假設(shè)電商平臺GMV下降，怎么辦？關(guān)于這個(gè)問題，作為分析師或者運(yùn)營的你，會(huì)如何回答？這篇文章里，作者就從商家、用戶側(cè)、平臺、行業(yè)等多方視角給出了幾版答案，一起來看看吧。

GMV計(jì)算和分析是電商經(jīng)營分析/運(yùn)營面試過程中有一個(gè)常見的問題，下面的分析框架是從一個(gè)咨詢顧問的角度，來進(jìn)行思考和復(fù)盤的。

大概也可以體現(xiàn)同一個(gè)問題，商業(yè)分析師的層次，但也是僅從咨詢分析師角度分析，由于非行業(yè)從業(yè)人員，如有分析細(xì)節(jié)不符合行業(yè)現(xiàn)狀，請糾正。

問題：電商平臺的GMV下降怎么辦？（商品交易總額簡稱GMV）

假設(shè)電商平臺GMV下降怎么辦，我們可以分析這個(gè)問題其實(shí)要回答兩個(gè)問題，第一是GMV如何計(jì)算，第二是GMV下降的提升策略是什么。另外為了便于計(jì)算分析，我們假設(shè)場景是某月電商平臺GMV較上月下降。

下面可以從三個(gè)層次來分析這個(gè)問題怎么回答和分析思路（以下訂單默認(rèn)減去了拒收、退貨、取消訂單）。

答案1.0版：僅從成交訂單最終結(jié)果分析

計(jì)算公式：

GMV=月訂單數(shù)*月訂單均價(jià)

提升策略：

1.0版的答案非常不完善，僅從最終的訂單角度進(jìn)行分析，從業(yè)務(wù)運(yùn)營的角度來看是無法制定精細(xì)化的改善策略的。

答案2.0版：從C端和B端思考

計(jì)算公式：

C端：GMV=用戶數(shù)量*訪購率*客單價(jià)

B端：GMV=店鋪數(shù)量*動(dòng)銷率*店均GMV

提升策略：

C端針對用戶數(shù)量從新客戶和老客戶視角進(jìn)行分析，針對訪購轉(zhuǎn)化，根據(jù)漏斗模型進(jìn)行拆解，并且結(jié)合RFM模型進(jìn)行分析。

B端針對店鋪數(shù)據(jù)分析新增/留存/流失數(shù)據(jù)，針對銷量和單價(jià)，從平臺補(bǔ)貼/活動(dòng)/積分/激勵(lì)相關(guān)維度進(jìn)行分析。

答案3.0版：明確最小計(jì)算和統(tǒng)計(jì)單位

首先我們必須明確該計(jì)算公式下的最小的計(jì)算單位，這里通過分析和思考判定最小單位是每筆訂單，包括每筆訂單的數(shù)量和每筆訂單的價(jià)格，有同學(xué)可能會(huì)有疑問，為什么一定要確定最小計(jì)算單位，因?yàn)樽钚∮?jì)算單位是進(jìn)拆解分析，以及后續(xù)的精細(xì)化運(yùn)營的重要思考維度。

然后，我們可以分析最小計(jì)算單位有什么特點(diǎn)，什么因素會(huì)影響最小計(jì)算單位，最小計(jì)算單位訂單怎么被歸類統(tǒng)計(jì)。

1）可以是店鋪維度，統(tǒng)計(jì)計(jì)算某一個(gè)店鋪的在某月的訂單數(shù)量和每筆訂單的單價(jià)，然后匯總計(jì)算所有店鋪數(shù)據(jù)，這里我們可以看到店鋪是計(jì)算分析的一級指標(biāo)。

計(jì)算公式：

GMV=店鋪1[（訂單數(shù)量A*訂單單價(jià)A）+（訂單數(shù)量B*訂單單價(jià)B）…]+店鋪2[（訂單數(shù)量C*訂單單價(jià)C）+（訂單數(shù)量D*訂單單價(jià)D）…]+….店鋪N[（訂單數(shù)E*訂單單價(jià)E）+（訂單數(shù)量F*訂單單價(jià)F）…]=單店GMV求和

