目标

运营商家和商品，为平台创造供给，通过良性的供需匹配机制，满足消费者的需求，进而达成持续健康的成交和增长。
基于上述商业目标，可以对行业在供给（货）、需求（人）、匹配（场）三个角度的业务抓手和价值体现拆解如下：
1、供给侧：运营商家和商品，打造健康的类目矩阵、商家梯队以及商品结构，促进平台供给的繁荣发展。通过给消费者提供丰富、优质、高性价比的商品，以及良好的服务和购物体验（物流、品质），进而满足消费者的需求。同时帮助商家提升运营能力，让商家的生意在平台上持续增长，获取更多买家、实现更多利润。
2、需求侧：通过拉新、促活、防流失等用户运营手段，扩大行业的用户基数，提升用户对于平台的黏性。
3、供需匹配：与平台上的产品运营（搜索、推荐、导购、商家产品等等）和整合营销等横向团队合作，优化流量分配机制，提升供需匹配效率，让货品的浮现符合平台和行业希望打造的心智。通过给消费者展现更加合适的货品，促进成交的达成。
如果行业在供给侧、需求侧和供需匹配的运营目标达成，为商家和消费者提供了价值，那么持续健康的成交和增长就会水到渠成。

分析方法

image.png

行业成交分析

交易是行业最重要的商业目标，是行业通过在供给侧、需求侧、供需匹配方面进行一系列的运营动作，满足商家和消费者价值后水到渠成的结果。因此，成交是监控和衡量行业发展状况最重要的指标。通过对成交的监控，我们可以对行业发展的趋势进行判断。从结果出发，通过对成交异动背后原因的分析定位，我们可以找到行业发展过程中的问题点和机会点，进而帮助业务制定发展策略。
对于行业成交的监控，我们将遵循监控业务现状->定位问题/机会->策略建议指导（非必须）这一分析路径

定位异动行业

平台整体增速、行业增速

image.png

判断异动性质

在深入分析增速异动背后的行业问题之前，需要首先排除异动的国家性因素和短期特殊事件因素
所谓的国家性因素是指：由于某国（或区域）宏观经济因素（汇率暴跌、经济下行、罢工、动乱等等）
由于国家性因素属于不可控的客观原因，而非行业自身运营出现了问题，因此分析过程中需要加以识别并区别对待
短期特殊事件因素：行业的成交表现会受到短期特殊事件的影响，例如汇率、营销活动、节日、刷单、产品bug等等。这些短期特殊事件的影响，往往不涉及行业的长期基本面。如果定位行业成交异动是由短期特殊事件造成，可以排除行业自身运营出现了问题。
由于短期特殊事件的特点是：
1）指标在短时间内出现暴涨暴跌；
2）指标剧烈波动的时间点可以与特殊事件发生的时间节点对应。因此在判断短期特殊事件因素时，我们通常采用观察指标日趋势图的分析手段。

定位问题/机会

维度拆解

行业是指一组提供同类、可相互替代的商品或服务的商家集合。既然是集合，就是可以依据一定的维度和属性进行拆解。拆解的目的，就是对行业成交表现进行抽丝剥茧，逐步定位存在问题/机会的最小业务单元。
任何行业都可以按照下列通用维度进行拆解：品类、商家、商品、品牌、买家、供应链。不同行业根据其自身特性和运营抓手，在同一维度下还可以依据不同的属性进行拆解：例如所有行业在商品维度下都可以依据商品的新老属性进行拆解，服饰行业在商品维度下可以依据商品的季节属性进行拆解。我们将常见的拆解维度列举如下

