1.2 数据化运营的基本思路

数据化运营依托的核心对象是数据，因此如何处理和分析数据直接决定了数据化运营的成败。本节将介绍数据化运营中处理数据的几大基本思路，包括对比、追踪、分解、锚点和结合等，使读者充分理解和掌握这些思路，为学习后面的数据化运营做好准备。

1.2.1 对比

对比是最常见、最直接和最容易的数据处理方式。例如，企业通过网店间销量的对比来分析自己与竞争对手的经营情况，通过一年中每个月销量的对比来规划淡季和旺季的运营思路等，这些都可以直接利用数据对比的思路完成运营操作。通过对比，企业能够直观地发现差距，找到优化的正确方向。

案例阅读

小王想在自己的网店中增加男装牛仔裤一类的商品，于是他利用“生意参谋”搜索了男装牛仔裤行业的情况。他发现男装牛仔裤行业“搜索榜”前10名搜索词的搜索量都有不同程度的下降，说明用户对该行业的关注度在整体降低；通过“涨幅榜”，他发现宽松男士牛仔裤的相关搜索词占据了排行榜的多个位置，如图1-5所示。整体数据反映了男装牛仔裤的关注度在降低，但宽松男士牛仔裤在未来一段时间还拥有一定的市场。

上述案例充分利用了对比思路，通过直观的数据对比大致分析了行业和商品的潜力。当然，具体到实际操作时，企业还需要全方位地对数据进行分析，才能挑选出具备竞争力的商品，如分析市场容量大小、行业发展趋势等，这些都是本书后面会介绍的内容。

1.2.2 追踪

数据化运营必须通过追踪来完成，因此数据需要通过积累和沉淀才能更加准确地让经营者发现和解决问题。单一的数字没有任何意义，只能称其为数值。例如一个网店今天的访问量是5000、转化率为3%、成交额为15000元，这些数据是好还是不好，是增长还是下降，单一来看是完全不清楚的，只有放到近1周、近1月甚至近1年的数据中组成线性的趋势去研究，才能真正得出结论。因此，从这个意义上来看，追踪的本质就是通过趋势来处理数据。

虽然目前许多电商平台都发布了成熟的后台数据处理产品，能够支持一定的数据追踪，但还远远不够。电商经营者如果需要利用数据化运营的管理方式来经营，就应该把所有数据都记录下来，保存到自己的数据库中，建立不同的数据维度和追踪机制来分析和处理数据。

1.2.3 分解

分解是指将所有数据逐次向下分解，找出更多子数据，并通过对子数据的挖掘和优化，精确找到问题方向、提升核心指标。特别是当无法直接找到问题出现的原因时，更应该通过分解思路将数据或指标进行拆分，而不应该只着眼于某个现成的数据指标，忽略与之相关的其他因素。例如，网店销售额一般由访客数、客单价和转化率决定，因此就可以将销售额分解为这3个对象，然后进一步对访客数（老访客、新访客）、客单价（人均购买数量）、转化率（买家数、查询转化率、静默转化率、退货率）进行分解，逐步分析各项指标的情况，最终找到问题所在。

1.2.4 锚点

行为经济学有个术语称为“锚”。其大致意思是说，如果在生活中遇到某个商品，第一眼留下的印象将在此后对购买这一商品的出价意愿产生长期影响，这个价值就是“锚”。从这个意义出发，锚点思路可以广泛地应用到数据化运营中。例如，当存在多个因素影响转化率指标时，就可以只考虑将一个因素视为变量、其他因素保持不变，然后测试这个变量因素对转化率的影响程度，以便后续做出有效优化。

另外，通过锚点策略还可以引导运营者快速做出决策，有目的地提升产品销量。

案例阅读

黑珍珠原本是价格低廉且没有市场的商品，但是商人通过各种手段加以运作后，使黑珍珠一跃成为稀世珍宝。例如将黑珍珠放置在高档店铺橱窗展示，标上不可思议的高价；让黑珍珠与钻石、红宝石等一同出现在有较高影响力的杂志上，邀请明星代言等。商人以“高价”为锚点，将黑珍珠与“贵重”等属性“锚定”在一起，使其变得真正贵重起来。

又如，一瓶啤酒在小卖部卖5元，在大排档可以卖8元，在酒店可以卖12元，在酒吧可以卖到20元。啤酒是同样的啤酒，只是环境发生了变化。对于网店商品来说，商品标题、主图、模特、拍摄风格、页面设计、文案等因素，也能通过锚定思路影响买家对产品价格的判断。同样一件衣服，用手机拍摄简单的图片，适当添加一些文案，将价格定为100元就较为合适；如果聘请模特进行拍摄，页面设计得更加时尚，价格就能提到200元；如果聘请外国模特和专业摄影师来进行拍摄，设计风格向杂志靠拢，可能会卖到300元以上。衣服是同样的衣服，价格不同的原因就在于买家对它的价值感知发生了变化。

锚点思路广泛应用于商品定价，上述案例只是其中的一种典型应用。而对于数据化运营来说，锚点思路的优势在于能够在确定锚点的前提下，精确找出有问题的指标或对象，从而加以改善或优化。

1.2.5 结合

结合实际上提倡的就是多维度数据分析和处理。因为所有电商的核心数据在一段时间内兼具偶然性和关联性的特性，单独利用一种维度来追踪一个数据会显得比较片面，严重时会导致结论出错，所以处理数据一定要结合多个维度一起分析。例如，转化率和流量一般呈负相关关系；流量猛涨，转化率就会降低。假如在分析转化率为什么降低时，发现流量并没有快速上涨，此时就无法找到问题所在。如果结合其他维度，如分析“客单价”这个指标，就可以发现，在流量基本保持在同一水平的情况下，由于客单价有所提升，进而导致了转化率有所降低。