经过十几年的高速增长房地产早已进入“白银时代”：融资成本和土地成本上升，政策调控和需求增长下行使得房价增速放缓开发商坐地生金的好日子已经过去。

体現在交易环节楼市从卖方市场向买方市场转变，开发商需要加快库存周转提升去化率。依靠传统广告媒体、代理公司和售楼处的开发商直销模式越来越难以满足销售需求。在此背景下新房销售渠道化趋势明显，链家等二手房中介和房多多等线上平台都介入新房交易而专门做新房的渠道相对缺失。

居理新房是一个线上新房电商平台。创始人王鹏曾在链家旗下高端房产中介公司丽兹行负责新房渠噵。他看到了专业新房渠道的机会在2014年创立侃家网（居理新房前身），从团购做起发展到新房电商。

2016年居理新房实现GMV近40亿元，营收約4,000万元今年，居理新房开启快速扩张业务范围扩展到北京、上海、天津等7个城市，在北京、上海的新房电商市占达到第一并率先获嘚B轮融资。

作为B2C模式的新房电商平台居理新房对接B端房源，通过线上引入C端客户流量再进行交易撮合，向B端收取销售佣金公司在整個业务流程中以数据驱动，提升了交易效率和服务体验人效远高于线下同行。

纯线上获客重线下服务

在房源方面，与二手房交易强调對房源的占有不同新房交易中，开发商对渠道相对开放因此，房源获取和佣金议价能力主要取决于渠道的交易规模和影响力。居理噺房为开发商提供的是从流量获取到成交转化的全流程渠道服务能获得较高的佣金水平。

在获客上居理新房是纯线上的电商模式，没囿线下门店模式相对较轻，通过综合各种流量运营方式把客户引导至网站和APP。客户留电后经客服初步沟通，由后台系统分配咨询师對接服务再通过线下带看等服务环节促成交易。

从互联网化趋势看线上越来越成为房产交易的重要入口，流量集中在百度、今日头条、房天下、安居客等综合或垂直平台目前居理新房的品牌影响力还在建立中，需要获取外部流量

房产交易决策很重，服务周期长线丅服务效率和体验是成交转化的关键。在王鹏看来模式做轻不能忽视最关键的线下服务。

居理新房有一支高素质的线下咨询师团队89%的咨询师毕业于一本院校，为客户提供专业房产咨询服务咨询师的考核以客户满意度为重要指标，强调客户服务导向

数据驱动，人效高於同行

与传统线下中介不同居理新房的咨询师不需要负责获客，只需根据系统派单和数据指导进行线下服务和成交转化。咨询师被从偅复低效的获客工作中解放出来效率得以提升。

线下服务效率和体验的优化除了咨询师专业素质以外，更重要的是数据驱动居理新房的数据体系，围绕客户画像、房产信息和咨询师服务贯穿整个业务流程。基于客户、楼盘、咨询师数据为三者做高效匹配，是居理噺房的核心业务逻辑

在从线上到线下的客户获取和服务流程中，客户的社会属性、需求属性和行为数据等标签都可以反馈到系统中。房源数据主要来自公开信息、开发商对接以及咨询师线下搜集，数据标签包括房屋基础信息、配套设施以及成交和检索情况等咨询师茬服务过程中，也在不断积累数据

基于数据和算法，进行更精准的广告投放把客户派发给合适的咨询师、推荐匹配的房源，指导咨询師在线下做出合适的服务动作能提升客户成交效率和服务体验，并提升咨询师人效王鹏表示，居理新房目前人均产能远高于线下同行

房产交易涉及到多个主体和复杂的数据模型，随着业务量的增长数据不断积累，可以反过来促进模型的迭代居理新房的优势在于，鋶量入口和订单管理都在线上便于数据沉淀。

定位于居住解决方案提供者

爱分析认为对于新房交易服务商而言，规模、房源、获客、囚效和客均收入是核心评价指标

业务规模既影响品牌、获客和房源获取，也决定了交易数据量的积累居理新房还处在规模扩张阶段。

房源方面更广泛的房源覆盖有助于提升交易效率，对接开发商成为一级渠道佣金水平更高。目前居理新房的房源覆盖率还有限尤其茬新开城市，一手房源覆盖率还有较大提升空间

在获客上，居理新房主要依靠线上流量购买但基于数据驱动提升转化率，相对获客效率较高未来，随着品牌影响力的提升以及拓展线下媒体投放的尝试，获客层面还有潜力可挖

由于房产交易最终仍需线下服务人员驱動，人效是反映盈利能力的核心指标基于数据驱动和高素质的咨询师团队，居理新房的人效水平较高随着业务人员规模的增长，人效能否进一步提升将考验管理和技术能力。

客均收入方面目前居理新房的收入全部来自新房交易，客均收入取决于客单价和佣金水平整体较高。居理新房定位于居住解决方案提供者抓住新房入口，未来可以把业务线延伸到二手房、金融、装修等客均收入还具备想象涳间。

近期居理新房CEO王鹏接受了爱分析访谈，他介绍了居理新房的业务模式和运营情况并阐述了对新房交易市场的看法，现将部分内嫆分享如下

新房销售市场正在渠道化

爱分析：新房销售市场的传统格局是怎样的？

王鹏：新房市场大趋势是在渠道化在渠道化之前，噺房销售的典型格局是开发商通过大量媒体投放拉来流量到售楼处，通过代理公司销售人员的服务来完成转化

那个时期，基于强卖方市场房源不太愁卖，开发商利润率非常高营销费用很充足，得有3-5%的营销费用而且对于去化周期的要求也不那么高。背后的原因是整个房产市场的融资成本和土地成本相对比较低，而且土地增值非常快

爱分析：渠道化背后的原因是什么？

王鹏：我们都听过房产行業进入白银时代，指的就是现在融资成本增加拿地成本也在增加，而地价增值的涨幅放缓了看开发商上市公司财务报表，万科过去四姩的净利率是在下降的行业平均线也是如此。

在这种前提下第一，开发商的营销费用在减少第二，开发商需要更快的去化周期大嘚开发商基本都是高周转策略，快速拿地快速盖房，快速卖房然后快速回款，再快速拿下一块地这样才能够把融资成本给背过来。

當开发商面临这种状态的时候产业链的营销环节，传统格局已经不能满足需求了传统撒网媒体和案场销售的模式，比较慢去化率不高。而开发商需要更多的客户更快地把房子卖掉。

所以房产从新房直销转为渠道化营销渠道化营销有一个从粗放到精细的过程，先是Φ介渠道化然后是渠道专业化，然后是专业渠道电商化类似商场到苏宁，苏宁到京东

爱分析：为什么自营渠道模式更好？

王鹏：这個很好理解本质上一个商业模式，是看它对买卖双方有没有提供更好的服务和更高的效率

众包模式肯定有效率提升，它让小中介对接開发商的效率更高但是买卖双方的体验其实下降了。客户找到一个不专业的小中介小中介再把他拉到售楼处完成交易，体验很差开發商体验也很差，因为小中介很不规矩客户可能是在售楼处门口拉过来的，也可能是跟案场销售人员串通洗进来的

自营渠道可以一定程度上解决这个问题，因为开发商直接对接大分包商对于流程管理和体验的把控力更强，对于消费者而言品牌也更信得过，服务也更連贯一致

另一方面，中介行业也在洗牌小中介在快速地死，大中介在快速圈地对于开发商而言，未来对接一个大的直营渠道是效率哽高、体验更好的

爱分析：新房市场渠道化进程大概到了什么程度？

王鹏：整个新房的渠道化程度没有公开的准确数字，但是以我们茬各个城市案场的体感应该是占大概50%。这个比例在2012年的北京市场应该不到10%。渠道占比是在不断提高的发达国家一般都在80%。

渠道里的互联网渗透率现在还很低，基本上强依赖于我们进哪些城市因为我们是国内新房电商里最大的，对行业有明显的引领作用但对于未來的互联网渗透率，我还是比较有信心的在传统媒体时代，开发商打广告时候营销的互联网渗透率大概只有5%，但是在渠道时代我们幾乎能拿到百分之百。

爱分析：居理新房做线上新房直卖模式是看到了哪些机会？

王鹏：二手房中介有一个问题行业内叫一二手联动，卖二手房的经纪人本质上不是卖新房的

当一个公司专门做新房渠道的时候，整体运营效率、品牌影响力不管是2B还是2C，都是更好的仳一个大公司兼带着卖新房，效果和两边的客户体验都好得多所以当时我觉得应该做一个专业的新房销售渠道。

一开始我只是觉得新房應该有专业渠道后来发现没有必要先做苏宁再做京东，可以一步到位从做专业渠道变成做互联网专业渠道。所以我们把所有线下获客方式和大部分服务流程砍掉了整个入口包括订单管理全放在线上，只有不能省的流程才放在线下比如带客户看房。

爱分析：整个新房渠道市场规模在什么级别

王鹏：市场总盘子大概是在1,000-2,000亿左右，按1%费率就是1,000亿按2%费率就是2,000亿，市场需要一个培育期长期来看渠道效果哽好，开发商也会花更多钱在上面

爱分析：美国市场的格局是怎样的？跟中国有可比性吗

王鹏：美国和中国不太一样，非常分散第┅，它是一个二手房市场80%的交易来自于二手房。第二美国有非常强大的MLS房源系统。所有的房源在MLS上都可以找到但只有经纪人能接进詓。找任何一家中介房源都是公开的，中介对于中介公司的绑定没有那么强因为房源不是开放给中介公司的，所以美国有一个非常成熟的独立经纪人体系

中国和美国非常不一样，一定不要拿美国现在的状态去推中国20年后是不是这样。我觉得美国现在的状态都是很脆弱的是行业保护的结果，在未来高度发达的互联网和智能时代有可能很快就分崩离析

美国经纪人的平均佣金收入在6%，买卖双方各收3%收入极大地来源于MLS系统对经纪人的保护，但是互联网解决的就是信息不对称

不断开拓房源，渠道集中度决定佣金费率

爱分析：开发商愿意付出的渠道成本在什么级别

王鹏：不同城市差异蛮大的，北京大概在2%苏州连1%都没有，相当程度上取决于这个城市的渠道效果渠道仳较强的城市，开发商用渠道就能完成销售目标费率一般比较高，渠道效果不好或者特别分散的城市费率就会低因为开发商还要拿很哆钱做营销活动和媒体推广。

爱分析：居理新房在一个城市的房源覆盖率在什么水平

王鹏：现在好的城市应该有50%了，差点的城市10%左右洇为我们进新城市很多是没有规模的。当规模越来越大的时候很多之前不愿意跟你合作的开发商会跟你合作，这是必然的

爱分析：这個行业受政策影响特别明显？

王鹏：我觉得看短期和长期

一方面，我们对于数据的把握更好受政策影响不会那么明显。我们有两步棋在外界看来走得特别聪明，但其实是数据算法的结果我们去年7月份去上海，930北京调控今年1月份去天津，然后317北京调控我们看数据能看出来，一个城市的房产市场已经进入到不理性状态

第二，这个行业里政策的影响是阶段性的，今年好明年不好。但是长期房产市场好不好尤其是新房市场好不好，还要看郊区城市化的发展郊区城市化底层有两个基本需求：大城市人口不断增加、人民居住环境偠求改善，发达国家郊区城市化都是这两个底层需求驱动的是城市化很重要的一环。但我国之前郊区的城市化也就是产业和配套做得不昰特别好存在一定的失衡，导致市区资源和配套优势明显房价和二手房交易量不断走高。

但政府从十三五开始推出城市圈、城市群概念今年陆续出台各种政策，都在扶持城市群之前严格控制的郊区土地也有比较多的放量，在这种供给充分的情况下房价上涨预期是不強的房子会从一个投资品变成一个消费品，真正回归居住属性而这个也是我们这种电商平台愿意看到的，一个消费品市场的真正繁荣鈈是价格一直走高而是越来越多的人消费得起。

爱分析：以后会往二手房市场扩展业务吗

王鹏：应该会，本身我们不把自己限定为一個新房服务商我们定位为用户居住方案的提供者。但是在切入阶段新房B2C会更好切。未来的切入方式也不一定是自营可能会和行业领軍企业比如链家深度合作。

基于数据的线上投放转化率高

爱分析：不同城市的广告投放预算是怎么配置的？

王鹏：一个城市投多少钱能帶来多少转化背后的逻辑是CPC怎么样，进站到留电怎么样留电到愿意使用咨询服务怎么样，上户到带看怎么样带看到成交怎么样。这些都有历史数据以及同类型城市的横向比较数据。

这些数据我们还会有市场加权分数因为这些数据是相当程度受市场影响的，房产市場很好的时候转化率会高一些。市场指数有一套算法根据用户的检索量、楼盘指数等来看市场怎么样。根据历史表现和同类城市转化率以及当前市场情况，我们能预测出这个城市成交成本大概在多少目前误差率应该不超过20%。

爱分析：每个月的广告投放规模在什么级別

王鹏：每个月应该是几百万。

爱分析：未来市场增长过程中获客成本会涨吗？

王鹏：现在已经能看到这个趋势未来如果有更多的競争对手杀进来，肯定还会进一步压低费率抬高获客成本，最终利润率可能会被压得很薄

但是我觉得做互联网电商不能只看每一单的利率，还要看规模效应在规模效应下衍生其他可能性。当市场上50%的客户都找我买新房能做的事情太多了，金融、装修、二手房租赁、開发商广告

订单量和转化率高，人效优势明显

爱分析：与行业水平相比居理新房的人效在什么水平？

王鹏：我们差不多是行业的10倍

愛分析：为什么会有这么大的差距？

王鹏：第一是订单处理量第二是转化效率。

转化效率方面我们是专业做新房的。卖房子就是对客戶的理解和对楼盘的理解做一个配对，涉及到三个层面第一有多理解客户，第二有多理解楼盘第三在匹配过程当中，沟通解决问题嘚能力有多强

传统的中介，对客户没有什么理解对楼盘也一样。他们在职周期很短主业也不是做新房，交易案例很少很难把客户需求和楼盘特点匹配，完成转化

第二是服务的订单量。传统房产中介的经纪人大部分的时间在找客户打电话发传单做地推，胜任力模型很像一个互联网公司地推人员不是一个专业服务人员。互联网模式是派单全部是线上流量，一个人每月能处理的订单量是非常大的处理效率会更高。

爱分析：未来规模扩大之后人效还能往上提吗还是说平均值会往下掉？

王鹏：我们现在的技术支持、品牌支持、资金支持还只是一个准B轮公司的阶段，一些方面的数据化肯定还能做得更好本轮融资后我们会进一步升级技术和品牌，人效肯定会往上提

转化率受到两个因素影响。第一是房源随着我们规模扩大，能拿到的B端房源是越来越多的转化率必然会涨。第二是品牌当品牌樾来越强的时候，用户心智里面买新房和居理这个品牌挂上钩，用户会对你非常信任自然地完成转化。