image.png
image.png
image.png
image.png
image.png
image.png
image.png
image.png

成交驱动拆解视角

image.png
上述公式是电商平台中最为基础的公式，对GMV背后的驱动因素进行了拆解。
支付买家数：实际支付了订单的买家数，体现了行业下每天发生交易的用户规模。
商品详情页访问会员数（IPV_UV）：访问了商品详情页的用户数，体现了对该行业商品具有兴趣或需求，且和该行业商品发生了一定程度互动（浏览商详页）的用户规模。
商详页访问会员购买转化率：支付买家数 / 商品详情页访问会员数，体现了用户浏览详情页之后最终转化为交易的效率。该指标虽然能够在一定程度上可以反映该行业商品对于用户的吸引程度，但由于影响购买转化率的因素十分复杂，会受到流量/产品/客户端的结构性因素、汇率等外部环境因素、营销周期等站内事件因素、节假日等季节日期因素的影响，所以不能单纯从购买转化率的波动轻易得出结论。
由于用户在访问了某个特定商品的详情页后，流量才有了行业的归属，因此行业用IPV_UV来衡量流量规模。在分析行业的流量规模异动时，我们要将行业的流量与大盘整体的流量进行对比，得到行业IPV_UV渗透率（行业IPV_UV / 大盘IPV_UV），通过该指标的涨跌来判断异动背后是行业随着大盘波动，还是行业自身存在问题。当确定行业自身存在问题后，我们会将流量拆解到平台上的各个流量通道（搜索、推荐、导购等），定位发生问题的流量通道。进而与业务方共同对焦寻找数据波动背后的业务问题。
客单价：GMV / 支付买家数，平均每个买家消费的金额。客单价也可以拆解为人均购买件数 * 件单价。客单价会同时受到人均购买件数和件单价的影响，同时也会受到行业成交结构、买家结构等结构性因素影响。

人均成交件数：成交件数 / 支付买家数，平均每个买家购买的商品件数。人均购买件数相对比较稳定，该指标异动的背后，往往是受到小B买家、Dropshipper或者刷单行为的影响。
件单价：GMV / 成交件数，平均每件成交商品带来的GMV。件单价会同时受到商品供给和流量分配向某些价格段倾斜的影响，往往意味着商品供给结构和流量分发机制发生了变化。
当商品供给结构或流量分发机制发生了变化，导致商品供给或流量分配向低价或高价倾斜时，就会对行业的件单价产生影响。因此在分析件单价时，会对在线商品数、曝光量、详情页点击数（IPV）、GMV依据价格段维度进行拆解，分析不同环节在价格段的分布情况，定位导致件单价异动的环节。

---

行业供给侧分析

在供给侧，行业的主要职责是运营商家和商品，打造健康品类矩阵、商家梯队以及商品结构，促进平台供给的繁荣发展。通过给消费者提供丰富、优质、高性价比的商品，以及良好的服务和购物体验（物流、品质），进而满足消费者的需求。同时帮助商家提升运营能力，让商家的生意在平台上持续增长，获取更多买家、实现更多利润。
我们的供给侧分析会主要围绕品类、商家和商品来展开

品类分析

较为准确地识别消费者的需求，并依据消费者的需求进行品类规划，是行业运营商家为平台提供商品和进一步在平台内运营商品的前提
消费者的需求：通过类目下搜索UV的增速，来刻画该类目消费者需求的增长水平。选择这一指标，是由于用户往往是带着强烈的购物意图来到搜索通道，类目在搜索通道下的曝光UV不会像推荐那样受到流量调控机制的影响。
供需匹配的结果：供需匹配的最终结果就是成交。为了排除客单价的影响，我们选择类目下购买UV（支付买家数）而非GMV的增速来刻画该类目供需匹配的结果。
通过对比消费者需求和供需匹配结果，我们可以判断消费者的需求是否得到了充分满足，并据此将类目划分为：明星品类（高需求、高成交增速）、潜力品类（高需求、低成交增速）、高效品类（低需求、高成交增速）、冲击品类（低需求、低成交增速）。

