典型问题：新品上市，该如何分析

更新: 7/18/2025 字数: 0 字 时长: 0 分钟

背景介绍：

一家3C类产品的大型代理商，正在考虑一款新手机（A款手机）的发布上市事宜。这款新手机是由知名的生产商xx公司推出的新款手机，用户定位为中高端用户群体。该大型代理商旗下有线上的天猫国际自营店铺，也有数百家线下的实体门店，同时还为大量的中小经销商供货。问题：如果你是负责此事的经理，应该从哪些方面着手新款手机的发布上市事宜呢?

整体思路：5步做出完整的分析

如果直接把问题抛给读者，则可能会引起他们各种各样的疑惑。

• 有的读者会问：什么是生产商？什么是代理商？什么又是经销商？
• 有的读者会问：听起来不就是卖手机吗，有什么好分析的？
• 有的读者会问：又有自营店，又有经销商，这不是一个分析问题吧？
• 有的读者会问：是不是有一个“手机分析模型”能一下子分析清楚？
• 有的读者会问：数据表在哪里?数据分析不都是基于现成的数据表做的吗？

以上种种疑问，都是因为还没有建立起完整的分析思路，只会分析单个问题所造成的。在实际工作中，商业分析要面对的问题是一项很具体的工作。正如同本案例描述的一样，就是“有款新手机将发布上市，请分析一下”。没有人会把商业背景、分析方法、数据集都提前准备好，然后让分析师去做。

换句话说，真实的商业分析是需要分析人员有能力把一个具体工作描述转化为待分析的问题。而待分析问题所涉及的：商业背景、分析方法、数据集，需要做商业分析工作的人自己去准备。

想要解决问题，在整体思路上应该分5步走。

第一步：理解商业背景。厘清待分析的问题涉及的各种概念，这是所有分析的基础。

第二步：制订分析计划。很有可能待分析的问题不是一个孤立的事件，而是由一系列事件组成的。因此，不可能通过一种分析方法、一个数据集、一套分析工具完成所有的分析，要先制订分析计划。特别是要区分清楚，哪些是支持现阶段决策的分析，哪些是执行阶段需要进一步跟进的分析。

第三步：推导分析结论。对于现阶段决策所需的分析，要依赖可收集到的数据，推导分析结论，支持决策制定。

第四步：跟进执行效果。对于执行阶段，要建立数据监控指标来跟进效果，及时发现、调整执行中的问题。

第五步：全局复盘总结。在整个工作完成后，对本次分析的所有环节进行复盘，总结经验。

整个流程如图所示。

下面将结合本案例，向大家具体展示如何做一个完整的商业分析。

第一步：理解商业背景

手机销售的商业模式并非简单的自产自销，而是有复杂的销售链路的，如图所示。

在销售链路上，包括以下角色。

• 上游厂商：负责研发、生产手机。
• 代理商：从上游厂商进货，向用户或下游经销商卖货，是典型的B2B2C模式。
• 代理商自营的线下门店、线上网店：B2C模式，向用户销售手机。
• 下游经销商：B2B2C模式里的二级、三级、四级…中间商。

本案例分析的对象是代理商，其在链路中扮演着承上启下的角色，这种承上启下的角色存在以下问题。

问题1：上游厂商带来的压力。一般上游厂商对代理商的进货量有要求(比如订购量至少10部)，而且还会有一些附加条件(比如爆款手机和销量一般的手机捆绑销售)。于是下游经销商会纠结：不进爆款手机，没有销量;进了爆款手机，各种捆绑条件是否能接受?

问题2：下游混乱。下游的中小经销商会表示：“好的好的，我要订货”。可一回头，有些小经销商已经从别的上游厂商进了更便宜的货，从而放弃订购；有些经营不善的小经销商已经倒闭了！总之原先承诺的订货量不准了，那么代理商因此而产生的积压库存又该怎么处理呢?

问题3：分配难题。代理商自身旗下的网店、实体店该怎么分配进货量，才能使得利润最大化呢？如果接受上游厂商的附加条件，那么自身渠道该如何消化捆绑销售的产品呢？如果下一级的中小经销商突然变更需求，又该怎么处理额外产生的积压库存呢?

