商务数据分析与应用 课件 第七章 销售数据分析

第七章销售数据分析洞察销售·优化策略·提升业绩01销售洞察深度解析销售趋势、客群画像与转化漏斗，挖掘数据背后的业务逻辑，精准捕捉市场变化与潜在的增长机会点。02策略优化基于数据反馈迭代营销方案，精准定位高转化渠道与核心产品策略，优化资源配置结构，实现投入产出比的最大化效能。03业绩增长通过数据驱动的决策优化，持续提升客单价、复购率与用户生命周期价值，最终达成销售目标与企业利润的双重增长。课程名称：电商数据分析与应用授课教师：张远讲师项目情境：宥柠企业的销售困境01市场布局扩张期企业在过去一年加速扩张，商品品类扩充30%，销售版图从国内全域覆盖延伸至海外市场。同步布局线上线下多渠道运营，并开展多样化促销活动，试图通过规模效应抢占市场份额。02增长瓶颈与利润困局尽管渠道流量呈现上升趋势，但实际销售额增长远未达到预期目标，业绩增长明显乏力。同时，由于扩张成本、运营投入及频繁促销活动的叠加影响，产品的利润空间被持续压缩，企业面临营收与利润的双重压力。03数据赋能战略调整需通过多维度销售数据分析，深度复盘运营效果，精准定位业绩不达标的核心根源。基于数据洞察输出详实分析报告，为后续的产品结构优化、渠道策略调整及营销活动升级提供科学、可靠的决策依据。核心目标：透过数据表象，挖掘销售增长的制约因素，重构企业的市场竞争优势。项目教学目标01知识目标1.熟悉并牢记销售数据的核心特点，深入理解其在业务决策、趋势预判中的关键作用。2.掌握销售数据趋势图的专业解读方法，能够准确阐述图表背后的市场规律与业务逻辑。02能力目标1.运用RFM模型精准筛选关键信息，结合销售总目标，制定可落地的区域及人员任务分解方案。2.深度复盘销售数据波动原因，整合推广效果、客户反馈等多维数据，精准定位业务问题根源。03素质目标1.培养潜心钻研业务细节的职业素养，树立严谨务实的数据分析与决策思维，提升业务敏感度。2.建立全局化的经营意识，理解数据驱动对业务增长与企业发展的核心价值，强化责任担当。任务1销售数据相关概述01概念与特点明确销售数据的定义范畴，解析其「实时性、多维性、价值密度高」的核心特征，建立对销售数据的基础认知框架。02作用与价值从经营决策、业绩评估、趋势预测等维度，剖析数据对企业运营效率提升与战略制定的底层支撑作用，体现数据资产价值。03核心分析模型掌握「销售计划完成率」「同比/环比增长率」等基础模型，量化评估目标达成情况，洞察业务增长态势与偏差原因。04SKU精细化拆解拆解单品销量、毛利贡献、动销率等关键指标，通过ABC分类挖掘畅销与滞销规律，优化货品结构与选品策略。实战演练：用Excel条件格式锁定高贡献SKU操作路径：在数据列表中选中SKU销量列→点击「开始」→选择「条件格式」→应用「色阶」或「数据条」样式，数值越高颜色越深。

