Mars Opinion

就像冰寒的文章所说，现在中国电子商务市场里玩家越来越多、越来越大，流量越来越贵，所以提高运营效率、提高转化率变得越来越重要。

战略层的东西以后再说，具体战术上，除了我之前写得比较多的网络营销效果评估优化（网络营销数据解读系列文章）和用户体验上的转化率优化（刚开了个头，网站转化率优化框架（一））之外，还有一个就是可以优化的领域就是商品销售规划（话说Merchandising怎么翻译比较合理？）。

可以把商品销售规划理解为传统零售中的货架优化管理，研究怎样通过改变商品的陈列和不同类别货架的摆放来获得更多的销售。虽然我们做电子商务的一天到晚吹嘘说我们有无限大的货架，可是这”无限大“只是针对搜索型的顾客有意义——他可以在无限大的商品列表里搜寻。对于很多用通过页面导航来寻找商品的顾客、和那些仅仅是随便来逛逛点点的顾客来说，他们所接触到的目录页（首页，类别页面，促销专题页面……相当于传统零售里的货架）数目是有限的（比如平均浏览7个目录页，远远小于”无限大“）。这就使得我们也面临着类似于传统零售的问题——顾客会看7个货架，每个货架上只能摆20个商品，我们一共只有140次激发消费者购物欲望的机会，我们要把这些宝贵的机会给哪些商品，要把哪些商品放到热门的货架上呢？

在做商品销售规划之前，我们考虑的漏斗都是从网站整体出发，大致类似这样：

流量 –> 商品页流量 –> 放入购物车 –> 注册/登录 –> 信息填写 –> 完成订单

这个思路对于我们优化营销活动和网站体验是有价值的，我们考虑的思路是：既然我们有一定量（T）的流量，我们要找到方法保证这些流量顺利的流到漏斗底部变成销售。优化的逻辑有两条，一条是优化流量本身质量（营销优化）——通过提高流量质量来增加最终的转化；另一条是网站体验优化（例如C = R x (V + M) – (F + A) + U – D框架），通过减少中间步骤的损耗来增加转化率，前面文章都提到过。

再细化考虑一下，其实我们得到的不是“流量”，而是“注意力”或者说“展示机会”，而我们要做的是把给定量的“注意力”和“展示机会”转化成销售。给定流量规模，假设（这个假设是不对的，这里只是为了解说方便。以后会展开说怎么影响这个变量）平均浏览页面数不变，其实也就限定了我们能够展示的内容数量是给定的（同上，只是为了解说方便），我们能够展示到访客眼前的商品数量也是给定的。例如100个顾客，每个顾客看7个目录页，每个目录页展示20个产品在顾客面前，140个产品出现在每个顾客面前，我们一共有14000个展示产品的机会。更一般来说，假设我们的流量是T， 浏览目录页数目是C，平均每页展示商品数量L，我们网站总的来说可以得到的商品展示次数是V = T x C x L。

我们要做的事情就是把握V个机会（每展示给消费者一个商品就是一个机会），尽量把它们转化成订单。对于那些强烈依赖付费流量的公司尤其如此，如果你花了M元钱带来的流量产生V次商品展示，每次展示其实都花掉了你M/V元钱，如果商品不好，没法把展示转化为最终销售的话，你展示这个商品就入不敷出亏钱。举例来说，我们花100万，带来100万流量，每个流量看5个目录页面，平均每个页面显示20个商品，那么我们展示一个商品的成本就是1,000,000 / (1,000,000 x 5 x 20) = 1分钱。如果这个商品点击率是1%（每在目录页展示100次才被点击一次进入商品页），转化率是1%（商品页被浏览100次才产生一个转化），那么我们为这个商品每次转化需要花费的成本就是0.01元 x 100 x 100 = 100元，如果这个商品的利润不到100元，我们就是亏钱的（为了表述简单，我们暂时只关注单品的情况）。

从这个例子里，我们可以看到，如果光从商品的角度来说，有两个关键的数值决定了我们是赚钱还是亏钱，一个是商品点击率，一个是商品转化率。系统点来说，对于每个商品，我们都会有这样一个漏斗：

商品在目录页展示次数 –> 商品页流量 –> 放入购物车注册/登录 –> 信息填写 –> 完成订单

因为后面几个环节不属于商品销售规划管，所以我们可以把漏斗简化成：

商品在目录页展示次数 –> 商品页流量 –> 商品销售

其中商品销售具体定义可以由公司当期发展目标来定，可以是销售额，可以是利润，也可以就是订单数。定义好之后，从这个漏斗里可以发展出3个指标：

• 商品展示点击率 = 商品页流量 / 商品在目录页展示次数
• 商品页转化率 = 商品销售 / 商品页流量
• 商品展示转化率 = 商品销售 / 商品在目录页展示次数

得到这三个数据后，可以对公司所有商品做一个审计。一般来说，如果商品展示点击率低，表示商品本身吸引力不够或者价格显著过高（如果列表页显示商品的话），商品页转化率低表示商品页内容不够有吸引力，可能是商品描述过于简单、不符合顾客预期、或者图片不够美观。在这两个数据支持下，我们可以找到那些（或者哪类）商品和页面有问题，然后有的放矢的进行优化。

而对于商品展示转化率这个数据，最简单的办法就是将它们排序（先排除掉一些，展示次数小于一定量——例如单日100次——的商品就不用看了），将表现最差的20%拉出来查问题出在哪里，看能不能改进，能改的改，不改的就要考虑在系统中将它的展示权值降低（在目录页出现时优先级最低 + 市场部选择产品做着陆页做活动时不考虑），后续考虑商品取舍的时候，得分低的商品也应该优先被清除出货架。另外，也要把表现最好的那些商品调出来，看他们有什么共性和特点，能否将经验应用到其他商品上。

这次先简单的介绍一下商品销售规划的概念和可能的应用场景，很多细节被过度简化了，下次再详细说还有哪些因素要考虑，整个模型要怎么再完善，实际业务当中怎样使用。