问题4：产品生命周期短。虽然用户购买手机后会使用很久，可对经销商来说，手机的生命周期非常短。一款新手机上市后，即使其设计很先进、外形很美观，几个月后，还会有设计更先进、外形更美观的新款手机上市，到时候老款的手机就只能降价处理了，经销商会有损失。所以，经销商的整个销售工作要尽量在3个月内全部完成。这就使得对所有积压产品的处理必须及时完成，不能浪费时间。

这些问题导致卖手机不能像卖白菜一样轻松、快捷。同样是卖产品，卖白菜的商家每天凌晨四五点去批发市场进货，晚上再盘点一下每种蔬菜的剩余情况，他完全可以凭当天的行情、价格，临时决定第二天进多少货。即使有损失，损失的也就是一天的货款。手机的销售就显得错综复杂了，而且手机的单价很高，一旦积压，就是上百万元乃至上千万元的投入，因此必须仔细衡量。

不过，一般在企业内，新品上市销售并非由一个部门独自承担工作，而是由各部门分工协作，如图所示。一般包括以下两个阶段。

(1) 决策阶段

• 市场部门负责产品的管理与统筹，与厂商沟通，提供产品评估和上架计划。
• 商业分析部门提供数据支持，支持评估结论。
• 管理层最后决定要不要卖及卖多少。

(2) 执行阶段

• 市场部门负责做宣传推广。。
• 销售部门负责向用户卖货和联系经销商卖货。

按部门将工作拆分后，每个阶段要做的事情就很清晰了。

在决策阶段要做的事情主要包含以下5步。

• 第一步：决定要不要卖？
• 第二步：决定要卖多少？
• 第三步：决定下级经销商/自营门店各自卖多少？
• 第四步：预设多久能卖完？
• 第五步：预设如果卖不完的后备方案？

因为决策完毕了才能执行，因此有了决策阶段的行动指引，就能推进下一步的工作了。

第二步：制订分析计划

看到这一系列任务，会迷惑：“只要能完全精确地预测销量，不就万事大吉了?”，如果真能完全预测准确，确实没有这些问题。但问题是按现有的技术力量，很难做到这一点，因为会面临以下难点。

• 难点1：这是一款新手机，无过往数据可参考。
• 难点2：手机是高级科技产品，不能用类似的产品直接模拟。
• 难点3：单方面预测产品销量没有用，厂商可能提条件，经销商可能要货/退货。

特别是难点3，让整个分析过程变得不理性、不可控。以往经常有新手机在发布上市前被吹嘘，经销商疯抢，在手机发布上市后发现口碑不佳、纷纷退货的情况。因此，如果不结合业务，单纯指望用数据来预测就很容易引起决策失误。

在这种复杂的情况下就得做分析计划，分步骤解决问题。而制订分析计划的核心在于区分哪些是由商业分析得出的结论，哪些是由人工判断得出的结论。最后综合商业分析和人工判断得出综合型结论。经过梳理，整个工作计划如图所示，其中共有11个工作。

这11个工作可以分为3个阶段。

1.第一阶段：判断要不要做

这一阶段是所有工作的前提，包括以下4个部分的工作。

工作1：产品品质定级

这一步是为找到标杆产品做准备的。由对手机熟悉的内外部专家参与，考虑该手机的市场地位、用户喜好、厂商重视度、经销商态度等因素，先把手机的等级定下来：该手机到底是旗舰机、大众机还是试验机等。

另外，由于手机配件的成本在市场上是公开的，因此，在确定好手机配置后，就能初步估计产品成本、可能的定价范围。由于手机的性能在很大程度上是由配件决定的，因此拿到配件信息，也就能评估产品市场竞争力等信息，这些应该由专业人士给出意见。

工作2：分析同级别产品的历史表现

在产品已经定级(比如S级、旗舰机、3000元以上价位段)以后，就能结合历史上同类型产品的表现，对产品预期的表现进行评估了。

此阶段进行的还是逐步预估，首先要解决的是该产品在企业内部的销售，预计带来的收益和成本，对产品的潜力划定范围。由于早期的评级数据不见得特别多，因此，此时看数据，只要看到该级别产品大概率属于爆款、走量款、盈利款、失败款中的哪一款即可(见图)

TIP

注意：产品上市前的预估可能不准。上市前期望值越高，上市后一旦市场反响达不到预期积压的货物就会越来越多，风险也越来越大。并且，上市前的期望值越高，厂商越有可能提出无理的要求，经销商越有可能激进进货，从而扩大风险。所谓机会与风险并存，就是这个道理。

工作3：分析企业经营现状

这一步是为管理层决策做准备的，主要包括以下几个方面的内容。

• 当前的经营走势如何？KPI的完成情况如何？是否需要一款走量款或盈利款产品？
• 如果引入该产品，则有可能贡献多少利润？贡献多少销售额？承担多少风险？
• 如果放弃该产品，则有可能损失多少收入？是否影响企业的市场地位？