价值产出：无需复杂公式，直观高亮展示头部热销商品，辅助快速决策——对爆款资源倾斜，对滞销品及时调整，提升整体经营效率。7.1.1商品销售数据认知01/销售数据的核心特点海量可得性依托互联网技术，电商平台沉淀了海量、实时的销售数据，打破了信息壁垒，为数据挖掘与分析提供了坚实的基础支撑。类型多样性涵盖用户画像、浏览行为、交易记录、商品属性及系统日志等多维数据，结构化与非结构化数据并存，全面还原商业场景。关联复杂性数据间存在错综复杂的隐性关联，从海量信息中梳理逻辑、挖掘产品间的潜在联系，对分析模型和算法提出了较高要求。02/销售数据的商业价值与应用精准营销支撑挖掘用户特征，实现千人千面的个性化推送，大幅提升市场推广的转化率与投入产出比。产品与活动引导洞察真实消费需求，反向优化选品与研发，让营销活动更贴合市场，减少资源浪费。竞对与品牌监测实时追踪竞品动态与行业趋势，评估品牌传播效果，为差异化竞争策略提供数据依据。预测与决策分析基于数据模型预测市场走势，发现潜在蓝海市场，为企业的战略规划与经营决策赋能。7.1.2商品销售分析方法01整体计划达成计算实际销售额与计划目标的比值，直观评估整体业绩完成度。这是判断销售目标是否达成、业绩是否达标的核心基础指标。02品类贡献拆解深入各细分品类维度，量化不同品类对总销售额的贡献权重。识别出拉动业绩的核心品类与表现不佳的品类，为货品结构优化提供依据。03趋势对比复盘通过环比（与上一周期比）和同比（与去年同期比），剔除时间波动因素，精准洞察销售的真实增长趋势，判断市场热度与销售策略的有效性。核心概念：SKU(库存量单位)SKU是库存管理和销售核算的最小单元，它是赋予每个商品的唯一“身份证”。只要商品的属性（如颜色、尺码、规格、包装）发生变化，就会产生新的SKU。精细化的SKU管理是实现库存精准控制、防止缺货或积压的关键。实战示例：基础款T恤的SKU计算假设有一款T恤，包含：

颜色选择：黑色、白色（共2种）×尺码：S/M/L（共3种）

总SKU数量=2×3=6个独立SKU案例分析：某网店销售计划完成情况商品类别计划(万元)实际(万元)完成计划%影响程度%环比增长%同比增长%手机6000559093.2-5.114.16.9平板900965107.20.813.517.0电脑600623103.80.313.34.5电视35030587.1-0.6-4.7-12.1合计8000763895.5-4.513.07.1关键洞察与分析结论整体目标未达成本月总销售完成率95.5%，缺口约4.5%。核心品类的未达标表现直接拉低了大盘业绩，需复盘目标制定的合理性。手机成主要缺口手机完成率仅93.2%，对总计划产生-5.1%的负面影响，是未达标的核心原因。需重点排查库存、促销及竞品因素。多品类环比增长除电视外，手机、平板、电脑均实现正向环比增长，反映出消费电子市场需求的整体回暖与产品更新的带动效应。电视品类需预警电视同比下降12.1%，环比亦下滑，是唯一负增长品类。需深入分析市场竞争、产品定价及用户消费习惯变化。实操：SKU销售数据分析(Step1-2)核心目标：利用Excel条件格式功能，通过公式精准定位并高亮显示销售数据中的最大值，快速识别表现最佳的SKU，为库存管理和销售策略调整提供直观依据。01打开文件并选定数据区域打开“商品SKU分析.xlsx”，框选需要分析的销售数据列；切换至「开始」选项卡，在「样式」组中点击「条件格式」，选择「新建规则」进入配置界面。02配置公式与高亮样式选择「使用公式确定要设置格式的单元格」，输入公式=A1=MAX(A:A)以匹配列中最大值；点击「格式」，设置字体为「橙色、加粗」，确认后即可自动标记。▲操作界面预览：在「新建格式规则」对话框中配置公式与字体高亮效果。实操：SKU销售数据分析(Step3)自动识别并高亮极值系统自动扫描每列数据，将数值最大的单元格进行加粗+橙色填充双重标记，让关键数据在繁杂表格中瞬间脱颖而出，省去人工逐行比对的繁琐。秒级定位核心畅销单品利用高亮的视觉锚点，无需复杂计算即可快速锁定销量、支付金额或利润表现最优的单品（如示例中的「白色L码」），为选品决策提供即时依据。效果预览：如图所示，橙色高亮单元格直观展示了各维度的销售峰值，一眼即可识别出「白色L码」在支付金额和件数上的显著优势。进阶技巧：除了默认最大值，还可通过「开始」→「条件格式」自定义规则，例如将库存不足的SKU标红，或利润贡献率前10%的商品标绿，实现更精细化的数据监控。任务2深入商品销售情况统计与分析01基础台账：销量与额统计核心：利用Excel“分类汇总”功能，按商品品类自动聚合销售数量与金额，快速完成海量销售数据的清洗、整理与基础统计，形成清晰的销售台账。实操演练：对月度销售明细表进行多级分类汇总，生成按“商品大类+单品”统计的销售汇总表。02结构分析：占比可视化核心：使用SUMIF函数精准计算各单品的营收贡献度，结合饼图或环形图直观呈现各品类在总营收中的占比结构，识别营收支柱与短板。实操演练：制作动态占比仪表盘，分析营收贡献TOP3商品与长尾商品，并输出品类结构分析图。03智能优化：规划求解应用核心：基于成本、库存、销量与利润的约束条件，运用Excel规划求解工具，计算利润最大化的商品进货、定价与陈列资源分配方案。实操演练：设定采购预算与仓储限制，求解最优订货组合，模拟不同促销场景下的利润最大化模型。04决策输出：分析报告撰写核心：整合销量、占比、利润与优化数据，输出结构化的销售分析报告，为商品定价、补货、促销与陈列调整提供有力的数据决策支撑。实操演练：结合本月数据撰写完整的销售分析报告，包含销售现状、核心问题、优化方案与下月销售预测。7.2.1不同商品销量分类统计统计目标：基于商品名称维度，通过Excel分类汇总功能自动计算各类商品的销售笔数，高效完成销量数据的分类统计与汇总分析。01基础排序选中“宝贝标题名称”列，执行升序排序，使同类商品记录连续排列，为分类汇总建立有序的数据基础。02启动功能切换至【数据】选项卡，在【分级显示】组中点击“分类汇总”按钮，打开参数配置对话框进行下一步操作。03配置参数分类字段选“宝贝标题名称”，汇总方式设为“计数”，并勾选“宝贝标题名称”作为汇总项，精准定义统计逻辑。04分级查看利用左侧分级按钮（2级/3级），自由切换汇总结果与明细数据的展示层级，快速获取各类商品的销量统计信息。图示：Excel分类汇总参数设置界面7.2.2不同商品销售额分类统计01数据排序：按商品名称升序排列选中“宝贝标题名称”列，执行升序排序，确保相同商品的交易记录连续，这是分类汇总准确执行的前提条件。02参数配置：设定分类与求和规则在对话框中设置：分类字段为“宝贝标题名称”，汇总方式选择“求和”，并在汇总项中勾选“销售总金额”。03结果生成：自动计算并展示汇总系统将按商品名称自动分组，在每组下方生成小计行，并在表格底部生成总计，直观呈现各商品的销售总额。🎯统计核心目标

