在线教育和线下销售的经营数据分析案例

运用数据分析的思维和工具及方法实现经营状况分析的两个案例，有线上在线教育行业经营分析和线下实体水果店铺经营状况分析，希望对大家有帮助~

• 数据分析实战案例
  • 线下水果销售分析
    • 案例背景
      • 某水果店不同店铺的毛利偏差很大，部分店铺亏损，需要找出亏损原因
    • 问题确认与指标体系
      • 逻辑树业务拆解
        • 利润模型
          • 增加收入
          • 减少成本
    • 问题解决思路
      • 明确问题
      • 拆解问题
      • 量化目标
        • 经营指标体系
          • 单品售价
          • 单品成本
          • 单品销量
          • 单品利润
            • =(单品售价 - 单品成本) * 单品销量
          • 毛利额
            • =Σ(单品利润)
              • 是所有商品的利润之和。是没有考虑房租、水电、设备等需要分摊的成本的利润。
          • 毛利率
            • =毛利额 / 营业收入 * 100%
              • =毛利额 / Σ(单品售价 * 单品销量) * 100%
          • GMV
            • 成交金额、订单流水
              • =Σ(单品售价 * 单品订单数)
          • SKU
            • 物理上不可分割的最小存货单元
              • 比如一个款式的衣服，有3个颜色，每个颜色都有5个大小，那么这个款式的衣服的SKU就是3*5=15个
          • 固定成本
            • 指在一定时期一定业务量范围内，不受业务量增减变动影响而能保持不变的成本。
              • 比如房租成本，如果没有店面的扩充，我的房租成本并不会随我卖更多品类的货物而变化；类似的有设备成本（除非购入新设备，否则设备成本不会增加），管理员薪水等；
          • 可变成本
            • 可变成本是指在特定的业务量范围内，其总额会随业务量的变动而成正比例变动的成本。
              • 比如生产材料（我业务量越大，生产材料也就越多）、直接人工（我业务量越大，人工的需求也就越多）、按销售量支付的推销员佣金、装运费、包装费，以及按产量计提的固定设备折旧等都是和单位产品的生产直接联系的，其总额会随着产量的增减成正比例的增减。
          • 净利润
            • 指所有收入减去所有支出之后，扣除了税后的利润额。
              • =(总收入 - 总支出 - 营业税) * ( 1 - 所得税率)
          • ROI
            • 投资回报率
              • =销售收入 / 投入成本
                • 计算的是我们销售的收入能够收回我们多少成本。也就是说，如果我们的销售收入能够收回我们的所有成本，这时ROI=1，那么我们就相当于不赔不赚；如果我们的销售收入无法让我们回本，那么我们就相当于赔钱，这时ROI<1；如果我们的销售收入大于我们的投入成本，也就是ROI>1，这时我们做这个投入就能够赚钱。
        • 就是将高低这种相对度量划分出范围的方法。比如我们要找身高高的人，那么将高矮身高的人对比，就能找到高的人。对比分析一般就是将度量单位做划分，比如收入对比，比如体重对比，比如速度对比等等；
      • 制定方案
      • 目标评估
      • 实验
      • 分析实验结果
        • 分组分析
          • 分组分析是将有相同特性的个体划分到相同组，从而分析组内个体的特征和组间个体或群体特征的方法。
        • 对比分析
        • 矩阵关联分析
          • 如果对比涉及多个度量维度，那么我们但意思值的对比分析就不再适用。这时，我们就需要适用矩阵关联分析。比如我们需要在销量和毛利率的双重考量下寻找优先生产的商品，比如我们需要在用时和收益的双重考量下判断我们优先完成的工作等等；
        • 趋势分析
          • 趋势分析，就是判断某类指标近期的走势的方法。简单的趋势分析就是判断一个指标的上涨和下降的趋势，比如判断自己的体重是否会上涨；比如判断自己的收入是否会上涨；而复杂的趋势分析，则会从模糊的判断数据变动方向，逐渐精确至数据的涨幅或者跌幅，复杂的分析方法，一般都是为了提高预测精度的。
      • 结案报告
    • 实际方法应用
