對於版本每一次更新迭代具有一i頂的參考價值。系統版本和品牌機型的佔比，對應App需要著重哪些機型和系統的適配比重。IP分布可用於地推業務的參考方向。

數據指標多種多樣，選擇正確的指標可以完善產品，保留用戶，節省投放成本，創造更好的產品口碑。總之，有效的數據，可以對產品快速有效的發展提供正確的指引。

5. 產品經理在做數據分析時，哪些數據指標更應該關注

產品經理需要關注什麼數據指標，估計接觸過產品一點的人都能夠說出來幾個數據指標，比如說UV、PV，活躍用戶數、新增用戶數、留存率等等，誠然這些都是產品經理需要關注的數據，但卻並不是說所有的數據都應該去關注。首先應該界定邊界，對於不同類型的產品需要關注的數據指標肯定是不一樣的，其次對於不同時期的產品所需要關注的指標也是不同的，下文將從種子期、推廣期、成熟期三個階段來簡述產品經理需要關注的數據指標。

一．種子期

種子期是不需要做大規模的運營推廣的，此階段的用戶更多的是來自於用戶自增長，所以在種子期需要關注的數據主要是用戶相關的數據是和產品本身的數據。

1.開源

a)活躍用戶數量：首先依然是關於「活躍用戶」的定義，然後再去關注這個數據指標；

b)付費轉化率：對於這樣的一款產品，用戶願意為之買單么，轉化率說話；

c)ARPU值：每用戶平均收入，不同的類型的產品沒有可比性，同行業平均水平進行對比。營收=用戶數量×付費轉化率×ARPU值，為了能夠提升營收，可以從這三方面入手去考慮，如何增加用戶基數，如何能夠提升用戶的付費轉化率以及用戶付費留存率，用戶是付費一次就不再付費還是付費之後還會重復付費，以及如何去提高產品的ARPU值。

2.節流

a)沉默用戶數量：定義什麼樣的用戶為「沉默用戶」，然後去關注這個指標；

b)流失用戶數量：定義什麼樣的用戶為「流失用戶」，然後去關注這個指標。對於產品而言，一旦用戶流失則很難能夠再次召回，就算召回，成本也很高，所以應該提前建立預警機制，定義「沉默用戶」與「流失用戶」，在用戶變為沉默用戶的時候，就開始採用相應的手段，防止用戶流失，同時也應該設立老用戶迴流機制，進行老用戶的召回。數據本身是客觀的，但是在解讀的過程中則會摻雜主觀因素，同時數據波動的背後也可能會有著其他因素的干擾，所以數據也可能會騙人。在用數據說話的同時，也應該辯證性的去看待數據，相信數據但又不唯數據是從。另外對於不同的產品需要關注的數據是不同的，而不同時期的產品需要關注的數據也是不同的，要根據產品本身的特點和產品的生命周期階段去選擇合適的數據指標進行關注，以保證產品的健康發展。

6. 產品數據分析要關注哪些維度或指標

(一)、銷售數據之維度
1、商品
商品是零售分析的最細維度之一，大部分的指標都依附商品來做明細的記錄，同時很多維度也是通過商品進行交叉分析。
2、客戶
客戶是銷售對象，包括會員。客戶所在地和區域有關聯。
3、區域
區域是地理位置。從全球視角看：洲---國家---區；從國家視角看：區——省/市——縣/ 區—鎮/鄉/村，一般按正式行政單位劃分。
4、時間
時間是進行數據分析非常重要的維度，分析的角度有公歷角度和農歷角度。其中， 公歷角度：年——季度——月——日——時段（每2小時為一個段）；星期、公歷節假日。農歷角度：年——節氣——日——時刻；農歷節假日。
(二)、銷售數據之指標
1、銷售數量
客戶消費的商品的數量。
2、含稅銷售額
客戶購買商品所支付的金額。
3、毛利
毛利=實際銷售額－成本。
4、凈利
凈利=去稅銷售額－去稅成本。
5、毛利率
銷售毛利率是毛利占銷售收入的百分比，也簡稱為毛利率，其中毛利是銷售收入與銷售成本的差。
毛利率=（毛利/實際銷售額）×100%。
6、周轉率
周轉率和統計的時間段有關。周轉率=（銷售吊牌額/庫存金額）×100%。
7、促銷次數
促銷次數有宏觀概念上的，也有微觀概念上的。宏觀上，是指一個銷售單位中一段 時間內發動促銷的次數，或某個供應商的商品在一段時間內參與促銷的次數；微觀層面上，是表示一個單品在一段時間內參與促銷的次數。
8、交易次數
客戶在POS 點上支付一筆交易記錄作為一次交易。
9、客單價
客戶在一次交易中支付的金額總和稱為客單價。
客單價=銷售額/交易次數。
10、周轉天數
周轉天數=庫存金額/銷售吊牌額。周轉天數越長，表示經營效率越低或存貨管理越差；周轉天數越短，表示經營效率越高或存貨管理。
11、退貨率
退貨率=退貨金額/進貨金額（一段時間）；用於描述經營效率或存貨管理情況的指標，與時間有關。
12、售罄率
售罄率=銷售數量/進貨數量。
13、庫銷比
庫銷比=期末庫存金額/（本期銷售牌價額/銷售天數*30）
（只有在單款SKU 計算中可用數量替代金額。）
14、連帶率
連帶率=銷售件數/交易次數。
15、平均單價
平均單價=銷售金額/銷售件數。
16、平均折扣
平均折扣=銷售金額/銷售吊牌額
17、SKU（深度與寬度）
英文全稱為 stock keeping unit, 簡稱SKU，定義為保存庫存控制的最小可用單位，例如紡織品中一個SKU 通常表示一個規格，顏色，款式），即貨號，例：AMF80570-1。
18、期貨
所謂期貨，一般指期貨合約，就是指由期貨交易所統一制定的、規定在將來 某一特定的時間和地點交割一定數量標的物的標准化合約 。服裝行業上具體指訂貨會上所訂購且分期交付的貨品。
19、坪效
就是指終端賣場1平米的效率，一般是作為評估賣場實力的一個重要標准。
坪效=銷售金額/門店營業面積（不包含倉庫面積）。
20、促銷商品
指促銷活動期間指定的商品，其價格低於市場同類的商品。包括DM 商品，開店促銷，普通促銷貨（特價），不包含正常降價。
(三)、銷售數據之分析方法
1、直接數據的分析。
2、間接數據的組合分析。

7. 電商運營要關注哪些數據如何獲取這些數據

電商運營要關注的數據如下所示：

1、訂單數據：每天成交額、客單價等

2、用戶數據：新老用戶的登錄、購買情況等

3、商品數據 ：商品銷量、庫存、價格數據

4、流量數據：PV/UV、流量分布，訪問深度

5、咨詢數據：咨詢數據也是關注的，轉化率多少

6、推廣數據：推廣渠道的點擊、轉化情況，篩選核心渠道，新客戶獲取成本要盡量越少越好

7、營銷活動數據分析