说到商品分析，很多同学都会想到各种报表。有许多与商品销售、库存和采购相关的报告。但是，每一份报告似乎都很简单，既不能体现数据分析的价值，也不知道业务做了什么。今天系统就来说说商品分析的内在逻辑。大家坐稳扶好，马上开始！
第一，从最基本的进销存开始
商品运作，简单来说就是：购买商品→卖货→再次购买商品。只是这里有两个隐藏的要求：
1、商品卖完之前，有新货进来，不能缺货。
2、货物到期前，先把它卖掉，不要把仓库弄坏。
因此，在阅读商品数据时，有必要一起阅读四个指标:库存、日/周/月销售、商品采购周期和商品保质期。举个简单的例子，假设我们有100个新产品A，每周固定销售30个产品，采购周期1周，保质期2周，那么数据情况如下图所示:
事实上，许多商品报表只有两个指标:库存和销售。这是因为商品负责人知道采购周期和保质期，这两个数据一般不在交易表中，导致数据分析师在取数时不包括这两个数据。这种基本信息缺失在商品分析中非常常见，这也是数据分析师不理解这些分散报告有什么用的重要原因。
商品&价格弹性关系二、商品
这是一个开头的例子。如果你真的发现你买了更多的商品，除了骂商品负责人XX，你还必须考虑快速清货。清货最常用的方法就是打折。打折的时候销量会比正常水平高。这种变化的关系叫做价格弹性。经济学/金融教材会假设价格弹性是一条直线，但在现实中很难实现动态价格变化(价格和代码牌不能每分钟都变化)。因此，它们往往表现为阶梯式变化
除了降价，还有很多促销商品可以让客户受益，增加销量。比如买三件礼物，买一件礼物/样品，买100元减30元。如果你想充分了解价格弹性，你必须收集业务部门的每一次促销方式，用活动标签描述形式，统一转化活动优惠力度。通过这种比较，我们不仅可以找到每一种活动的效果，还可以找到对价格非常敏感的产品，一举两得。
很多公司没有统一整理活动信息，也没有建立相应的标签库。即使有活动复盘，每个活动也是单独进行的。这样就无法沉淀分析经验，也无法明确商品与价格的关系。
商品周期规律三是商品
以开头为例。我们假设常规销量是固定的。事实上，即使没有促销活动，商品也会自然波动。有两种波动与商品本身的属性密切相关:
1、季节性波动：例如夏季降温，冬季保暖有很多相关商品。
2、生命周期:如时尚、科技产品，上市时新鲜，过气时凉爽。
这种周期性使得销售数据不稳定，商品运营的节奏也不同。如果你想了解周期性，你必须不断跟踪一个产品。首先，从历史数据中总结经验:
1、什么时候开始，受什么因素影响？
2、上升期是多少周左右，每周增加的销售额是XX。
3、稳定期(没有大幅度降价)大约有多少周？
4、转折点出现在XX周(本文销量大幅下滑，竞品大幅打折)
尽管不同年份受到气候、R&D进度、上市计划的影响，数据有波动，但总体上是有范围的。
AI配图魔改
通过对历史数据的分析，在初步了解之后，可以进行更详细的管理：
1、提前配送商品，直到旺季到来。
2、每次上升期的补货量更多。
3、稳定期密切监控竞争产品价格/本产品销售
4、假如商品前期表现不佳，后期清货更果断。
当然，这些判断往往是由产品负责人做出的。当他们来到数据分析师时，他们变成了一份孤独的报告，很可能是一份简单的日常销售。如果你不仔细了解产品的特点，并结合历史趋势来思考，你就无法读出背后的含义。
第四，商品组合策略
以开头的例子为例。我们只看了一个产品。事实上，即使是同一个品类，我们也会安排至少三个价位的产品，以满足高、中、低端用户的需求，从而形成最简单的组合策略:价格策略。
需要注意的是，价格组合往往与销售渠道一起考虑。线下店铺货架数量有限，每个店铺对应的高端、中端、低端用户数量不同，要交叉看。而这个时候要考虑的是整个店铺的销量最大化，而不是单品的销量最大化。看数据的时候，一般先找标杆店，再看标杆店的产品组合。
网上还有一个想法:先用低价商品，引进大量用户，然后推高价格商品，寻找重度用户。这时候商品就有引流产品/利润产品的区别。此外，还有推高客户单价的匹配模式，防止用户的防御模式因产品线空缺而流失。整个产品组合逻辑如下图所示。
AI配图魔改
这些组合逻辑直接对应商业行动策略。作为一名数据分析师，我们必须首先了解我们公司的产品策略是什么，然后才能综合评估其效益。有些公司处理简单粗暴，不做产品分类，也不做策略。结果，在同一个价格范围内，我们放置了几种类似的产品；缺乏特殊的引流产品，销售盲目打折；低价卖得多，高价卖不出去...这些都是不做策略的代价。
商品的固定搭配
说到商品搭配，很多人第一时间就想到了:啤酒和纸尿裤。事实上，即使没有数据计算，商品也是固定的。就像啤酒和纸尿裤一样，啤酒和鸡爪，啤酒和花生一样，啤酒和小龙虾更常见。
这类搭配，通常与用户的需求有关，例如：
耐久性：厨房全套(燃气灶、抽油烟机、锅具)、全套卧室(床、床头柜)
快速消费品:饮料+配菜，火锅底料+蔬菜+涮肉，快乐水+薯条/零食
所以在做商品管理的时候，往往会有固定组合的类别，结合日期进行联合推广。例如，9月的开学季节(文具、书籍和衣服)、贴秋脂(食材，啤酒)、安居节(楼市一直有金九银十的说法，对应的家居和家装需求)。这时候就要打包相关品类，观察活动期间的推广效果。单独看一个产品，很难解释其同期的销量波动。
以上是商品分析的基本逻辑。可以看出，商品编码数字背后有着深厚的业务背景和固定的业务策略。作为一个数据分析师，如果不考虑业务，单纯看销售数字，很难理解数字背后的含义，也无法进一步服务。回搜狐多看