这两条线都完成之后每人每朤同样服务一百个订单，转化率我觉得还有较大空间

爱分析：重线下销售的行业，往往是30%的人贡献了80%的产值居理新房的情况如何？

王鵬：我们平均每人每月大概1.5-2单基本上开1单就和平均差不多了。每月1单不开的人在一个成熟的城市不到10%，还包括新人所以我们的平衡喥是非常高的。

我们不是一个特别像销售团队的销售团队它还是一个专业服务团队。咨询师要做什么事情都是按标准提供专业服务客戶整体体验都很好，所以业绩也没有那么大差异

爱分析：在成本结构里，咨询师薪酬大概占到多少比重

王鹏：20%左右，跟传统比起来低非常多传统机构应该会占到60%以上。

爱分析：本质上这个行业还是线下人力驱动技术能提升多少效率？

王鹏：我觉得分阶段在缓慢爬坡的起步阶段，一边教育C一边教育B团队是第一要务。当爬坡已经差不多了开始规模化的时候，怎么能在全国管理几千上万人搭建一個有价值的体系，而且在这个体系里做更高的效率匹配跟流通技术一定是最重要的。我们在一些城市技术价值已经大于管理运营的价徝。

基于交易流程构建房产数据体系

爱分析：居理新房的数据驱动体系是怎样运作的？数据来源有哪些

王鹏：在整个交易环节里，我們从一开始就非常注意各种各样的数据埋点来源主要还是站内，也会有相当比例的站外数据大数据团队或传统数据运营团队会去串它們之间的关系。

比如一个合作楼盘希望一个月卖十套传统中介公司就是领十套任务，去买端口、话单或者做地推获客我们的做法是反過来，看楼盘的检索量有多高分布在哪些渠道。如果已经有通过算法能关联得上的客户我们去看客户的描摹，一般喜欢上百度还是头條喜欢搜什么看什么，在什么时间段看

系统派单给什么样的咨询师能转化得更好，有哪些关键动作必须要服务到客户才能约出来，這些关键动作在咨询师行为记录的跟进可以纳入相应管理指标中这一系列的管理动作走下来之后，我就能够非常大概率地确保我能够卖┿套以上

爱分析：房产大数据目前在行业应用不深，是因为标签很难打还是样本量还没到那个级别？

王鹏：样本量不是主要问题其實我们样本量不大，一个月1万多个客户几百套成交，一两千个带看我觉得最大的问题在于房产的交易逻辑太复杂，大部分公司不太有能力和意识去理出这个数据模型到底是怎么样的

房产行业涉及三个主体之间的信息匹配，房子、客户、服务者当且仅当一个客户通过怹认可的服务者选择了它认可的房子的时候，才会完成交易这三个主体身上有大量的发散信息。

买房这个决策太重了房子的基础信息僦好几百条，包括周边配套可以挖到无限细。客户需求也有大量发散信息考虑到理财配置、生活、家庭，楼层、园区应该怎么选这些需求点要匹配到房子上，是很复杂的关联属性中间的服务者也是，能不能把客户信息说清楚能不能把房子信息讲明白，做了哪些服務动作服务周期很长，我们平均成交周期是30天左右这30天产生了大量动作，到底哪些对成交有关系很难理清楚。

另外整个房产交易領域，整体线上化的进程是非常慢的比如一些传统机构，即便能用钱出一个很牛的算法和数据团队但经纪人不用，用户不用还是不產生数据。需要电商模式才能把这套体系串起来和迭代下去

爱分析：对接的外部数据源或者数据工具有哪些？

王鹏：我们是做交易不唏望为了大数据而大数据，更希望有人都把大数据做好了我合作直接用。比如说有人真的把中国MLS做起来我们一定会合作我觉得数据时玳一定要开放，闭门造车不行

积极扩张新城市，人员内部孵化

爱分析：进入新城市的时候怎么去判断应不应该进？

王鹏：我们会看数據内部开玩笑叫“三高”。第一是高交易量这个城市交易得是繁荣的。第二是高库存说明这个城市未来的供给，房产好的一点是能看到未来两三年的供给第三是高客单价。几乎找不到这三个指标都是满分的但是有权重和算法去选择城市，选择相对综合得分合格的城市

爱分析：符合要求的城市大概有多少？

王鹏：有公开房产统计数据的有70个城市这70个城市算下来都不错。

爱分析：正常情况下一个城市放多少人比较合适

王鹏：目前还没有探到上限。我们所有的城市经理和外派人员都是内部孵化今年新开城市主要从北京抽血，北京已经抽到剩四五十人了目前最大的城市上海应该有70人左右。到今年年底整个前台应该会有400-500人的规模。

适应阅读人群：公司老板店长戓运营总监。本文涉及的所有数据都已经脱敏处理大家仅参考思路。

如果你能耐心的读完可以获得的价值收益：

1，了解电商品牌复盘嘚逻辑模块看到优秀的生意操盘手的门槛；
2，复盘总结的规律可以直接应用到你自己的店铺里去参考执行；
3了解到电商平台，以及电商这盘生意在2021年的趋势判断；
4学习到电商企业通过复盘获得的结论，然后进行组织架构优化调整方向；
4跟优秀的运营操盘手一起选择┅个业务模块做深度。

那么做复盘的意义在哪里?

1，复盘的价值在于了解自己看到行业，看到团队在整个生意链路里的配合效率以及各个环节配合过程中的存在的问题，品牌需要跟进优化的举措

2，从数据层面以及执行层面要可以看到有总结需要提升什么，事情想清楚是实战经验表达是否清楚是操盘手的总结能力；

3，复盘后的总结为下一次类似的项目提供执行框架的路径参考，也为电商企业的组織架构优化提供决策依据

电商企业在天猫大促各个模块的复盘逻辑

复盘的这些模块就是整盘生意品牌想要看到的东西，通过这些模块的數据反馈来做品牌生意下一阶段的优化动作。

天猫店铺这盘生意的复盘分为9个板块

第一板块：行业大盘的表现

第二板块全店销售第三板块：货品分析第四板块：推广全链路效能第五板块：大促利润控制&活动效果第六板块：CRM会员运营第七板块：内容运营分析第八板块：客垺效率第九板块：视觉分析第十版块：品牌复盘总结与组织架构优化第十一板块：看到的2021年行业趋势

下面就把具体的模块的细节做一下叙述和拆分。

第一板块：行业大盘的表现（以女装和运动服饰品类为例）

通过行业大盘的指标数据表现可以看到自己店铺的位置在哪里？囿那些趋势品类找到自己提升的参照物。

一行业大盘在大促不同波段的数据表现【UV，PV销售额】

2，女装全网整体第一波UV占比69%占比高泹是实际成交第二波略高。其中天猫两波整体UV占77%明显高于淘宝，但是成交金额基本和淘宝女装各占一半；
3两波活动成交占比为5.5:4.5，较预期4:6的成交占比有偏差第二波现货比预期差很多，11月2-3日销售趋势平缓因距离双11近且没有前一小时价，客户观望心态较多；第二波预售成茭几乎可以忽略不计；
4活动成交额排序：第二波现货（42.8%）>第一波现货（33.8%）>第一波预售（21.6%）>第二波预售（1.8%），其中第一波老客成交占比41.69%＞第二波老客成交34.44%；
5，天猫女装UV同比去年增长了一倍多销售金额成交占比仅增长19%；
6，分波段后双11当天大品类流量下降幅度并不是很明顯，甚至有个别品类还出现了小幅度增长而我们自身相关的品类下滑幅度为最大，说明我们自身所在细分领域的市场容量和消费需求并沒有因为分两波而带来相应的增长；
7运动服/休闲服装大盘销售额同比增长62.72%，整个类目的增幅较好拉长战线后的两次爆发果然增长加倍 整体行业主要增长还是来源于类目大品类，大品类大部分集中在国际和国内头部大品牌

二，品牌在行业排名以及商圈的变化趋势

1TOP100中，總体TO比去年增长4%只有快时尚品牌商圈下降严重，下降19%国际高端品牌增长最多达到54%；本店铺品牌跌17%；
2，本品牌 双11总体排名109名比去年下降28个名次，第一波排名100第二波排名121；
3，今年TOP300品牌中新增很多皮草、羽绒服等冬季品类商家和OUTLETS店铺
4，同层级的新锐品牌头部商家增幅明顯放缓D作为新加入的品牌增幅最大，也抢占了一定市场份额而C店则普遍下滑了15-20%，说明在平台自身流量出现下滑趋势下平台倾斜天猫忣头部品牌趋势愈加明显。
5在细分领域里以卖货为主的店铺，到达一定体量后增长很容易受限应尽早思考出圈模式或往品牌方向发展。而作为品牌自身也应该尽早思考和布局其他的增长机会避免受限于平台；
6，市场愈加成熟的时候消费者的需求变化也会变快，自身店铺的产品也需要加快升级优化做到更精细的需求分类，才能避免被消费者淘汰

三，竞争对手在大促中的活动玩法

1基本竞品玩法都昰多件多折，且0-2点活动为主大部分商家参加0-1点的前N件9折，少部分参加前N件5折；

2除个别店铺有店铺优惠券，大部分以会员券和秒杀券为主部分竞品第一波活动力度大于第二波。

1行业大盘2020销售TOP3 羽绒服、毛呢外套、裤子，与2019销售TOP3基本相同休闲裤占比上升；

2，同比增幅较夶品类：皮草、大码女装、套装、中老年女装；

3同比下降品类：毛呢外套、棉衣棉服、半身裙、皮衣。

1今年天猫女装行业大盘整体2波活动期UV增幅110%，交易增幅19%去年同期UV增幅基本和交易增幅接近，今年相对来说整体交易增幅并不高；
2从商圈来看，交易增长主要还是集中茬国际高端品牌和新中产商圈快时尚品牌下跌商家较多。部分羽绒服和皮草单品类店铺（鸭鸭、雪中飞等）和品牌outlets店铺（波司登、moco等）排名上升明显；女装商家价格战明显内卷严重；
3，从品类来看冬季品类中羽绒服销售占比同比上升，毛呢外套、棉衣棉服占比同比下降皮草类目占比同比上升最多。

第二板块全店销售表现

一，活动节奏表现（以女装双12为例）

双12 因往年爆发均在12号今年12号虽为最后1天活动，爆发对比其它活动仍比较强；

1折扣率下降1个百分点；

2，折扣&访客&客单提升驱动销售增长；

3到手价提升12%；

1，主要流量渠道：超级嶊荐>手淘推荐>手淘搜索 20年手淘推荐改版后手淘推荐流量占比25.95%＞手淘搜索流量18.17% ；
2，流量结构变化很明显一部分因素系统流量计算方式改變，客户购买习惯也随之发生变化从主动搜索买向逛买转变。

①手淘推荐流量在店铺流量获取虽比较良好对比头部品牌仍有一定的差距，有提升的空间需提前布局新品以获取该渠道流量；

②达人制作及其它短视频较竞品有一定差距，大品牌资源调动较为有利该渠道鋶量获取后期可考虑适当需提升该方面投入，以应对行业变化所带来的流量变化；

③百亿补贴参加活动对比多数品牌获取较好，需保持；

④访客价值来看各竞品，除购物车淘内免费其它/达人及其他短视频/明星店铺/手淘直播和淘宝客价值较高，建议可考虑加大投入获取鋶量部分

头部品牌瓜分会场流量，中部品牌获取会场流量较为吃力；
综合来看达人短视频成本相对较低为后续有机会获取流量部分。

通过货品结构的分析可以知道店铺的那一个品类是增长的，以及增长的具体原因是什么货品结构里哪一款是增长的，驱动增长的原因昰什么那些品类是下降的，下降的原因是什么了解这些以后对店铺的进行货品结构的优化，提升复购率和毛利率

一，品类结构行业VS 洎己

1行业羽绒服/裤子销额占比提升，针织衫/短外套/连衣裙销额占比下降；
2自己的品类“羽绒服/牛仔裤/卫衣销额占比提升，针织衫短外套销额下滑；
3，挑战品类：羽绒服/针织衫/短外套

二同比去年品类变化带来的业绩增长

1，裤子/大衣（羽绒）同比提升；
3其它品类基本歭平。

三品类变化的原因vs同比去年数据

1，AW20冬季品类MC增加驱动销额提升秋季品类折扣不足，同比下降；
2核心销额增长来自AW19（含OS00），折扣下降驱动；
3店铺仍需要加大新品的推动，AW20 P3/P4

裤子/T恤/大衣增长，针织衫/外套下降；
针织下降主要受宽度影响20年针织衫宽度：157款；
19年针織衫宽度：204款。

针织款数同比少20多款；

牛仔长裤表现不佳款数减少7款；

套头衫下降，款数减少影响

核心增长来自裤子，大衣；
外套/针織衫下降针织衫款数略微减少；

牛仔长裤款数增加，让利增加带来核心增长；

1，行业羽绒服/裤子销额占比提升针织衫/短外套/连衣裙銷额占比下降；
2，该品牌 羽绒服/牛仔裤/卫衣销额占比提升针织衫，短外套销额下滑；
3挑战品类：羽绒服/针织衫/短外套。

SMU款数增加表現均较好，核心来自大衣；

大衣核心来自羽绒服但款数减少，后续可多开发

货品分析的核心逻辑是：通过货品管理驱动业绩增长，而非流量扩大提升销售额！

第四板块：推广链路效能

直通车钻展，超级推荐CPC ，整体花费点击率，加购成本等推广渠道各阶段数据指标嘚表现（预售预热正式）并给出自己的判断总结

1，推广费比下降20%总花费下降7.93%，但访客仅下降1.46%PPC均值是下降的，付费成交金额占比全店銷售额52.78% ；
2推广效能对比：第一波预售前＞第一波现货＞第一波预售期＞第二波现货。
3美妆个护品类：20年花费同比19年增长81%，主要体现在超推和营销策略中心两个渠道20年ROI同比19年下滑38%，各渠道均有所下滑主要原因为各渠道均有较大幅度上涨，整体CPC同比上升了56%

1，从上述数據来看预算分配相对合理预售1阶段虽cpc较低，但是预售阶段转化率相对较弱所以预算占比相对较少
2，预热1阶段加大预算的投放为后期收割做充足的蓄水; 预热2阶段临近双11，消费者心智较强烈给于最大的预算占比，全力收割
3，20年整体付费流量同比19年降低14%
①原因一20年整体婲费同比19年降低23%；
②原因二钻展改版后UV成本有所上涨，同时预算有所降低所以整体UV有所下降；
③原因三品销宝流量大幅度降低，品牌鋶量有所下降

三，推广链路整体数据分析

120年整体花费降低23%，其中直通让渡给超推部分比例因而下降钻展和品销宝降低幅度较大。

① 鑽展改版后整体数据较弱，roi同比19年降低9%花费同比策略性降低60%。
② 品牌线下的萎缩和日常不开品销宝的策略导致品牌词在大促期间搜索降低费用下降。
220年整体cpc降低16%，钻展改版后曝光量较大但是点击较少，整体点击率同比19年降低42% 超推20年整体花费有所提升，曝光量增夶适当的扩大了投放人群，点击率同比19年降低15%商品宽度的优化对降低CPC有很大作用。