对于这些基础的经营情况应该让管理层先了解，这样做出的决策才能更准确。

工作4：分析是否需要该产品

该步骤是由人为决定的步骤，要看管理层的态度。因为即使预估产品销量很好，很有可能因为今年的任务已经完成了，管理层不愿意承担额外的风险，会对该品冷淡处理；即使预估产品销量很差，也有可能管理层拒绝不了厂商开出的优厚条件冒险进货。总之，管理层做出的决策不见得都是理性的。

2.第二阶段：判断要做多少

在决定要做以后，企业需要制订更细致的工作计划，具体包括4个环节的工作。

工作5：对自身销售能力的评估

这是对外谈判，对内管控的基础。因为只有自身销售数据记录准确、丰富，才能够相对细致地进行分析，因此，优先计算清楚自己的门店/网店能卖出多少产品，从而为评估其他渠道做准备。

工作6：与厂商沟通

对于这个工作，谈判的技巧和领导的态度远比分析更重要，但谈判的结果会影响后续的决策。如果企业真的决定做，而厂商提出了很多额外的要求，就得在后续的分析里看如何完成这些要求。

工作7：与经销商沟通

因为经销商的反馈在很大程度上是不准确的，所以企业有可能会结合自身的消化能力和厂商要求，对经销商提出一些条件，比如预订或团购产品，提前锁定需求。

工作8：汇总整体销量数据

有了自身评估 + 经销商反馈 + 厂商要求，就能综合预估出产品的整体销量。整体销量数据对于第二阶段的安排任务和风险应对都有帮助。

TIP

注意：很有可能在第二阶段工作中，不断有新的信息(比如更详细的厂商政策，更详细的产品配置等)发布。因此，最初的产品评级可能被调整，在本阶段工作中，可以根据最新的信息修正产品评级，以便得到更精确的结果。

3.第三阶段：要怎么做

在有了整体规划以后，就可以进行后续的执行计划，这里包括3个部分的工作。

工作9：预估第一批订货量

越是热门的产品，越是难得到第一批订货，因此第一批订货量很可能是人为谈判的结果。有了对产品整体销量的评估，就可以找一个参照产品，避免在第一批订货时过于激进/保守。

工作10：预估产品剩余生命周期的销量与利润

有了第一批订货，对于后续销量/利润也能进行评估，从而可以为制定危机应对预案做准备。

工作11：制定危机应对预案

这个工作主要是为了应对事前评估不准带来的问题：比如在过于高估产品销量的情况下，怎么销货;在过于低估产品销量的情况下，怎么应对销量缺口。要注意的是，企业不可能完全预估准确，但应对预案是一定要有的，不能缺少。可以调整业务方的期望值：业务方更害怕缺货还是滞销，他们害怕哪个，就重点准备哪个预案。

有了这11步的工作，商业分析部门不但能输出相对准确的数据供管理层参考，还能充分考虑各方面人为因素的影响，让每一步的决策都有数据做支撑，让需要做决策的人能看到数据提醒。这样的分析顺序，好过让分析师闭门造车，自己想一个数据或模型出来—实际上也没有人能无中生有想出来。商业分析就是这样，一步步完善分析结果，逐步接近真相。

制订好计划以后，就要一步步收集数据，推导分析结论了。

第三步：推导分析结论

工作12：根据现状和计划预先推导结论

经过分析和计划以后，每一步的工作的具体任务已经非常清晰了，可以提取对应的数据或展开沟通了。特别是对于决策阶段的分析，需要马上输出结果，因此需要首先完成。

在决策阶段，新品并未真正上市，因此只能依赖历史数据做推导。最后输出的分析报告可能很长，下面仅列出一些主要的数据示例，向读者展示如何根据数据推导出结论。

比如工作2，在对产品定级后，可以根据产品级别，找到过往参照产品(见图)。参照产品的全生命周期数据与发展阶段数据，都有参考意义。

• 全生命周期数据：可以用于评估产品的整体销售额、利润，从而预估订货量，以及评估可以从利润中拿出多少资金作为促销费用，从而为应对危机情况留出空间。
• 发展阶段数据：一方面可用来评估第一批订货的数量，另一方面则可以作为监测数据观察产品上线第xx周后产品的销量、价格走势。一旦发现产品太过热销/滞销，就及时补货/清仓，从而指导后续的工作。

