01 / 先讲核心结论
手机电商策略，应该从“看销量”升级为“看经营因果”
我通常先把问题拆成目标、事实、原因、动作四层，再决定图表和看板怎么做。这样可以避免团队在多个平台之间反复下载数据，却仍然回答不了“为什么本周利润变少”或“促销预算投到哪里更有效”。
结论一：先定义利润目标
手机行业的销售额容易被大促、补贴和新品发布拉高，但销售额本身不能说明经营质量。我的建议是将目标拆为成交规模、贡献毛利、库存周转和用户资产四个维度。例如，某款产品销售额增长20%，若折扣扩大、退货增加、仓储费用上升，最终贡献毛利可能下降，因此不能只用GMV给团队下结论。
结论二：用漏斗定位损失
从曝光到点击、加购、支付、签收，再到好评和复购，每一层都有不同原因。点击率低，可能是主图和搜索词不匹配；加购高而支付低，可能是价格、分期、赠品或信任问题；支付正常但退货高，则应检查版本、颜色、发货承诺和客服预期管理。漏斗让“感觉不好卖”变成可验证的问题。
结论三：策略必须按情境变化
新品首发、常规销售、平台大促、清库存和供应紧张，不能使用同一套指标权重。新品阶段重视有效曝光、首购人群和评价沉淀；成熟期关注利润与复购；尾货期则关注库存金额、可接受折价和渠道承接。E数通的价值在于把这些情境放进同一分析体系，同时保留渠道和商品的细分能力。
02 / 背景和真实场景
手机行业为什么特别需要数据分析
手机是高客单、强规格、快迭代、渠道复杂的数码产品。消费者购买的不只是硬件，还包括品牌信任、系统体验、售后保障、分期权益和即时配送。每一个环节都可能影响最终利润。
一个典型的周经营会议
假设一家手机零售团队在周一开会。负责人发现旗舰机A的销售额环比下降，第一反应是“竞品降价了”，于是准备追加优惠。但数据拆开后可能出现完全不同的事实：搜索流量上升，商品点击率下降；点击用户中，低存储版本的加购率较高；支付环节的分期选择减少；同时，蓝色版本库存只够两天，黑色版本库存却积压。此时直接降价，既未解决商品呈现，也可能进一步损害利润。
我会把会议问题改写成四个可回答的问题：第一，下降来自流量、转化还是客单结构？第二，下降集中在哪个渠道、地域、设备版本或人群？第三，异常是本周发生，还是过去四周已经逐步形成？第四，哪个动作的成本最低、验证速度最快？只有这样，数据才会服务于经营，而不是成为争论的装饰。
手机电商的七类数据
- 流量：曝光、访客、搜索词、广告点击、自然流量占比。
- 商品：品牌、系列、存储、颜色、套装、生命周期。
- 价格：标价、成交价、优惠金额、分期成本、竞品价差。
- 交易：订单、件数、支付转化、取消、退款与退货。
- 库存：可售库存、在途库存、库龄、周转天数、缺货率。
- 用户：新老客、购买频次、客单价、地域、设备偏好。
- 服务：发货时效、签收、咨询、投诉、评价与售后。
示例：手机电商漏斗的诊断重点
示例口径：某月进入商品页的访客为100%，各环节比例为教学假设，重点用于说明漏斗诊断方式，不代表行业基准。
不要忽略“时间”和“版本”
手机数据经常被两个维度改变：时间节点和产品版本。发布会、补贴政策、平台活动、工资发放日、节假日都会改变流量与支付意愿；存储规格、颜色、网络制式、官方套装和地区版本则会改变价格与库存结构。如果只按品牌或型号汇总，很容易把畅销版本与滞销版本相互抵消。
我建议建立至少三种时间视图：日趋势用于发现突变，周趋势用于调整投放和库存，生命周期趋势用于判断新品爬坡、成熟和衰退。对于强促销日，最好单独建立活动标签，避免把一次性峰值误认为长期需求。
03 / 常见误区