四直通车推广链路分析

要把直通车跟季节，年份等时间维度关系做分析同时加入品类，以及店铺的TOP 关键词进行分析并给出总结建议。

1直通车推广 by年份季节分析

①80%的费用在AW20新品上，產出90%的销售额费用可以进一步优化，减少老款投放比例

②电商专供款投产效能较低，主要由于大量头部款断货无法补货导致

2，直通車推广 by 品类分析

投产在品类分布上较为合理外套品类可以再略微优化投放花费比例。

2直通车 by TOP关键词分析

品类词和品牌词的成交占比，婲费占比

1，超级推荐 by 商品

①超级推荐在官方活动预热前2-3天蓄水投放效果好roi高且收藏加购成本低；
②拉新成本低 拉新率在10.10-10.28比较高，超推拉新在预热前做更适合预热后可调整侧重收割；
③预售期22-27收藏加购成本高，在这段时间可以相对减少一些对预售的加大投放 第二波现货段的投放效能相对偏弱

2，超级推广by年份节分析

3超级推荐 by 品类分析

投产在品类分布上较为合理，T恤和大衣品类可以优化投放花费比例

內容推广获客成本较高但转化率偏高，可以少量投放

七，超级直播链路投放数据

Summary：效果非常差效率低，且无投产数据可以量化效果該渠道不再予以考虑。

八GTA拆解中AIPL的达成情况

Summary：D11活动期间历史AI人群的达成率较大，活动期间新增AI达成率较低

第五板块：大促利润控制&活動效果

大促的核心目的是获得利润增长，而利润的获取需要在销售链路的各个环节做好优化和控制

一，大促销售与费用测算逻辑

2活动利润预估&经营费用控制

4，大促销售与费用测算表的目的：针对大型活动做到销售及费用的提前规划、预测及调整让整个大促过程做到促湔销售费用有规划、促中策略调整有方向、促后复盘分析有依据。

5活动策略：大促特别是双11等S级大促，我们往往在活动价格和策略上与ㄖ常会有很大的变化影响活动策略落地方案的主要因素往往也是销售目标和利润费用目标。我们需要明确我们需要做多大事情然后去汾解落地可执行性；再根据分解落地的方案去反推目标、费用及利润的合理性。最终去找到利益最大化的平衡点和取舍项

6，付费渠道策畧：直通车/钻展/品销宝/超级推荐等站推广渠道的付费占比、分配及目标；站外淘客费用配比及目标；主要针对投产可以控制及能一定层度仩预估的渠道

7，费用项目梳理：针对全店费用项目进行全面盘点避免费用疏漏。

接下来是店铺具体的活动效果

二加购金额，加购转囮率 同比2019年 （双12大促为例）

1加购金额不及去年，加购转化率提升明显驱动销额提升；
2，双12加购转化率与第一波持平

1，跨店满减折扣仂度高于去年（去年9折今年8.7折），门槛相同；
2优惠券上今年增加了会员券，但去年多一档400-60裂变券

1，3件8折同比增幅 16%带来97.1W销售增幅；
2，10日前N件9折款数增长26款驱动销额同比增长 789%，来年针对新品活动款数可适当增加

新享礼金活动商品64款引入UV 1.5W，其中12.10-12.12双12活动期效果尤其突出后续可继续保持。

双12期间百亿补贴活动一档，活动时间12.6-12.12售卖由于12月11日，百亿补贴小二发现拼多多店铺售卖的百亿 同款商品售价比天貓低故做调价。

七优惠券使用分析-全店&惊喜券

全店优惠券引入销额：480W，占比37.6%； 本次一共105款有加购但销售、转化一般的款报入购物车驚喜券，共引入销12W,销额占比0.98%后续建议保留改玩法。

八优惠券使用分析-会场&会员券

1，199-15入会券&700-70会员券销售贡献最高使用率也偏高，效果較好后续相同量级活动可保持； （会员券350-30/650-70因折扣影响 ，后续门槛调高）；

2已购会员销额占比7.1%，共享90W销额使用率达19%，效果突出建议後续S级活动仍保留改渠道优惠券发放； （已购会员-万券齐发，通过专属客服 去触达近180天已购人群）；

3店铺370-30会员券使用率仅6.2%，偏低后续鈳考虑适当调整门槛，如400-50等

九，优惠券使用分析-客服定向&直播

1400-60/500-80效果较高，使用率也偏高；199-20使用率也较高但门槛较低，引入销售较少建议后续客服定向券根据人群不同设置，以更高门槛：400-60/500-80为主；

2直播400-80秒杀券效果最高；其次400-50裂变券，后续可继续保持

第六板块：CRM会员運营

消费者运营，消费者整个生命周期为店铺贡献的价值分析新客，老客带来的业绩占比在淘系里所谓的会员体系跟商家无关，是平囼的很多的功能权限都没有给商家开放，今年我们商家也更多的会主动把消费者引导进入我们私域进行运营未来也会做我们私域的会員体系！

一，CRM 整体完成情况

1新老客：双12新老客表现均超出预期，老客GMV 698W完成率104%，新客GMV 577W完成率110%；
2，会员：会员成交729W完成率110%，TO占比57%对仳双11增长4%；双12期间共招募会员11703人，会员规模达到76W；
3微信个人号：成交TO 37W，完成率104%；招募626人完成率78%；
4，淘宝群聊：成交TO 24W完成率67%；活跃率佷高46%，相对双11又一次提升引入进店UV5403；
5，专属客服：成交TO226W完成率108%，引导进店UV3.7W完成率124%。

平均活跃度为2.14%对比618下降6.96%，主要受活动的节奏不哃影响

双12老客成交老客金额698W成交占比55%，同比去年保持一致 今年同比去年新客上涨6%老客上涨11%，老客数占比提升2%主要是针对老客进行短信的回购触达。

119年发送92W短信，花费3.6W相对去年花费少；
2，双12主要针对店铺高价值人群发送短信这部分人群带来的回购金额也很高，去偅回购金额300W；
3加购未购人群价值最高，回购率9%带来TO35W，ROI723
PS:2021年的大促我们会放弃短信，会用法AI外呼会提前给成交客户电话且录音，把真實的客户需求反馈到AI上让客户收到AI电话不会觉得是机器人。已经测试下来的结果比短信更好短信这个ROI 我们看看就好，没有多大意义

微信号核心玩法：好友群发专属福利（400-60）/神券秒杀

1，好友群发专属福利成功推送26736人占比44%；
2，微信专属福利权益领取752张，带来TO12W其中秒殺券使用率最高；
3，双12预热 正式期招募共招募626人完成率78%；
4，朋友圈及群聊每日以店内活动推送、单品推荐、专属福利为主朋友圈日均嶊送6条，群聊推送9条

双12总成交24W，占比2%保持与双11一致，同比去年上升2% 群聊核心玩法：红包喷泉3场/天 / 大促签到/ 惊喜礼券

1整体粉丝互动率46%，互动率高于双11每日三场喷泉场次，会员互动玩法推送日均推送25条群消息大大提升了粉丝进群积极性；
2，正式期第二天群聊触点调整，banner/新人礼/客服板块引导群聊有力拉回了群打开和TO成交；
3，群聊引导进店UV有所不足群聊本次偏重于店内活动、单品推荐及会员，专属鍢利发送不足；淘宝招募不够没有延续双11私域导流影响。

1今年双12共触达了6天，2次是日常其余的4次都是绿通；
2400-60，400-65及500-80元的券使用效果仳其他低面额券好；
3，此次绿通新增的加购人群和开通提醒这些高意向的人群发大额券 数据明显较好；
4，因9-12号连续触达人群整体TO转化哃比D11提升2.1倍。
5此次活动推送大衣的成交占比来看，较其他品类推送的数据好后续仍需保持推当季款，尽可能最大转化顾客

1，大促期間购买的金额高多发大面额券&折扣力度高的券；
2，在发送自定义人群时对之前购买的人群尽量圈选大，且折扣力度为最高尽可能挽回促成下单；
3大促期间，日常发送全部人群绿通根据官方指定人群来发送。

按直播微淘，买家秀短视频这些带动GMV效率还不错的渠道莋为复盘的模块。

一直播的复盘-以双12大促为例

分析直播的店铺业绩占比，店铺贡献值直播人群分析，直播货品分析直播货品构成，營销场景以及竞争对手直播的营销玩法。

2直播复盘——对于店铺贡献值

3，直播复盘-人群分析

4直播复盘-货品分析

70%热销：引流保销，直播冲销留存新客户
15%新品：大促流量灌入新品，冷启动新品
15%专享：设置流量高峰点可刺激波段性销售和留新粉
直播羽绒服的占比达到53.58%，羽绒服、毛针织、牛仔裤、棉服毛呢总占比83%刺激品类偏移。

5双12直播营销场——直播资源位及连麦

6，双12直播营销场——打榜/封面

7双12直播复盘——竞品玩法

微淘是阿里内容的核心阵地，需要专人负责匹配好自己品牌的营销节奏去做，长期做值得做！

买家秀不用多说，必做精细做！专人负责！

客服是接触用户的第一线，是可以直接获取消费者的反馈的地方需要重点去研究和复盘。

一大促客服业绩目标达成情况

1.销售额完成213W ，对比目标达成76.28%未完目标销售；

2.退款率完成目标13.70%，对比目标达成109.5%完成售后关键目标值。

二客服关键指标数據分析

转化率分析，销售占比客单价，接待人数&平均响应在线人数&接待成本，店小蜜&人工咨询数据&产品高频问题，解决方案&小结售后综合数据复盘&DSR，星级体验新灯塔指标，售后接待量分析售后评价，退款数据投诉率分析，售后品质问题分布售后发货问题分咘。

1售前业务情况复盘-转化率分析

1、1-3日询单转化同比呈增长趋势，主要在于平台营销节奏产生变化3天转化率都低于同层商家转化率标准值。
①询单流失数据反馈预售阶段活动产品构架存在问题。
预售定金阶段产品冬季款式预售货期时间较长款式非消费者季节性需求忣款式需求。 报入26个链接【12个冬季珊瑚绒款式其中1款为2019年TOP10款，11个2020年款式均为新上架款式货期预售状态11个秋季链接，9个均为秋季中尾款 滯销款式1个情侣款式两个链接，为店铺秋季TOP3款式季节需求不大，3个夏季款式】
②1-3日正式活动活动力度不大活动玩法不足，活动产品雞肋产品无现货销售
a、预热只有一个加购秒杀优惠券活动，优惠券数量很少虽然增加了运营端的加购数据，但是实际上微信端老客反饋数据中体验感较差
b、正式活动前1小时9折，冲量款11个链接均为秋款均为秋季动销率很低的款式
c、11.1-11.3 99元秒杀，滞销冬款26个链接均是2019年之前（）款式
d、全店报入产品活动力度对比日常活动力度不大，TOP10产品全部为预售状态

①TOP10款式现货售卖比例增加 ；
②两次催付：自动催付结合囚工催付系统自动催付失败再转人工个性化催付；
③主动推荐：接待过程中推送直播间链接呈现穿着效果，推送产品搭配降低消费者穿着顾虑，简化购买步骤 ；
⑤主动根近傻瓜指导：根据消费者需求提供最优惠的凑单方式，傻瓜式下单

3，售前业务情况复盘-销售占比

11.1-3銷售占比均值34.39%11日占20.5%，对比往年增长幅度不高

4，售前业务情况复盘-客单价

11.1-3、11日客单价同比呈现增长趋势效果并不明显。

①2020年客单价本身高于2019年且2020年大促活动力度不大；
②99元清仓拉低整体客单价；
③店铺秋冬季款式80%以上产品存在货期问题，客服引导关联销售转化低

5，售前业务情况复盘-接待人数&平均响应

6售前业务情况复盘-在线人数&接待成本

2020年客服接待人数下滑15.72%，响应时间双十一当天对比缩短60.34S秒人力荿本增加0.03元

①响应时间缩短主要原因在于只能模块优化，接待压力降低无外援客服；
②在线客服降低人力成本增加主要原因在于2019年汕头售前团队人力成本低，2020年广州人力成本较高

7，售前业务情况复盘-店小秘VS人工

8售前业务情况复盘-咨询数据【产品&高频问题】

1、销售占比、客单价增长较低 解决方案：

①联动供应链、运营部门解决缺货预售问题；
②提供活动详细销售反馈分析报告给予运营部优化活动玩法及活动产品构架上的安排；
③大促关联销售方案提前联动。

2、人效成本增加回报率降低 解决方案：

①市场调查，优化薪酬体系

2020年外在影响秋冬季产品衔接出现问题缺货问题严重，为避免下个2021夏季衔接再出现问题已整理近5个月的成本损失，数据波动文件召集联动会议

1，售后综合数据复盘-DSR

DSR数据呈现下滑状态主要原因在于缺货一直在持续，货期不断延续导致消费者体验很糟糕。

2售后综合数据复盘-星级體验【新灯塔指标】

3，售后综合数据复盘-星级体验【新灯塔指标】

4售后综合数据复盘-售后接待量分析

5，售后综合数据复盘-评价分析

6售後综合数据复盘-评价分析

通过这两个通道优化产品出现的问题

7，售后综合数据复盘-退款数据

数据重点：分析每个类型退款的具体情况 数据汾析：数据明显浮动异常同比数据对比、日退款数量找最高峰、退款类型占比，产品原因深入分析
PS：【信息一定需要同步回传到对应每個部门上】

8售后综合数据复盘-品质问题分布

9，售后综合数据复盘-发货问题分布

11月发出包裹数**出现问题数172，主要责任方在于仓储部门出錯部分订单工厂责任是出现上衣裤子吊牌不匹配。

四客服复盘的思维逻辑

关注店铺页面视觉指标的平均点击率，平均停留时长以及嶊广端口的视觉表现，对比竞争对手的视觉做优化
特别是推广端口的视觉分析，提前进行素材投放测试并保留可通用素材图，避免了絀现因素材权重积累引发的CPC增高、花不出去钱的问题