      • Excel方法
        • 高级筛选
          • 能够实现复杂的筛选功能，有时排重的功能也能使用高级筛选实现。
        • 数据表格美化
        • sumif
          • 按单一条件计算累加数据
        • sumifs
          • 按多条件计算累加数据
        • counta
          • 对非空单元格计数
        • countifs
          • 按多条件计算计数
        • min
          • 求一个范围内的数据的最小值
        • max
          • 求一个范围内的数据的最大值
        • average
          • 求一个范围内的数据的平均值
        • 数据透视表
          • 能够实现列联表统计的功能
  • 在线教育机构经营分析
    • 案例背景
      • 分析某在线课堂的经营指标，找到不同渠道的人群转化率和用户留存
    • 问题确认与指标体系
      • 逻辑树业务拆解
        • 利润模型
          • 增加收入
          • 减少成本
    • 问题解决思路
      • 明确问题
      • 拆解问题
      • 量化目标
        • 经营指标体系
          • 单品售价
          • 单品成本
          • 单品销量
          • 单品利润
            • =(单品售价 - 单品成本) * 单品销量
          • 毛利额
            • =Σ(单品利润)
              • 是所有商品的利润之和。是没有考虑房租、水电、设备等需要分摊的成本的利润。
          • 毛利率
            • =毛利额 / 营业收入 * 100%
              • =毛利额 / Σ(单品售价 * 单品销量) * 100%
          • GMV
            • 成交金额、订单流水
              • =Σ(单品售价 * 单品订单数)
          • SKU
            • 物理上不可分割的最小存货单元
              • 比如一个款式的衣服，有3个颜色，每个颜色都有5个大小，那么这个款式的衣服的SKU就是3*5=15个
          • 固定成本
            • 指在一定时期一定业务量范围内，不受业务量增减变动影响而能保持不变的成本。
              • 比如房租成本，如果没有店面的扩充，我的房租成本并不会随我卖更多品类的货物而变化；类似的有设备成本（除非购入新设备，否则设备成本不会增加），管理员薪水等；
          • 可变成本
            • 可变成本是指在特定的业务量范围内，其总额会随业务量的变动而成正比例变动的成本。
              • 比如生产材料（我业务量越大，生产材料也就越多）、直接人工（我业务量越大，人工的需求也就越多）、按销售量支付的推销员佣金、装运费、包装费，以及按产量计提的固定设备折旧等都是和单位产品的生产直接联系的，其总额会随着产量的增减成正比例的增减。
          • 净利润
            • 指所有收入减去所有支出之后，扣除了税后的利润额。
              • =(总收入 - 总支出 - 营业税) * ( 1 - 所得税率)
          • ROI
            • 投资回报率
              • =销售收入 / 投入成本
                • 计算的是我们销售的收入能够收回我们多少成本。也就是说，如果我们的销售收入能够收回我们的所有成本，这时ROI=1，那么我们就相当于不赔不赚；如果我们的销售收入无法让我们回本，那么我们就相当于赔钱，这时ROI<1；如果我们的销售收入大于我们的投入成本，也就是ROI>1，这时我们做这个投入就能够赚钱。
        • 运营指标体系
          • 获取
            • 渠道指标
              • 新用户数
                • 一般是当日新设备数。对于现在的移动互联网环境来说，我们可以说一个用户有多个手机设备，但是一般一个手机设备，基本是属于单一用户的，共用情况会比较少。所以，我们一般将每日新增的设备数，算作我们的新增用户数。那一般我们怎么能判断这个设备是新的设备呢？一般企业会建立一个历史设备库，保存历史所有用户的设备号，如果新来的用户的设备号没有出现在历史设备库里，那么就能判断这个用户是一个真的新用户
