（2）活动卖场/栏目专题

用户具有一定的购物*，通过层次分类法，将商品根据栏目定位或活动卖场目标进行板块分类划分

例如活动卖场板块分类：头图（利益点、主打商品信息）——主推爆款商品（品牌、商品名称、商品图、价格、利益点）——满减专区（利益点、商品名称、商品图、价格）——品牌专区（品牌图、品牌利益点、品牌名）

（3）搜索

目标明确的主动用户，通过直接搜索关键词直接进入搜索结果列表页；

（4）搜索结果列表页

是用户主动行为的结果匹配，也是平台展示商品最重要的环节，一般会展示商品的图片、价格、名称、活动、品牌等信息

（5）商详页

用户购买决策的战略要地，商详页决定着用户是否愿意将商品加入购物车，以及在多长时间内做出加车购买决策，所以商详页重点展示的信息包含：商品价格、活动信息、商品卖点介绍、售后服务、加车、购买等重要信息

根据“进”、“销”、“存”三板斧，商品的铺设完成之后，核心就是要把商品卖出去，并且管理好商品的库存，保持动销率在一个良性值范围内

1. 商品的推广

通过站内站外资源的方式推广商品，这里有一个ROI的测算指标，推广投入的资源金额/商品的毛利<1，这种推广才是正向的商品推广，现在各平台的商品推广方式主要有，京东平台：京东快车、精选展位、京挑客等等；淘宝：直通车、淘宝客等等，站外像腾讯广告和字节跳动的广告等等

2. 营销活动

除了日常的商品销售外，平台一般还有多种营销活动，活动的主要形式包含秒*、直降、满减、满免、满赠、满返等几种形式，大型营销节点的活动主要有618、双十一等等，还有各类节日节点营销活动，类目运营需要在这类活动中借势提升商品的销量

1. 商品数据分析

商品的数据分析对于商家以及平台非常重要，数据主要来源是销售数据和平台产品数据，我们需要通过数据进行分析，发现有价值的结果，用来优化日后的商品运营工作，主要分析的数据有：商品款量、售罄率、动销率、毛利率、库存周转率、退货率等等

• 商品款量：同一品类的商品数量决定了你的盈利能力，一般是一个三级类目下的商品SKU数量；
• 售罄率：检验商品畅销或滞销的指标，一定时间段某种货品的销售占总进货的比例，计算公式为：实际销售货品成本/总进货成本；
• 动销率：是平台有销量的商品占全平台商品总数的比值，一般电商的动销率至少要在50%以上算正常，70%是可以作为一个指标进行参考，当然不同的品类不一样
• 毛利率：毛利率是商品收入能力的直接体现，并不是一味的毛利率高就是好的商品，也不是说毛利率低就是坏的商品，毛利率很高，商品可能销量很低，整体的收入能力也会降低，毛利率低的商品，但销量高，带来的整体收入也可能会比较可观，毛利率和市场运作、品类选择有相当大的关系，不同的市场和品类需要单独来看
• 库存周转率：是在某一时间段内库存货物周转的次数，是反映库存周转快慢程度的指标，假设你的月库存周转率为3，那么你的库存每月能周转三次，周转率越大表明销售情况越好
• 退货率：退货率是指产品售出后由于各种原因被退回的数量与同期售出的产品总数量之间的比率，退回率反应了商品售出后用户的满意程度，退货率越低可以间接说明商品用户认可度高，因为还有用户评价等因素反应商品的用户认可度

各种率计算公式

2. 产品流程数据分析

产品流程数据可以理解为与商品相关的用户动线流程中各个环节的数据和转化率，反应了平台产品的体验、商品的受欢迎程度、活动对用户的吸引力等等，主要的分析指标有：PV，UV，跳转率，跳失率，点击率，点击次数/点击人数、下单转化率、支付成功率等等

• PV、UV：UV相当于用户量，PV相当用户流量的页面数量，是平台数据分析的基础数据，根据场景、栏目、活动的不同可以进行场景细分
• 跳转率：指用户进入页面后点击页面内容进行跳转的量级与用户产生的总访问量的比值，反应了当前页面盘点的内容对于用户的吸引程度，跳转率越高，说明吸引程度越高
• 跳失率：指用户点击页面内容跳转后，未等到跳转页面加载完毕就关闭页面的比例，反应了产品的体验，主要是页面加载速度影响
• 点击率：内容被点击的次数与被显示次数之比，反映了网页上某一内容的受关注程度
• 点击次数/点击人数：内容被点击的次数/被点击的次数去重，反映了网页上某一内容的受关注程度，一般也会用热力图的方式来展示页面的点击情况
• 下单转化率：用户来到平台后，产生的订单数，转化率越高，说明运营水平越高，是运营的主要考核指标
• 支付成功率：用户下单并不意味这笔订单真的成交，用户最终支付成功才能说明这笔订单交易成功，因此延伸出支付成功率，反应了最终用户的支付情况

3. 用户行为数据

通过对用户行为监测获得的数据进行分析，可以更加详细的了解用户的兴趣爱好、行为习惯，从而找出平台/活动存在的问题，帮助运营人员发掘总结提高转化率的经验和方式

主要分析的用户行为数据有：

商品浏览记录、搜索关键词、关键词搜索次数、活动参与记录，客单价，商品销量分布、购买频率、访问频率等等

用户行为数据分析更多为了更好的了解用户，完善千人千面的产品能力，以便更加精准的为用户推荐与用户需求匹配度更高的商品，提高转化率

在商家管理、商品管理、日常运营、竞品调研、以及数据分析的过程中，都会收集到各类产品需求，类目运营需要收集需求，分析需求，提出需求，最终跟进需求落地，提升效率，这里分享一个卡诺模型（KANO模型）

KANO模型是东京理工大学教授狩野纪昭(NoriakiKano)发明的对用户需求分类和优先排序的有用工具，以分析用户需求对用户满意的影响为基础，体现了产品性能和用户满意之间的非线性关系。

——百度百科

1. 基本需求：也称为必备型需求、理所当然需求，是顾客对企业提供的产品或服务因素的基本要求
2. 期望型需求：也称为意愿型需求，提供该功能，用户满意度提高，如果不提供该功能，用户会感觉到不满
3. 魅力型需求：又称兴奋型需求，指不会被顾客过分期望的需求，也就是时候这部分需求做了可能会提升用户的好感度，但是不做，用户也无感
4. 无差异型需求：不论提供与否，对用户体验无影响。是质量中既不好也不坏的方面，它们不会导致顾客满意或不满意
5. 反向型需求：又称逆向型需求，用户没有这个需求，提供后用户满意度反而会下降，俗称反人类需求

按照 KANO模型分析可以对收集到的产品需求进行分类，筛选掉一些不合理的需求。更好更有目的性的完成产品待办清单的记录。

本文由 @Vinson泽 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议