在对类目进行划分时，我们会首先过滤出日均GMV大于100美元的品类（如果小于100美元，我们则认为类目有偶然成交的因素，不纳入分类体系）。搜索UV和购买UV同比的阀值是根据中位数来设置（例如搜索UV的阀值设定为30%，增速高于30%则定义为需求旺盛，这个阀值的设定方式是：取搜索UV增速大于0的类目，再根据增速降序排列后取中位数，我们需求增速超过50%的正增长类目，则可判定为需求旺盛）

对于明星品类，可以思考如何借势扩大供给规模，满足消费者高涨的需求，进一步推高类目的成交增速。
对于潜力品类，需要深入分析需求高涨背景下成交低迷的原因，是否平台上现有的商品供给未能满足消费者的需求。通过改善供给有可能推动潜力品类向明星品类转化，而供给长期持续无法匹配消费者的需求，则可能造成需求萎缩，潜力品类向冲击品类转化

image.png

商家分析

行业是指一组提供同类商品或服务的商家集合。一方面行业在供给侧运营的主要抓手在商家层面，另一方面商家担负着配合平台运营动作、为平台提供商品供给、为消费者提供商品履约/售后服务等重要职责。因此，在供给侧分析中商家维度是我们开展分析的首要维度。
在商家分析方面，我们主要关注商家梯队是否合理、商家流动是否健康这两个问题，与之相对应的就是商家分层分析和商家流动分析。

商家分层分析

1）运营资源约束：平台上的商家数量众多，绝大多数商家只能通过规则、产品构成的市场化机制进行运营，行业小二能够重点兼顾的商家数量非常有限。因此有必要通过商家分层，从海量商家中区分出需要重点运营的商家和通过市场化机制运营的商家。
2）商家自然分化：由于“28原则”和马太效应，商家在平台上会自然分化出运营能力强、经营状况良好的头部商家和运营能力弱、经营状况较差的长尾商家。需要有一套商家分层的机制，对不同类型的商家进行打标，便于行业进行差异化运营。
3）行业运营需要：行业通过重点运营头部商家，一方面可以形成健康的商家梯队，提升行业商品供给和成交结果中的可控比例，提升头部商家与平台的配合度，确保行业的发展方向符合行业运营的规划；另一方面可以打造标杆商家，形成示范效应，进一步带动腰部和尾部商家向上发展。
4）商家供给差异：不同商家的经营类型和商品供给存在差异，比如平台上同时存在拥有自主品牌的品牌商（分为品牌方自己开设的官方旗舰店、品牌方直接授权的专卖店、N级代理多品牌经营的专营店）、不具备生产能力且不拥有品牌但以公司形式经营的贸易商、类似于淘宝店铺的个人卖家。再比如服饰商家可以分为具备自主设计能力能够敏锐捕捉海外消费者需求的风格化商家和普通铺货型商家。这些经营类型和商品供给存在差异的商家，为平台提供了不同的商品供给、满足了消费者不同的需求，通过对他们进行分层，可以进行差异化运营。
讲清楚商家分层的意义，进行商家分层分析的价值也就清楚了。在对行业整体成交进行监控的同时，我们要从商家分层的维度进行拆解，看清楚不同分层商家的经营状况。对存在异动的商家分层，通过商品、品牌等维度拆解视角和成交驱动拆解视角（有时候甚至可以拆解到单店粒度）进行分析，进而对该层级商家是否存在问题和机会做出判断。

商家流动分析

1、对于新商家，我们要关注他们对于行业商品供给和成交结果的拉动作用，即新商家动销商品和成交金额在行业动销商品和成交金额增量中的占比，量化招商对于行业增长的贡献。
2、对于老商家，我们在关注他们对供给和成交拉动作用的同时，还需要关注店铺经营状况的增长情况，即店均成交、店均流量、店均流量价值的增长水平，进而判断老商家是否被新商家积压了生存空间，新老商家是在做大蛋糕还是在进行存量竞争。通过判断老商家的经营状况，我们可以对接下来的招商策略和商家运营策略进行评估。
3、对于流失商家，我们要关注流失商家对于行业商品供给和成交的负向损失，监控商家流失的风险。

