信很多老板都有类似的疑问：
店铺后台的数据那么多，我该看哪一个？
这个数据都有什么意义？
最近单量下滑，我该如何定位问题？
……
今天我们就来讲一讲，如何看数据！
< class="pgc-img">为什么要关注店铺数据？
“数据分析”是指人们通过适当的统计分析手段，对大量庞杂的数据进行梳理、计算和提取，从而找出隐藏在数据中的有用信息。
这些信息能够：
1，指导老板优化店铺的经营方式（比如何时推新品）；
2，解决已有问题（比如找出店铺复购率低的原因）；
3，对未来的经营做出预判（比如设定未来的营业额目标）。
通过数据分析来经营店铺，就像在大雾中航行时有指南针，无论周围的环境有多么令人迷惑，船总能朝着正确的方向走。
但是要注意的是，数据只是我们看破经营问题的一个而非唯一手段，要结合具体商圈、品类，才能得出更靠谱的结论哦。
< class="pgc-img">如何获取店铺数据？
如果是外卖店铺的话，可以通过门店后台直接获取数据。
电脑版：商家中心 - 经营分析 - 经营数据
由于存在一定的查询时限（经营数据可查看3个月前），这就建议各位老板建立每日数据看板，保存好每日数据。单天数据往往处于波动中，并不能说明太多问题，但是在经营的动态中，往往会发现潜藏在数字背后的秘密。
< class="pgc-img">店铺经营中，哪些数据是必须关注的？
< class="pgc-img">曝光量
曝光量主要包括两部分：
曝光人数表示看到门店的用户的数量。
曝光次数表示用户看到门店的次数，每个人看到门店可能不止一次，所以一般曝光次数都会比曝光人数多一些。
曝光次数/曝光人数的结果越大，说明用户看到店铺的渠道越多，看到店铺的次数也越多，他进来下单的几率也就越大。
一般说来一家店铺如果要维持正常的运营，日均曝光量至少也要在1000以上，如果对单量有一定需求（比如每天至少XX单才可以保本或盈利），可根据当前店铺7日转化率进行倒推估算所需的曝光量。
进店转化率
这是看到门店的用户中进入门店的比例。
计算方式为曝光人数/进店人数。
通过这个数据，我们可以得知门店外在元素对用户的吸引力，和流量的精准度。
举个例子：比如A和B两家奶茶店，曝光量同为1000，看到A店的用户700个为其他偏好用户，300个为奶茶偏好用户，看到B店的用户，500个为其他偏好用户，500个为奶茶偏好用户，转化率也会有变化哦。
下单转化率
下单转化率是进入门店的用户下单的比例。
计算方式为进店人数/下单人数。
衡量的是我们的成交能力、店铺需求与用户预期的匹配能力。
除了这些，还有哪些数据是必须关注的？
复购率
复购率是在一定的时间范围内，所有下单（且完成订单）顾客中，在本店下单（且完成订单）两次及以上的顾客占比。
计算方式为复购人数 / 下单人数。
复购率越高说明用户对店铺的认可度越高，但是这个数值收到很多因素的影响，刚需高频的品类（比如米粉、盖饭）复购率会比非刚需品类（比如生日蛋糕）要更高一些，另外价格、节令也会影响到店铺的复购率（冬天轻食的复购率和夏天相比可能会变低）。
分时流量
店铺整体流量固然重要，但是分时流量——也就是每个时间段的流量——也同样重要。
< class="pgc-img">如果是快餐品类，我们可以很清晰的看到一家店铺，在午餐段和晚餐段各有一个高峰期，在午高峰达到全天流量的最高点。
当店铺出现在本该高峰的时段流量曲线上不去，甚至形成了一个V字走势的时候，说明店铺在午高峰的排名无法占据优势，点餐用户无法看到你的店铺。
——这也是很多商家经常问的“为什么高峰期没有订单？”的原因。
如何解决这个问题，各位老板也可以参考之前的文章：第14讲：流量不稳定，如何应对？
渠道来源占比
< class="pgc-img">从之前的文章里老板们可以知道，店铺流量的主要来自商家列表、其他、搜索、首页展位、频道页展位。（点击扩展阅读：一文为你解答关于曝光量的问题 | 推广秘籍）
从他们所占的比例中，我们也可以大致观察出一个店铺的运营是否健康。
