最近正值招聘求职季，无论是企业和个人都面临着岗位的更换或者职位升迁。想象这个场景，如果你刚进入一家新的公司，或者新接手几个店铺，那你会从哪些方面快速了解这家店铺产品的销量和利润情况。更进一步的话，如何用数据分析发现销售中的问题，进一步用数据驱动运营决策。首先，提出我们想了解的问题。

• 2018年店铺整体销量和利润情况

• 2018年主要产品销量及利润情况

• 2019年销售策略及产品线扩充建议

亚马逊店铺数据分析步骤

1. 数据提取

数据源提取路径：Reports（数据报告）- Payment ( 付款 ) - Date Range Reports（日期范围报告）

时间范围：2018年（数据已修改）

由于亚马逊后台数据较为整洁，只需根据自身情况稍做整理就可以进行分析。这里我选用以可视化为主的工具 Tableau，相当于高级透视表，方便上手。同时，便于我们进行数据探索。

2. 数据分析

下载好报表后，把数据导入Tableau。首先查看表头，用业务的逻辑去思考有哪些列可以用来分析，不需要的可以设置隐藏。首先对序列进行分类。

1. 日期序列：可以明确每个时间节点的情况，细分到天和小时

2. 类别序列：type（数据分类），SKU（产品），marketplace（销售渠道），Fulfillment（配送方式）

3. 地理序列：Order State, Order City, Postal Code

4. 数值序列：Product Sales, Selling Fees, Total...

明确了数据序列分类，下一步是创建新的计算字段。因为我们需要对亚马逊店铺的利润情况进行分析，但是导出的数据并没有直接体现。第一个方法是用真实的产品成本和运费头程和SKU做映射。第二个方法是用成本占比预估毛利。比如说，一个产品的定价为100%，亚马逊费用占20%（包括佣金15%，配送费5%），成本占35%，毛利率45%。当然，可以根据品类调整成本占比。毛利率45%一般是正常比例，因为没有扣去推广费用等等。在数据多的情况下，我们需要一个相对准确的数据。所以在Tableau里创建计算字段如下：（Total是我们收到亚马逊的回款）

店铺销售额

时间序列的范围是整年到季度、月、天或者小时。以月为单位，可以查看店铺销售的淡旺季；以天为单位，可以查看一个月中是否有销售差别；以小时为单位，可以查看销售较好的时段。首先让我们查看下店铺的整年销售额及利润情况。如图可以看出销售额最好的月份分别是两个传统旺季，7月和12月，其他月份并没有明显的销售增长。图中比例表示利润占销售额的比例。由上文得知，我们预设的毛利率是45%。再观察图表，可以看出部分月份是超过这个数值，部分月份低于这个数值，如销售额最高的7月和12月。结合实际情况分析，由于旺季秒杀促销较多，使销售额上升，利润率降低。但是5月和9月的利润明显低于其他月份。由于我们预估的毛利润是没有减去推广费用的，所以很有可能这两个月份的推广费用超支，出现利润降低的情况。接下来，我们用单品销量趋势来验证我们的推测。

单品销量情况

如图可以看出，5月有两款产品，9月有一款产品在之前是没有销量的，由此可以大致判断5月和9月出现利润率下降的原因很有可能是上架新品导致推广费用上升。那这几款新品之后的销售如何呢？可以看到经过6月份的推广再加上7月份旺季流量的加持，销量增长较快。而9月份上架新品的销量也是趁着旺季流量呈线性增长，初步判断两款产品的推广较为成功。

单品利润

下面，来看一下单品的利润如何。用瀑布图做可视化，可以看出新品 I 和 J 在利润总和排名名列前三，新品 M 利润最少。这时需要结合其他数据如单品广告费用，具体成本等等分析原因，看推广策略是否出现问题。由于本文数据源单一，所以仅从店铺整体角度分析。老产品 W 和 E2 利润低且销量没有明显增长，可以考虑清货换产品。老产品 C 销量增长后趋于基本稳定，可以考虑缩减推广投入，增加利润。因为产品生命周期不同，需要根据具体产品做灵活调整。

客户下单时段

由于时间维度精确到了小时、分钟和秒，我们可以查看哪些时间段的销量较高，从而灵活的调整销售策略，如广告定时开关，关键词竞价的高低调整等等。Tableau自带的数据清洗功能可以方便的识别日期和时间序列，在 Excel 中这个序列需要稍做清洗，这里就不展开了。时区定位在美国 PST 当地时间。从整体来看，下午和晚上的销量是高于白天的。根据时间段划分是11点到15点和23点到2点为销量较高的第一梯队。我们可以分两个时间段重点投入广告，提高关键词竞价，注意加大预算。这里判断下单时间仅从订单的角度，也可以根据具体产品进行细分。因为品类不同，销量高峰有可能不同。当然，如果做广告分时的测试，还需要关注点击率，转化率，流量等等数据。这是另外一种精细化的方法，两者可以结合加以判断。