商品分析

在商品维度，我们首先通过商品动销分析建立商品分析的基础框架。基于这一框架，我们从宏观上刻画行业下商品供给的全貌，核心关注商品供给的数量和质量、商品的浮出机制是否合理、商品新老汰换的速度和新老品对于行业成交的拉动作用。同时开展多元化供给分析和商品品质分析这两个专题分析，专项探讨平台多元化供给策略的业务进展和商品品质纠纷提升的原因。

商品动销分析

通过在线商品数和动销商品数这2个指标来衡量商品供给的数量，通过浏览商品->动销商品的转化漏斗来评估商品的质量，通过在线商品->曝光商品->浏览商品的转化漏斗来观测商品的浮出机制。在线商品->曝光商品->浏览商品->动销商品的完整链路，可以综合评价商品的数量和质量以及商品的浮出机制。
进一步地，对上述链路依据商品生命周期维度进行拆解，达到监控行业下商品新老汰换速度的目的。
最后，在监控商品数量的同时，辅以成交金额指标，可以量化不同新老商品对于行业成交的拉动作用，从成交结果的角度评估商品新老汰换的效果。由此，我们在商品分析维度的基础框架就搭建完成了。

image.png

多元供给分析

拓展平台商品的丰富性、满足消费者的差异化需求，同时缩短物流履约的链路、提升履约和服务的确定性

商品品质分析

提供质优价廉的商品和良好购物服务体验，是为消费者提供价值的重要体现。商品的SNAD（货不对版）纠纷率是衡量商品品质的重要指标。在平台的SNAD纠纷率持续上升的背景下，需要分析SNAD纠纷率对于平台短期/长期价值的影响，以及SNAD纠纷率上升的原因。前者是为了衡量SNAD纠纷率对于平台的负向影响和改善商品品质对于平台的正向价值。后者是为了找到商品品质下降的驱动因素，从而针对性制定治理策略。
1）SNAD纠纷率对于平台短期/长期价值的影响
我们用商品的流量效率（千IPV价值）来度量商品对于平台的短期价值，用购买过该商品买家的留存率（回访率/复购率）来度量商品对于平台的长期价值。通过对比不同SNAD纠纷率区间商品的流量效率和买家留存率，来评价SNAD纠纷率对于平台短期/长期价值的影响。

image.png

SNAD纠纷率上升原因
A.通过品类/新老商家/新老商品/价格带等维度的拆解，判断SNAD纠纷率上涨是否存在结构性因素。
B.借鉴信贷风控中的Vintage分析方法，对不同批次入驻平台的商家/不同时期发布的商品品质进行追踪，从而分析纠纷率上涨的原因，具体的方法是：

a.观察不同批次的商家/商品品质，在“出生时”是否就有显著差异，判断是否近期“出生”的商家/商品的品质更差；
b.观察不同批次的商家/商品品质的下降趋势和速度是否有显著差异，判断CCO的治理策略是否有效（CCO会常态化对商家和商品进行治理，通过观察不同批次的商品，随着时间推移SNAD纠纷率的下降速率，可以大致判断CCO的治理效果）。