比如工作3，分析企业经营现状。通过现状分析，最终得出的结论是需要/不需要该产品。可以从三个角度进行论证。

• 宏观层面的角度：该产品能否支撑企业整体业绩。
• 中观层面的角度：该产品能否支撑其对应产品线的发展。
• 微观层面的角度：该产品能否替代某些过时的产品。

结论1：站在整体业绩角度看，企业需要新品（高端产品）支持。

从宏观层面的角度来看：企业整体业绩是否需要新品支持？这个问题可以从关键KPI，如销售数量、销售额、毛利等数量的达标率角度来分析。如图所示，站在毛利角度看，从9月开始毛利出现下降趋势，并且业绩达标率从3月开始一直在下降，且接近100%。如果没有新品支持，则很有可能在之后的月份中出现业绩不达标情况。因此，可以推导出结论1：站在整体业绩角度看，企业需要新品(高端产品)支持。

结论2：站在产品线角度看，企业需要新品(高端产品)支持。

再细化一些，站在产品线角度，可以分析各价格段产品的销量占比。如图所示，从1月以来，价格在3000元以上的高端手机占比持续下降，可见缺少高价格、高利润的高端产品可能是导致利润达标率下降的原因。而此时新品恰好是高端产品，因此有可能改善当前的状况。因此，可以推导出结论2：站在产品线角度看，企业需要新品(高端产品)支持。

结论3：站在单品角度看，企业需要新品(高端产品)支持。

再细化数据看一下，站在单品角度，可以分析各类型单品的销售/供给情况。如表所示，当前现有的3款高端产品已经处于生命周期末尾，且再过2~3周就售罄了。此时需要新的高端产品进行补给，支持业绩。因此，可以推导出结论3：站在单品角度看，企业需要新品(高端产品)支持。

这样综合各方面的结论，可推导出根据企业当前业绩的发展，需要新品(高端产品)支持的结论，从而支持领导层的决策。在推导结论的时候，讲究“孤证不立”，即支持论点的论据越多论点也就越坚挺。因此，越是重大的决策，越需要从多个角度进行论证。

工作13：假设检验结论

当然，以上结论只是指向了企业当前业绩的发展需要一款高端手机支持，并不能直接指向这款手机(A款手机)能承担起任务，甚至有可能是反向的：这款手机不仅不能承担任务，而且导致高端手机的销售更加艰难。在产品未实际上线之前，一切都有可能。因此如果担心决策出现偏差，则需要通过事前调查、市场走访等方式，测试这款手机真的受欢迎吗？真的能承担任务吗？当然，进行测试也需要投入资源和精力，但越是重大的决策，越担心有风险，就越得做好充足的准备工作。

比如工作5，对自身销售能力的评估。一般企业都有丰富的销售数据，因此有能力做相对准确的预测。要注意的是，不只外部经销商、厂商可能不靠谱，内部的销售渠道也可能不靠谱。比如电商渠道，需要花钱买流量，广告投放水平直接影响产出；比如线下渠道，有可能不同地区的客户结构不同，销量有差异。因此，想要对于内部的销售渠道预测准确，需要拆分场景对不同的销售渠道做细致的了解，如图所示。

因为本款手机是新品，无历史数据可参考，在预测时用人为推演的方法比用算法模型更合适。人为推演的方法是基于过去同级别产品的销售情况，模拟未来产品的销售走势。更重要的是，使用人为推演的方法可以在对过去数据的复盘中，提前发现问题，比如了解哪些渠道根本就做不好高端手机的销售,从而让企业在制定策略的时候,能更有针对性地思考解决方案;也能提前解决问题，避免销售任务分配不均。

比如工作7，如果直接让产品经理找经销商收集需求，则很有可能收集回来的是一个不确定的数据。为了提升数据的可靠性,可以根据过往经销商的订货金额、信用程度、需求确定程度对经销商进行分级(见表)。把经销商中不稳定的群体挑出来，从而可以缩小数据的不确定性，锁定一批高质量的经销商，也能知道在收集回来的数据里，有多少是相对准确的数据。

以上是部分工作的示例。实际上，在真实的工作中，一份分析报告需要数十页甚至更多页的PPT来呈现是很常见的情况。越是重大的决策，需要的数据越多。

但是，在实际中，很多时候是员工只有初始的几个数据就开始分析，之后根据领导的反馈、销售情况不断补充数据，他们从来就没有把问题分析得特别清楚。

所以，制订分析计划很重要。把复杂的问题拆解为一个个具体的分析环节，层层推进，不但能让分析思路更清晰，而且在补充数据、增加分析时，也能起到“指哪打哪”的效果：哪个环节做得不够好，就往哪个环节补充数据。这样分析的准确度和工作效率都能极大地得到提升达到越做越准的效果。

TIP

注意：即使做完了以上所有工作，也只是完成了前期准备。很有可能产品上线以后表现不好，需要启动应急预案。俗话说:“是骡子是马，拉出来遛遛”，到底效果如何，还需要持续的数据检验。

第四步：跟进执行效果

工作14：跟进执行过程中遇到的问题

当决策已经完成，开始进入执行阶段后，此时核心的工作就是监督执行进度、关注目标完成情况。比如经过前期的分析已决定：要上线这一款新手机！那么，要做哪些工作呢?

