新零售业务立足于线上线下的数据融合，想要做好新零售，我们首先要明确数据优先级，弄清楚数据体系。

行业酷不酷，根本在服务！

跟大家分享过运营模型论，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“大数据”，不同维度细节数据不断的被积累和应用，才能给模型输送新鲜血液产生价值。

数据本身是具备抽象性的，任何几个数据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数据的价值。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数据优先级

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数据以外，线下的数据同样至关重要。线上前端的运营，线下门店的履约，过程和结果数据细分多而杂，在确保纷繁复杂的大数据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数据优先级，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数据，详情请见下图，归纳目前业务的大部分主流数据维度：

下一步我们需要将数据维度池区分级别，我们暂时用P0/P1/P2/P3来代替重要优先级，P0级数据直接决定业务业绩，P1级数据直接体现业务健康度，P2-P3级数据直接反应精细化策略应用效果。

二、P0级数据维度KPI化业务效果

P0级的数据维度并不多，重要且核心，简单而言，P0的好坏直接决定业务的效果，相信大家的数据报表内更大的几个数据维度基本都是上述的P0，且应该也是向老板汇报的数据。

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，可见优先级之高）

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，智能设备的引入，拣货仓的合理布局，拣货路线的合理设置，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类型，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级数据维度校验P0健康度

P1的数据维度相对P0开始增多，且P1的数据开始细分，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是向老板汇报的数据，那么P1一定是老板下半句追问的数据，各位要记得放在脑子里了！

1. P1销售校验模式的可持续性