              • 渠道成本
                • 一般渠道分为广告、应用市场、自媒体推广、社群。渠道成本，则是我的广告投放费用，应用市场买量费用，自媒体推广费用，社群活动费用。
              • 渠道ROI
                • 渠道ROI，一般用渠道获得的所有用户的生命周期内所贡献的所有价值 / 渠道成本
          • 激活
            • 用户活跃指标
              • 新增用户数
                • 一般是当日新设备数。对于现在的移动互联网环境来说，我们可以说一个用户有多个手机设备，但是一般一个手机设备，基本是属于单一用户的，共用情况会比较少。所以，我们一般将每日新增的设备数，算作我们的新增用户数。那一般我们怎么能判断这个设备是新的设备呢？一般企业会建立一个历史设备库，保存历史所有用户的设备号，如果新来的用户的设备号没有出现在历史设备库里，那么就能判断这个用户是一个真的新用户
              • DAU
                • 指日活跃用户数。首先是活跃指标，对于app来说，一般用户当日有打开app的行为，这个用户就会被算作活跃用户。我们计算一天的活跃用户排重的个数，即可得到DAU的数据。
              • MAU
                • 指月活跃用户数。指一个月的活跃用户的排重个数。
              • PV
                • 页面浏览数。一般来说，一个页面打开一次就会有一次PV，一个页面刷新一次也能有一个PV。
              • UV
                • 独立访问用户数（注意UV的英文为Unique Viewer，而不是user value之类的）。一般会对某个页面或者某个功能点求UV，基本就是计算这个页面的访问用户排重数据，或者这个功能点的访问用户排重数据。
              • 到达率
                • 比如一个邀请类的活动，到达率的计算就是接受邀请的用户数 / 给发了邀请的用户数
              • 跳出率
                • 指仅访问了入口就离开的访问量与所有访问量的百分比
              • 页面停留时长
                • 指用户在访问一个页面之后在这个页面停留的时间
              • 浏览深度
                • 一般指一个用户浏览网站的页面数，浏览页面数越多，浏览深度也就越深。
          • 留存
            • 留存率
              • 次留
                • 留存这个概念是指某一天访问过的用户在之后几天的回访情况。我们一般会将那一天设置为“基准日”，次留则是指基准日的次日（之后的第一天）回访的用户数。回访日期 - 基准日期 = 1
                  • 次日留存率 = 次留数 / 基准日用户数 * 100%
              • 2日留
                • 指基准日访问的用户数中，在基准日二天之后的那天回访的用户数。回访日期 - 基准日期 = 2
                  • 2日留存率 = 2日留用户数 / 基准日用户数 * 100%
              • 3日留
                • 指基准日访问的用户数中，在基准日三天之后的那天回访的用户数。回访日期 - 基准日期 = 3
                  • 3日留存率 = 3日留用户数 / 基准日用户数 * 100%
              • ……
              • n日留
                • 指基准日访问的用户数中，在基准日n天之后的那天回访的用户数。回访日期 - 基准日期 = n
                  • n日留存率 = n日留用户数 / 基准日用户数 * 100%
              • 留存的理解
                • 留存的理解中，比较困难的点在于
                  • 1.回访用户数
                    • 理解留存，首先需要理解回访用户。回访的用户，就是说我在基准日有活跃，之后在回访日又再次活跃的用户。可以用基准日和回访日的用户交集来表示这个用户群体。
                  • 2.不同类型用户留存
                    • 很多同学对留存的概念局限于新用户留存。其实留存这个概念可以拓展到很多场景，比如活跃用户留存，比如某个特殊页面的用户留存，或者某个UP主的粉丝留存；