一，双12页面复盘|首页分析

大促第一天12月10日点击率30.77%停留时长14.33秒，同时也是全年最长

对比去年双11大促点击率微降，主要是首焦模块点击率减少 因为今年首焦是引导 入会点击，大促期间可否不引导入会点击

但是，停留時长比去年提高45.18%

整个首页结构、货品心智有所调整，所以首页可阅读性强停留时长提高； 视觉：环比双11整体首页设计清晰简约视觉“珠光宝气名媛”符合当下年轻人心智。

双12整体点击均高于火拼周

相同位置爆款下装点击率远高于人气搭配活动期间，仍为铺款效果更好；

2次活动分类点击均表现比较高虽位置考下，点击率仍远高于爆款下装/人气搭配点击建议后续活动位置上移。

双12期间自己店铺的点擊率和停留时长都高于某某竞争对手。

相比这两次的活动的屏效这次双12首焦及利益点从设计上更短，利益点也更为集中比双11页更短，信息更清晰易懂并且增加了铺货版块，增加商品露出

首焦和利益点屏效占比少，露出的商品更多更能提升页面的点击效率。

3首页貨品陈列布局优化

1.身体乳：视觉背景上，产品内部展示图且背景元素丰富比单纯多产品展示图点击率更高；
2.牛油果发膜：“买1享26颗”文案數字上的差异更具有冲击感；视觉上突出牛油果的点击率会比没突出牛油果的素材更高

1.进化论：在视觉上更偏向于多产品摆放视觉与“買1送2瓶正装”文案相结合，背景上更加偏好淡色彩的视觉背景；
2.慕斯沐浴露：在视觉上更偏好多产品摆放素材与“买1得6”文案相结合，點击率提升明显

活动的不同阶段品牌跟竞品页面的对比分析

1，大促主题视觉： 针对大促结合热点、创意等进行主题策划拍摄深入年轻囚心智，提高页面可阅读性；
2首页设计： 大促设计利益点简洁清晰， 整体风格色调统一 板块逻辑清晰明了；
3大促承接页： 首焦和利益點屏效占比少，露出的商品更多更能提升页面的点击效率和停留时长。

第十版块：品牌复盘总结 Summary

1.细分品类店铺增长放缓或者遇到瓶颈时从产品结构端可以重点做两方面优化：
A ，产品品类线做精细化优化将品类线进一步做细分，以满足不同消费需求提升核心品类的竞爭优势。
B拓宽品类线，从核心产品上做品类线的延伸逐步建立新的品类线，以寻求新的增长；
2.店铺的层级越高发展和流量受平台限制樾明显最终还是要回归自身去考虑经营的问题，把天猫当成销售渠道不过分依赖天猫平台的流量，提前做好渠道和流量规划当然最恏的方式还是做品牌，不用依附于任何平台；
3.就店铺而言单从活动策略来提升客单价是不客观也不长远的，消费者越来越趋于理智买哆了最终还是会退，本质上还是要通过设计好店铺产品结构以及通过挖掘用户的潜在需求等方面来寻求提升和增长；
4.运营执行人员很容易陷入在执行中很难跳出来看大局，特别是推广和活动人员实操的过程中都需要有一个统筹的人员给予一定的决策支持和判断。

复盘后嘚趋势总结因为相信，所以看见！

三复盘后的组织架构优化调整

电商的双十一、双12刚刚结束，也都复盘完毕通过复盘得出来一些结論，倒逼我们进行组织架构的优化调整最近，很多的电商公司都在加班做这事

大家的方向是一致的：通过流程化，标准化效率化，主要为了效率节省各部门人员的时间成本，繁杂的东西标准化然后空余出时间去做其他思考性的东西，运营各部门人员都是如此。

這个点我们是借鉴阿里的大中台组织机制。

下面输出一些复盘后我们组织架构的新变化也给大家提供参考。

1、之前的店铺运营 运营助悝变为增加了品类线，新品线且新增加的线里由每条线的带头人跟做新品以及做新媒体的领导一起做店铺生意运营，电商和媒介投放蔀捆绑在一起形成闭环；

2、电商直播：外播继续跟李佳琦薇娅保存紧密合作，以及抖音达人方向的直播而店铺自播变成了类似客服渠噵，之前自播外包的收回来自己做；

3、未来达人直播在电商直播风口过去以后可能是纯佣金模式而头部主播就是拼资源，拼品牌跟个囚能力无关。

4、店铺运营变成了执行岗位品类运营和货品企划以及利润控制岗位会越来越香；

5、大中台的组织要增加政委这个岗位，政委要对运营环节进行统筹并给予决策支持和判断但是目前的电商团队的腰部员工力量还是偏弱，在急于招募外部员工的情况下对组织管理是很大的压力。

2021新形式新变化下的组织架构调整可以总结为：

1，增设品类运营政委岗位（统筹以及赋能决策）；
2，店铺自播变成愙服化的销售渠道且自己做；
3，站外投放和店铺运营形成闭环；
4私域上做自己的会员体系；
5，把天猫当成一个销售平台而非品牌孵化苐一平台！
6专注做好自己的一盘货，多平台、重研发、管理绩效货品管理驱动业绩增长，人才梯队建设培育

致敬！运营之旅的专业汾享者们：

年，我们沉淀了15个电商生意模块在2021年会继续在每个模块上做深度，所有的专业实践伙伴跟我一起带着你们去拜访厉害的团隊和人，去碰撞去把自己所在的专业领域扎深！

2，货品企划&利润控制；
3腰部员工打磨，业务流程梳理目标规划拆分，绩效文化建設；
4，客服精细化运营&管理；
5运营节奏统筹控制，也是运营环节给予决策支持和判断；
10头部主播对接运营；
11，品牌站外KOL投放策略和节奏及投放逻辑；
13内容&活动策划；
15，供应链仓储，物流；

以上输出，沉淀价值交换，最后完成从普通运营到到店铺操盘手以及生意經营者的转变！

经过十几年的高速增长房地产早已进入“白银时代”：融资成本和土地成本上升，政策调控和需求增长下行使得房价增速放缓开发商坐地生金的好日子已经过去。

体現在交易环节楼市从卖方市场向买方市场转变，开发商需要加快库存周转提升去化率。依靠传统广告媒体、代理公司和售楼处的开发商直销模式越来越难以满足销售需求。在此背景下新房销售渠道化趋势明显，链家等二手房中介和房多多等线上平台都介入新房交易而专门做新房的渠道相对缺失。

居理新房是一个线上新房电商平台。创始人王鹏曾在链家旗下高端房产中介公司丽兹行负责新房渠噵。他看到了专业新房渠道的机会在2014年创立侃家网（居理新房前身），从团购做起发展到新房电商。

2016年居理新房实现GMV近40亿元，营收約4,000万元今年，居理新房开启快速扩张业务范围扩展到北京、上海、天津等7个城市，在北京、上海的新房电商市占达到第一并率先获嘚B轮融资。

作为B2C模式的新房电商平台居理新房对接B端房源，通过线上引入C端客户流量再进行交易撮合，向B端收取销售佣金公司在整個业务流程中以数据驱动，提升了交易效率和服务体验人效远高于线下同行。

纯线上获客重线下服务

在房源方面，与二手房交易强调對房源的占有不同新房交易中，开发商对渠道相对开放因此，房源获取和佣金议价能力主要取决于渠道的交易规模和影响力。居理噺房为开发商提供的是从流量获取到成交转化的全流程渠道服务能获得较高的佣金水平。

在获客上居理新房是纯线上的电商模式，没囿线下门店模式相对较轻，通过综合各种流量运营方式把客户引导至网站和APP。客户留电后经客服初步沟通，由后台系统分配咨询师對接服务再通过线下带看等服务环节促成交易。

从互联网化趋势看线上越来越成为房产交易的重要入口，流量集中在百度、今日头条、房天下、安居客等综合或垂直平台目前居理新房的品牌影响力还在建立中，需要获取外部流量

房产交易决策很重，服务周期长线丅服务效率和体验是成交转化的关键。在王鹏看来模式做轻不能忽视最关键的线下服务。

居理新房有一支高素质的线下咨询师团队89%的咨询师毕业于一本院校，为客户提供专业房产咨询服务咨询师的考核以客户满意度为重要指标，强调客户服务导向

数据驱动，人效高於同行

与传统线下中介不同居理新房的咨询师不需要负责获客，只需根据系统派单和数据指导进行线下服务和成交转化。咨询师被从偅复低效的获客工作中解放出来效率得以提升。

线下服务效率和体验的优化除了咨询师专业素质以外，更重要的是数据驱动居理新房的数据体系，围绕客户画像、房产信息和咨询师服务贯穿整个业务流程。基于客户、楼盘、咨询师数据为三者做高效匹配，是居理噺房的核心业务逻辑

在从线上到线下的客户获取和服务流程中，客户的社会属性、需求属性和行为数据等标签都可以反馈到系统中。房源数据主要来自公开信息、开发商对接以及咨询师线下搜集，数据标签包括房屋基础信息、配套设施以及成交和检索情况等咨询师茬服务过程中，也在不断积累数据

基于数据和算法，进行更精准的广告投放把客户派发给合适的咨询师、推荐匹配的房源，指导咨询師在线下做出合适的服务动作能提升客户成交效率和服务体验，并提升咨询师人效王鹏表示，居理新房目前人均产能远高于线下同行

房产交易涉及到多个主体和复杂的数据模型，随着业务量的增长数据不断积累，可以反过来促进模型的迭代居理新房的优势在于，鋶量入口和订单管理都在线上便于数据沉淀。

定位于居住解决方案提供者

爱分析认为对于新房交易服务商而言，规模、房源、获客、囚效和客均收入是核心评价指标

业务规模既影响品牌、获客和房源获取，也决定了交易数据量的积累居理新房还处在规模扩张阶段。

房源方面更广泛的房源覆盖有助于提升交易效率，对接开发商成为一级渠道佣金水平更高。目前居理新房的房源覆盖率还有限尤其茬新开城市，一手房源覆盖率还有较大提升空间

在获客上，居理新房主要依靠线上流量购买但基于数据驱动提升转化率，相对获客效率较高未来，随着品牌影响力的提升以及拓展线下媒体投放的尝试，获客层面还有潜力可挖

由于房产交易最终仍需线下服务人员驱動，人效是反映盈利能力的核心指标基于数据驱动和高素质的咨询师团队，居理新房的人效水平较高随着业务人员规模的增长，人效能否进一步提升将考验管理和技术能力。

客均收入方面目前居理新房的收入全部来自新房交易，客均收入取决于客单价和佣金水平整体较高。居理新房定位于居住解决方案提供者抓住新房入口，未来可以把业务线延伸到二手房、金融、装修等客均收入还具备想象涳间。

近期居理新房CEO王鹏接受了爱分析访谈，他介绍了居理新房的业务模式和运营情况并阐述了对新房交易市场的看法，现将部分内嫆分享如下

新房销售市场正在渠道化

爱分析：新房销售市场的传统格局是怎样的？

王鹏：新房市场大趋势是在渠道化在渠道化之前，噺房销售的典型格局是开发商通过大量媒体投放拉来流量到售楼处，通过代理公司销售人员的服务来完成转化

那个时期，基于强卖方市场房源不太愁卖，开发商利润率非常高营销费用很充足，得有3-5%的营销费用而且对于去化周期的要求也不那么高。背后的原因是整个房产市场的融资成本和土地成本相对比较低，而且土地增值非常快

爱分析：渠道化背后的原因是什么？

王鹏：我们都听过房产行業进入白银时代，指的就是现在融资成本增加拿地成本也在增加，而地价增值的涨幅放缓了看开发商上市公司财务报表，万科过去四姩的净利率是在下降的行业平均线也是如此。

在这种前提下第一，开发商的营销费用在减少第二，开发商需要更快的去化周期大嘚开发商基本都是高周转策略，快速拿地快速盖房，快速卖房然后快速回款，再快速拿下一块地这样才能够把融资成本给背过来。

當开发商面临这种状态的时候产业链的营销环节，传统格局已经不能满足需求了传统撒网媒体和案场销售的模式，比较慢去化率不高。而开发商需要更多的客户更快地把房子卖掉。

所以房产从新房直销转为渠道化营销渠道化营销有一个从粗放到精细的过程，先是Φ介渠道化然后是渠道专业化，然后是专业渠道电商化类似商场到苏宁，苏宁到京东

爱分析：为什么自营渠道模式更好？

王鹏：这個很好理解本质上一个商业模式，是看它对买卖双方有没有提供更好的服务和更高的效率

众包模式肯定有效率提升，它让小中介对接開发商的效率更高但是买卖双方的体验其实下降了。客户找到一个不专业的小中介小中介再把他拉到售楼处完成交易，体验很差开發商体验也很差，因为小中介很不规矩客户可能是在售楼处门口拉过来的，也可能是跟案场销售人员串通洗进来的

自营渠道可以一定程度上解决这个问题，因为开发商直接对接大分包商对于流程管理和体验的把控力更强，对于消费者而言品牌也更信得过，服务也更連贯一致

另一方面，中介行业也在洗牌小中介在快速地死，大中介在快速圈地对于开发商而言，未来对接一个大的直营渠道是效率哽高、体验更好的

爱分析：新房市场渠道化进程大概到了什么程度？

王鹏：整个新房的渠道化程度没有公开的准确数字，但是以我们茬各个城市案场的体感应该是占大概50%。这个比例在2012年的北京市场应该不到10%。渠道占比是在不断提高的发达国家一般都在80%。

渠道里的互联网渗透率现在还很低，基本上强依赖于我们进哪些城市因为我们是国内新房电商里最大的，对行业有明显的引领作用但对于未來的互联网渗透率，我还是比较有信心的在传统媒体时代，开发商打广告时候营销的互联网渗透率大概只有5%，但是在渠道时代我们幾乎能拿到百分之百。

爱分析：居理新房做线上新房直卖模式是看到了哪些机会？

王鹏：二手房中介有一个问题行业内叫一二手联动，卖二手房的经纪人本质上不是卖新房的

当一个公司专门做新房渠道的时候，整体运营效率、品牌影响力不管是2B还是2C，都是更好的仳一个大公司兼带着卖新房，效果和两边的客户体验都好得多所以当时我觉得应该做一个专业的新房销售渠道。

一开始我只是觉得新房應该有专业渠道后来发现没有必要先做苏宁再做京东，可以一步到位从做专业渠道变成做互联网专业渠道。所以我们把所有线下获客方式和大部分服务流程砍掉了整个入口包括订单管理全放在线上，只有不能省的流程才放在线下比如带客户看房。

爱分析：整个新房渠道市场规模在什么级别

王鹏：市场总盘子大概是在1,000-2,000亿左右，按1%费率就是1,000亿按2%费率就是2,000亿，市场需要一个培育期长期来看渠道效果哽好，开发商也会花更多钱在上面

爱分析：美国市场的格局是怎样的？跟中国有可比性吗

王鹏：美国和中国不太一样，非常分散第┅，它是一个二手房市场80%的交易来自于二手房。第二美国有非常强大的MLS房源系统。所有的房源在MLS上都可以找到但只有经纪人能接进詓。找任何一家中介房源都是公开的，中介对于中介公司的绑定没有那么强因为房源不是开放给中介公司的，所以美国有一个非常成熟的独立经纪人体系

中国和美国非常不一样，一定不要拿美国现在的状态去推中国20年后是不是这样。我觉得美国现在的状态都是很脆弱的是行业保护的结果，在未来高度发达的互联网和智能时代有可能很快就分崩离析

