销售需要分析哪些数据？又该如何分析销售数据？

分析数据的第一步就是要跟进关键指标。

关键指标跟进

重点关注在日常运营中的客流、意向信息、订单、销售额、退单等多个指标：

• 客流：进店的客户数
• 信息：意向客户数
• 订单：预定订单数
• 主单：生产订单数
• 留信息率：客流到意向客户的转化率（意向客户数/客流*100%）
• 信息转化率：意向客户到预定订单的转化率（预定订单数/意向客户数*100%）
• 退单率：退单数/预定订单数*100%
• 订单转化率：预定订单到生产订单的转化率
• 回款：回款总额
• 完成率：回款完成率

CRM分析过程

明确了以上关键指标，我们可以开始着手数据分析的具体流程，我将从售前、售中、售后三个大方面入手，将客户关系管理分成六个阶段来具体分析。

售前：市场获客，线索分析

在售前阶段，我们通过多种渠道获客后录入crm系统成为线索，我们需要对市场线索进行分析，分析线索量和转客户比例，从而进一步进行营销分析。

售中：客户跟进，商机分析

在售中阶段，通过销售人员对客户的跟进推动商务进程，我们需要对客户进行分析，分析客户数量和客户资源，从而进一步分析商机情况。

售后：售后服务，订单分析

在售后阶段，通过对客户退单和其他服务的落实和完成，我们可以对整个客户关系管理进行分析和总结，立足全局，分析订单情况。

在具体的分析阶段，依然有很多细节的工作需要我们重视，其中最主要的就是销售过程的分析和对客户的分层，我将借助外部工具对这两个阶段的分析进行具体解释。

销售分析：销售漏斗

我们在进行销售分析时，一般都会涉及到以下分析维度。

• 销售效率分析：包含销售额或销售量、业绩完成率、同比环比增长、客单值。
• 市场分析：市场占有率。
• 人员分析：销售排名。
• 盈利能力分析：销售毛利率、净利率、费用率等财务指标。
• 运营效率分析：库存周转率、应收账款周转率、滞销库存比率。（本人所在公司是定制产品，不涉及成品库存，而且公司只负责终端销售及服务，所以也没有材料、半成品的库存分析。）
• 渠道分析：渠道销售额/销售量占比、渠道毛利率、渠道客单值等。
• 产品分析：产品的结构分析、热卖单品分析、产品配套率分析、产品客均单价分析。
• 顾客分析：顾客区域分析、客单值分析、顾客转化率分析（销售漏斗）、RFM分析
• 时序分析：时间变化分析、同比和环比分析。

上图是经典的营销漏斗，形象展示了从获取用户到最终转化成购买这整个流程中的一个个子环节。

相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现，所以整个漏斗模型就是先将整个购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，从而解决问题，优化该步骤，最终达到提升整体购买转化率的目的。

客户分层：RFM模型

在客户分析阶段，很多企业面临的痛点问题就是不会进行客户分层，也不知道如何这些数据去挖掘客户：

• 哪些是我们的利润贡献客户？
• 哪些是我们的忠实老客户？
• 哪些是我们的有待挖掘其购买力的老客户？
• 哪些我们需要重点关注的面临流失可能的高价值顾客？
• 哪些是我们的新增顾客、哪些是我们的低频购买老顾客？

要想回答这些问题，首先我们需要用看得见的数据分析指标来呈现它们。正如彼得·德鲁克所言“如果你不能衡量它，你就无法增长它”。让这些静止的数据动起来，变成有生命力的有价值的信息，帮助我们实现客户增长，实现客户价值最大化，增强客户粘性，RFM模型将会帮你实现这个目标：

在众多的用户价值分析模型中，RFM模型是被广泛应用的。

把它拆成平面，更容易理解：

R（Recency） ：客户最近一次交易时间的间隔。
F（Frequency） ：客户在最近一段时间内交易的次数。
M（Monetary） ：客户在最近一段时间内交易的金额。

该模型是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标，来描述客户/用户的价值状况和创利能力。

由上图可见，根据这三项指标我们就可以判断客户类型，从而进一步将客户进行分层。

R（Recency） ：R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。R值越大，证明此客户沉睡时间越长，流失可能性越大。
F（Frequency） ：F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。F值越大的顾客也就是我们的忠实顾客，是他们活跃了我们的店面流量。而F值小的顾客，他们跟我们的粘性不大，忠诚松散，随时可能面临被竞争对手抢走的风险。
M（Monetary） ：M值越大，表示客户价值越高，反之则表示客户价值越低。M值越大的顾客撑起了我们的业绩，如果再利用帕累托分布分析一下，也许会发现，正是这M值大的20%的顾客，撑起了我们业绩的80%的天空！