---

行业需求侧分析

在需求侧，行业可以通过拉新、促活、防流失等用户运营手段，扩大行业的用户基数，提升用户对于平台的黏性

行业用户分析

我们知道成交金额=买家数客单价，行业在关注成交金额的同时，也需要关注买家规模的增长。因为用户才是平台和行业持续健康发展的根本保证。通过片面追求GMV增长而导致用户的流失，会损害到平台和行业的长期利益。相反，为了满足用户的需求和体验而在一定程度上牺牲GMV的增长，会为平台未来的长期发展留下空间。因此，我们需要通过行业用户分析来监控行业的用户增长状况。
在用户层面，我们主要关注业务在以下几个方面的表现：
1、行业买家的规模：月度（季度/年度）去重买家数，反映了行业下当前的活跃买家基数。
2、行业买家的结构：由于买家规模的持续增长，需要靠新买家的持续引入和老买家的高留存来达成。因此，我们会将买家池子按照新老结构进行拆解，分别关注新买家的增长和老买家的留存。对于行业来说，新买家的增速持续下降或者老买家的留存率持续下降，都是需要加以关注的风险点。
对于新买家，我们还会进一步拆解为平台新（平台0单会员）和行业新（类目0单会员），来分别观察行业对于平台拉新的贡献和从其他类目引流的能力。而留存率也会拆解为行业留存率和平台留存率，以此分别衡量行业买家在类目下流失和从平台彻底流失的程度。
3、行业买家的的活跃度和消费力：核心公式是买家人均月度成交金额（ARPU）=人均购买天数日均客单价。日均客单价可以体现用户的消费能力。我们用人均购买天数来衡量买家的活跃程度，用人均购买叶子类目数和人均购买商品数来衡量买家在类目下的购买宽度，这3个指标综合反映了买家在行业下的活跃程度以及和行业的交互深度。

image.png

---

行业供需匹配分析

在供需匹配方面，行业运营可以与平台上的产品运营（搜索、推荐、导购、商家产品等等）和整合营销等横向团队合作，优化流量分配机制，提升供需匹配效率，让货品的浮现符合平台和行业希望打造的心智。通过给消费者展现更加合适的货品，促进成交的达成。
行业供需分析要回答的问题是，行业增速变化的背后，究竟是消费者的需求发生了变化，还是商品供给出现了问题？
在行业供需分析中，我们关注的指标和业务含义如下：

成交结果：成交即GMV。基于行业成交监控的分析方法论，我们用定位异动行业、判断异动性质“两步走”的方式，可以对行业的成交增速趋势做出“好坏与否”做出判断。
商品供给：我们核心关注的是商品供给的数量与质量。核心公式是动销商品数 = 在线商品数 * 动销率，在线商品数 = 新品数 + 老品数。
在线商品/新品数代表商品供给的数量，是行业商品供给的底料。在线商品/新品数的增长可以反映行业招商扩品的成效。
动销商品/新品数用于衡量行业下有效的商品供给。

而在线商品/新品动销率，从宏观上反映了商品供给底料的效率和质量。（这里要注意的是，随着在线商品数的大幅提升，动销率会有自然的下降，所以不能仅从动销率的涨跌就对商品的效率和质量轻易下判断。需要将动销率拆解到更细的业务单元，并结合行业的扩品策略才能做出判断。）
消费者需求：通过类目下搜索UV，来刻画该类目消费者的需求水平。选择这一指标，是由于用户往往是带着强烈的购物意图来到搜索通道，类目在搜索通道下的曝光UV不会像推荐那样受到流量调控机制的影响。
供需匹配结果：供需匹配的最终结果就是成交。为了排除客单价的影响，我们选择类目下购买UV（支付买家数）而非GMV来刻画该类目供需匹配的结果。
当我们判断行业的增速表现不佳后，通过对比消费者需求和供需匹配结果（即对比搜索UV和购买UV增速，计算增速差距），可以初步判断行业增速放缓的原因是消费者需求萎缩，抑或是消费者的需求未得到充分的满足。
如果观察到购买UV的增速远远落后于需求增速，判断消费者的需求并未得到充分的满足，背后可能意味着两层问题：
1、商品供给的底料存在问题，即商品的供给与消费者的需求存在gap；
2、商品的浮出机制存在问题，大量的在线商品并未得到充分的曝光机会，或者场域并未将合适的商品推送给合适的消费者。
针对商品供给底料，可以通过商品供给数量与质量的相关指标来加以判断；
针对商品浮出机制，可以结合商品动销分析的框架来分析在线商品是否得到了充分的曝光机会，通过场域的效率分析来分析各个流量场域的人货匹配效率（即场域是否将合适的商品推送给了合适的消费者）。

image.png