通过聚合相同商品的交易记录，精准计算每款商品的累计销售额，快速掌握店铺内各商品的营收贡献度，为爆款分析、库存管理及采购决策提供核心数据支撑。⚠️避坑指南：若未对“宝贝标题名称”进行排序，Excel将无法正确识别同类数据的连续性，导致汇总结果分散在表格中，无法形成有效的分组小计。7.2.3不同商品销售额比重统计与分析(Step1-5)🎯核心分析目标提取唯一的商品名称维度，消除数据冗余，为后续计算各类商品销售额占比、制作饼图可视化报表提供精准的基础数据支撑。01复制源数据定位表格中的「宝贝标题名称」列，全选数据后执行复制，确保包含所有商品名称信息。02粘贴为数值将数据粘贴至空白区域，右键选择「粘贴为值」，断开与原数据的公式关联，保证数据独立性。03启动去重功能选中粘贴后的新数据列，切换至「数据」选项卡，点击「删除重复项」按钮进入配置。04确认生成清单在弹出的对话框中确认目标列，点击「确定」，系统将自动清理重复项，生成唯一商品列表。💻操作现场：去重结果反馈关键提示：去重完成后，Excel会弹窗反馈处理结果，显示删除的重复项和保留的唯一值数量。这是数据清洗的关键一步，确保了后续统计分析的准确性与唯一性。7.2.3不同商品销售额比重统计与分析(Step6-7)01匹配范围(Range)·定位数据源选中原始数据中「宝贝标题名称」的整列单元格，作为函数检索和匹配的基础范围，确保覆盖所有待统计的商品名称。02匹配条件(Criteria)·锁定目标引用唯一商品列表中的首个商品名称作为判断依据，这是函数筛选数据的核心条件，确保仅统计该单品的销售记录。03求和区域(Sum_range)·计算总额选择原始数据表中「销售总金额」对应的列，函数将自动汇总所有满足条件的金额数值，得出该商品的销售总额。💡高效操作：完成参数设置并点击「确定」后，将鼠标移至单元格右下角，待指针变为十字填充柄时，向下拖动即可快速批量计算所有商品的总销售额。7.2.3不同商品销售额比重统计与分析(Step8-9)01.精准框选数据源在工作表中选中“商品名称”与对应的“总销售额”两列数据，确保数据一一对应，为生成准确的饼图打下基础。02.插入标准饼图组件切换至【插入】选项卡，在【图表】功能区选择“饼图”类型，系统将自动根据所选数据生成基础图表框架。03.视觉美化与细节调优添加图表标题、调整图例位置，并开启数据标签显示占比。通过修改配色方案和扇区样式，提升图表的专业度与可读性。💡分析价值：饼图直观呈现了各商品类别的营收贡献度，能帮助管理者快速识别“明星产品”与“瘦狗产品”，为库存优化、促销策略制定及资源分配提供关键的数据支撑。7.2.4不同商品分配方案分析（规划求解）核心目标：资源约束下的利润最优

