种活动促销的数据。我们可以从这些数据中提炼一些信息，将信息提炼成知识。例如，店铺转化率的高低，服装品类一级类目或二级类目的发展趋势，这些都是可以提炼出来的。这样就实现了商业洞察，可以发现一些新的商业机会。

　　2.数据罗盘介绍

　　京东的开放平台给商家提供了多款数据产品，包括数据罗盘、揽客计划、易搜等。数据罗盘是帮助商家做店铺运营的一款数据分析产品，分别从宏观分析、微观分析和执行分析三个层面为商家提供服务。

　　宏观分析主要是帮助商家分析、制定公司的战略方向。在宏观分析这个模块，数据罗盘通过行业分析、行业关键词分析、流失客户分析等菜单，帮助商家了解所在品类的现状，这个品类最近的流行趋势是什么，有哪些热销商家和热销商品，从而帮助商家做出品牌的定位。

　　微观分析主要针对商品粒度，通过分析商品页流量、商品页销售、商品页成交转化，以及商品页流量分别来自哪些移动端、访问路径等，帮助商家制定具体的执行方案，指导商家怎么打造爆款，怎么做商品引流。

　　执行分析主要针对店铺粒度，其帮助商家分析店铺流量、店铺转换率是否健康、店铺活动效果如何，通过分析把这些数据进一步反馈到微观分析，从而观察爆款以及商品活动是不是达到预期目标。

　　商家可以通过这三个方面的结合，做好店铺运营。

　　数据罗盘可以对指标进行拆解。无论对商家还是对传统企业来说，利润都是追求的目标，而利润可以拆解成销量和成本。我们要想提高毛利，一方面可以通过提高销量，另一方面可以通过降低成本。而对网站来说，销量可以拆成流量、转换率、客单价和购买频次这些指标。如果要提升流量，我们可以提升搜索流量、类目流量、活动流量等。我们可以通过商品展现、用户评价、客服质量等提高转换率。如果要提高客单价，我们可以通过品类扩充或关联销售实现。我们进行指标拆解是为了让利润这个目标有一个可跟踪的方案。

　　根据数据产品的指标体系，罗盘可以把指标拆解为流量指标、销售指标、营销指标、仓储指标、售后指标等。其中流量指标可以拆解为三方面：流量数量指标，包括PV、UV、访客数或者关注量；流量质量指标，可以拆解为平均访问次数、停留时间、跳失率等；流量转化指标，如7天回访客。对指标进行拆解后，可以针对不同的运营策略重点关注不同的指标。

　　3.如何打造爆款（1）爆款的特征。

　　对于店铺运营来说，打造爆款非常重要。店铺的流量有很大一部分是由爆款带来的。怎样挖掘爆款的特征呢？可以分析好评率，爆款好评率会非常高，一般高达98%~99%；还可以分析商品转化率，商品转化率越高，说明用户越容易下单。例如，1%的转化率，其含义就是100个人中有1个人下单。转化率高是爆款的一个特征，因为流量上来了，用户才更容易下单。如果转化率非常低，吸引过来的流量没有形成转化，流量也就浪费掉了。

　　爆款特征还可以通过分析流量的来源和去向来挖掘。如某一个产品的流量来源中，京东搜索占比是46.08%（这是一个商品页的流量特征），三级类目占比18.19%，这两个流量都是免费流量。而从京东搜索引来的流量中，“到本店的浏览量”和“到购物车的浏览量”的占比也非常高，说明京东搜索的质量非常高，特别适合做爆款。

　　流量占比越高，跳失率越低，说明这个流量的来源质量越高。上页图中，京东搜索的流量占比是46.08%，跳失率是78.31%；我们再看一下三级类目，其流量占比是18.19%，跳失率是79.73%，这两个流量质量非常高。要打造爆款，这两个流量需要特别关注。商家可以通过持续优化京东搜索提升流量，包括商品标题、促销信息等。

　　我们还可以从成交转化来分析爆款特征。例如，某商品的间接转化率是15.67%，直接转化率是11.79%。间接转化的含义是通过这个商品页去访问本店铺的其他商品，最后下单的；直接转化是访问本商品页并直接下单的。这两个数据都表明用户访问店铺后下了单，两个比例加起来超过了27%，可以看出该商品的销量是非常好的。

　　（2）打造爆款的方法。

　　打造爆款可以分为四个阶段。

　　第一个阶段，爆款的出生期。根据爆款的特征选择爆款商品。

　　第二个阶段，爆款的成长期。分析来源好的流量有哪些，如果是搜索的效果好，就可以优化搜索；如果是广告效果好，就可以优化广告，从而为这个商品引来持续、稳定的流量，让这个商品的销量持续上升。

　　第三个阶段，爆款的成熟期。在这一阶段，首先，我们要做好效果的监控，持续优化搜索、类目、广告的效果；其次，要做好爆款的维护，进行一些让成熟期可以相对延长的活动。成熟期是一个非常好的获取利润的阶段。

　　第四个阶段，爆款的衰退期。在爆款维护阶段就要引入新的潜在爆款，即在爆款商品的详细页里加入其他有爆款潜质的商品，进行关联营销，这能够促使消费者在购买当前爆款商品的同时购买新的潜在爆款。这样就能实现推陈出新，持续打造新的爆款。

　　4.数据产品五大层次

　　京东“6 ?18”是如何通过大数据来做准备的呢？我们可以分别从技术、采购、营销、物流、商家五个层面来看看其对大数据的应用。

　　（1）技术。

　　这张图是京东“6 ?18”的实时大屏截图