一、從最基礎的進銷存開始

商品運作，簡單說就是：進貨→賣貨→再進貨。只不過這里有兩條隱藏要求：

1、在商品賣光以前，有新的貨進來，不能斷貨

2、在商品過期以前，把它賣掉，不要爛倉庫

因此在看商品數據的時候，需要把庫存、日/周/月銷售、商品采購周期、商品保質期四個指標一起看。舉個簡單的例子，假設我們有100件新到貨的商品A，每周固定銷售30件，采購周期1周，保質期2周，那么數據情況就如下圖所示：

實際上，很多商品報表只有庫存和銷售額兩個指標，這是因為商品主管對采購周期、保質期自己心里有數，并且這倆數據一般也不在交易表里，導致數據分析師取數的時候沒有包含這倆數據。這種基礎信息缺失情況，在商品分析里很常見，也是導致數據分析師不明白這些零散報表有啥用的重要原因。

二、商品&價格彈性關系

還是開頭的例子，如果真發現進貨進多了，除了痛罵商品主管XX以外，還得趕緊考慮清貨。清貨最常用的手段就是打折，打折情況下，銷量就會比正常水平有提升，這個此消彼長的關系被稱為：價格彈性。經濟學/財務的教材，都會假設價格彈性是一條直線，但現實中很難實現動態價格變化（價碼牌不能每分鐘變），因此，經常表現為階梯式變化（如下圖）：

除了降價，還有很多商品促銷能讓利顧客，提升銷量。比如：買3件贈1件，買本品1件送贈品/小樣，買滿100元減30元。想要充分了解價格彈性，就得收集業務部門每次促銷行動方式，用活動標簽描述形式，統一折算活動優惠力度。這樣通過對比，既能找出每一類活動提升效果，又能發現那些對價格很敏感的商品，一舉兩得。

很多公司沒有統一整理活動資料，也沒有建相應標簽庫，即使有活動復盤，也是每次活動單獨做。這樣就導致沒法沉淀分析經驗，也沒法清晰商品和價格的關系。

三、商品周期性規律

還是開頭的例子，我們假設每周常規銷量是固定的，實際上即使沒有促銷活動，商品也會天然有波動。其中有2種波動是和商品本身屬性密切相關的：

1、季節性波動：比如夏季降溫、冬季保暖有一大堆相關商品

2、生命周期：比如時尚、科技型產品，上市時新鮮，過氣了就涼了

（如下圖）

這種周期性，使得銷售數據不是平穩的，商品運作的節奏也有快慢區別。想要認識周期性，就得對一款商品做持續追蹤，先從歷史數據里總結經驗：

1、起點在何時開始，受哪些因素影響

2、上升期大概有多少周，每周遞增銷量是XX

3、穩定期（沒有大幅度降價）大概有多少周

4、拐點在XX周出現（本篇銷量大跌，競品大幅度打折）

雖然不同年份受氣候、研發進度、上市計劃影響，數據有波動，但大體上是有范圍的。

通過歷史數據分析，有了初步認識以后，就可以更細致管理：

1、在旺季來臨之前提前鋪貨

2、上升期每次補貨量更多

3、穩定期密切監控競品價格/本品銷量

4、如果商品前期表現不好，后期清貨得更果斷

當然，這些判斷經常是商品主管們下的，到了數據分析師這里，又變成了一張孤零零的報表，很有可能是很簡單每日銷量。如果不認真理解商品特點，結合歷史走勢思考，是沒法讀出背后含義的。

四、商品組合策略

還是開頭的例子，我們只看了一款商品，實際上即使同樣品類，也會安排至少高中低3個價位的商品，以滿足高中低端用戶的需求，這樣就形成了最簡單的組合策略：價格策略。

要注意的是，價格組合，經常是和銷售渠道一起考慮的。線下店鋪貨架數量是有限的，每一種店鋪對應高中低端用戶數量不一樣，因此要交叉起來看才行。而且此時要考慮的，是整個店鋪的銷量最大化，而非單品的銷量最大化。看數據的時候，一般先找標桿門店，再看標桿門店的商品組合。

線上則有另一種思路：先用低價商品，把大量用戶引進來，再推高價格的商品，尋找重度用戶。此時商品就有引流品/利潤品區別。除此以外，還有推高客單價的搭配款，防止產品線空缺而流失用戶的防御款，整個商品組合邏輯如下圖所示。

這些組合邏輯，直接對應業務行動策略。作為數據分析師，得先搞清楚自己公司的商品策略是啥，才好綜合評估其效益。有些公司處理得很簡單粗暴，不做商品分類，也不做策略。結果就是同一個價格區間，自己都擺了好幾款類似的商品；缺少專門的引流品，銷售盲目打折；低價的賣得多，高價的賣不動……這些都是不做策略的代價。

五、商品固定搭配

一提到商品搭配，很多人腦子里第一時間蹦出來：啤酒與尿布。實際上即使不用數據去算，商品之間固定搭配。就像比起啤酒配尿布，啤酒配雞爪，啤酒配花生米，啤酒配小龍蝦更常見一樣。

這種搭配，往往和用戶需求有關，比如：

耐用品：廚房全套（燃氣灶、抽油煙機、鍋具）、臥室全套（床、床頭柜）

快消品：酒水+小菜、火鍋鍋底料+蔬菜+涮肉、快樂水+薯條/零食

因此在做商品管理的時候，經常將有固定組合的品類，結合日期做聯合推廣。比如9月份開學季（文具、圖書、衣服）、貼秋膘（食材、啤酒）、安居節（樓市素來有金九銀十說法，相應的家居、家裝需求），此時應該把關聯品類打包，觀察活動期推廣效果。單獨看一件商品，很難解釋其同期銷量波動。

以上是商品分析的基礎邏輯。可以看到：一個商品編碼數字背后，有很深的業務背景和固定的業務策略。作為數據分析師，如果不結合業務考慮，只是單純的看銷售數字，很難讀懂數字背后含義，也沒法進一步地服務。