在成本预算、生产工时等资源限制下，通过量化模型科学分配商品数量，突破凭经验决策的局限，实现利润最大化。关键工具：Excel规划求解加载项

这是一个强大的模拟分析插件，基于运筹学原理，自动迭代计算并输出满足所有约束条件的最优解，是商业决策的高效助手。01加载插件打开Excel选项，进入“加载项”界面。在“管理”下拉框中选择“Excel加载项”，勾选“规划求解加载项”并确定，完成工具启用。02配置参数模型在对话框中定义三要素：

1.目标单元格（如总利润）；

2.可变单元格（如商品数量）；

3.约束条件（如成本上限）。03执行求解运算点击“求解”，系统自动进行迭代计算。运算结束后，选择保留“规划求解结果”，即可查看最优分配方案及最大利润值。价值总结：从“拍脑袋”决策转向“数据驱动”决策，不仅能快速找到最优解，更能通过调整约束条件进行多场景模拟，为商业计划提供坚实支撑。实操：商品分配方案分析(Step1-5)01搭建核心分析指标打开目标数据文件，利用Excel公式计算基础指标：包括毛利合计、实际投入成本、实际销售时长及总收益。这是构建商品分配模型的基石，确保数据准确是后续优化的前提。02启用「规划求解」加载项①点击【文件】→【选项】，进入系统设置；

