为什么网店在数据化运营的过程中漏洞百出，越追求用数据指引方向，就越容易迷失方向？

很多年前，当“生意参谋”的名字还被称为“量子恒道”的时候，“数据化运营”这个概念就被大多数运营淘宝、天猫网店的小伙伴所接受，越来越多的人也提倡把数据分析融入到网店的战略制定和战术运用中。

关于网店数据分析以及生意参谋的使用，大家已经不再陌生，今天我们都不知不觉的在使用。但是随着数据化运营的概念被越来越多的网店运用，随之而来的问题就发生了。我们突然发现数据不受我们的控制，我们针对数据反馈所得出的运营动作，执行之后无法得到数据正方向的反馈。慢慢的“数据”变成了我们去迎合动作的一个工具，为了证明我们的动作是有效的，然后去找到相关能反馈的数据来证明这个动作的有效。到底是哪里出问题了？我们的方法论有问题？我们的方法有问题？我们执行不到位？我们理解不够准确？

接下去，我们一起来尝试一下，是否能揭开这个谜团，看看到底哪里出问题了，我们又该怎么办。

1、每一个数据指标都是多因素影响的结果

我们就从“转化率”这个大家最关注的数据指标入手。会影响“转化率”这个数据指标的相关因素有很多，比如：商品所在的类目竞争情况、宝贝详情页、促销、销量、评价等都是影响转化率的因素。也就是当我们发现转化率不够高的时候，我们有很多事情可以去做。然而每一件事情又对应了很多数据指标。比如：宝贝详情页的优劣可以从停留时间、访问深度等数据指标来判断；访问深度这个数据指标又可以引出营销活动、收藏加购的引导等等一些数据指标。就这样罗圈关联之后，我们发现一个数据指标的变动，其实可以迁出所有网店运营的工作，那么与其做一大堆分析，不如列个清单把所有网店相关的工作都列在上面，然后一个个去做就行了，数据分析好像对我们没有什么用。因此，很多时候我们按部就班的完成工作之后，数据对我们的作用仅仅是“写报告”用的。

每一个数据指标对应了多个运营动作，同样每一个运营动作又可以影响多个运营指标，因此数据和运营没有一一对应的因果关系。

2、数据是需要对比才有用的，数据的“绝对值”对我们没有什么意义

继续刚才“转化率”指标的例子，我们口中所谓的“高、低”其实是一个对比值，我们不能说“5%的转化率太低了”，这样的结论是毫无意义的。只有当我们说“本周的转化率5%，比上周要低”或者“本周的转化率5%，低于同行平均水平”，这样的结论才是有意义的。也就是任何一个数据指标只有在横向、纵向对比之后的结论才有意义。我们经常会进入一个追求数据指标绝对值的误区。

当我们把自己店铺的数据和行业或者竞争对手数据做比较的时候，我们还面对一个更加严重的问题，那就是“比较对象”的误差问题。“用自己店铺的数据指标和行业数据指标做对比，得出比较结果，给到我们运营方向”，看似一个很科学的方法，但实际上“我们怎么知道行业均值就一定是我们的参考标准呢”？

“生意参谋”的确按照行业类目、店铺层级等一些维度把店铺进行的划分，并且以此为我们提供更加精准的行业数据指标。但是不同店铺的运营策略存在很大的不同，我们举一个极端的例子：某个同行自身就是一个网红，店铺流量主要来自于微博的粉丝，这种情况就一定会带来超高的转化率；而我们的店铺是采用比较传统的淘宝运营方法，那么这两个店铺之间的转化率数据的对比结果对运营没有参考价值。当然这是一个极端案例，行业中各种运营手段方法都有，平均之后可以大大降低这些极端案例对数据的影响。但是我们仍旧要明白“行业均值”或者“竞争对手”只是一个参考指标，并不能用这个数据指标直接作为我们运营的目标。我们不能以超过行业均值为目标去设定运营计划；我们也不能用行业均值来衡量我们的运营能力。

数据不是一个孤立的指标，需要采用“相对值”而不能采用“绝对值”；由于数据来源的复杂性，因此不能把数据对比的结果作为运营目标。

3、网店数据指标是多样性组成的

经常用“生意参谋”的小伙伴都知道，“生意参谋”提供的数据纵向指标很细。转化率是可以细分到不同维度流量的转化率，也可以细分到不同产品、页面、活动的转化率；流量指标同样是可以细分到不同维度的来源情况，也可以细分到产品、页面等，我们就不一一举例了。反正我们只要知道纵向深度是足够的，因此我们就不能以一个大指标来指引工作方向、比如，通过最近一个月店铺的流量指标横向对比发现流量波动比较大，那么我们接下去要做的的事情是就流量指标的纵向去看一下，是哪些维度的指标带来了大的波动。很有可能只是因为我们的上新规律导致的波动而已，也就是完全可以忽略这个波动。有的时候拉长时间轴，突然发现波动消失了，在一个更长的时间轴中总体趋势曲线上升，那么当然缩短时间轴会发现波动很大，因此实际上并不需要围绕流量去调整什么动作。也就是很多时候看似从数据推导出来的运营调整方向，其实对我们毫无帮助，并没有找到真正要去做的事情。

刚才是店铺自有数据的对比，那么我们再来看一下行业数据对比。假设我们发现店铺的转化率比同行低，再通过纵向的数据分析，发现“淘宝群”这个维度的转化率特别低，拉高这个值就可以追上行业指。看似很科学而且很有逻辑的一个分析方法，但是仔细想一下，如果没有数据分析，难道“淘宝群”就不做了吗？图文短视频直播、粉丝运营、自然搜索、直通车、钻展、活动等等所有维度的事情有哪一个是我们不知道的？有哪一个淘宝没和我们强调过？为什么非要数据反馈给你结果了，你才重视？

数据本身是一个结果，是一系列工作的反馈。那些必须要做的事情，无论什么情况我们都要做，并不需要等数据报告。

我们在运营过程中经常会根据数据去推导一些工作方法，这种方法论本身看似有很符合逻辑，但是实际上我们在推导过程中利用的数据是“动作的结果”，也就是我们大多数情况下都是采用了“事实证明”而不是“逻辑证明”。“事实证明”的这些事情的结论，都是我们本来就知道的事情，“事实证明”又不可能推导出真理，因此我们也不可能通过数据分析从而得出一套网店运营的真理。哪怕数据发生异动的原因我们找到了，也不代表上一次的解决方案这次也可以奏效。

综上所述，整理了一套网店数据化运营的要点：

1、网店运营过程中哪些事情要重点做、哪些事情可以缓一缓与数据分析无关，而是按照人力、物力、财力等店铺硬条件和需求去安排；

2、数据分析的前提是：数据量大、维度多、实时性，三者缺一不可；

3、面对网店运营这种复杂的系统工程，任何一种简洁、抽象的模型都无济于事；

4、网店的数据分析可以帮助我们找到问题，但是它不会提供解决方案，更不能引导我们的运营方向。