此时，首要的任务就是盯紧第一批订货。此前所有分析的结论，都会在第一批订货的实际销售过程中得到检验，因此，第一批订货的销售数据非常重要。其中关键内容包括以下几个方面。

• 第一批订货分配到每个城市、每个门店，各是多少？
• 第一批订货到货以后，各个城市、门店的销售情况如何？
• 销售未达标的原因是什么，还有没有希望达标？
• 销售达标的还有没有空间可以销售得更多？
• 整体销售目标是否有希望完成？如果没有希望，该请求何种支援？

TIP

注意：这里的5个问题，除第一个问题是策略性问题，在“排兵布阵”外，其他4个问题都是跟踪进度问题。想要跟踪进度，数据的更新就要尽可能快，这样才能让看数据的人掌握第一手信息。一般销售进度数据需要每天更新，遇到大促销时，比如“双 11”，可能需要每分钟更新数据。

同时，跟踪数据时不要只紧盯一个主指标，还需要把相关的数据一并跟踪。比如跟踪销售情况时，往往会连同库存数据一起看。如果发现产品销量太好、库存不够用了，就紧急调货；如果发现产品销量不佳、库存积压严重，就得采取措施，优化销售办法，或者把库存调到销量好的地方。对于以上数据，可以统一制作成销售进度跟踪表，方便跟进每周销量、库存量。比如，某公司的新产品上线后在某段时间的销售进度跟踪情况如表所示。

在跟踪销售数据时，会发现销售部门存在的问题。比如在表中，预计C区域在1月只用大约两周就几乎把全月的销售目标完成了。剩下的240件库存，按目前的销售进度，不到一周就会卖完，因此需要赶紧调货。同样，F、G区域也出现了销售表现非常好、产品供不应求的情况。

相比之下，A、E、B区域的表现较差，特别是B区域。注意:在这7个区域里，B区域的销售目标定得很高。在制定目标阶段，一般按过往表现分配目标，B区域过去表现很好，但这次的表现不佳。于是人们会自然而然地发问：为什么偏偏是B区域表现最差?这就引发了进一步的原因分析。

工作15：分析问题原因

在分析原因的时候，很多新手会不自觉地陷入循环论证的窘境："为什么B区域销量差?”，“因为B区域下辖的几个门店都卖得少了，所以销量差。”，这可以说是废话!人们想听的是一个具体的、关联到业务方动作的、可改进的方案。

• 因为在B区域内，竞争对手新开了几个门店，分流了客人——那就让B区域做促销吸引客人。
• 因为在B区域内，客户平均消费水平不高，可能不喜欢这款高端手机——那就把B区域的货调走，挪到其他区域。
• 因为B区域忙着处理其他尾货，没集中精力做新品的促销——那就让B区域整改销售策略，开始卖新品。

然而，如何从数据中发现这些问题呢？这就需要对问题进行分类。有些问题是直接可以找到证据的。比如B区域忙着处理其他尾货，没有把新品的上架、宣传、导购培训等工作做到位。这种问题只要通过向管理区域的领导查证，就能核实真伪。对于能收集直接证据的问题，应该优先收集证据，再解决问题。

有些问题属于猜测，不能直接收集证据。比如客户平均消费水平不高，可能不喜欢这款高端手机。而对于客户喜欢或不喜欢是无法直接得知的，需要进一步分析。

在没有更多数据支持的情况下，可以简单地假设：如果客户不喜欢这款高端手机，那么意味着客户可能喜欢其他类型的手机，如果B区域内仅这款高端手机卖得不好，那么说明是这一款手机的问题，如果B区域在以往高端手机卖得好，偏偏这个月所有高端手机都卖得不好，那么说明是其他原因(比如竞争对手在抢客户 )，可以思考寻找其他对策。