销量趋势

下面做一个简单的销量预测，可以用于备货参考。因为时间周期为2018年的12个月，如果时间跨度越大，预测也越准确，也可以看出季节性。由于时间跨度不是很大，所以销量预测仅供娱乐。。在预测模型中选择累加，预测时间选择3个月。可以看出右边灰色部分的销量比12月份下降大概30%，也基本符合实际情况。

地理序列分析

图中展示了美国各区域销售额情况，颜色深浅代表销售额的多少，每个州上面的饼图是销售额前三的产品的占比。可以看出，销售额最高的是加州和佛罗里达州，在这两个州上三个产品的销售额较为平均，没有很大差别。地理位置分析对于海外仓的布局有一定的参考价值。如果主做海外仓发货，可以选择销量较高的区域设置仓库，减少物流成本和运输时间，提高客户体验。同时，对于开发特定区域的产品也有帮助。类比国内，北方人和南方人的饮食习惯等也有很大区别。结合下图结果，可以深度了解加州当地居民的消费习惯、衣食住行等等，判断是否与其他地区有差异，进而提供量身定做的产品或服务。

仪表盘探索

最后可以把相关图表放到一个仪表盘中做数据联动，观察各维度是否有差别，进一步探索。

3. 结论

经过各个维度的分析，相信你应该对店铺有个大概的了解，让我们整理下思路，做下总结。

1. 2018年店铺整体销量和利润情况

• 销量：店铺销量呈现增长趋势，但并无爆发性增长。销售旺季出现在传统销售旺季7月和12月，与其他月份的销售差距较大，说明店铺主营产品有季节性。12月销售额略低于7月份，仅从产品角度考虑，是否主营产品达到了生命周期的衰落期，出现疲软状态。

• 利润：店铺整理利润围绕在预估利润率45%上下浮动，但没有一个月份的利润率远超过45%，说明店铺整体利润率不高，可以从两个角度考虑。一是产品客单价不高，二是定价属于正常水平，需要结合更多数据判断。在销售旺季和新品推广前期出现利润率降低的情况属于正常现象，但仍需结合具体成本判断是否出现产品成本上涨的情况等等。

2. 2018年主要产品销量及利润情况

• 较好的老产品：C. 由于销量在Q2出现上升，并一直保持稳定，同时在旺季销量增加，但利润处于店铺产品的中等水平。

• 不好的老产品：G, H, E2, W. 销量一直没有增长或者在下降，虽然产品 H 有一定利润，但是不能成为支柱。

• 新品情况：I, J, M. 经过一个月的推广期，销量有明显增加，且产品 I 成为店铺中利润最高的产品。但是产品 M 的利润最低，有可能和只有三个月的销售历史有关，需要结合更多数据判断。

3. 2019年销售策略及产品线扩充建议

产品建议

• 老产品处于下降趋势，没有发挥出支撑店铺业绩的作用，可以把没有利润的产品清仓下架，集中精力开发新品。

• 新品上架后在销量和利润都表现不错，考虑是否能扩充产品线。

• 加州和佛罗里达州为店铺销售最好的两个区域，可以结合外部资料，深入了解此区域是否有进一步开发产品的机会。同时，需要了解当地的文化，消费习惯等等，做出有差异化的产品。

销售策略

• 用最小的代价把需淘汰产品尽快清仓下架。对于有稳定利润的老产品，考虑缩减推广成本或者降低其他成本费用，进一步增加利润。对于处于上升期的新品，加大推广投入，增加站内站外推广渠道。

• 结合客户下单时段，分时投放广告。同时，可以对新品进行广告时段的数据测试，观察流量，CTR, CR等，进一步精细推广费用，使广告效果最大化。如果有独立站在运营，可以结合 Facebook广告，谷歌广告增加对加州和佛罗里达州的推广费用，测试效果。

• 如果有海外仓设置的需要，尽量选择靠近销量较好的区域。

（备注：本文数据源为模拟数据，请谨慎参考结论建议，结合自身实际情况分析。文章以提供思路为主，如果你有更好的建议，欢迎讨论。码字不易，转载请注明出处。）