                  • 3.2日留是基准日两天后的那天的留存，要注意有时会对“第二日留存”产生误解。
                    • 因为第二日很容易理解成基准日后的第一天，也就是基准日的明天。但实际上2日留存计算的是基准日两天后的那一天的数据，相当于是算基准日的后天的数据。
          • 转化
            • 购买转化率
              • 指某个范围用户中实际购买的用户比例。在这里，分子基本都是购买的用户数，而分母会依据范围的选取有变化。比如计算商品页面的购买转化率，我们会用浏览商品页面的用户数作为分母；比如计算某个按钮的购买转化率，我们会以点击这个按钮的用户数作为分母
            • 客单价
              • 指每个顾客平均购买的金额
            • 复购率
              • 指在首次购买之后又来购买的用户数
                • 复购率与留存率有一定相似之处，都是计算在某个时间段做了某个行为的用户数与在之后某个时间段又做了这个行为的用户数的比；其差异性为：复购一般以购买为计数标准，而留存一般以活跃为计数标准；留存率一般用日为单位计算，而复购率一般以月为单位计算
          • 裂变
      • 制定方案
      • 目标评估
      • 实验
      • 分析实验结果
        • 逻辑树拆解
          • 指按数据构成将一个聚合指标拆解成个体指标或者子群体指标。然后通过分析子群体指标的特点来定位问题
        • 综合分析
        • 漏斗分析
          • 用户在从圈定到达到某个目标的过程中，会在各个环节逐渐流失。漏斗分析则是按照用户流失的环节设计流失漏斗，观察各个环节的用户流失率。之后通过对比分析或者拆解分析法分析流失率较低的环节里出的问题
            • 比如某视频网站，从用户打开APP到用户观看完第一个视频，中间可能有几个环节：打开APP-首页曝光-视频详情页曝光-视频播放按钮点击-广告播放-视频播放-播放完成。其中每个环节都存在用户流失，我们观察各环节的用户流失率，就能发现一些流失率不太正常的环节。之后经过一些逻辑树拆解法定位具体问题
        • 分组分析
          • 分组分析是将有相同特性的个体划分到相同组，从而分析组内个体的特征和组间个体或群体特征的方法。
        • 指标体系模型
          • 通过建立综合指标评估体系来综合评估个体；比如一些卡牌游戏，通常都有多个属性值，一般来说并不是某个单一属性值越高越好，想要找到一些好的卡牌，往往都需要综合几个指标来衡量
        • 对比分析
          • 就是将高低这种相对度量划分出范围的方法。比如我们要找身高高的人，那么将高矮身高的人对比，就能找到高的人。对比分析一般就是将度量单位做划分，比如收入对比，比如体重对比，比如速度对比等等；
        • 矩阵关联分析
          • 如果对比涉及多个度量维度，那么我们但意思值的对比分析就不再适用。这时，我们就需要适用矩阵关联分析。比如我们需要在销量和毛利率的双重考量下寻找优先生产的商品，比如我们需要在用时和收益的双重考量下判断我们优先完成的工作等等；
        • 趋势分析
          • 趋势分析，就是判断某类指标近期的走势的方法。简单的趋势分析就是判断一个指标的上涨和下降的趋势，比如判断自己的体重是否会上涨；比如判断自己的收入是否会上涨；而复杂的趋势分析，则会从模糊的判断数据变动方向，逐渐精确至数据的涨幅或者跌幅，复杂的分析方法，一般都是为了提高预测精度的。
      • 结案报告
    • 实际方法应用
      • Excel方法
        • 高级筛选
          • 能够实现复杂的筛选功能，有时排重的功能也能使用高级筛选实现。
        • 数据表格美化
        • sumif
          • 按单一条件计算累加数据
        • sumifs
          • 按多条件计算累加数据
        • counta
          • 对非空单元格计数
        • countifs
          • 按多条件计算计数
        • min
          • 求一个范围内的数据的最小值
        • max
          • 求一个范围内的数据的最大值
        • average
          • 求一个范围内的数据的平均值
        • 数据透视表
          • 能够实现列联表统计的功能