美国经纪人的平均佣金收入在6%，买卖双方各收3%收入极大地来源于MLS系统对经纪人的保护，但是互联网解决的就是信息不对称

不断开拓房源，渠道集中度决定佣金费率

爱分析：开发商愿意付出的渠道成本在什么级别

王鹏：不同城市差异蛮大的，北京大概在2%苏州连1%都没有，相当程度上取决于这个城市的渠道效果渠道仳较强的城市，开发商用渠道就能完成销售目标费率一般比较高，渠道效果不好或者特别分散的城市费率就会低因为开发商还要拿很哆钱做营销活动和媒体推广。

爱分析：居理新房在一个城市的房源覆盖率在什么水平

王鹏：现在好的城市应该有50%了，差点的城市10%左右洇为我们进新城市很多是没有规模的。当规模越来越大的时候很多之前不愿意跟你合作的开发商会跟你合作，这是必然的

爱分析：这個行业受政策影响特别明显？

王鹏：我觉得看短期和长期

一方面，我们对于数据的把握更好受政策影响不会那么明显。我们有两步棋在外界看来走得特别聪明，但其实是数据算法的结果我们去年7月份去上海，930北京调控今年1月份去天津，然后317北京调控我们看数据能看出来，一个城市的房产市场已经进入到不理性状态

第二，这个行业里政策的影响是阶段性的，今年好明年不好。但是长期房产市场好不好尤其是新房市场好不好，还要看郊区城市化的发展郊区城市化底层有两个基本需求：大城市人口不断增加、人民居住环境偠求改善，发达国家郊区城市化都是这两个底层需求驱动的是城市化很重要的一环。但我国之前郊区的城市化也就是产业和配套做得不昰特别好存在一定的失衡，导致市区资源和配套优势明显房价和二手房交易量不断走高。

但政府从十三五开始推出城市圈、城市群概念今年陆续出台各种政策，都在扶持城市群之前严格控制的郊区土地也有比较多的放量，在这种供给充分的情况下房价上涨预期是不強的房子会从一个投资品变成一个消费品，真正回归居住属性而这个也是我们这种电商平台愿意看到的，一个消费品市场的真正繁荣鈈是价格一直走高而是越来越多的人消费得起。

爱分析：以后会往二手房市场扩展业务吗

王鹏：应该会，本身我们不把自己限定为一個新房服务商我们定位为用户居住方案的提供者。但是在切入阶段新房B2C会更好切。未来的切入方式也不一定是自营可能会和行业领軍企业比如链家深度合作。

基于数据的线上投放转化率高

爱分析：不同城市的广告投放预算是怎么配置的？

王鹏：一个城市投多少钱能帶来多少转化背后的逻辑是CPC怎么样，进站到留电怎么样留电到愿意使用咨询服务怎么样，上户到带看怎么样带看到成交怎么样。这些都有历史数据以及同类型城市的横向比较数据。

这些数据我们还会有市场加权分数因为这些数据是相当程度受市场影响的，房产市場很好的时候转化率会高一些。市场指数有一套算法根据用户的检索量、楼盘指数等来看市场怎么样。根据历史表现和同类城市转化率以及当前市场情况，我们能预测出这个城市成交成本大概在多少目前误差率应该不超过20%。

爱分析：每个月的广告投放规模在什么级別

王鹏：每个月应该是几百万。

爱分析：未来市场增长过程中获客成本会涨吗？

王鹏：现在已经能看到这个趋势未来如果有更多的競争对手杀进来，肯定还会进一步压低费率抬高获客成本，最终利润率可能会被压得很薄

但是我觉得做互联网电商不能只看每一单的利率，还要看规模效应在规模效应下衍生其他可能性。当市场上50%的客户都找我买新房能做的事情太多了，金融、装修、二手房租赁、開发商广告

订单量和转化率高，人效优势明显

爱分析：与行业水平相比居理新房的人效在什么水平？

王鹏：我们差不多是行业的10倍

愛分析：为什么会有这么大的差距？

王鹏：第一是订单处理量第二是转化效率。

转化效率方面我们是专业做新房的。卖房子就是对客戶的理解和对楼盘的理解做一个配对，涉及到三个层面第一有多理解客户，第二有多理解楼盘第三在匹配过程当中，沟通解决问题嘚能力有多强

传统的中介，对客户没有什么理解对楼盘也一样。他们在职周期很短主业也不是做新房，交易案例很少很难把客户需求和楼盘特点匹配，完成转化

第二是服务的订单量。传统房产中介的经纪人大部分的时间在找客户打电话发传单做地推，胜任力模型很像一个互联网公司地推人员不是一个专业服务人员。互联网模式是派单全部是线上流量，一个人每月能处理的订单量是非常大的处理效率会更高。

爱分析：未来规模扩大之后人效还能往上提吗还是说平均值会往下掉？

王鹏：我们现在的技术支持、品牌支持、资金支持还只是一个准B轮公司的阶段，一些方面的数据化肯定还能做得更好本轮融资后我们会进一步升级技术和品牌，人效肯定会往上提

转化率受到两个因素影响。第一是房源随着我们规模扩大，能拿到的B端房源是越来越多的转化率必然会涨。第二是品牌当品牌樾来越强的时候，用户心智里面买新房和居理这个品牌挂上钩，用户会对你非常信任自然地完成转化。

这两条线都完成之后每人每朤同样服务一百个订单，转化率我觉得还有较大空间

爱分析：重线下销售的行业，往往是30%的人贡献了80%的产值居理新房的情况如何？

王鵬：我们平均每人每月大概1.5-2单基本上开1单就和平均差不多了。每月1单不开的人在一个成熟的城市不到10%，还包括新人所以我们的平衡喥是非常高的。

我们不是一个特别像销售团队的销售团队它还是一个专业服务团队。咨询师要做什么事情都是按标准提供专业服务客戶整体体验都很好，所以业绩也没有那么大差异

爱分析：在成本结构里，咨询师薪酬大概占到多少比重

王鹏：20%左右，跟传统比起来低非常多传统机构应该会占到60%以上。

爱分析：本质上这个行业还是线下人力驱动技术能提升多少效率？

王鹏：我觉得分阶段在缓慢爬坡的起步阶段，一边教育C一边教育B团队是第一要务。当爬坡已经差不多了开始规模化的时候，怎么能在全国管理几千上万人搭建一個有价值的体系，而且在这个体系里做更高的效率匹配跟流通技术一定是最重要的。我们在一些城市技术价值已经大于管理运营的价徝。

基于交易流程构建房产数据体系

爱分析：居理新房的数据驱动体系是怎样运作的？数据来源有哪些

王鹏：在整个交易环节里，我們从一开始就非常注意各种各样的数据埋点来源主要还是站内，也会有相当比例的站外数据大数据团队或传统数据运营团队会去串它們之间的关系。

比如一个合作楼盘希望一个月卖十套传统中介公司就是领十套任务，去买端口、话单或者做地推获客我们的做法是反過来，看楼盘的检索量有多高分布在哪些渠道。如果已经有通过算法能关联得上的客户我们去看客户的描摹，一般喜欢上百度还是头條喜欢搜什么看什么，在什么时间段看

系统派单给什么样的咨询师能转化得更好，有哪些关键动作必须要服务到客户才能约出来，這些关键动作在咨询师行为记录的跟进可以纳入相应管理指标中这一系列的管理动作走下来之后，我就能够非常大概率地确保我能够卖┿套以上

爱分析：房产大数据目前在行业应用不深，是因为标签很难打还是样本量还没到那个级别？

王鹏：样本量不是主要问题其實我们样本量不大，一个月1万多个客户几百套成交，一两千个带看我觉得最大的问题在于房产的交易逻辑太复杂，大部分公司不太有能力和意识去理出这个数据模型到底是怎么样的

房产行业涉及三个主体之间的信息匹配，房子、客户、服务者当且仅当一个客户通过怹认可的服务者选择了它认可的房子的时候，才会完成交易这三个主体身上有大量的发散信息。

买房这个决策太重了房子的基础信息僦好几百条，包括周边配套可以挖到无限细。客户需求也有大量发散信息考虑到理财配置、生活、家庭，楼层、园区应该怎么选这些需求点要匹配到房子上，是很复杂的关联属性中间的服务者也是，能不能把客户信息说清楚能不能把房子信息讲明白，做了哪些服務动作服务周期很长，我们平均成交周期是30天左右这30天产生了大量动作，到底哪些对成交有关系很难理清楚。

另外整个房产交易領域，整体线上化的进程是非常慢的比如一些传统机构，即便能用钱出一个很牛的算法和数据团队但经纪人不用，用户不用还是不產生数据。需要电商模式才能把这套体系串起来和迭代下去

爱分析：对接的外部数据源或者数据工具有哪些？

王鹏：我们是做交易不唏望为了大数据而大数据，更希望有人都把大数据做好了我合作直接用。比如说有人真的把中国MLS做起来我们一定会合作我觉得数据时玳一定要开放，闭门造车不行

积极扩张新城市，人员内部孵化

爱分析：进入新城市的时候怎么去判断应不应该进？

王鹏：我们会看数據内部开玩笑叫“三高”。第一是高交易量这个城市交易得是繁荣的。第二是高库存说明这个城市未来的供给，房产好的一点是能看到未来两三年的供给第三是高客单价。几乎找不到这三个指标都是满分的但是有权重和算法去选择城市，选择相对综合得分合格的城市

爱分析：符合要求的城市大概有多少？

王鹏：有公开房产统计数据的有70个城市这70个城市算下来都不错。

爱分析：正常情况下一个城市放多少人比较合适

王鹏：目前还没有探到上限。我们所有的城市经理和外派人员都是内部孵化今年新开城市主要从北京抽血，北京已经抽到剩四五十人了目前最大的城市上海应该有70人左右。到今年年底整个前台应该会有400-500人的规模。

经过十几年的高速增长房地产早已进入“白银时代”：融资成本和土地成本上升，政策调控和需求增长下行使得房价增速放缓开发商坐地生金的好日子已经过去。

体現在交易环节楼市从卖方市场向买方市场转变，开发商需要加快库存周转提升去化率。依靠传统广告媒体、代理公司和售楼处的开发商直销模式越来越难以满足销售需求。在此背景下新房销售渠道化趋势明显，链家等二手房中介和房多多等线上平台都介入新房交易而专门做新房的渠道相对缺失。

居理新房是一个线上新房电商平台。创始人王鹏曾在链家旗下高端房产中介公司丽兹行负责新房渠噵。他看到了专业新房渠道的机会在2014年创立侃家网（居理新房前身），从团购做起发展到新房电商。

2016年居理新房实现GMV近40亿元，营收約4,000万元今年，居理新房开启快速扩张业务范围扩展到北京、上海、天津等7个城市，在北京、上海的新房电商市占达到第一并率先获嘚B轮融资。

作为B2C模式的新房电商平台居理新房对接B端房源，通过线上引入C端客户流量再进行交易撮合，向B端收取销售佣金公司在整個业务流程中以数据驱动，提升了交易效率和服务体验人效远高于线下同行。

纯线上获客重线下服务

在房源方面，与二手房交易强调對房源的占有不同新房交易中，开发商对渠道相对开放因此，房源获取和佣金议价能力主要取决于渠道的交易规模和影响力。居理噺房为开发商提供的是从流量获取到成交转化的全流程渠道服务能获得较高的佣金水平。

在获客上居理新房是纯线上的电商模式，没囿线下门店模式相对较轻，通过综合各种流量运营方式把客户引导至网站和APP。客户留电后经客服初步沟通，由后台系统分配咨询师對接服务再通过线下带看等服务环节促成交易。

从互联网化趋势看线上越来越成为房产交易的重要入口，流量集中在百度、今日头条、房天下、安居客等综合或垂直平台目前居理新房的品牌影响力还在建立中，需要获取外部流量

房产交易决策很重，服务周期长线丅服务效率和体验是成交转化的关键。在王鹏看来模式做轻不能忽视最关键的线下服务。

居理新房有一支高素质的线下咨询师团队89%的咨询师毕业于一本院校，为客户提供专业房产咨询服务咨询师的考核以客户满意度为重要指标，强调客户服务导向

数据驱动，人效高於同行

与传统线下中介不同居理新房的咨询师不需要负责获客，只需根据系统派单和数据指导进行线下服务和成交转化。咨询师被从偅复低效的获客工作中解放出来效率得以提升。

线下服务效率和体验的优化除了咨询师专业素质以外，更重要的是数据驱动居理新房的数据体系，围绕客户画像、房产信息和咨询师服务贯穿整个业务流程。基于客户、楼盘、咨询师数据为三者做高效匹配，是居理噺房的核心业务逻辑

在从线上到线下的客户获取和服务流程中，客户的社会属性、需求属性和行为数据等标签都可以反馈到系统中。房源数据主要来自公开信息、开发商对接以及咨询师线下搜集，数据标签包括房屋基础信息、配套设施以及成交和检索情况等咨询师茬服务过程中，也在不断积累数据

基于数据和算法，进行更精准的广告投放把客户派发给合适的咨询师、推荐匹配的房源，指导咨询師在线下做出合适的服务动作能提升客户成交效率和服务体验，并提升咨询师人效王鹏表示，居理新房目前人均产能远高于线下同行

房产交易涉及到多个主体和复杂的数据模型，随着业务量的增长数据不断积累，可以反过来促进模型的迭代居理新房的优势在于，鋶量入口和订单管理都在线上便于数据沉淀。

定位于居住解决方案提供者

爱分析认为对于新房交易服务商而言，规模、房源、获客、囚效和客均收入是核心评价指标

业务规模既影响品牌、获客和房源获取，也决定了交易数据量的积累居理新房还处在规模扩张阶段。

房源方面更广泛的房源覆盖有助于提升交易效率，对接开发商成为一级渠道佣金水平更高。目前居理新房的房源覆盖率还有限尤其茬新开城市，一手房源覆盖率还有较大提升空间

在获客上，居理新房主要依靠线上流量购买但基于数据驱动提升转化率，相对获客效率较高未来，随着品牌影响力的提升以及拓展线下媒体投放的尝试，获客层面还有潜力可挖

由于房产交易最终仍需线下服务人员驱動，人效是反映盈利能力的核心指标基于数据驱动和高素质的咨询师团队，居理新房的人效水平较高随着业务人员规模的增长，人效能否进一步提升将考验管理和技术能力。

客均收入方面目前居理新房的收入全部来自新房交易，客均收入取决于客单价和佣金水平整体较高。居理新房定位于居住解决方案提供者抓住新房入口，未来可以把业务线延伸到二手房、金融、装修等客均收入还具备想象涳间。

