如何用30天把夏威夷果做成爆款？除了产品本身过硬外，数据恐怕是商家最强的帮手。

零食品牌良品铺子用实操演示了它强大的数据运营能力：3月15日开始的一个月内，这款夏威夷果从月销不足700笔，销售排名行业一百名开外的位置，一路蹿升到行业第三，月销超10万笔。不仅如此，良品铺子还将它的搜索人气和销售人气都做到了全网类目第一。

正是对数据的灵活运用，让良品铺子成为阿里巴巴首届数据先锋的十佳商家，其中究竟有怎样的秘诀？良品铺子的运营总监苏华说，店铺所有的动向都不能拍脑袋决定，而是需要根据店铺的数据指标谨慎行事。

打通线上线下数据

很难想象，一个在线上玩得这么溜的商家，大本营居然是在线下。2006年8月，良品铺子的第一家门店在武汉开业，十年间，良品铺子一路开了近2000家门店，集中在湖北、湖南、江西、四川、河南五个省。

良品铺子线下门店

“很多人都会问，电商发展这么快，会不会对线下门店产生很大的冲击？从数据上来看，线下仍然发展得比较好，甚至有促进作用。”苏华说，“前提是，要撇开过去单纯的买卖关系，向服务转型。”他举例说，2015年双11，良品铺子选择用线下门店资源帮助线上引流，团队本来预计这样的做法会影响门店生意，没想到，当天线上线下的销售额同时创下新高。配合基于门店的O2O实践，做到了“门店互联网+”。

"线上线下是相互融合的，只是放大各自的优势领域，在不同的消费场景下为顾客提供更丰富的选择，你满足顾客的需求场景越多，用户粘性就会越好。"苏华表示，线下门店不仅有便捷的售后服务，还可以补充损、易碎或者保质期较短的生鲜食品等电商无法满足的品类。

从另一个角度看，线上数据还可以被有效利用到产品开发中。过去，良品铺子可能仅凭经验判断来开发产品，而现在，有了大量的消费数据做支撑，就能让投放更精准，也更有针对性。这让产品研发团队能更快地了解消费者对于商品的评价感知，接收第一时间的反馈，使效率更高。

现在，良品铺子在开发新产品时，会考察三个方面的内容：行业趋势、口味选择和评价。团队会为目标消费群做一个清晰的画像，线下店只有购买记录作为参考，但这远远不够，相比之下，线上数据可以告诉运营团队，某位消费者到底是白领、家庭主妇还是学生？有了判断，就可以导向更精准的用户需求。

此外，为了更好地管理线下的近2000家门店，良品铺子还与IBM和SAT合作定制了一套ERP系统，实现了线上线下数据的打通，进一步满足了更庞大的数据处理需求。

全能运营团队

“数据分析应该是几乎所有做电商的人都要做的事情，不能专门指望某一个团队或者某一个人做数据的分析。"苏华说，在他的团队中，每个人都是身兼业务技能与数据分析技能的小行家。"这是做运营必备的技能。"

苏华认为，数据分析本身建立在对业务的理解上，"只有懂业务才能做有效的数据分析，专职团队只能站在专业的角度建立一些数据模型，并没有对业务问题的洞察能力。

目前，良品铺子的运营团队除了做自己专业领域的数据分析外，还会在不同的模块中配备专职人员。无论是会员、店铺、还是商品，都会有专人支持。

在数据分析中，小团队通常选择着眼于流量、转化率、客单价等少数关键指标，而随着团队的成熟和专业化，整个消费行为会被细化为几十个相互独立又相互关联的指标来监控。

进店、下单、订单处理、发货、收货……每一个环节，良品铺子都建立起了一套成熟的分析标准模型，由数据专员来维护和优化，发现问题，继而及时提出解决方案，挖掘更多价值。

以发货环节为例，此前，良品铺子以DSR评分和发货速度等作为判断标准，现在则会细化到十余项步骤来监控，不断优化速度，最后，在整个流程没有大变动的情况下，顾客的24小时和48小时签收率大幅提升。

数据分析还被应用到流量运营中。苏华告诉记者，运营团队一般会分为活动、推广、设计等职能，但良品铺子将天猫旗舰店的专职运营团队按价值分为三块：平台活动、商品运营和店铺运营，分别对应活动流量、免费流量和自主流量，形成某种动态平衡，让店铺运营的效率最大化。

在苏华的运营团队中，还有爆款打造、活动评估等多个小组，用来打通各个运营团队，在保证专业分工的同时，帮助他们协同合作。

数据也会说谎？

苏华说，数据分析的目的并不是为了解释一种现象，过去很多电商同行交流的结果表明，大量的运营团队都在做数据解释类工作，即"就数据分析数据，得出一种看上去合理的解释"。苏华认为，其实这不一定有价值，即使数据分析逻辑非常清晰，天衣无缝，但也可能是错的，因为“数据会说谎”。

他认为，数据分析的目的是分析趋势，挖掘潜在机会，从而引导出有效的行为：在此基础上，数据可以帮助运营团队更精准地找到问题和机会，减少试错成本，提高运营效率。用数据分析的结论，可以避免用经验去决策，而是用客观事实去决策。

几乎所有的行为都可以被数据化，这是电商最大的优势。这使得电商数据库显得尤为庞杂，关键在于回归顾客需求，围绕消费者，将所有模块的结论都引导到消费者上去，才能避免数据说谎，做出类似"提升包邮门槛的情况下保证转化率不下降"等反顾客需求的结论。

如何避免数据说谎？苏华提出了三点建议：

第一，要让数据分析的团队具备更专业的分析能力。要想分析一个动作是否有效，抽取一小部分样本进行对比，使其更真实地反馈这个动作带来的变化，让数据说真话。

第二，是当不同的团队出现数据分析有歧异的时候，用消费者需求的逻辑判断。

第三，要给团队更多的自主权，鼓励大胆试错。有些结论无法分清对错，只要过程没问题，结论不违背常识性的原则，不违反顾客真实的需求，就值得去尝试。

对于决策与支持，苏华笑着说："如果全部靠领导决策，那团队怎么成长呢？领导要干的事情就是让过程变得规范，让团队能够快速的成长。要想培养一个能够快速改进的环境和队伍出来，修跑道更重要。"

数据分析更多的是一种方法或者工具，关键是怎么用。最终数据分析起到多大的作用，还是取决于其背后的导向，是消费者导向还是竞争对手导向。