②切换至【加载项】，点击底部「转到」按钮；

③在弹出的「加载宏」对话框中，勾选「规划求解加载项」并确定。工具价值「规划求解」是Excel的高级分析插件，专为解决资源分配、利润最大化、成本最小化等优化问题设计。它能在满足约束条件的前提下，自动计算出最佳的商品分配方案。💡小贴士：加载成功后，可在Excel的【数据】选项卡中找到「规划求解」按钮，开始进行方案测算。实操：商品分配方案分析(Step6-11)图示：Excel“规划求解参数”对话框。这是进行定量分析的核心操作界面，需在此完成目标、变量与约束的三重配置。01设定优化目标在对话框中选定“总收益”所在单元格作为目标，选择“最大值”选项，明确我们追求利润最大化的核心商业诉求，这是规划求解的最终导向。02选定可变单元格指定代表“各类商品分配数量”的单元格区域。这些数值是系统自动调整的对象，也是实现目标的关键决策变量，决定了资源的具体分配方式。03添加约束并执行求解根据实际经营限制，添加成本上限、工时不足、库存限制及数量非负等约束条件，确保方案的现实可行性。完成配置后点击「求解」，系统将自动计算最优分配方案。实操：商品分配方案分析(Step12-13)01查看求解结果：核心操作流程确认并保留求解结果在弹出的“规划求解结果”对话框中，选择“保留规划求解的解”选项，点击“确定”完成设置，确保最优方案被系统采纳。获取自动计算的最优方案Excel将基于设定的约束条件（如成本上限、时间限制），自动计算出能实现最大收益的商品分配数量，数据实时同步至表格。图示：求解完成后，表格自动更新为包含最大收益的最优分配结果💡关键提示：若需对比多组方案，建议先将当前结果复制到其他工作表区域进行备份，避免后续操作覆盖数据；确认前可仔细核对“总收益”数值是否符合预期。任务3同类商品销售情况统计与分析01颜色维度销售洞察📊核心方法：分类汇总统计按商品颜色字段分组，快速计算各色系销售总量与占比，直观对比市场接受度，为选品配色与库存管理提供精准的数据支撑。💻案例实操：多颜色销量核算基于真实零售销售明细，实操演示“分类汇总”功能的启用、关键字段设置与结果解读，掌握从原始数据到颜色销量报表的转化。02尺寸维度深度剖析📈核心方法：数据透视表分析利用透视表动态聚合能力，对不同尺码销量进行交叉分析，支持灵活的维度切换与数据筛选，精准定位热销与滞销的尺码区间。⚙️案例实操：尺码销量透视看板以服饰类商品为样本，实操构建尺码销量透视模型，演示字段拖拽、值设置及样式美化，生成可交互的尺码销售分析看板。分析价值：通过颜色与尺码的精细化分析，精准匹配市场需求偏好，优化库存结构与备货策略，减少滞销品积压，有效提升商品周转效率与销售利润。7.3.1不同颜色的同类商品销售情况统计🎯统计目标：通过Excel分类汇总功能，对不同颜色的商品成交数量进行聚合求和，利用分级显示和二次排序快速识别畅销色系，为商品库存管理、采购计划及营销选品提供数据支撑。01排序预处理选中数据区域中的“颜色”列，执行升序排序操作，确保相同颜色的商品记录连续排列，这是分类汇总准确计算的必要前提。02配置汇总参数在“数据”选项卡中启动分类汇总：设置分类字段为“颜色”，汇总方式选择“求和”，并在“选定汇总项”中勾选“成交数量”。03结果分析与应用利用左侧分级按钮查看汇总结果，对“成交数量”列进行降序排序，直观对比各颜色销量，从而制定针对性的选品与库存策略。💡实操小贴士：分类汇总的核心逻辑是“先排序，后汇总”，未排序会导致汇总结果错误。完成汇总后，可通过左上角的数字按钮（1/2/3）切换显示层级：1级仅看总计，2级看分类小计，3级查看全部明细，极大提升数据查看的灵活性。7.3.2不同尺寸的同类商品销售情况统计🎯统计目标：利用数据透视表的动态聚合能力，快速统计各商品尺寸的总销量，通过排序直观定位市场爆款，为库存优化、商品补货及选品策略提供数据支撑。01.创建数据透视表选中包含“尺寸”和“成交数量”的数据源区域，点击「插入」选项卡下的「数据透视表」，选择将透视表放置在新建工作表或当前工作表的空白位置。02.配置核心字段在右侧字段列表中，将“尺寸”字段拖拽至「行」区域作为分类维度；将“成交数量”字段拖拽至「值」区域，系统默认会对数值进行求和计算。03.排序洞察与分析点击“成交数量”列标题旁的下拉箭头，选择「降序」排序。销量最高的尺寸将自动置顶，直观呈现出最受市场欢迎的商品规格。💡进阶技巧：多维度交叉分析若需对比不同系列的尺寸偏好，可将“商品系列”字段拖入「筛选」或「列」区域，实现数据的动态切片与钻取，让分析更具深度。