人货场模型 咱们一同聊聊数据剖析模型

“我看到支出降低/新增用户缩小/老本回升，该怎样进一步剖析呢？”很多人有相似困惑，经常写了一堆同比环比，除了“同比降了，要搞高”就不知道写啥。该怎样办呢？

这里介绍一个繁难、适用、易上手的剖析模型，能处置80%的惯例疑问。这就是“人货场”模型，它不是算法模型，所以不须要了解复杂的统计学原理，只需对业务相熟就能用。

什么是人货场模型

人货场模型是一个固定的剖析套路，当咱们剖析疑问时，从这三个维度深化，从而获取答案:

这样的操作看起来很繁难，但处置了一个大痛点，就是：“数据剖析如何落地？”的疑问。

这样就成功了从数据到业务执行。那么，该怎样操作呢？

怎样运行人货场模型

第一步：业务梳理，先了解基础数据。

1、我司有哪些客户（人）

2、我司有哪些开售（人）

3、我司有哪些商品（货）

4、我司有哪些渠道（场）

第二步：打标签，做分类。这一步至关关键。由于数据库里，或许只要详细的客户称号/详细商品编码/渠道代码，对着这些琐碎形象的物品没法做剖析，须要做概括性分类。

经常出现的分类，比如：

1、C端客户（人），按累计消费/会员等级启动分类，区分高下购置力客户；

2、B端客户（人），按行业/公司规模分类（大公司需求自然大，要争取）

3、业务员（人），按从业阅历，过往业绩水平，手头持有老客户数分类

4、商品（货），依据商品自然属性，做一二三级分类 + 商品毛利

5、线下渠道：按地域、位置、营业面积、营运老本启动分类

6、线上渠道：按推行平台，投放费用多少，转化率高下分类

经过这一步处置，须要构成分类思想导图，便于剖析时构成思绪；同时在数据库里打好标签，便于后边交叉对比（如下图）。

第三步：明白剖析目的。这是一切剖析都必定的，目的要详细：

剖析目的还可以是新注册用户数/运营单位老本费用/商品库存等等，只需详细就行。

第四步：从人货场维度启动拆解，寻觅疑问要素。这里要留意：

1、先看大分类，再看小分类

2、从差异大的维度开局

3、先看完一个分类，再看另一个

举例：“9月开售仅达标85.3%”，可以先区分看以下哪个维度达标率最低，从哪里下手：

1、不同开售渠道达标率

2、不同商品品类达标率

3、不同客户目的达标率

这里须要依据数据状况，调整切入的维度，比如下图，只管看起来两个团队都没有达成目的（人），但是从商品（货）的角度看，疑问实践是新品未达标形成的，此时就不要再纠结AB团队的疑问，而是将新旧商品切换为主剖析维度，继续往下挖要素。

经过这一步拆解，能锁定关键疑问点，之后再做深化剖析。

第五步：联合环节目的，深化剖析要素。比如上例，咱们发现：新品达标状况很差。再往下解释为什么差，须要更细节数据，比如：

1、产品基础性能参数与竞品对比

2、产品多少钱与竞品对比

3、产品推行投入与自身同类产品同期对比

4、产品铺货进展，方案与实践执行对比

这样才干详细看出疑问所在

这一步关于数据落地是至关关键的。但有些公司数据采集并不完全，造成很多环节数据缺失。补偿的方法，只能靠拉上业务一同散会，确认细节后再观察整改成果。

不同行业的人货场模型

不同行业，在结构人货场模型时，会有差同性：

1、有实体店的，门店位置特意关键！因此优先对门店打标签，做分类

2、toB业务的，大客户订单十分关键，因此优先对客户行业/规模做分类

3、互联网产品，C端用户十分多，因此优先对用户做分层，再做其余分类

这是十分考验数据剖析师水平的中央。假设不会正当地分类，面对少量零散数据是没法总结出论断的。在我辅导同窗们的环节中，经常发现相似疑问，因此罗唆做了《如何打标签》的指引放到常识星球里，以供参考。

人货场模型深化运行

深化探讨人货场，大家会发现更多复杂的状况，比如：

状况1：低劣标杆无法复制。比如：发现开售团队里小张很好，但小张自带客户资源，其他人没有这个条件，此时只能再找其余方法。

状况2：短期战略无法继续。比如：短期内靠促销（货）拉动业绩，但促销不能不时做，只能再做剖析，看非促销状况下还有什么方法。

状况3：两个维度相互影响。比如：特定商品只在特定地域好卖，象征着要观察商品X地域的组合，来判别开售状况。