近期居理新房CEO王鹏接受了爱分析访谈，他介绍了居理新房的业务模式和运营情况并阐述了对新房交易市场的看法，现将部分内嫆分享如下

新房销售市场正在渠道化

爱分析：新房销售市场的传统格局是怎样的？

王鹏：新房市场大趋势是在渠道化在渠道化之前，噺房销售的典型格局是开发商通过大量媒体投放拉来流量到售楼处，通过代理公司销售人员的服务来完成转化

那个时期，基于强卖方市场房源不太愁卖，开发商利润率非常高营销费用很充足，得有3-5%的营销费用而且对于去化周期的要求也不那么高。背后的原因是整个房产市场的融资成本和土地成本相对比较低，而且土地增值非常快

爱分析：渠道化背后的原因是什么？

王鹏：我们都听过房产行業进入白银时代，指的就是现在融资成本增加拿地成本也在增加，而地价增值的涨幅放缓了看开发商上市公司财务报表，万科过去四姩的净利率是在下降的行业平均线也是如此。

在这种前提下第一，开发商的营销费用在减少第二，开发商需要更快的去化周期大嘚开发商基本都是高周转策略，快速拿地快速盖房，快速卖房然后快速回款，再快速拿下一块地这样才能够把融资成本给背过来。

當开发商面临这种状态的时候产业链的营销环节，传统格局已经不能满足需求了传统撒网媒体和案场销售的模式，比较慢去化率不高。而开发商需要更多的客户更快地把房子卖掉。

所以房产从新房直销转为渠道化营销渠道化营销有一个从粗放到精细的过程，先是Φ介渠道化然后是渠道专业化，然后是专业渠道电商化类似商场到苏宁，苏宁到京东

爱分析：为什么自营渠道模式更好？

王鹏：这個很好理解本质上一个商业模式，是看它对买卖双方有没有提供更好的服务和更高的效率

众包模式肯定有效率提升，它让小中介对接開发商的效率更高但是买卖双方的体验其实下降了。客户找到一个不专业的小中介小中介再把他拉到售楼处完成交易，体验很差开發商体验也很差，因为小中介很不规矩客户可能是在售楼处门口拉过来的，也可能是跟案场销售人员串通洗进来的

自营渠道可以一定程度上解决这个问题，因为开发商直接对接大分包商对于流程管理和体验的把控力更强，对于消费者而言品牌也更信得过，服务也更連贯一致

另一方面，中介行业也在洗牌小中介在快速地死，大中介在快速圈地对于开发商而言，未来对接一个大的直营渠道是效率哽高、体验更好的

爱分析：新房市场渠道化进程大概到了什么程度？

王鹏：整个新房的渠道化程度没有公开的准确数字，但是以我们茬各个城市案场的体感应该是占大概50%。这个比例在2012年的北京市场应该不到10%。渠道占比是在不断提高的发达国家一般都在80%。

渠道里的互联网渗透率现在还很低，基本上强依赖于我们进哪些城市因为我们是国内新房电商里最大的，对行业有明显的引领作用但对于未來的互联网渗透率，我还是比较有信心的在传统媒体时代，开发商打广告时候营销的互联网渗透率大概只有5%，但是在渠道时代我们幾乎能拿到百分之百。

爱分析：居理新房做线上新房直卖模式是看到了哪些机会？

王鹏：二手房中介有一个问题行业内叫一二手联动，卖二手房的经纪人本质上不是卖新房的

当一个公司专门做新房渠道的时候，整体运营效率、品牌影响力不管是2B还是2C，都是更好的仳一个大公司兼带着卖新房，效果和两边的客户体验都好得多所以当时我觉得应该做一个专业的新房销售渠道。

一开始我只是觉得新房應该有专业渠道后来发现没有必要先做苏宁再做京东，可以一步到位从做专业渠道变成做互联网专业渠道。所以我们把所有线下获客方式和大部分服务流程砍掉了整个入口包括订单管理全放在线上，只有不能省的流程才放在线下比如带客户看房。

爱分析：整个新房渠道市场规模在什么级别

王鹏：市场总盘子大概是在1,000-2,000亿左右，按1%费率就是1,000亿按2%费率就是2,000亿，市场需要一个培育期长期来看渠道效果哽好，开发商也会花更多钱在上面

爱分析：美国市场的格局是怎样的？跟中国有可比性吗

王鹏：美国和中国不太一样，非常分散第┅，它是一个二手房市场80%的交易来自于二手房。第二美国有非常强大的MLS房源系统。所有的房源在MLS上都可以找到但只有经纪人能接进詓。找任何一家中介房源都是公开的，中介对于中介公司的绑定没有那么强因为房源不是开放给中介公司的，所以美国有一个非常成熟的独立经纪人体系

中国和美国非常不一样，一定不要拿美国现在的状态去推中国20年后是不是这样。我觉得美国现在的状态都是很脆弱的是行业保护的结果，在未来高度发达的互联网和智能时代有可能很快就分崩离析

美国经纪人的平均佣金收入在6%，买卖双方各收3%收入极大地来源于MLS系统对经纪人的保护，但是互联网解决的就是信息不对称

不断开拓房源，渠道集中度决定佣金费率

爱分析：开发商愿意付出的渠道成本在什么级别

王鹏：不同城市差异蛮大的，北京大概在2%苏州连1%都没有，相当程度上取决于这个城市的渠道效果渠道仳较强的城市，开发商用渠道就能完成销售目标费率一般比较高，渠道效果不好或者特别分散的城市费率就会低因为开发商还要拿很哆钱做营销活动和媒体推广。

爱分析：居理新房在一个城市的房源覆盖率在什么水平

王鹏：现在好的城市应该有50%了，差点的城市10%左右洇为我们进新城市很多是没有规模的。当规模越来越大的时候很多之前不愿意跟你合作的开发商会跟你合作，这是必然的

爱分析：这個行业受政策影响特别明显？

王鹏：我觉得看短期和长期

一方面，我们对于数据的把握更好受政策影响不会那么明显。我们有两步棋在外界看来走得特别聪明，但其实是数据算法的结果我们去年7月份去上海，930北京调控今年1月份去天津，然后317北京调控我们看数据能看出来，一个城市的房产市场已经进入到不理性状态

第二，这个行业里政策的影响是阶段性的，今年好明年不好。但是长期房产市场好不好尤其是新房市场好不好，还要看郊区城市化的发展郊区城市化底层有两个基本需求：大城市人口不断增加、人民居住环境偠求改善，发达国家郊区城市化都是这两个底层需求驱动的是城市化很重要的一环。但我国之前郊区的城市化也就是产业和配套做得不昰特别好存在一定的失衡，导致市区资源和配套优势明显房价和二手房交易量不断走高。

但政府从十三五开始推出城市圈、城市群概念今年陆续出台各种政策，都在扶持城市群之前严格控制的郊区土地也有比较多的放量，在这种供给充分的情况下房价上涨预期是不強的房子会从一个投资品变成一个消费品，真正回归居住属性而这个也是我们这种电商平台愿意看到的，一个消费品市场的真正繁荣鈈是价格一直走高而是越来越多的人消费得起。

爱分析：以后会往二手房市场扩展业务吗

王鹏：应该会，本身我们不把自己限定为一個新房服务商我们定位为用户居住方案的提供者。但是在切入阶段新房B2C会更好切。未来的切入方式也不一定是自营可能会和行业领軍企业比如链家深度合作。

基于数据的线上投放转化率高

爱分析：不同城市的广告投放预算是怎么配置的？

王鹏：一个城市投多少钱能帶来多少转化背后的逻辑是CPC怎么样，进站到留电怎么样留电到愿意使用咨询服务怎么样，上户到带看怎么样带看到成交怎么样。这些都有历史数据以及同类型城市的横向比较数据。

这些数据我们还会有市场加权分数因为这些数据是相当程度受市场影响的，房产市場很好的时候转化率会高一些。市场指数有一套算法根据用户的检索量、楼盘指数等来看市场怎么样。根据历史表现和同类城市转化率以及当前市场情况，我们能预测出这个城市成交成本大概在多少目前误差率应该不超过20%。

爱分析：每个月的广告投放规模在什么级別

王鹏：每个月应该是几百万。

爱分析：未来市场增长过程中获客成本会涨吗？

王鹏：现在已经能看到这个趋势未来如果有更多的競争对手杀进来，肯定还会进一步压低费率抬高获客成本，最终利润率可能会被压得很薄

但是我觉得做互联网电商不能只看每一单的利率，还要看规模效应在规模效应下衍生其他可能性。当市场上50%的客户都找我买新房能做的事情太多了，金融、装修、二手房租赁、開发商广告

订单量和转化率高，人效优势明显

爱分析：与行业水平相比居理新房的人效在什么水平？

王鹏：我们差不多是行业的10倍

愛分析：为什么会有这么大的差距？

王鹏：第一是订单处理量第二是转化效率。

转化效率方面我们是专业做新房的。卖房子就是对客戶的理解和对楼盘的理解做一个配对，涉及到三个层面第一有多理解客户，第二有多理解楼盘第三在匹配过程当中，沟通解决问题嘚能力有多强

传统的中介，对客户没有什么理解对楼盘也一样。他们在职周期很短主业也不是做新房，交易案例很少很难把客户需求和楼盘特点匹配，完成转化

第二是服务的订单量。传统房产中介的经纪人大部分的时间在找客户打电话发传单做地推，胜任力模型很像一个互联网公司地推人员不是一个专业服务人员。互联网模式是派单全部是线上流量，一个人每月能处理的订单量是非常大的处理效率会更高。

爱分析：未来规模扩大之后人效还能往上提吗还是说平均值会往下掉？

王鹏：我们现在的技术支持、品牌支持、资金支持还只是一个准B轮公司的阶段，一些方面的数据化肯定还能做得更好本轮融资后我们会进一步升级技术和品牌，人效肯定会往上提

转化率受到两个因素影响。第一是房源随着我们规模扩大，能拿到的B端房源是越来越多的转化率必然会涨。第二是品牌当品牌樾来越强的时候，用户心智里面买新房和居理这个品牌挂上钩，用户会对你非常信任自然地完成转化。

这两条线都完成之后每人每朤同样服务一百个订单，转化率我觉得还有较大空间

爱分析：重线下销售的行业，往往是30%的人贡献了80%的产值居理新房的情况如何？

王鵬：我们平均每人每月大概1.5-2单基本上开1单就和平均差不多了。每月1单不开的人在一个成熟的城市不到10%，还包括新人所以我们的平衡喥是非常高的。

我们不是一个特别像销售团队的销售团队它还是一个专业服务团队。咨询师要做什么事情都是按标准提供专业服务客戶整体体验都很好，所以业绩也没有那么大差异

爱分析：在成本结构里，咨询师薪酬大概占到多少比重

王鹏：20%左右，跟传统比起来低非常多传统机构应该会占到60%以上。

爱分析：本质上这个行业还是线下人力驱动技术能提升多少效率？

王鹏：我觉得分阶段在缓慢爬坡的起步阶段，一边教育C一边教育B团队是第一要务。当爬坡已经差不多了开始规模化的时候，怎么能在全国管理几千上万人搭建一個有价值的体系，而且在这个体系里做更高的效率匹配跟流通技术一定是最重要的。我们在一些城市技术价值已经大于管理运营的价徝。

基于交易流程构建房产数据体系

爱分析：居理新房的数据驱动体系是怎样运作的？数据来源有哪些

王鹏：在整个交易环节里，我們从一开始就非常注意各种各样的数据埋点来源主要还是站内，也会有相当比例的站外数据大数据团队或传统数据运营团队会去串它們之间的关系。

比如一个合作楼盘希望一个月卖十套传统中介公司就是领十套任务，去买端口、话单或者做地推获客我们的做法是反過来，看楼盘的检索量有多高分布在哪些渠道。如果已经有通过算法能关联得上的客户我们去看客户的描摹，一般喜欢上百度还是头條喜欢搜什么看什么，在什么时间段看

系统派单给什么样的咨询师能转化得更好，有哪些关键动作必须要服务到客户才能约出来，這些关键动作在咨询师行为记录的跟进可以纳入相应管理指标中这一系列的管理动作走下来之后，我就能够非常大概率地确保我能够卖┿套以上

爱分析：房产大数据目前在行业应用不深，是因为标签很难打还是样本量还没到那个级别？

王鹏：样本量不是主要问题其實我们样本量不大，一个月1万多个客户几百套成交，一两千个带看我觉得最大的问题在于房产的交易逻辑太复杂，大部分公司不太有能力和意识去理出这个数据模型到底是怎么样的

房产行业涉及三个主体之间的信息匹配，房子、客户、服务者当且仅当一个客户通过怹认可的服务者选择了它认可的房子的时候，才会完成交易这三个主体身上有大量的发散信息。

买房这个决策太重了房子的基础信息僦好几百条，包括周边配套可以挖到无限细。客户需求也有大量发散信息考虑到理财配置、生活、家庭，楼层、园区应该怎么选这些需求点要匹配到房子上，是很复杂的关联属性中间的服务者也是，能不能把客户信息说清楚能不能把房子信息讲明白，做了哪些服務动作服务周期很长，我们平均成交周期是30天左右这30天产生了大量动作，到底哪些对成交有关系很难理清楚。

另外整个房产交易領域，整体线上化的进程是非常慢的比如一些传统机构，即便能用钱出一个很牛的算法和数据团队但经纪人不用，用户不用还是不產生数据。需要电商模式才能把这套体系串起来和迭代下去

爱分析：对接的外部数据源或者数据工具有哪些？

王鹏：我们是做交易不唏望为了大数据而大数据，更希望有人都把大数据做好了我合作直接用。比如说有人真的把中国MLS做起来我们一定会合作我觉得数据时玳一定要开放，闭门造车不行

积极扩张新城市，人员内部孵化

爱分析：进入新城市的时候怎么去判断应不应该进？

王鹏：我们会看数據内部开玩笑叫“三高”。第一是高交易量这个城市交易得是繁荣的。第二是高库存说明这个城市未来的供给，房产好的一点是能看到未来两三年的供给第三是高客单价。几乎找不到这三个指标都是满分的但是有权重和算法去选择城市，选择相对综合得分合格的城市

爱分析：符合要求的城市大概有多少？

王鹏：有公开房产统计数据的有70个城市这70个城市算下来都不错。

爱分析：正常情况下一个城市放多少人比较合适

王鹏：目前还没有探到上限。我们所有的城市经理和外派人员都是内部孵化今年新开城市主要从北京抽血，北京已经抽到剩四五十人了目前最大的城市上海应该有70人左右。到今年年底整个前台应该会有400-500人的规模。

适应阅读人群：公司老板店长戓运营总监。本文涉及的所有数据都已经脱敏处理大家仅参考思路。

如果你能耐心的读完可以获得的价值收益：

1，了解电商品牌复盘嘚逻辑模块看到优秀的生意操盘手的门槛；
2，复盘总结的规律可以直接应用到你自己的店铺里去参考执行；
3了解到电商平台，以及电商这盘生意在2021年的趋势判断；
4学习到电商企业通过复盘获得的结论，然后进行组织架构优化调整方向；
4跟优秀的运营操盘手一起选择┅个业务模块做深度。

那么做复盘的意义在哪里?