提升策略：

這里我們可以看出，店鋪對應(yīng)的其實(shí)是商家運(yùn)營，影響店鋪的因素包括數(shù)量維度的指標(biāo)和質(zhì)量維度的指標(biāo)。

我們的核心目的是提升現(xiàn)有商家數(shù)量，提升商家活躍數(shù)量，并制定商家分層策略，對不同質(zhì)量的商家提供不同的運(yùn)營幫助。如果發(fā)現(xiàn)現(xiàn)有商家數(shù)量不盡如人意，我們可以進(jìn)一步分析新注冊商家數(shù)量/注銷商家數(shù)據(jù)，從商家增長角度進(jìn)行分析，新注冊商家考慮的維度主要是增長漏斗模型，注銷商家可以借鑒NPS模型，重點(diǎn)分析商家注銷的原因。

如果是商家質(zhì)量相關(guān)是數(shù)據(jù)，我們也可以進(jìn)一步分析，商家質(zhì)量主要和商家特征相關(guān)，例如按性質(zhì)分可以分為旗艦店商家/經(jīng)銷商商家等，按營收看可以分為頭部商家/中部/尾部商家，按地區(qū)分類等。

這里我們可以看到商家分層運(yùn)營的核心其實(shí)是按照商家畫像，對商家進(jìn)行分類精細(xì)化運(yùn)營。（這里品類其實(shí)也是商家的重要分類維度，但由于各類綜合主播和綜合店鋪的因素，所以將品類單獨(dú)拆分為一個(gè)分析因素）

2）可以是用戶維度，統(tǒng)計(jì)計(jì)算某一個(gè)用戶在某月的訂單數(shù)量和每筆訂單的單價(jià)，然后匯總計(jì)算所有的用戶數(shù)據(jù)

計(jì)算公式：

GMV=用戶1（訂單數(shù)量A*訂單單價(jià)A）+（訂單數(shù)量B*訂單單價(jià)B）…]+用戶2[（訂單數(shù)量C*訂單單價(jià)C）+（訂單數(shù)量D*訂單單價(jià)D）…]+….用戶N[（訂單數(shù)E*訂單單價(jià)E）+（訂單數(shù)量F*訂單單價(jià)F）…]=用戶GMV匯總

提升策略：

這里我們可以看出，用戶對應(yīng)的其實(shí)是用戶運(yùn)營，影響用戶的分析方法和商家運(yùn)營有類似之處，可以從消費(fèi)者旅程和消費(fèi)者畫像角度分析思考，并將兩個(gè)維度綜合思考。

消費(fèi)者旅程對應(yīng)的分析方法應(yīng)該是漏斗模型，即拉新（acquisition）、促活（activiation）、留存（retention）、變現(xiàn)（revenue）、傳播（refer），分析模型中哪個(gè)環(huán)節(jié)是影響用戶下單的重要節(jié)點(diǎn)，用戶增長和流失的原因，并制定針對性的運(yùn)營策略。消費(fèi)者畫像對應(yīng)消費(fèi)者的基本屬性和消費(fèi)行為屬性，對不同消費(fèi)者進(jìn)行精準(zhǔn)營銷。

3）可以是商品維度，統(tǒng)計(jì)計(jì)算某一個(gè)商品在某月的訂單數(shù)量和每筆訂單的單價(jià)，然后匯總計(jì)算所有的商品數(shù)據(jù)

計(jì)算公式：

GMV=商品1（訂單數(shù)量A*訂單單價(jià)A）+（訂單數(shù)量B*訂單單價(jià)B）…]+商品2[（訂單數(shù)量C*訂單單價(jià)C）+（訂單數(shù)量D*訂單單價(jià)D）…]+….商品N[（訂單數(shù)E*訂單單價(jià)E）+（訂單數(shù)量F*訂單單價(jià)F）…]=商品GMV匯總

提升策略：

這里我們可以看出，商品對應(yīng)的其實(shí)是商品運(yùn)營，影響商品的分析方法和商家、用戶有些區(qū)別，我們可以看出商品其實(shí)是一個(gè)被動(dòng)的因素，而商家、用戶是影響商品的主動(dòng)因素。

