李佳翔
(無錫科技職業學院,江蘇 無錫 214028)
隨著大數據時代的來臨,數據的應用已經滲透到了各行各業之中,顛覆了許多傳統行業的管理和運營思維,這在電商行業中體現得尤甚。
在電子商務運營過程中,會產生大量的數據,這些數據包括以下。
1.與行業動態相關的數據
行業數據是觀察行業動向的風向標,百度指數、阿里數據等都是常見的能夠用來獲取和分析行業數據的指數工具,電商領域的商家利用這些工具,能夠非常便利地獲取到數據披露、分析、診斷、建議、優化、預測等一站式數據產品服務,從而了解所處行業在當下的最新動態,以及自身在行業中所處的狀態,以便于對經營策略進行優化調整。
2.與市場趨勢相關的數據
電商運營過程中,需要及時掌握市場趨勢,這樣才能便于對市場的需求和某些商品銷售趨勢做出合理的估計與預測。搜索指數、成交量等,就是典型的與市場趨勢相關的數據。
3.與市場細分相關的數據
除了行業動態、市場趨勢的相關數據,類似商品類目和人群偏好這樣的市場細分數據,則可以進一步幫助電商企業去了解與自身經營商品相關聯的類目,明確主營商品選擇范圍,對不同消費者的消費特征做更加深入的了解。
通過數據分析,挖掘數據背后的信息,一方面能起到診斷作用,幫助電商企業找到問題的源頭和解決的方法;另一方面運用數據對商品或活動做出合理判斷,起到預測的作用,具體的價值體現在以下。
1.精準市場定位
借助信息采集和數據挖掘,通過足夠量的樣本分析,就能夠支撐電商企業進行市場定位,針對電商企業后續開拓市場非常重要。
2.優化市場營銷
電商企業需要通過獲取和分析市場信息,在掌握商情動態和消費者數據的基礎上,能知曉自身商品的競爭地位,消費者的價值取向與需要,從而優化現有營銷策略,實施更加精準化地營銷和客戶服務。
3.助力企業收益
通過需求預測、細分市場和敏感度分析等環節地數據分析,推進企業效益管理地目標,助力企業收益的最終達成。
隨著經濟的發展,大量經濟獨立女性的出現,以及對時尚和潮流的追捧,使得電商平臺的女裝獲得了迅猛的發展。有數據顯示,女裝市場從2017年的3220億擴大到2019年的4966億,短短兩年銷售額就增加了近2000億。雖然市場規模和開發潛力巨大,但市場的選擇仍需謹慎,在類目繁多的女裝市場中,女裝電商企業如要想要提高成功的概率,就必須對女裝市場進行準確的分析,從而找到屬于自己的機會市場。
站在電商女裝企業的角度,要對整個行業進行分析,進而找到數據自己的市場機會和突破口,需要有明確的分析思路,可以總結為5W2H,如下圖1所示。

圖1 5W2H分析思路
What:是要解決什么的問題,這里可以具體考慮到未來企業的品牌定位,市場機會如何,比如設定要實現銷售額八千萬的目標。
Why:是說明為什么,為什么要進行女裝行業的分析,是為了能夠在后續提升企業的競爭力,具體提高銷售額。
Who:分析的對象是誰?既然有喲啊實現銷售額八千萬的目標,那么哪些銷售額已經超過八千萬的電商企業,他們的店鋪,包括店鋪內的爆款商品,就是我們主要分析對象。
Where:從何分析呢?可以從女裝機會類目下手,著重在增量市場,和女裝品牌Top10的企業或店鋪。
When:選擇怎樣的時間周期?我們可以借助生意參謀,獲取到近兩年的數據,作為我們分析的樣本。
另外兩個H,一個是Howmuch從勞動成本和時間成本的角度考慮投入,另一個是Howtodo具體分五步走著手收集數據,進行分析。
有了分析明確的分析思路后,為了能夠對電商女裝行業有個全面的了解,主要借助生意參謀來獲取有價值的信息,進行具體的大盤分析,尋找企業可能的機會。
根據2017年到2019年,女裝市場大盤交易金額可見,其增長速度連續兩年超過15%,可以判斷系增量市場。
通過二級類目市場份額的分析,如圖2所示,2019年連衣裙是最大的二級類目,該類目全年銷售額超過了700億元,占市場總規模的15%。

圖2 女裝二級類目市場份額及相對份額
根據圖3,對比女裝二級類目下的有交易賣家數和平均交易金額可以看出,褲子、連衣裙、T恤、套裝/學生制服/工作制服,這四個類目賣家數最多,競爭相對激烈;而唐裝/民族服裝/舞臺服裝、婚紗/旗袍/禮服、皮草這三個類目的競爭相對較小,且平均交易金額高,可作為機會類目。

圖3 女裝二 級類目下有交易賣家數和平均交易金額
在三個機會類目中,再把交易金額與年增長率(表1所示)二者結合來看,皮草的交易金額超過唐裝/民族服裝/舞臺服裝和婚紗/禮服/旗袍,且屬于增量市場,但增速放緩。子類目民族服裝/舞臺裝交易金額較大,且連續兩年保持了極高的增長率,發展迅猛,因此民族服裝/舞臺服裝為最佳機會類目。

表1 交易年增長率
通過上述對與行業大盤數據的整體分析,能夠幫助電商女裝企業找到了機會類目,也就是找到了可以進入的機會市場。當然,行業分析只是一個開始,如果想要更加精準有效地開展電商運營,獲得理想收益目標,還需要在后續進一步對市場趨勢和特點、熱銷屬性、人群分析、店鋪及地域分布等數據信息的深度挖掘和分析。