用数据找原因的过程大致如此。这是一个剥丝抽茧、由粗到细的过程。因此，用数据找原因，需要做大量的逻辑推理。在使用MECE方法时，构建逻辑树，找数据证明逻辑推演的结果，才是工作的核心。比如对于B区域的销售情况的分析，可以构建逻辑树，如图所示。

TIP

注意：这样构建逻辑树是一种非常负责任的做法。因为首先排除的因素都是销售部门本身可控的，具体如下。

• B区域根本没有在认真做销售。
• B区域的工作执行没有到位。
• B区域是不是还有其他产品在清仓。

这些都是销售部门在自己的权限范围内能解决的问题，可以通过加强督导、调拨产品、整顿纪律等方法解决。而以下是推卸责任的做法：销售部门会优先分析别人的问题，比如先排除是不是这一款机型本身的问题。如果发现这一款机型在B区域其他门店都卖得不好，就立马报告上级领导，需要促销资源，把问题留给市场部门去解决。

从一个小小的例子就能看出在企业里，分析问题切入的角度没有绝对的正确的，解决问题的手段也确实有很多种。但是切分问题的角度可以从侧面反映一个部门的工作思路与责任担当。因此，当某些部门抨击数据分析师“分析不够深入、不够全面”的时候，很有可能他们只是想从“本位主义”的角度出发，多为自己争取资源。

在分析第一批订货的销售情况时，尽量排除内部工作执行问题是非常重要的！因为排除了内部工作执行问题以后，才能得到新品的真实市场反馈，从而做出最重要的判断:

• A款手机的销售是否符合预期?
• A款手机生命周期曲线比预期更高/更低?
• 后续策略是扩大/维持/缩小?

对于这些决策需要排除内部工作执行不力的因素以后，才能得到相对准确的答案。

如图所示，可以通过第一批订货在前4个月的销量是否与预期匹配判断走势。

• 如果第一批A款手机的销量大大超过预期，则应加大支持力度，赶紧找厂商争取货源。
• 如果第一批A款手机的销量低于预期，则开始缩减投入，并特别关注是否有类似B区域这样局部问题严重的区域，避免问题发酵。
• 如果第一批A款手机的销量大大低于预期，则可能整个策略都要调整。比如，可以将该手机的评级从S级降到A级，整个策略也从“全力扶植”降到“保本就好”。

不要忘记，在策划阶段，A款手机原本是作为支撑企业业绩的高端产品而推出的，如果其销售表现真的不尽如人意，则可能要另行选择其他产品替代。这是执行阶段的分析，会反向影响决策的效果。

当然，即使第一批A款手机的销售表现很好，也不代表万事大吉。市场环境瞬息万变，因此监控工作也要分批次滚动进行，这样才能保证决策跟得上市场的变化。

第五步：全局复盘总结

工作16：全局复盘

在A款手机的整个生命周期临近末尾时，可以对A款手机的全生命周期表现进行复盘。全生命周期的复盘意义重大，具体包括以下三重意义。

• 第一重意义，能对产品的表现做全面评价，评估收益。
• 第二重意义，能对产品的全生命周期的业务操作进行评估，看看有哪些亮点/不足。
• 第三重意义，能对事前的预判进行检验，积累判断经验，为后续的预测提供服务。

因此，对产品的全生命周期的复盘是不能省的。很多企业会忽略这一步，只关注产品销量的日常波动，这样会错失积累经验的机会，以后的决策也会缺少依据。

根据这三重意义，我们做复盘的思路也很清晰了

• 分析整体表现：分析销售数量、销售金额、毛利等，看总销量是多少，是否达标，是否符合其定位。
• 分析过程表现：分析产品生命周期走势如何，每一个环节的执行情况如何。
• 经验总结：初始定位是否有问题，执行过程是否有问题，问题点的经验/教训是什么。

对于整体表现，应该坚守原则。比如预定销量目标为100万台，预定利润目标为1亿元。即使最后销售了99万台，完成了9.9千万元的利润，仍然是不达标的。虽然管理层可能因为完成率为99%而不计较业务部门的问题，但在数据层面不能前后不一。99%的业绩就是不达标的，在复盘的时候照样应该找失败的原因，而不是因为领导没有处罚，就把目标改为99万台。坚守标准，才能有稳定的判断结论，进而进行深入的分析。

对于过程表现，应该站在产品的全生命周期角度看。如图所示，A产品在引入期的销量表现良好，但进入成长期后销量增长明显动力不足，和计划的销量差距越来越大。可能正因为如此，在稳定期以后，渠道才多次发力，尽快把尾货处理掉。最后衰退期的销量暴涨也是稳定期清货的结果。

