经常有学生问我活动结束了怎么做复盘，我就奇怪，复盘不是经常要做的事情吗？为何唯独活动复盘有那么多运营不会做呢？

我猜想应该是许多运营平时都没有复盘的习惯，于是今天我们要聊的便是关于复盘的话题。

复盘和总结不同，总结是结论，画一个句号。复盘是一种学习过程，是一个逗号，后续还需要提升并反馈。总结更多的是各自做各自的总结，复盘更多的是以团队为单位，大家一起来进行复盘，以学习提升为导向。

网店的运营总结复盘从时间维度来看，粒度按年、季、月、周、天，几乎是每天都要做的事情，小到每日复盘，大到年度总结。而总结复盘最不能缺的就是数据，因为数据是客观事实的反映，更是运营的眼睛。尊重数据的客观事实是运营的基础素养。

面对数据，企业面临的尴尬是：

1、有数据，无洞察

2、有数据，无行动

也就是说通过数据洞察商机，并付诸行动，才不会被这个工作嘎住。

然而要实现数据洞察，许多人会受限于数据整理和数据展现的技术功底，自己团队做复盘其实可以不用做数据展现，只要用表格就行了，但是数据整理的基本能力是必不可少的。

1、数据整理

数据整理对于产销一体的企业来讲，难度略高，因为这时的数据分为生产性数据、经营性数据以及环境性数据。这些数据的整理以及后续的联合分析并不是一般的运营人员可以轻松解决的问题，往往需要数据分析师或者相关的服务商支持。

2、数据展现

数据展现很多时候是锦上添花的领域，当然也有例外，我们暂且不表。如果企业在做数字化转型的话，就可以重视数据的展现，比如大屏驾驶舱，数据展现做得好是让企业的员工更容易接受数据化的转型，另外因为直观地展现丰富地视角，也减少了企业对员工地教育成本。

数据复盘之所以成为运营必备的技能之一，原因是互联网时代的高速变化下，试错成本的水平可能成为企业的致命毒药抑或是救命稻草。

在开展数据复盘时，由于各个部门关心地信息不相同，所以做复盘时可不同地部门分别进行。针对一些项目或问题，可以跨部门进行复盘。

以运营为例，复盘只是从不同的视角观察数据，从中洞察商机。

1、店铺视角

2、渠道视角

3、商品视角

4、价格视角

5、商品视角

使用的分析思维是对比和细分。具体可查阅《数据分析的基本方法》一文。

下文以一个真实案例解释复盘过程。

数据以月为时间粒度，选取2017年4月到2018年8月共计13个月的数据，分析时必须选择连续的数据，连续的数据才可洞察事务的端倪。

1、全店视角

首先是全店的核心指标，表1中有底色填充的数字代表数据最好的两个月。不难发现这家店铺的数据并不乐观。访客数、支付金额都是持续下滑的趋势。此时，可想办法找到问题根源，不管是否来得及补救，都有必要了解是什么原因导致的数据下滑。能救固然是好，救不了也要提防下一次继续犯错。

[干货]一家网店如何开展数据复盘？

表1 全店核心指标一览表

进一步观察访客数量，可发现4月份同比下滑超60%，店铺的运作情况不乐观，如果能重新找回2017年时的状态，收入将提神60%以上。

表1的优势是一屏可以展现许多信息，劣势是不够直观。

图1的优势是直观，劣势是呈现的信息量有限。

2、流量渠道视角

通过流量渠道的维度观察发现流量在2017年10月份之后开始下滑，照理讲11月12月有双十一和双十二顶着，不应该下跌才对。该店铺下跌具体原因未知，猜测是引流款出了问题，比如发生断货、降权等事件。

3、品类视角

从表3获知该店铺的核心品类是连衣裙，其次是套装，下一步可重点分析这两个品类。

淘宝某些店铺一个id里面有多个款式，此时用id或者item表示更为恰当。

全店大多数品类都在2017年的11月、12月下滑，前面引流款出问题的假设就站不住脚了，因为不可能那么多品类的引流款都出了问题。

店铺的上新策略并不合理，滞销（销量小于20定义为滞销）的id数太多，可定期清理滞销id，重点优化优势id。

表5 各品类id数量分布趋势

表6 各品类的销量区间id数分布

4、价格视角

价格区间跨度太大，不利于消费者的选购。以连衣裙为例，价格区间从60到700以上。

表7 各品类价格区间销量分布

5、单品视角

不难发现，9，10月份换季的时候，节奏没有把握好，出现了季节断层的情况。这是表面的原因，至于是什么原因导致换季断层，就需要从运营日志中查找。

表8 top id相对流量分布

许多人认为数据分析分析的只是数值，其实不然，现有的技术水平可分析一切的资料。

运营日志是文本、图片数据，如果数量很大可通过技术将这类数据进行分析，是运营失误或是客观原因，从而找到真正的原因。

找到原因之后，就是解决问题的方案。首先团队要认可问题的症结点，然后通过团队的集体智慧，共同解决问题。

文终！祝好！

零一

零一原创出版物