近期有很多人问 Hishang，自己的 WooCommerce 新零售业务发展起来非常困难怎么办?Hishang 在这里跟大家来分享一下相关的内容，让大家更好的了解 WooCommerce 新零售业务如何做相关的突破。
WooCommerce 新零售业务立足于线上线下的资料融合，想要做好 WooCommerce 新零售，我们首先要明确资料优先顺序，弄清楚资料体系。
行业酷不酷，根本在服务!
跟大家分享过 WooCommerce 运营模型论，正确的模型可以有效分析和提高业务发展趋势，也能够很直观反馈业务的健康度。而模型的基础就是 “大资料”，不同维度细节资料不断的被积累和应用，才能给模型输送新鲜血液产生价值。
资料本身是具备抽象性的，任何几个资料的排列组合没有任何意义，这就要求我们在提取和基于业务本身的场景来公式化资料的价值。重点跟大家分享我们取数的逻辑，对应的策略会再逐一拆解细分。
一、基于业务本身流程和场景划分资料优先顺序
WooCommerce 新零售业务模式立足于线上+线下，除了一大部分线上的核心资料以外，线下的资料同样至关重要。线上前端的 WooCommerce 运营，线下门店的履约，过程和结果资料细分多而杂，在确保纷繁复杂的大资料环境内业务健康发展，这就势必需要我们首先需要基于业务本身的黄金流程明确资料优先顺序，抓大放小，就重避轻。
上图是我们假设一个新用户首次进入平台后的理想购物流程，从前端销售到后端履约两个大的场景，我们基于这两个场景来区分行为资料，详情请见下图，归纳目前业务的大部分主流资料维度：
下一步我们需要将资料维度池区分级别，我们暂时用 P0/P1/P2/P3 来代替重要优先顺序，P0 级资料直接决定业务业绩，P1 级资料直接体现业务健康度，P2-P3 级资料直接反应精细化策略应用效果。
二、 P0 级资料维度 KPI 化业务效果
P0 级的资料维度并不多，重要且核心，简单而言，P0 的好坏直接决定业务的效果，相信大家的资料包表内最大的几个资料维度基本都是上述的 P0，且应该也是向老板汇报的资料。
1. 销售具备唯一决定性
GMV=订单量*客单价 (通常看上账 GMV，用户在支付完成的最终订单量和客单价); 毛利=商品实际收入-商品总成本 (商品毛利是过程指标，最终月度净毛利我们需要剔除人工成本，促销成本等才做最终考量)
履约完成量=总支付单量-未成功配送单量的单量 (需要在总支付单量内减掉用户主动取消，缺货，配送异常等情况，该指标的上账 GMV 会被记录到月度利润表内的最终 GMV)
2. 用户具备销售量级决定性
UV=某一时期进入平台的人数 (这里指人数，而非人次); 新客=首次访问平台的新用户 (对于 WooCommerce 运营而言一个很重要的环节 “拉新获客 “，就是在为这个指标服务，可见优先顺序之高)
3. 商品决定销售宽度和深度
动销率=售卖的 SKU 数/平台总 SKU*100%(从公式不难看出动销率就是可以直面反馈商品结构的健康度，引入了 100 款 SKU，但动销率只有 5%，原因在哪?)
渗透率=某个品类销售 GMV/平台总 GMV(这个指标特指平台对某个品类的重视程度而引起的资源倾斜有效性，例如我们平台主打生鲜，则会关注生鲜渗透率)
4. 促销决定投入的多少
补贴率=总补贴成本/平台总 GMV(通常补贴包含优惠券补贴成本，商品促销成本，邮费补贴成本等等)
5. 拣货& 配送决定履约服务时效
拣货履约率=规定时间内完成的拣货单量/总订单量 (线下的场景多而杂，如何提高拣货员拣货效率，智慧装置的引入，拣货仓的合理布局，拣货路线的合理设定，拣货员人手交班安排都是影响因子，而这个履约率则起考核作用)
配送履约率=规定时间内完成的拣货单量/总订单量 (和拣货同理，骑手的骑程距离，骑手的规范性都会是影响因子)
6. 投诉决定平台口碑
投诉率=投诉单量/总单量 (该指标相对较宽泛，投诉也非很多类原因 ABCD 各个不同档位，不同档位区别对待处理制度和索赔制度);
差评率=差评单量/总单量 (通常我们差评会区分多个型别，例如商品差评，配送差评等等，总的差评率考核整个平台服务效率)
三、 P1 级资料维度校验 P0 健康度
P1 的资料维度相对 P0 开始增多，且 P1 的资料开始细分，所承担的职责都是为 P0 服务，拿到上述不太官方的例子而言，如果说 P0 是向老板汇报的资料，那么 P1 一定是老板下半句追问的资料，各位要记得放在脑子里了!