一般说来“商家列表”都是流量的主要来源，占比至少50%，当“其他”或者“搜索”的流量占比都高于列表时，说明店铺的综合质量已经出现了一定问题，在列表里无法正常获得曝光。体现在数据上就是列表流量占比过低。
点金推广单次进店出价
如果商圈的竞争没有特别激烈，那么当单次进店成本＞2元时，那我们就要检查一下店铺的综合质量分是不是需要提升了。
店铺分
电脑版：商家中心 - 经营分析 - 店铺分
通过店铺分，老板们可以直观的查看我们的店铺的营业能力，并有针对性的提升。
这个分数当然越高越好，说明店铺拥有稳定高效的营业能力，可以为用户提供良好的服务。但是店铺分越高是否就一定可以获取更高的流量呢？
其实是不一定的。
我们都知道店铺的竞价排名=出价X店铺综合质量（也叫权重）。
在影响店铺权重的评分体系中，占据主要地位的是店铺的转化率，也就是成交能力，而在店铺分的评分体系中，这部分仅占据15%左右——所以店铺分已经在80分以上了，但是同样出价推广排名却比较靠后的情况就出现了。
昨日经营数据
这个数据只能查看前一天的，建议老板们的数据看板里也加入昨日商圈排名这一项。
有的时候由于时令等原因，外卖整体进入淡季，大盘转冷，各位老板也可以根据商圈同行的排名判断是整体下滑还是我们自己的店铺出现了经营问题。
举个例子：10月，小A的店铺最近出现了掉单的情况，但是小A调取了自家数据看板，发现自己店铺在商圈里的排名并没有出现下滑，小A判断是外卖淡季到了，在这段时间研发新菜、抓紧了粉丝群和老客的运营，在旺季取得了更好的营业额。
以上就是数据分析的第一课，关注我，期待更多精彩内容！
<>< class="pgc-img">饮酒店具有很强的季节性，即有淡旺季区分，而且一年中销售情况也有很强的季节性，如何能做到精准预测不同季节的销售额呢？这就需要采用季节型序列的预测方法。季节性多元回归预测是用虚拟变量来表示季节的多元回归预测方法。如果时间序列数据是按季节记录的，则需要引入3个虚拟变量；如果数据是按月记录的，则需要引入11个虚拟变量。下面，以某餐饮企业三年不同季节的销售额数据为例，对销售预测进行阐述分析。
< class="pgc-img">< class="pgc-img">如上图，2016年销售额最低，2015年第二，2017年最高。没有出现后面的折叠线高于或低于前面的折线，所以没有趋势，只含有季节成分。
< class="pgc-img">< class="pgc-img">根据上图，得出预测的季节性多元回归方程为：
Y=3996.6667+46.625x1-278.125x2-1664.4167x3-2260.375x4
各个系数的含义如下：b0=3996.6667表示平均销售额；对应于时间变量t的系数b1=46.625表示每季度平均增加的销售额；b2=-278.125表示第1季度的销售额比第4季度平均少278.125万元；b3=-1664.4167表示第2季度的销售额比第4季度平均少1664.4167万元；b4=-2260.375表示第3季度的销售额比第4季度平均少2260.375万元。
从表中可以看出，修正的R2=0.928，说明回归方程拟合得非常好。
将t=13、14、15、16代入上述多元回归方程，即可得到2018年各季度的预测值。
< class="pgc-img">< class="pgc-img">从回归统计表中可知，时间变量x1的系数b1不显著，因为P=0.09581,这说明销售额的趋势成分并不显著，可以说明销售额中不存在趋势成分，x2的系数b2也不显著，而其他两个季度变量的系数都是显著的。
利用季节性多元回归法进行预测的一个好处是，在使用所建立的模型进行预测之前，可以将目前的模型中不显著的趋势成分剔除，重新进行回归，然后利用新的回归模型进行预测。剔除时间变量x1和虚拟变量x2后得到的预测模型为：
< class="pgc-img">< class="pgc-img">新的预测模型为：