另外，商品在數(shù)量級上也和商家、用戶有較大的區(qū)別。所以，這里其實(shí)應(yīng)該跳脫單個(gè)商品的分析概念，從品類/品牌運(yùn)營的角度思考。

這里的分析思路可以從宏觀視角分析，也可以從微觀視角分析，宏觀視角指的是該品類所屬行業(yè)的視角，例如，服裝品牌的市場份額較為分散，而筆記本電腦的市場份額較為集中，這里，我們可以試想，在一個(gè)市場份額集中的品類中，如果占據(jù)大量市場份額的品牌因?yàn)橐恍┰?，出現(xiàn)大量銷量下滑，那么就需要制定相關(guān)的策略，例如近期由于日本排放核污水，導(dǎo)致大量日系品牌銷量大幅下降，而在某些垂直商品品類上，日系品牌占據(jù)了大量的市場份額。

從微觀角度，品類的價(jià)格和消費(fèi)頻次，特定時(shí)間點(diǎn)和特色的使用場景，也是重要的思考方向，可以開展一些和品類相關(guān)的運(yùn)營活動(dòng)。

答案4.0版：綜合考慮外部因素

2.0和3.0版的分析已經(jīng)有一定的提升和完善了，也可以精準(zhǔn)定位影響GMV的因素，并制定相應(yīng)的運(yùn)營策略了，但是該分析僅局限在平臺內(nèi)部的經(jīng)營分析，未能綜合考慮行業(yè)、競品相關(guān)的因素。我們可以把2.0和3.0版的分析數(shù)據(jù)歸納為直接影響GMV的因素，4.0版本的分析在2.0和3.0版的基礎(chǔ)上，加入行業(yè)和競品因素的分析，這類因素屬于間接因素。

由于2.0和3.0版的答案已經(jīng)寫過計(jì)算公式了，下面4.0版本不再贅述。

提升策略：綜合商家/用戶/品類運(yùn)營數(shù)據(jù)，制定相應(yīng)的運(yùn)營策略。

商家：

• 數(shù)量維度（直接因素）：老商家NPS分析流失/留存原因+新商家增長漏斗分析新增因素
• 數(shù)量維度（間接因素）：競品商家數(shù)量/行業(yè)市場商家規(guī)模sizing
• 質(zhì)量維度（直接因素）：根據(jù)商家類型畫像進(jìn)行分析
• 質(zhì)量維度（間接因素）：宏觀環(huán)境/商家產(chǎn)業(yè)鏈（供貨/貨品價(jià)格/貨品質(zhì)量/替代品）

用戶：

• 消費(fèi)者旅程（直接因素）：漏斗模型，即拉新（acquisition）、促活（activiation）、留存（retention）、變現(xiàn)（revenue）、傳播（refer）分析用戶下單轉(zhuǎn)換的影響因素，例如頁面布局、引流渠道等
• 消費(fèi)者旅程（間接因素）：外部流量/競品/pc到移動(dòng)端的技術(shù)變化
• 消費(fèi)者畫像（直接因素）：RFM模型等分析
• 消費(fèi)者畫像（間接因素）：宏觀經(jīng)濟(jì)/外部消費(fèi)者市場變化（可支配收入等）

商品：

• 宏觀（直接因素）：商品/品牌市場份額集中度
• 宏觀（間接因素）：供給端（技術(shù)壁壘、資金壁壘等因素）、需求端（消費(fèi)端需求多樣，眾口難調(diào)，常見于餐飲、服裝等品類）、產(chǎn)業(yè)鏈
• 微觀（直接因素）：商品價(jià)格、商品消費(fèi)場景、商品復(fù)購率等
• 微觀（間接因素）：競品（品類活動(dòng)）、流量（消費(fèi)場景渠道）、商品供給情況（商家側(cè)：影響價(jià)格和缺貨率）、用戶購買因素（用戶側(cè)的購買行為分析）

商品分析較為特殊，如前文所述還是要從商家和用戶側(cè)，以及平臺，行業(yè)多方視角分析，本來想把商品品類作為商家分析的上一級指標(biāo)，但是考慮到大量直播電商/店鋪不是并不是只垂直在某些品類，所以這里單列出來進(jìn)行分析。