1. P1 销售校验模式的可持续性
转化率=有效订单量/UV(通过公式一目了然，我们需要记录用户从进入平台到产生交易的笔数，这个过程我们用转化率来定义) 转化率的好坏从侧面也能反映平台对用户是否友好 (商品，体验，促销，购买流程等等) 。
复购率=≥2 单的下单人数/总下单人数 (跟大家拆解过复购率，不过过多解释) 复购率的好坏同样能反应平台的友好性; 最后的订单量和客单价详细不用解释了。跟大家分享一组小小的行业资料，盒马客单价 80-90 元左右，永辉 70 左右，超过 100 应该算优秀偏上的资料。
2. P1 用户校验用户管理的有效性
我们提到过用户管理，无论是成本管理还是周期管理，都在这个级别内。留存率和流失率基本呈正反对应，通常看次日访问留存和 7 日访问留存=指定时间段的活跃用户，在之后的第 N 天再次访问平台的用户数占比，流失率则相反。
LTV和CAC分别指用户生命周期和单个用户成本，LTV=每月购买频次×客单价×毛利率×(1/月流失率)，LTV的值是一个预估值，预估一个用户在我的评估能活跃多久。CAC=市场获客费用(WordPress广告+拉新+宣传等等)/有效人数，LTV和CAC的组合比率也非常重要，我们之前讲过，LTV/CAC>1 才能反馈业务盈利!
3. P1 商品资料校验商品的上架率
商品在前端是否够丰富，且非饥饿 WooCommerce 营销确保用户能买到，就很考验缺货率了，缺货率=用户下单前缺货无法下单的商品数/总商品数;
4. P1 的促销精细化促销成本
核销率=使用优惠券数量/总领取数量 (这个公式可以侧面反应出该优惠券的适用性，用户购物偏好行为); 领取率=领取优惠券数量/总发放数量 (两个指标正好组合优惠券的链路，系统发放到用户核销，区分领取率和核销率来看优惠券的投放有效性)
5. P1 的拣货和配送资料直接校验服务时效
这个阶段的指标值尤为关键，人力成本的投入，拣货仓的利用率，人员数量的配置，人员日均拣货和配送的订单量都直接影响整体履约时效。 (这一块内容后续我们独文跟大家讲解)
四、 P2 级-P3 级资料维度颗粒度校验精细化策略
P2-P3 级别的资料颗粒度已经很细了，且每条业务直线分配出来的资料值会越来越多，大大小小，这时候的业务资料的义务基本也是为 P0 服务，但颗粒度会很细，对 P0 的效果不及 P1 直接。通常我们在做精细化策略的时候会细看。
1. P2-P3 的销售精细化 P0 的过程指标
加车率=加车用户数/总 UV 访问人数 (作为过程指标考量用户在购物过程中的加购物车频率，通过不做重点关注); 跳转率有很多口径和说法，WooCommerce 电商而言，我们通常看的是商祥跳转率=商祥用户数/总 UV 访问人数 (同样和加车率都属于过程指标，考量频道页到商祥页的点选转化情况);
支付率=成功支付人数/下单人数 (用户在前端找商品到最终完成下单，最终步骤是在支付环节，输完密码后的完成才能被记录到上账 GMV 内);
2. P2-P3 的用户资料精细化各渠道情况
用户的来源一定是多渠道的，无论是线上还是线下，我们通常的做法是在对应投放的二维码内埋不同的 Ptag(程序码标签)，通过每个 Ptag 下产生的资料监测每个渠道来源，用于调整策略资源倾斜;
停留时长=平台停留总时长/UV(这个资料值还是很具备前期业务的参考性，操作并模拟用户从前端选品到最终成交的时间，我们模拟过大概在 40s 左右，带著这个数值来看单个用户停留时长，如果和 40s 接近，那用户操作路径还算健康，如果大于或小于就要分析缘由了);
用户画像在业务前期也是一个关键指标，我们需要分析不同的用户属性 (年龄，职业，城市)，也便于我们后续做用户分层。
3. P2-P3 的库存深度校验库存周转次数
库存深度=当月库存/下月销售计划 (这个指标是指现有库存未来消耗，通常是以月份计算)，假设当月库存 100 万，下月销售计划 50 万，则库存深度=2，这个数值还是相对合理的，通常维持在 1-2 之间，如果高于这个值会出现库存积压的情况，如果小于这个值，会出现供给不足的情况。
资料领域一定是 WooCommerce 运营需要必备的技能，现成的资料抓取和维度需要关注以外，其次需要高敏锐的资料思维去试图重新排列其他的维度尝试反馈业务价值。一个好的业务必定有一套健康的资料，但有健康的资料未必会有好的业务效果。我们看来，健康客观的资料体系+简单易懂主观的用户体验+线下复杂且又能保持积极的服务精神才是我们 O2O 所需要追求的状态!