Y=4160.6667-1548.6667x1-2098x2
将t=13、14、15、16代入上述多元回归方程，即可得到2018年各季度的预测值。（作者系美国归来的餐饮酒店数控管理专家李颖）
< class="pgc-img">着移动互联网时代的发展，直播电商逐渐兴起，顾客消费习惯也随之从线下到线上发生转变。受此冲击，线下实体门店客流明显减少，商场或购物中心的发展直接陷入客流不旺，管理乏力的多重经营困境。
为了在激烈的市场竞争中扭转颓势，面对日益发达的互联网消费环境，购物中心或商场如何实现消费者数字化、激活客流转化，实现全域消费者触达和服务，成为当下最有价值的数字化建设内容。
对消费者的深入洞察与探究是商业的核心能力
商场或购物中心要想盘活其经营状况，就必须回归零售行业发展的服务本质，更加重视消费者的购物体验。这就要求对顾客做深入洞察与探究，全面分析和掌握消费行为动向，切实了解顾客消费心理和喜好。
比如：顾客在进入商场之后，游逛门店的主要顺序是什么？是先快消品再数码鞋服的路线流程，还是先餐饮再服饰教育？商场内客流的主要行走路线也即客流动线趋势如何？在商场内不同品牌门店的驻店人数有多少？分别停留时长又是多少？等等。
只有更好地了解消费者的行为需求才能为其提供更为精确、周到的消费体验，把服务做到更高水平。而这，就需要商场或购物中心寻求精准跟踪购物者行为轨迹的方法。
顾客追踪行动轨迹，助力商场客流分析
通过精准客流统计系统，充分了解消费者，比只看销售数据更有用。
顾客追踪的客流信息数据分析使商场或购物中心可进一步总结顾客在商场里的行动轨迹规律、逛店频次驻店时长数据等，全面了解顾客的购物习惯与喜好，精准获取消费者客群洞察。
万店掌客流统计系统通过客流计数、客流分析、热区检测等多项功能，准确统计商业场所各入口的进出客流量，精确到时段，掌控实时客流，再将门店的客流数据和销售额进行汇总分析，挖掘数据涨跌背后的原因，以帮助调整商场业态和门店布局，分析店铺问题和优化方向，提升店铺销售额。
大数据分析支撑，科学调整店铺运营推广
依据商场或购物中心的客流分析，商场内门店可通过分析消费者逛店行为数据与区域内热力动线数据，了解不同业态、不同品牌方客流人数及占比。进而深入探究顾客生命周期构成及变化，掌握店铺对消费者的吸引能力，科学调整门店运营推广决策。
比如，针对顾客到访频率、浏览商品等信息，更好地分析自身经营能力，及时优化商品展示陈列，科学调整库存及营销推广规划，为精准营销做出智能化决策。进一步满足顾客对高效率复购的需求，以提高门店运营效益。
< class="pgc-img">优化商场经营策略，智能升级场景服务
顾客追踪的轨迹数据采集，也为线下商业综合体提供了经营策略优化方向。
比如，根据顾客服装区、美妆区、生活用品区、美食区、休闲娱乐区等的流动趋势轨迹数据追踪，形成商场关键消费路径，优化商场动线，调整店铺规模或运营方向；
根据人群新客、熟客与会员占比，解析用户来访低频、中频、高频的比例，评估用户对商场忠诚度，为商场生命周期分析及改善提供依据；
根据不同楼层到访人数、爬楼率、停留时长数据分析，横向比对各个店铺客流情况及经营状况，精准锁定商场“黄金”租位，评估制定楼层间的租金价位水平。
同时，也可根据数据变化促进商场购物中心场景智能升级。如动线设计避免盲区与死角，注重内外部人流的沟通与互动，注重创新元素融入，增强顾客体验等等。以全方位展现新零售时代下购物中心的智能生活服务，为商场综合体的盈利能力提供助力。
写在最后
商业动线即人流在商业空间中的行动路线，是商业空间的生命线，对提高商户的客流量和成交率，以及均衡地提升商场购物中心商铺价值都有重要影响。
在互联网、新零售倒逼实体商业的当下，万店掌的顾客追踪系统正是为购物中心和商场把握商业动线，寻求精准分析购物者行为构建了全方位、数字化的解决方案，相信通过在实际场景中的实践和应用，将为整个零售业的发展注入更多科技力量。
文章说明：作者万仔，零售星球内容官，首发于微信公众号：零售星球
