2.2.2 市场大盘数据采集与分析流程

在店铺数据运维过程中商家需要做多方面的准备工作，例如，店铺上新，就是其中重要的一项，而分析市场大盘数据是切入一个市场品类必须要经历的过程。

不懂怎么做市场大盘数据分析，如不知道目前所处的行业市场容量怎么样、父行业下子行业的占比情况有多少、每年什么季节应该切入什么类目等，商家是很难找到切入点的。例如，服饰类目，夹克的销售旺季在春季的1～3月份与秋季的8～10月份，那么夹克的设计、生产、上新时间就要根据实际情况提前，企业可以根据自身的商品开发、供应链生产情况，进行上新时间规划安排，一般服饰类目会提前1～2月进行准备。如果商家没有根据市场大盘数据分析去准备，晚1周上新，那么别人已经在奔跑了，自己店铺还在做准备活动，那样销售额会受到直接影响。因此，在做一个行业品类之前，商家首先要做的就是进行行业大盘数据分析，做到运筹帷幄。

【案例】以男装为例，介绍市场大盘数据的采集与分析流程。

第一步：确定分析目标及内容框架。例如，要想分析男装子行业的市场品类行业数据，那么目标就是男装行业大盘下各二级类目的市场容量数据。

第二步：数据采集。要了解男装类目下各品类的市场容量，商家可通过对各品类的成交数据、成交数据变化及卖家数占比进行数据分析。如图2-5所示，商家进入生意参谋后台后，选择导航栏中的“市场”选项，再单击“市场大盘”选项，然后选择需要采集数据的类目进行查看，而在周期选择上建议以月为单位，方便存档及做其他数据分析使用。

在大盘数据中，从子行业交易排行情况（见图2-6），商家可以看到周期内男装品类下，各子行业的支付金额较父行业占比等数据。在市场大盘中的男装市场，商家选择按月进行行业构成数据采集，了解子行业支付金额较父行业占比情况，从而确定店铺切入男装市场的品类机会。市场行业大盘数据采集步骤：第一步，选择生意参谋专业版的男装类目市场；第二步，按月进行类目数据采集；第三步，将采集到的数据进行分析。

商家可按照周期月为指标，将年周期内1月至12月的数据复制到Excel表格中（见表2-1），并在表格内加入周期变化数据，可方便进行其他数据分析时使用。系统按照月进行品类数据采集分类，可帮助商家了解市场品类月度、年度品类销售情况，从而更好地利用品类年度、月度交易数据，做好商品品类的营销规划。

按照上图的数据采集，商家可以将子类目数据按月进行分析，例如，在1月份的男装市场，支付金额较父类目占比排名第一的是羽绒服类目，支付金额较上一个周期提升了14.25%;2月份的男装市场，支付金额较父类目占比排名发生了变化，风衣排名第一，较上一周期提升了99.65%，商家可以通过类目在每个月的支付金额变化情况，进行类目的趋势分析，从而进行类目的营销规划。

第三步：数据整理。商家可选择生意参谋中周期内1～12月份的数据，将细分类目数据复制到Excel表格内（见表2-2）。

第四步：数据展示。依据全年（1月至12月）支付金额较父类目占比数据（见图2-8），制成簇状柱形图（见图2-7）。

从图2-7中，商家可以看出周期内子类目在行业大盘支付占比中的排行，为了分清每个子类目的数据，商家可以将分类间距进行调整（见图2-8）。

商家将簇状柱形图的分类间距比例进行调整后，添加每个子类目的支付金额占父类目的百分比数据，可方便更清晰地查看（见图2-9）。

第五步：数据分析。将1～12月份的数据进行整理后，商家可以做出单个品类在12个月内的成交占比数据表（见表2-3），通过对每月的数据进行趋势分析，男装类目大盘中某单个子类目在全年周期内的成交占比的变化趋势，便一目了然了。

例如，表2-3中的卫衣品类，在8月秋季上新的时候，子类目成交占比较7月份上涨了3.31%，在9月份子类目成交占比的数据为10.74%。那么商家便可以得到两个数据分析结论。

① 数据层面分析，男装品类下的卫衣子类目，在4～6月份的市场容量占比较低，在7月份略微增长，大幅增长是在8月份，爆发是从9月份开始的。

② 根据成交占比数据趋势变化情况，再结合店内年周期内的品类成交占比，商家可以提前做好品类布局，比如，上新节奏、上新时间点、上新量等，这些就要商家结合自身情况提前做好准备。此举例，只截取了1～10月份的数据，所以会有一些误差，商家在进行分析的时候，建议将全年12个月的数据进行采集分析，以保证数据的完整性。

商家在分析整体数据的时候，有一点要特别注意，不能单纯地根据某一品类的全年成交占比数据排名靠前，就判定该品类的市场容量大，要进行具体分析。

如表2-4所示的休闲裤品类，在2018年全年子行业交易排行中，支付金额较父类目占比为14.73%，居于首位，T恤占比为14.24%，居第二位，然而从数据上不能直接判定休闲裤的市场容量就大于 T 恤，还要考虑品类季节性的问题。比如，对于休闲裤这个一年四季交易占比数据比较稳定的品类来说，在夏季主要以短裤、五分裤、七分裤、九分裤为主，在秋冬则是以加绒、加厚款为主。在 T 恤品类，夏季主要以无袖、短袖款为主，秋冬则是打底长袖、假两件为主。对于一些有季节性的品类来说，在外形及布料上，也会有所差异。在数据层面，休闲裤、T恤类目与冬季属性明显的品类，如棉服、羽绒服、毛呢大衣，数据对比差异较明显，所以商家需要综合考虑数据的完整性，只有进行分析，才能为品类布局提供直接有效的指导。

对于非服饰类的标品或者半标品来说，受季节影响较小，受行业产品革新、消费习惯影响较大，如推出新款手机，往往会带来一个换新的潮流；某个娱乐热点或者事件相关的产品也可能会突然热销；家装、家电从全国来说，一般是从春季开始就是一个销量的小高潮，但是也受气候、地产行情等多方面因素的影响。

第六步：周期行业数据对比。商家可对2017年与2018年的男装品类子类目数据进行收集整理，并用Excel做出表格，如表2-4所示。商家通过对行业数据进行分析，对比2017年和2018年的品类商品的支付金额占比数据，可以有效地进行品类商品数据规划，提升商家优质品类中的覆盖量，从而提高销售额。