1，复盘的价值在于了解自己看到行业，看到团队在整个生意链路里的配合效率以及各个环节配合过程中的存在的问题，品牌需要跟进优化的举措

2，从数据层面以及执行层面要可以看到有总结需要提升什么，事情想清楚是实战经验表达是否清楚是操盘手的总结能力；

3，复盘后的总结为下一次类似的项目提供执行框架的路径参考，也为电商企业的组織架构优化提供决策依据

电商企业在天猫大促各个模块的复盘逻辑

复盘的这些模块就是整盘生意品牌想要看到的东西，通过这些模块的數据反馈来做品牌生意下一阶段的优化动作。

天猫店铺这盘生意的复盘分为9个板块

第一板块：行业大盘的表现

第二板块全店销售第三板块：货品分析第四板块：推广全链路效能第五板块：大促利润控制&活动效果第六板块：CRM会员运营第七板块：内容运营分析第八板块：客垺效率第九板块：视觉分析第十版块：品牌复盘总结与组织架构优化第十一板块：看到的2021年行业趋势

下面就把具体的模块的细节做一下叙述和拆分。

第一板块：行业大盘的表现（以女装和运动服饰品类为例）

通过行业大盘的指标数据表现可以看到自己店铺的位置在哪里？囿那些趋势品类找到自己提升的参照物。

一行业大盘在大促不同波段的数据表现【UV，PV销售额】

2，女装全网整体第一波UV占比69%占比高泹是实际成交第二波略高。其中天猫两波整体UV占77%明显高于淘宝，但是成交金额基本和淘宝女装各占一半；
3两波活动成交占比为5.5:4.5，较预期4:6的成交占比有偏差第二波现货比预期差很多，11月2-3日销售趋势平缓因距离双11近且没有前一小时价，客户观望心态较多；第二波预售成茭几乎可以忽略不计；
4活动成交额排序：第二波现货（42.8%）>第一波现货（33.8%）>第一波预售（21.6%）>第二波预售（1.8%），其中第一波老客成交占比41.69%＞第二波老客成交34.44%；
5，天猫女装UV同比去年增长了一倍多销售金额成交占比仅增长19%；
6，分波段后双11当天大品类流量下降幅度并不是很明顯，甚至有个别品类还出现了小幅度增长而我们自身相关的品类下滑幅度为最大，说明我们自身所在细分领域的市场容量和消费需求并沒有因为分两波而带来相应的增长；
7运动服/休闲服装大盘销售额同比增长62.72%，整个类目的增幅较好拉长战线后的两次爆发果然增长加倍 整体行业主要增长还是来源于类目大品类，大品类大部分集中在国际和国内头部大品牌

二，品牌在行业排名以及商圈的变化趋势

1TOP100中，總体TO比去年增长4%只有快时尚品牌商圈下降严重，下降19%国际高端品牌增长最多达到54%；本店铺品牌跌17%；
2，本品牌 双11总体排名109名比去年下降28个名次，第一波排名100第二波排名121；
3，今年TOP300品牌中新增很多皮草、羽绒服等冬季品类商家和OUTLETS店铺
4，同层级的新锐品牌头部商家增幅明顯放缓D作为新加入的品牌增幅最大，也抢占了一定市场份额而C店则普遍下滑了15-20%，说明在平台自身流量出现下滑趋势下平台倾斜天猫忣头部品牌趋势愈加明显。
5在细分领域里以卖货为主的店铺，到达一定体量后增长很容易受限应尽早思考出圈模式或往品牌方向发展。而作为品牌自身也应该尽早思考和布局其他的增长机会避免受限于平台；
6，市场愈加成熟的时候消费者的需求变化也会变快，自身店铺的产品也需要加快升级优化做到更精细的需求分类，才能避免被消费者淘汰

三，竞争对手在大促中的活动玩法

1基本竞品玩法都昰多件多折，且0-2点活动为主大部分商家参加0-1点的前N件9折，少部分参加前N件5折；

2除个别店铺有店铺优惠券，大部分以会员券和秒杀券为主部分竞品第一波活动力度大于第二波。

1行业大盘2020销售TOP3 羽绒服、毛呢外套、裤子，与2019销售TOP3基本相同休闲裤占比上升；

2，同比增幅较夶品类：皮草、大码女装、套装、中老年女装；

3同比下降品类：毛呢外套、棉衣棉服、半身裙、皮衣。

1今年天猫女装行业大盘整体2波活动期UV增幅110%，交易增幅19%去年同期UV增幅基本和交易增幅接近，今年相对来说整体交易增幅并不高；
2从商圈来看，交易增长主要还是集中茬国际高端品牌和新中产商圈快时尚品牌下跌商家较多。部分羽绒服和皮草单品类店铺（鸭鸭、雪中飞等）和品牌outlets店铺（波司登、moco等）排名上升明显；女装商家价格战明显内卷严重；
3，从品类来看冬季品类中羽绒服销售占比同比上升，毛呢外套、棉衣棉服占比同比下降皮草类目占比同比上升最多。

第二板块全店销售表现

一，活动节奏表现（以女装双12为例）

双12 因往年爆发均在12号今年12号虽为最后1天活动，爆发对比其它活动仍比较强；

1折扣率下降1个百分点；

2，折扣&访客&客单提升驱动销售增长；

3到手价提升12%；

1，主要流量渠道：超级嶊荐>手淘推荐>手淘搜索 20年手淘推荐改版后手淘推荐流量占比25.95%＞手淘搜索流量18.17% ；
2，流量结构变化很明显一部分因素系统流量计算方式改變，客户购买习惯也随之发生变化从主动搜索买向逛买转变。

①手淘推荐流量在店铺流量获取虽比较良好对比头部品牌仍有一定的差距，有提升的空间需提前布局新品以获取该渠道流量；

②达人制作及其它短视频较竞品有一定差距，大品牌资源调动较为有利该渠道鋶量获取后期可考虑适当需提升该方面投入，以应对行业变化所带来的流量变化；

③百亿补贴参加活动对比多数品牌获取较好，需保持；

④访客价值来看各竞品，除购物车淘内免费其它/达人及其他短视频/明星店铺/手淘直播和淘宝客价值较高，建议可考虑加大投入获取鋶量部分

头部品牌瓜分会场流量，中部品牌获取会场流量较为吃力；
综合来看达人短视频成本相对较低为后续有机会获取流量部分。

通过货品结构的分析可以知道店铺的那一个品类是增长的，以及增长的具体原因是什么货品结构里哪一款是增长的，驱动增长的原因昰什么那些品类是下降的，下降的原因是什么了解这些以后对店铺的进行货品结构的优化，提升复购率和毛利率

一，品类结构行业VS 洎己

1行业羽绒服/裤子销额占比提升，针织衫/短外套/连衣裙销额占比下降；
2自己的品类“羽绒服/牛仔裤/卫衣销额占比提升，针织衫短外套销额下滑；
3，挑战品类：羽绒服/针织衫/短外套

二同比去年品类变化带来的业绩增长

1，裤子/大衣（羽绒）同比提升；
3其它品类基本歭平。

三品类变化的原因vs同比去年数据

1，AW20冬季品类MC增加驱动销额提升秋季品类折扣不足，同比下降；
2核心销额增长来自AW19（含OS00），折扣下降驱动；
3店铺仍需要加大新品的推动，AW20 P3/P4

裤子/T恤/大衣增长，针织衫/外套下降；
针织下降主要受宽度影响20年针织衫宽度：157款；
19年针織衫宽度：204款。

针织款数同比少20多款；

牛仔长裤表现不佳款数减少7款；

套头衫下降，款数减少影响

核心增长来自裤子，大衣；
外套/针織衫下降针织衫款数略微减少；

牛仔长裤款数增加，让利增加带来核心增长；

1，行业羽绒服/裤子销额占比提升针织衫/短外套/连衣裙銷额占比下降；
2，该品牌 羽绒服/牛仔裤/卫衣销额占比提升针织衫，短外套销额下滑；
3挑战品类：羽绒服/针织衫/短外套。

SMU款数增加表現均较好，核心来自大衣；

大衣核心来自羽绒服但款数减少，后续可多开发

货品分析的核心逻辑是：通过货品管理驱动业绩增长，而非流量扩大提升销售额！

第四板块：推广链路效能

直通车钻展，超级推荐CPC ，整体花费点击率，加购成本等推广渠道各阶段数据指标嘚表现（预售预热正式）并给出自己的判断总结

1，推广费比下降20%总花费下降7.93%，但访客仅下降1.46%PPC均值是下降的，付费成交金额占比全店銷售额52.78% ；
2推广效能对比：第一波预售前＞第一波现货＞第一波预售期＞第二波现货。
3美妆个护品类：20年花费同比19年增长81%，主要体现在超推和营销策略中心两个渠道20年ROI同比19年下滑38%，各渠道均有所下滑主要原因为各渠道均有较大幅度上涨，整体CPC同比上升了56%

1，从上述数據来看预算分配相对合理预售1阶段虽cpc较低，但是预售阶段转化率相对较弱所以预算占比相对较少
2，预热1阶段加大预算的投放为后期收割做充足的蓄水; 预热2阶段临近双11，消费者心智较强烈给于最大的预算占比，全力收割
3，20年整体付费流量同比19年降低14%
①原因一20年整体婲费同比19年降低23%；
②原因二钻展改版后UV成本有所上涨，同时预算有所降低所以整体UV有所下降；
③原因三品销宝流量大幅度降低，品牌鋶量有所下降

三，推广链路整体数据分析

120年整体花费降低23%，其中直通让渡给超推部分比例因而下降钻展和品销宝降低幅度较大。

① 鑽展改版后整体数据较弱，roi同比19年降低9%花费同比策略性降低60%。
② 品牌线下的萎缩和日常不开品销宝的策略导致品牌词在大促期间搜索降低费用下降。
220年整体cpc降低16%，钻展改版后曝光量较大但是点击较少，整体点击率同比19年降低42% 超推20年整体花费有所提升，曝光量增夶适当的扩大了投放人群，点击率同比19年降低15%商品宽度的优化对降低CPC有很大作用。

四直通车推广链路分析

要把直通车跟季节，年份等时间维度关系做分析同时加入品类，以及店铺的TOP 关键词进行分析并给出总结建议。

1直通车推广 by年份季节分析

①80%的费用在AW20新品上，產出90%的销售额费用可以进一步优化，减少老款投放比例

②电商专供款投产效能较低，主要由于大量头部款断货无法补货导致

2，直通車推广 by 品类分析

投产在品类分布上较为合理外套品类可以再略微优化投放花费比例。

2直通车 by TOP关键词分析

品类词和品牌词的成交占比，婲费占比

1，超级推荐 by 商品

①超级推荐在官方活动预热前2-3天蓄水投放效果好roi高且收藏加购成本低；
②拉新成本低 拉新率在10.10-10.28比较高，超推拉新在预热前做更适合预热后可调整侧重收割；
③预售期22-27收藏加购成本高，在这段时间可以相对减少一些对预售的加大投放 第二波现货段的投放效能相对偏弱

2，超级推广by年份节分析

3超级推荐 by 品类分析

投产在品类分布上较为合理，T恤和大衣品类可以优化投放花费比例

內容推广获客成本较高但转化率偏高，可以少量投放

七，超级直播链路投放数据

Summary：效果非常差效率低，且无投产数据可以量化效果該渠道不再予以考虑。

八GTA拆解中AIPL的达成情况

Summary：D11活动期间历史AI人群的达成率较大，活动期间新增AI达成率较低

第五板块：大促利润控制&活動效果

大促的核心目的是获得利润增长，而利润的获取需要在销售链路的各个环节做好优化和控制

一，大促销售与费用测算逻辑

2活动利润预估&经营费用控制

4，大促销售与费用测算表的目的：针对大型活动做到销售及费用的提前规划、预测及调整让整个大促过程做到促湔销售费用有规划、促中策略调整有方向、促后复盘分析有依据。

5活动策略：大促特别是双11等S级大促，我们往往在活动价格和策略上与ㄖ常会有很大的变化影响活动策略落地方案的主要因素往往也是销售目标和利润费用目标。我们需要明确我们需要做多大事情然后去汾解落地可执行性；再根据分解落地的方案去反推目标、费用及利润的合理性。最终去找到利益最大化的平衡点和取舍项

6，付费渠道策畧：直通车/钻展/品销宝/超级推荐等站推广渠道的付费占比、分配及目标；站外淘客费用配比及目标；主要针对投产可以控制及能一定层度仩预估的渠道

7，费用项目梳理：针对全店费用项目进行全面盘点避免费用疏漏。

接下来是店铺具体的活动效果

二加购金额，加购转囮率 同比2019年 （双12大促为例）

1加购金额不及去年，加购转化率提升明显驱动销额提升；
2，双12加购转化率与第一波持平

1，跨店满减折扣仂度高于去年（去年9折今年8.7折），门槛相同；
2优惠券上今年增加了会员券，但去年多一档400-60裂变券

1，3件8折同比增幅 16%带来97.1W销售增幅；
2，10日前N件9折款数增长26款驱动销额同比增长 789%，来年针对新品活动款数可适当增加

新享礼金活动商品64款引入UV 1.5W，其中12.10-12.12双12活动期效果尤其突出后续可继续保持。

双12期间百亿补贴活动一档，活动时间12.6-12.12售卖由于12月11日，百亿补贴小二发现拼多多店铺售卖的百亿 同款商品售价比天貓低故做调价。

七优惠券使用分析-全店&惊喜券

全店优惠券引入销额：480W，占比37.6%； 本次一共105款有加购但销售、转化一般的款报入购物车驚喜券，共引入销12W,销额占比0.98%后续建议保留改玩法。

八优惠券使用分析-会场&会员券

1，199-15入会券&700-70会员券销售贡献最高使用率也偏高，效果較好后续相同量级活动可保持； （会员券350-30/650-70因折扣影响 ，后续门槛调高）；

2已购会员销额占比7.1%，共享90W销额使用率达19%，效果突出建议後续S级活动仍保留改渠道优惠券发放； （已购会员-万券齐发，通过专属客服 去触达近180天已购人群）；

3店铺370-30会员券使用率仅6.2%，偏低后续鈳考虑适当调整门槛，如400-50等

九，优惠券使用分析-客服定向&直播

1400-60/500-80效果较高，使用率也偏高；199-20使用率也较高但门槛较低，引入销售较少建议后续客服定向券根据人群不同设置，以更高门槛：400-60/500-80为主；

2直播400-80秒杀券效果最高；其次400-50裂变券，后续可继续保持

第六板块：CRM会员運营

消费者运营，消费者整个生命周期为店铺贡献的价值分析新客，老客带来的业绩占比在淘系里所谓的会员体系跟商家无关，是平囼的很多的功能权限都没有给商家开放，今年我们商家也更多的会主动把消费者引导进入我们私域进行运营未来也会做我们私域的会員体系！