从产品的整个销量走势来看，显然问题出在成长期以后的运营上。如果是在初始产品定级阶段就出了问题，那么在引入期时产品的销量就会有明显偏离轨道的痕迹。而在衰退期清货时，产品的销量居然还能暴涨，甚至超过成长期的销量，可见该产品有一定的用户基础(否则在清货时也照样销售不出去)。

工作17：不足分析

至于在成长期时到底在哪方面运营不足，还可以深入分析

• 假设1：第二波宣传/供给没跟上，导致后续销售乏力。
• 假设2：价格没有优惠，导致和其他平台相比吸引力不足。
• 假设3：市场分配出现偏差，有需求的渠道产品分配少，没需求的渠道产品出现积压的情况。

这些问题又都掺杂了外部因素和人为影响因素。因此，在分析的时候也要制订计划，把人为影响因素剔除。在事后分析时，可以先看数据有没有明显的异常，再找业务方对证。

• 假设1的数据证据：第一批、第二批订货出现断档，有明显的缺货现象。
• 假设2的数据证据：竟品同时间段的价格与自己相比有明显的优势。
• 假设3的数据证据：部分城市缺货或积压产品，且长时间未见调货。

这些是明显的证据，然后就可以拿着证据询问业务方：是你们忘了处理，没时间处理？还是资源不够了无法处理？

最后输出的结论应该是分层次展示的：

• 最初的判断是否有问题?
• 执行过程中是否有问题?
• 问题出在哪个环节?
• 是执行力问题还是方法问题?
• 如果是执行力问题，那么是谁掉链子了?
• 如果是方法问题，那么是否有更好的办法。

这样经过层层深入分析后总结出的经验能更好地指导后续的工作。

场景延展：换个行业，该怎么分析

之所以这里选择一个经销商卖手机的例子来讲解，是因为这个商业场景最容易理解。

• 产品简单：大部分成年人都在用手机，大家都知道这是什么。
• 工作简单：只有进货、卖货，不考虑研发、设计。
• 数据简单：只有进货、销售数据。

如果换一个场景，就会有更多的工作需要考虑，有更复杂的产品需要分析，有更多的数据需要参考。比如，还是以卖手机为例，沿着销售链路分析，其中涉及的各个渠道需要分析的内容都不一样。

• 处于链路起点的手机生产厂商：作为生产厂商，需要自己研发产品，设计品牌形象并且进行宣传，因此增加了大量的创意类工作——设计手机产品、设计品牌形象、设计宣传手段。为了配合这些创意工作，又得进行用户需求洞察、竞争态势分析、新品概念测试、新品原型测试等。创意设计效果的好坏，直接决定了后面产品的销售情况。

• 处于链路下游的线上店铺：线上店铺和实体店的最大区别是记录的数据量不同。用户在实体店内观看了什么产品、与导购员聊了什么内容，是很难用数据记录的。实体店能记录的是最后用户买单那一刻的数据。但在线上店铺中，用户进入店铺、浏览商品加入购物车、付款、评价等全流程都有数据记录，因此它们有大量的数据可以分析。但线上店铺也有自身的难点，就是引流难。实体店只要处于一个繁华的地段，就会有客流；而线上店铺需要源源不断地投放广告、从微信群引流等才能维持店铺的访问量。因此，同样是做销售分析，线上店铺对于流量来源、流量转化流程、各阶段流量转化率、最终流量转化效果等数据分析格外重视。通过数据分析提高转化效果，也是它们的重中之重。

• 处于链路下游的电商平台：电商平台与线上店铺的关系，类似于商业广场与广场内商户的关系。电商平台是线上的收费站，其提供的是流量来源、广告服务、金融服务等。因此，电商平台与从事产品销售的企业最大的区别在于销售的产品。比如阿里巴巴提供给淘宝网、天猫的线上店铺的广告产品就有直通车、智钻、达摩盘、淘宝客、品销客等多种形式，其最终目的都是引流，但收费方法、效果、适用场景各有不同。因此，对于电商平台的销售更关注的是以下内容。

① 有多少商家及多少活跃商家。
② 商家交易额、销售数量、收入是多少。
③ 商家对产品的使用，使用产品的引流效果如何。

对比了若于种场景以后，相信读者对于“为什么数据分析要结合商业场景”有了更全面的体验和更深刻的认识。以后再遇到有人说“你来分析一下手机该怎么卖"，相信你也能熟练地提出以下问题了：

• “站在谁的角度分析?是生产商、经销商、门店、网店，还是平台?”
• “分析为哪个部门服务?是销售、策划、运营还是……”
• “目前手机处于产品生命周期中的哪个阶段?是新品策划、发布上市、推广、稳定运营还是退市?”
• “各个部门如何分工?各自制订什么目标?”
• “各个部门是何种态度?积极配合还是消极推诿?”