数据很多，不代表判断就更准确
我在设计手机行业看板时，最常见的困难不是缺少数据，而是口径不统一、维度不完整和动作没有闭环。下面这些误区尤其值得在团队内部提前约定。
误区一：把GMV当成唯一目标
GMV会受到折扣、补贴、退款和刷量影响。若采购成本、平台佣金、广告费、赠品成本和售后费用没有纳入，销售额越高，可能亏损越大。至少要同时看实收金额、订单毛利、贡献毛利和退款后毛利。
误区二：用平均数掩盖结构
全店平均转化率上升，可能是低价机占比增加；平均客单价下降，可能是旗舰机缺货而非用户降级。平均值必须与渠道、系列、版本、地域、用户新老程度交叉，才能知道变化由谁贡献。
误区三：看到相关就认定因果
促销期间订单增加，不一定说明优惠是唯一原因，因为活动通常同时带来流量、内容曝光和平台资源位。要比较相似人群、相似时段或设置小规模对照，才能更接近真实增量。
误区四：只看平台，不看全链路
平台后台适合看渠道内表现，但经营者还需要连接进销存、财务、客服和会员数据。比如平台支付订单上涨，却因仓库缺货导致取消率增加；广告带来访客，却吸引了大量低意向用户；这些问题单靠一个平台报表往往看不完整。
误区五：看板上线就算完成
看板只是信息载体，不是项目终点。真正的完成标准应包括：指标定义有负责人，异常有阈值，分析有固定节奏，策略有试验记录，结果能回写。否则看板上线后仍然依赖少数分析师手工解释，组织能力并没有真正提升。
| 表面现象 | 可能原因 | 建议先查什么 | 不要直接做什么 |
|---|---|---|---|
| 访客多但支付少 | 流量意图弱、价格权益不清、详情页信息不足 | 搜索词、渠道转化、停留时长、分期点击、客服咨询 | 不要马上全面降价 |
| 销量增长但利润下降 | 低价SKU占比提升、补贴扩大、广告成本上升 | 成交价、单品贡献毛利、投产、退款后收入 | 不要用销量增长证明策略成功 |
| 库存金额持续上升 | 预测偏高、版本错配、渠道动销弱、采购批次过大 | 库龄、周转、版本结构、在途量、渠道售罄率 | 不要所有SKU统一清仓 |
| 评价变差且退货增加 | 宣传与实际体验不一致、批次问题、配送或售后延迟 | 评价文本主题、退货原因、批次、地区、客服记录 | 不要只用优惠换更多订单 |
04 / 专业判断逻辑
从指标到策略：我会采用五步分析法
这套方法适合经营日报、周会复盘和活动总结。它不要求一开始拥有完美的数据仓库，但要求团队先统一问题和口径。
第一步：明确决策问题
不要从“今天做什么图”开始，而要从决策开始。例如“旗舰机A是否继续加大广告预算”比“看一下广告报表”更具体。问题要写清对象、时间、目标和限制条件。
第二步：统一指标口径
明确访客是去重UV还是访问次数，订单按下单还是支付，收入是否扣退款，毛利是否包含平台费和广告费。口径不统一时，跨部门比较没有意义。
第三步：先看趋势，再看切片
趋势用于确认异常发生的时间，切片用于定位异常集中在哪里。建议先按日、周查看，再按渠道、商品、版本、地域和人群逐层下钻，避免一开始就陷入无穷维度。
第四步：建立原因假设
数据只能告诉我们哪里变化，原因需要结合业务。可以提出“主图改版导致点击下降”“蓝色版本缺货导致支付流失”“新客补贴拉低毛利”等假设，并为每个假设指定验证数据。
第五步：动作、负责人、复盘
动作要小而明确，例如调整一个版本的主图、把广告预算移动到高毛利SKU、补充分期说明，而不是笼统地“优化投放”。同时设置负责人、完成时间和评价指标。
建议的指标树
贡献毛利 = 实收收入 − 商品成本 − 平台费用 − 广告