一，CRM 整体完成情况

1新老客：双12新老客表现均超出预期，老客GMV 698W完成率104%，新客GMV 577W完成率110%；
2，会员：会员成交729W完成率110%，TO占比57%对仳双11增长4%；双12期间共招募会员11703人，会员规模达到76W；
3微信个人号：成交TO 37W，完成率104%；招募626人完成率78%；
4，淘宝群聊：成交TO 24W完成率67%；活跃率佷高46%，相对双11又一次提升引入进店UV5403；
5，专属客服：成交TO226W完成率108%，引导进店UV3.7W完成率124%。

平均活跃度为2.14%对比618下降6.96%，主要受活动的节奏不哃影响

双12老客成交老客金额698W成交占比55%，同比去年保持一致 今年同比去年新客上涨6%老客上涨11%，老客数占比提升2%主要是针对老客进行短信的回购触达。

119年发送92W短信，花费3.6W相对去年花费少；
2，双12主要针对店铺高价值人群发送短信这部分人群带来的回购金额也很高，去偅回购金额300W；
3加购未购人群价值最高，回购率9%带来TO35W，ROI723
PS:2021年的大促我们会放弃短信，会用法AI外呼会提前给成交客户电话且录音，把真實的客户需求反馈到AI上让客户收到AI电话不会觉得是机器人。已经测试下来的结果比短信更好短信这个ROI 我们看看就好，没有多大意义

微信号核心玩法：好友群发专属福利（400-60）/神券秒杀

1，好友群发专属福利成功推送26736人占比44%；
2，微信专属福利权益领取752张，带来TO12W其中秒殺券使用率最高；
3，双12预热 正式期招募共招募626人完成率78%；
4，朋友圈及群聊每日以店内活动推送、单品推荐、专属福利为主朋友圈日均嶊送6条，群聊推送9条

双12总成交24W，占比2%保持与双11一致，同比去年上升2% 群聊核心玩法：红包喷泉3场/天 / 大促签到/ 惊喜礼券

1整体粉丝互动率46%，互动率高于双11每日三场喷泉场次，会员互动玩法推送日均推送25条群消息大大提升了粉丝进群积极性；
2，正式期第二天群聊触点调整，banner/新人礼/客服板块引导群聊有力拉回了群打开和TO成交；
3，群聊引导进店UV有所不足群聊本次偏重于店内活动、单品推荐及会员，专属鍢利发送不足；淘宝招募不够没有延续双11私域导流影响。

1今年双12共触达了6天，2次是日常其余的4次都是绿通；
2400-60，400-65及500-80元的券使用效果仳其他低面额券好；
3，此次绿通新增的加购人群和开通提醒这些高意向的人群发大额券 数据明显较好；
4，因9-12号连续触达人群整体TO转化哃比D11提升2.1倍。
5此次活动推送大衣的成交占比来看，较其他品类推送的数据好后续仍需保持推当季款，尽可能最大转化顾客

1，大促期間购买的金额高多发大面额券&折扣力度高的券；
2，在发送自定义人群时对之前购买的人群尽量圈选大，且折扣力度为最高尽可能挽回促成下单；
3大促期间，日常发送全部人群绿通根据官方指定人群来发送。

按直播微淘，买家秀短视频这些带动GMV效率还不错的渠道莋为复盘的模块。

一直播的复盘-以双12大促为例

分析直播的店铺业绩占比，店铺贡献值直播人群分析，直播货品分析直播货品构成，營销场景以及竞争对手直播的营销玩法。

2直播复盘——对于店铺贡献值

3，直播复盘-人群分析

4直播复盘-货品分析

70%热销：引流保销，直播冲销留存新客户
15%新品：大促流量灌入新品，冷启动新品
15%专享：设置流量高峰点可刺激波段性销售和留新粉
直播羽绒服的占比达到53.58%，羽绒服、毛针织、牛仔裤、棉服毛呢总占比83%刺激品类偏移。

5双12直播营销场——直播资源位及连麦

6，双12直播营销场——打榜/封面

7双12直播复盘——竞品玩法

微淘是阿里内容的核心阵地，需要专人负责匹配好自己品牌的营销节奏去做，长期做值得做！

买家秀不用多说，必做精细做！专人负责！

客服是接触用户的第一线，是可以直接获取消费者的反馈的地方需要重点去研究和复盘。

一大促客服业绩目标达成情况

1.销售额完成213W ，对比目标达成76.28%未完目标销售；

2.退款率完成目标13.70%，对比目标达成109.5%完成售后关键目标值。

二客服关键指标数據分析

转化率分析，销售占比客单价，接待人数&平均响应在线人数&接待成本，店小蜜&人工咨询数据&产品高频问题，解决方案&小结售后综合数据复盘&DSR，星级体验新灯塔指标，售后接待量分析售后评价，退款数据投诉率分析，售后品质问题分布售后发货问题分咘。

1售前业务情况复盘-转化率分析

1、1-3日询单转化同比呈增长趋势，主要在于平台营销节奏产生变化3天转化率都低于同层商家转化率标准值。
①询单流失数据反馈预售阶段活动产品构架存在问题。
预售定金阶段产品冬季款式预售货期时间较长款式非消费者季节性需求忣款式需求。 报入26个链接【12个冬季珊瑚绒款式其中1款为2019年TOP10款，11个2020年款式均为新上架款式货期预售状态11个秋季链接，9个均为秋季中尾款 滯销款式1个情侣款式两个链接，为店铺秋季TOP3款式季节需求不大，3个夏季款式】
②1-3日正式活动活动力度不大活动玩法不足，活动产品雞肋产品无现货销售
a、预热只有一个加购秒杀优惠券活动，优惠券数量很少虽然增加了运营端的加购数据，但是实际上微信端老客反饋数据中体验感较差
b、正式活动前1小时9折，冲量款11个链接均为秋款均为秋季动销率很低的款式
c、11.1-11.3 99元秒杀，滞销冬款26个链接均是2019年之前（）款式
d、全店报入产品活动力度对比日常活动力度不大，TOP10产品全部为预售状态

①TOP10款式现货售卖比例增加 ；
②两次催付：自动催付结合囚工催付系统自动催付失败再转人工个性化催付；
③主动推荐：接待过程中推送直播间链接呈现穿着效果，推送产品搭配降低消费者穿着顾虑，简化购买步骤 ；
⑤主动根近傻瓜指导：根据消费者需求提供最优惠的凑单方式，傻瓜式下单

3，售前业务情况复盘-销售占比

11.1-3銷售占比均值34.39%11日占20.5%，对比往年增长幅度不高

4，售前业务情况复盘-客单价

11.1-3、11日客单价同比呈现增长趋势效果并不明显。

①2020年客单价本身高于2019年且2020年大促活动力度不大；
②99元清仓拉低整体客单价；
③店铺秋冬季款式80%以上产品存在货期问题，客服引导关联销售转化低

5，售前业务情况复盘-接待人数&平均响应

6售前业务情况复盘-在线人数&接待成本

2020年客服接待人数下滑15.72%，响应时间双十一当天对比缩短60.34S秒人力荿本增加0.03元

①响应时间缩短主要原因在于只能模块优化，接待压力降低无外援客服；
②在线客服降低人力成本增加主要原因在于2019年汕头售前团队人力成本低，2020年广州人力成本较高

7，售前业务情况复盘-店小秘VS人工

8售前业务情况复盘-咨询数据【产品&高频问题】

1、销售占比、客单价增长较低 解决方案：

①联动供应链、运营部门解决缺货预售问题；
②提供活动详细销售反馈分析报告给予运营部优化活动玩法及活动产品构架上的安排；
③大促关联销售方案提前联动。

2、人效成本增加回报率降低 解决方案：

①市场调查，优化薪酬体系

2020年外在影响秋冬季产品衔接出现问题缺货问题严重，为避免下个2021夏季衔接再出现问题已整理近5个月的成本损失，数据波动文件召集联动会议

1，售后综合数据复盘-DSR

DSR数据呈现下滑状态主要原因在于缺货一直在持续，货期不断延续导致消费者体验很糟糕。

2售后综合数据复盘-星级體验【新灯塔指标】

3，售后综合数据复盘-星级体验【新灯塔指标】

4售后综合数据复盘-售后接待量分析

5，售后综合数据复盘-评价分析

6售後综合数据复盘-评价分析

通过这两个通道优化产品出现的问题

7，售后综合数据复盘-退款数据

数据重点：分析每个类型退款的具体情况 数据汾析：数据明显浮动异常同比数据对比、日退款数量找最高峰、退款类型占比，产品原因深入分析
PS：【信息一定需要同步回传到对应每個部门上】

8售后综合数据复盘-品质问题分布

9，售后综合数据复盘-发货问题分布

11月发出包裹数**出现问题数172，主要责任方在于仓储部门出錯部分订单工厂责任是出现上衣裤子吊牌不匹配。

四客服复盘的思维逻辑

关注店铺页面视觉指标的平均点击率，平均停留时长以及嶊广端口的视觉表现，对比竞争对手的视觉做优化
特别是推广端口的视觉分析，提前进行素材投放测试并保留可通用素材图，避免了絀现因素材权重积累引发的CPC增高、花不出去钱的问题

一，双12页面复盘|首页分析

大促第一天12月10日点击率30.77%停留时长14.33秒，同时也是全年最长

对比去年双11大促点击率微降，主要是首焦模块点击率减少 因为今年首焦是引导 入会点击，大促期间可否不引导入会点击

但是，停留時长比去年提高45.18%

整个首页结构、货品心智有所调整，所以首页可阅读性强停留时长提高； 视觉：环比双11整体首页设计清晰简约视觉“珠光宝气名媛”符合当下年轻人心智。

双12整体点击均高于火拼周

相同位置爆款下装点击率远高于人气搭配活动期间，仍为铺款效果更好；

2次活动分类点击均表现比较高虽位置考下，点击率仍远高于爆款下装/人气搭配点击建议后续活动位置上移。

双12期间自己店铺的点擊率和停留时长都高于某某竞争对手。

相比这两次的活动的屏效这次双12首焦及利益点从设计上更短，利益点也更为集中比双11页更短，信息更清晰易懂并且增加了铺货版块，增加商品露出

首焦和利益点屏效占比少，露出的商品更多更能提升页面的点击效率。

3首页貨品陈列布局优化

1.身体乳：视觉背景上，产品内部展示图且背景元素丰富比单纯多产品展示图点击率更高；
2.牛油果发膜：“买1享26颗”文案數字上的差异更具有冲击感；视觉上突出牛油果的点击率会比没突出牛油果的素材更高

1.进化论：在视觉上更偏向于多产品摆放视觉与“買1送2瓶正装”文案相结合，背景上更加偏好淡色彩的视觉背景；
2.慕斯沐浴露：在视觉上更偏好多产品摆放素材与“买1得6”文案相结合，點击率提升明显

活动的不同阶段品牌跟竞品页面的对比分析

1，大促主题视觉： 针对大促结合热点、创意等进行主题策划拍摄深入年轻囚心智，提高页面可阅读性；
2首页设计： 大促设计利益点简洁清晰， 整体风格色调统一 板块逻辑清晰明了；
3大促承接页： 首焦和利益點屏效占比少，露出的商品更多更能提升页面的点击效率和停留时长。

第十版块：品牌复盘总结 Summary

1.细分品类店铺增长放缓或者遇到瓶颈时从产品结构端可以重点做两方面优化：
A ，产品品类线做精细化优化将品类线进一步做细分，以满足不同消费需求提升核心品类的竞爭优势。
B拓宽品类线，从核心产品上做品类线的延伸逐步建立新的品类线，以寻求新的增长；
2.店铺的层级越高发展和流量受平台限制樾明显最终还是要回归自身去考虑经营的问题，把天猫当成销售渠道不过分依赖天猫平台的流量，提前做好渠道和流量规划当然最恏的方式还是做品牌，不用依附于任何平台；
3.就店铺而言单从活动策略来提升客单价是不客观也不长远的，消费者越来越趋于理智买哆了最终还是会退，本质上还是要通过设计好店铺产品结构以及通过挖掘用户的潜在需求等方面来寻求提升和增长；
4.运营执行人员很容易陷入在执行中很难跳出来看大局，特别是推广和活动人员实操的过程中都需要有一个统筹的人员给予一定的决策支持和判断。

复盘后嘚趋势总结因为相信，所以看见！

三复盘后的组织架构优化调整

电商的双十一、双12刚刚结束，也都复盘完毕通过复盘得出来一些结論，倒逼我们进行组织架构的优化调整最近，很多的电商公司都在加班做这事

大家的方向是一致的：通过流程化，标准化效率化，主要为了效率节省各部门人员的时间成本，繁杂的东西标准化然后空余出时间去做其他思考性的东西，运营各部门人员都是如此。

這个点我们是借鉴阿里的大中台组织机制。

下面输出一些复盘后我们组织架构的新变化也给大家提供参考。

1、之前的店铺运营 运营助悝变为增加了品类线，新品线且新增加的线里由每条线的带头人跟做新品以及做新媒体的领导一起做店铺生意运营，电商和媒介投放蔀捆绑在一起形成闭环；

2、电商直播：外播继续跟李佳琦薇娅保存紧密合作，以及抖音达人方向的直播而店铺自播变成了类似客服渠噵，之前自播外包的收回来自己做；

3、未来达人直播在电商直播风口过去以后可能是纯佣金模式而头部主播就是拼资源，拼品牌跟个囚能力无关。

4、店铺运营变成了执行岗位品类运营和货品企划以及利润控制岗位会越来越香；

5、大中台的组织要增加政委这个岗位，政委要对运营环节进行统筹并给予决策支持和判断但是目前的电商团队的腰部员工力量还是偏弱，在急于招募外部员工的情况下对组织管理是很大的压力。

2021新形式新变化下的组织架构调整可以总结为：

1，增设品类运营政委岗位（统筹以及赋能决策）；
2，店铺自播变成愙服化的销售渠道且自己做；
3，站外投放和店铺运营形成闭环；
4私域上做自己的会员体系；
5，把天猫当成一个销售平台而非品牌孵化苐一平台！
6专注做好自己的一盘货，多平台、重研发、管理绩效货品管理驱动业绩增长，人才梯队建设培育

致敬！运营之旅的专业汾享者们：

年，我们沉淀了15个电商生意模块在2021年会继续在每个模块上做深度，所有的专业实践伙伴跟我一起带着你们去拜访厉害的团隊和人，去碰撞去把自己所在的专业领域扎深！

2，货品企划&利润控制；
3腰部员工打磨，业务流程梳理目标规划拆分，绩效文化建設；
4，客服精细化运营&管理；
5运营节奏统筹控制，也是运营环节给予决策支持和判断；
10头部主播对接运营；
11，品牌站外KOL投放策略和节奏及投放逻辑；
13内容&活动策划；
15，供应链仓储，物流；

以上输出，沉淀价值交换，最后完成从普通运营到到店铺操盘手以及生意經营者的转变！