數據分析
前陣子有人問我，他們總經理自己會用 AI，把訂單資料倒進去就算出了客單價和回購率，報告很完整。現在公司要照這個數字調會員經營的預算，但他心裡不踏實，因為他沒看到過程。 他問我要怎麼質疑這個數字。而這件事的難處在於：定義沒有寫下來，就無法對答案。 要說一個回購率不對，得先講得出對的算法長什麼樣，否則對話會停在「你覺得怪」跟「我覺得沒問題」，誰也說服不了誰。而回購率這個指標的麻煩就在這裡：它沒有唯一的算法。同一份乾淨的訂單資料，兩個人用兩種定義去算，可以差好幾個百分點，而且兩個都對。 如果你自己就是那個把資料倒進 AI 的人：你可能不會知道自己沒問什麼。 所以這篇先把回購率的定義拆開講，再講拿到一個回購率數字的時候，可以從哪裡檢查。 1. 回購率怎麼算？ 1.1 回購率的公式是什麼？ 回購率衡量的是「客人買過之後，有沒有再回來」。最常見的寫法是： 回購率 ＝ 重複購買的客戶數 ÷ 客戶總數 × 100% 公式本身沒有爭議，爭議在分子跟分母各自該放誰。 1.2 分母要不要算進新客？
數據分析
退貨率突然升高，多數人的第一反應是「商品出問題了」。我以前在電銷產業負責保健食品的營運分析時，也是先往這個方向查，但後來發現，這個結論常常下得太快。退貨率異常，很少只有一個原因，有可能是幾條互不相關的線同時在發生，得一個一個排除，才知道真正原因在哪裡。 退貨率是商品問題嗎？比對完，發現這條線解釋不了全部 保健食品的退貨率大概落在 6% 到 11% 之間。退貨率沒有放諸四海的標準，不同產業、不同銷售模式、甚至是通路平台等，落在哪個區間都不一樣。真正該看的不是這個數字本身，是退貨原因的組成有沒有異常變化，並且得拆開來看才有意義。 以下舉個我過去分析電銷產業保健食品退貨率的案例。 除了檢視退貨率的高低，我把不同系列商品的退貨紀錄拉出來，不只比退貨率高低，多去看「客人填的退貨原因是什麼」。結果發現，順暢、減重類商品的退貨率明顯偏高，原因集中在兩件事：這類商品的效果是「有感就是有感，沒感就是沒感」，比起保養類商品要等比較久才看得到變化，順暢跟減重幾天內身體就會給你答案，沒效的人很快就決定退費；另外，這類商品的副作用反應也比其他品類多，吃了不舒服，自然也想退。 但比對完其他系列商品
數據分析
業績開始掉的時候，組織裡會出現一個很固定的劇本。 業務說：「客人最近都說沒錢。」主管說：「新品不夠，舊品賣不動。」 然後大家開始討論，是不是碰到報稅季？還是開學、過年讓客人縮手？ 這些解釋聽起來都有道理。說完之後，要嘛開始積極導入新品，不然就是等淡季過去。 但做了這些事，真的能解決業績掉的根本問題嗎？ 業績連掉三個月，問題通常不是找不到原因，而是組織停在「解釋」的層次，沒有真正進到「分析」。 解釋和分析，差在哪裡？ 業績掉的時候，組織裡的人自然會開始「解釋」。解釋讓不確定感降低，讓大家覺得問題被掌握了。但解釋和分析，是兩件不同的事。 解釋是：「因為客人沒錢，所以買的人少了。」 分析是：「過去六個月，舊客回購率從38%掉到24%，流失的是哪一些的客人？」 解釋往外找原因，廣告投放、景氣、競品動態、產品線缺口。分析往內看結構，客群組成健康嗎、主力商品還撐不撐得住、回購行為有沒有在悄悄改變。
數據分析
每個月都在看報表，卻看不出問題？月報表只能告訴你昨天發生了什麼，它沒辦法告訴你趨勢正在往哪裡走。 我在企業裡有個習慣，每季或半年，會為自己的組織做一次指標健檢。月報表當然每個月都看，但看的多半是跟上個月比、跟去年同期比，有沒有明顯的落差；數字平穩，就翻過去了。可是把時間軸拉長，常常會看到月報表裡看不到的變化，而那些變化，往往才是要緊的經營訊號。 月報表只看得到昨天，怎麼才能看出趨勢？ 零售業看的不外乎營收、獲利、來客數、客單價。這幾個指標單看都簡單，擺上時間軸、彼此交叉著看，才會浮出真實的狀況。 拿客單價來說，逐月在升，是好事嗎？如果同時客戶數在掉呢？ 營收還在成長，客戶數卻一直掉，這是警訊嗎？ 我待過的公司，從初創、倍速成長到持平，每個階段都經歷過。在成長最快的那段時期，我們碰過消費人數逐月減少的狀況。營業額沒有掉，還在漲，但我當時把它當成明確的警訊。 營業額是客單價乘以客戶數。人數在減、營業額還在漲，代表客單價升了不少；同一時間，成交率也在往下掉。把這三件事放在一起看：