任务4分析商品退货、退款情况01原因统计与可视化利用COUNTIF函数批量统计各退货退款原因的发生频次，结合饼图或环形图直观呈现问题占比分布，快速定位影响最大的高频退货诱因，为优化决策提供数据支撑。02金额损失透视分析通过数据透视表动态拆解“退款原因”与“退款类型”的关联，精准计算不同问题导致的直接金额损失。结合商品类目、销售时段等维度，量化评估退货对营收的实际影响程度。实操：退货原因频次统计基于原始订单明细表，筛选“已退款”记录，使用COUNTIFS多条件函数按“退款原因”字段分类计数，生成标准化统计清单，为后续可视化和深度分析建立基础数据模型。实操：退款损失结构透视以“退款金额”为核心值字段，“退款原因”为行标签，“商品品类”为列标签创建透视表，计算并对比各类目下不同原因的退款金额总和及占比，识别造成核心营收流失的关键业务环节。7.4.1商品退货、退款原因统计01提取唯一原因列表复制原始数据中的“退货原因”列并粘贴为数值格式，利用「删除重复项」功能，快速筛选出无重复的原因清单，构建统计的基础维度。02运用函数统计频次以去重后的原因为条件，使用COUNTIF函数对原始数据表进行匹配计数，自动计算每类原因的发生次数，生成准确的统计数据源。03插入饼图呈现占比选中原因与频次数据，插入饼图并优化样式（如调整配色、添加数据标签、设置图例），直观展示各原因的占比分布，快速识别核心问题。可视化价值：饼图能清晰呈现各退货原因的构成比例，帮助管理者快速识别占比最高的问题类型（如发错商品、质量问题等），为库存管理、物流优化及售后服务改进提供数据支撑。7.4.2商品退货、退款原因分析🎯分析目标：利用数据透视表对退款原因与类型进行多维度拆解，精准计算各类退款场景下的金额损失占比，量化分析核心损耗点，为优化售后策略、提升商品品控提供可落地的数据支撑。01新建透视表框架选中包含订单、退款类型、原因及金额的完整数据源，通过「插入」选项卡创建空白数据透视表，搭建分析的基础载体。02配置维度与指标将「退款类型」「退款原因」拖至「行」区域构建双层分析维度，将「退款金额」拖至「值」区域，实现金额的自动聚合计算。03切换占比视图进入「值字段设置」，将金额显示方式改为“占列百分比”或“父级汇总百分比”，直观呈现各类原因造成的资金损失权重。💡分析价值与业务洞察：通过透视表的可视化拆解，可快速识别如“质量问题”“发错商品”等高损失权重的退款诱因。这不仅能量化直接的经济损失，更能反向推动供应链管理、商品品控标准的升级。结合切片器动态筛选，还能进一步按时间、店铺、品类深挖根源，实现从“被动处理退款”到“主动预防损耗”的经营转变。教学实践环节01年末销售报告任务目标：基于年末购物季销售报表，从销售额、客单价、转化率等核心维度进行复盘，撰写一份详实的业务表现分析报告。实践要求：结合市场环境与竞品动态，为下一年度的营销策略、库存规划及促销节点布局提供可落地的决策依据。02连锁零售分析任务目标：拆解连锁门店季度销售明细，对比各区域、各品类的销售贡献，精准识别当季的畅销爆款与滞销单品。实践要求：分析滞销原因，提出针对性的库存优化方案与门店差异化销售策略，以提升整体库存周转效率与坪效。03线上排名洞察任务目标：基于线上零售平台的季度交易数据，通过销量、毛利、复购率等多维度核算，生成商品销售综合排行榜。实践要求：深入挖掘头部爆款的成功要素，为公司的资源倾斜、新品选品方向及营销资源分配提供数据支撑。提交须知：请在课程结束前提交最终分析报告（PPT/Word格式）及原始数据模型底稿，将作为本次课程考核的核心依据。项目综合实践：家电商品的销售情况分析01实践目的掌握家电销售数据的采集、清洗与分析全流程，能够独立梳理业务指标逻辑；学会基于真实销售数据撰写结构完整、结论明确的分析报告，建立从数据洞察到商业决策的闭环思维。02实践准备利用店侦探、生意参谋等电商数据分析工具，定向采集某家电品类的真实销售数据，重点涵盖热销单品排行、日/周销售趋势、价格带分布及用户消费特征等关键维度，确保数据源真实、全面。03实践要求1.可视化呈现：用图表直观展示TOP10商品与销售趋势；

2.销售诊断：结合数据评价店铺运营成效与增长机会；

3.成果共创：小组代表汇报，全员交流互评，沉淀分析方法。💡核心目标：通过真实的家电销售数据实战演练，将数据分析理论转化为可落地的商业洞察能力，切实提升大家以数据驱动运营决策的实战素养。任务评价三