“我看到收入下降/新增用戶減少/成本上升，該怎么進一步分析呢？”很多人有類似困惑，經常寫了一堆同比環比，除了“同比降了，要搞高”就不知道寫啥。該怎么辦呢？

這里推薦一個簡單、實用、易上手的分析模型，能解決80%的常規問題。這就是“人貨場”模型，它不是算法模型，所以不需要了解復雜的統計學原理，只要對業務熟悉就能用。

什么是人貨場模型

人貨場模型是一個固定的分析套路，當我們分析問題時，從這三個維度深入，從而得到答案:

• 人：客戶、業務員
• 貨：商品結構，商品價格
• 場：銷售渠道，推廣方式

這樣的操作看起來很簡單，但解決了一個大痛點，就是：“數據分析如何落地？”的問題。

• 只講：“收入低了，要搞高”，沒人知道該怎么搞。
• 你說：“收入低了，因為其他人不會小張的方法”，業務立刻秒懂，這就回去學習！

這樣就實現了從數據到業務行動。那么，該怎么操作呢？

怎么應用人貨場模型

第一步：業務梳理，先了解基礎數據。

1、我司有哪些客戶（人）

2、我司有哪些銷售（人）

3、我司有哪些商品（貨）

4、我司有哪些渠道（場）

第二步：打標簽，做分類。這一步至關重要。因為數據庫里，可能只有具體的客戶名稱/具體商品編碼/渠道代碼，對著這些瑣碎抽象的東西沒法做分析，需要做概括性分類。

常見的分類，比如：

1、C端客戶（人），按累計消費/會員等級進行分類，區分高低購買力客戶；

2、B端客戶（人），按行業/公司規模分類（大公司需求天然大，要爭取）

3、業務員（人），按從業經驗，過往業績水平，手頭持有老客戶數分類

4、商品（貨），根據商品自然屬性，做一二三級分類 + 商品毛利

5、線下渠道：按地區、位置、營業面積、營運成本進行分類

6、線上渠道：按推廣平臺，投放費用多少，轉化率高低分類

經過這一步處理，需要形成分類思維導圖，便于分析時形成思路；同時在數據庫里打好標簽，便于后邊交叉對比（如下圖）。

圖片

第三步：明確分析目標。這是所有分析都必須的，目標要具體：

• 錯誤目標：銷售額下降了，分析下
• 正確目標：9月銷售僅達標85.3%，分析差異來源

分析目標還可以是新注冊用戶數/經營單位成本費用/商品庫存等等，只要具體就行。

第四步：從人貨場維度進行拆解，尋找問題原因。這里要注意：

1、先看大分類，再看小分類

2、從差異大的維度開始

3、先看完一個分類，再看另一個

舉例：“9月銷售僅達標85.3%”，可以先分別看以下哪個維度達標率最低，從哪里下手：

1、不同銷售渠道達標率

2、不同商品品類達標率

3、不同客戶目標達標率

這里需要根據數據情況，調整切入的維度，比如下圖，雖然看起來兩個團隊都沒有達成目標（人），但是從商品（貨）的角度看，問題實際是新品未達標造成的，此時就不要再糾結AB團隊的問題，而是將新舊商品切換為主分析維度，繼續往下挖原因。

圖片

經過這一步拆解，能鎖定主要問題點，之后再做深入分析。

第五步：結合過程指標，深入分析原因。比如上例，我們發現：新品達標情況很差。再往下解釋為什么差，需要更細節數據，比如：

1、產品基礎性能參數與競品對比

2、產品價格與競品對比

3、產品推廣投入與自身同類產品同期對比

4、產品鋪貨進度，計劃與實際執行對比

這樣才能具體看出問題所在

圖片

這一步對于數據落地是至關重要的。但有些公司數據采集并不齊全，導致很多過程數據缺失。彌補的辦法，只能靠拉上業務一起開會，確認細節后再觀察整改效果。

不同行業的人貨場模型

不同行業，在構造人貨場模型時，會有差異性：

1、有實體店的，門店位置特別重要！因此優先對門店打標簽，做分類

2、toB業務的，大客戶訂單非常重要，因此優先對客戶行業/規模做分類

3、互聯網產品，C端用戶非常多，因此優先對用戶做分層，再做其他分類

這是非常考驗數據分析師水平的地方。如果不會合理地分類，面對大量零散數據是沒法總結出結論的。在我輔導同學們的過程中，經常發現類似問題，因此干脆做了《如何打標簽》的指引放到知識星球里，以供參考。

人貨場模型深入應用

深入討論人貨場，大家會發現更多復雜的情況，比如：

情況1：優秀標桿不可復制。比如：發現銷售團隊里小張很好，但小張自帶客戶資源，其他人沒有這個條件，此時只能再找其他方法。

情況2：短期策略不可持續。比如：短期內靠促銷（貨）拉動業績，但促銷不能一直做，只能再做分析，看非促銷情況下還有什么方法。

情況3：兩個維度相互影響。比如：特定商品只在特定地區好賣，意味著要觀察商品X地區的組合，來判斷銷售情況。