这就是商业分析的起点。这也是正式、规范、科学的商业分析与随口说说、聊天吹牛、拍脑袋想象的最大区别。做好这一步，后续就能做正式的商业分析了。当然，正式的商业分析流程不只这几步梳理，还有更多的后续工作。

小结：一个完整的商业分析流程

下面再来重温一下一个完整的商业分析流程，它包括5个步骤：理解商业背景、制订分析计划、推导分析结论、跟进执行效果、全局复盘总结。

在理解商业背景这一步，要对问题背景进行详细的理，具体包括以下7个方面：

• 理解企业商业模式。
• 理解企业发展现状。
• 理解提问人的部门归属、工作职责。
• 理解提问人的等级、具体需求。
• 理解提问人的态度。
• 理解与问题相关的业务流程
• 理解与问题相关的数据采集情况。

对以上7个方面的总结，如图所示。

梳理了以上问题后，才能够清晰地分析问题的背景，明确分析目标，这一步是必不可少的。没有充分了解背景，就很难将数据与业务结合起来，也就无法把业务目的落地为可分析的内容。当然，详细了解问题背景不可能一步就能完成，更多的时候需要进行长期、基础、零散的信息采集具体包括以下内容。

• 关注行业内垂直媒体的新闻报道。
• 关注券商、行业协会等媒体发布的行业信息。
• 关注行业内头部企业的公告、网店活动。
• 关注本企业内部的信息发布、活动上线。
• 了解企业内组织架构、人员职位。
• 了解业务流程，必要时亲自体验流程。
• 了解数仓架构、数据采集情况、数据治理规范。
• 与业务部门/技术部门同事搞好关系，多沟通交流。

经过多方面的努力，才能加深自己对业务背景的理解。

制订分析计划、推导分析结论、跟进执行效果这3个步骤都涉及如何拆分商业问题。对于每个具体的商业问题，拆分出的分析计划都有所不同。为了提升拆分效率，可以参照下面这套简单的逻辑对商业问题进行拆分，如图所示。

简单来说，包括以下5个方面。

第一，如果不了解量化的现状，就先采集数据。比如对现状的描述，只有“大概、很多都是可能是”这种含糊的词语，就需要先采集数据，用数据量化现状。

第二，如果了解量化的现状，并且不能基于数据判定好坏，就先建立标准。比如现状是“销售额连续3天下跌，一共下跌了 30万元”，但下跌不见得就是问题，需要有一个判断标准。此时需要通过分析，建立判断标准，输出一个明确的结果，比如“连续3天下跌是问题，最大跌幅不应超过10万元，需补回20万元的缺口。

第三，面对问题，是否有分析假设。如果有分析假设，就逐一排查，用排除法找到产生问题的原因。

第四，在没有分析假设的情况下，看是否有应对预案。注意:很多时候，在短时间内无法完全分析清楚问题到底从何而来，但应对问题的预案是有的。如果有应对预案，就跟踪执行结果;如果没有应对预案，就看能否从过往的方案里找一个接近的预案做参考。

第五，连应对预案都没有，就只能参照历史经验了。如果有可参考的对象，就找当时的原因分析与应对方案。如果是全新的问题，就只能加快分析，临时找应对方案了。

在全局复盘阶段，重点是复盘之前做出的判断是否正确，评估执行效果与问题应对方案是否有效。这个阶段需要积累分析经验，供以后的分析参考。

然而，以上只是理想的状态。在现实工作中，商业分析流程混乱是常有的事。具体表现在以下几个方面。

• 做分析的人对商业背景理解太少，完全不知道数字背后的含义。
• 做业务的人不会正确提问题，眉毛胡子一把抓。
• 做分析的人不会正确引导找出问题，也不会拆解问题。
• 做业务的人没有应对策略，或者有应对策略不通知分析师，导致分析师误判。
• 没有历史经验积累，只能临时抱佛脚。渡过难关后不复盘，日后依旧没积累。
• 总之,历史经验积累太少、沟通不畅、工作不细致,都会导致流程混乱,分析结果不准确。

了解了完整分析流程与常见问题后，可以在平时多下功夫做好知识储备，特别是商业背景与历史参考两部分。这样在遇到问题的时候，通过加强与业务沟通，就能做出高质量的分析了。