如上是某个线下门店的交易数据，数据来自用户门店扫码后生成的订单数、付款数据。右边是数据趋势图，包含了下单人数、付款人数。这个数据看板是利用第三方的电商数据平台生成的可视化数据，同时很多数据平台也允许人工导出数据方便更进一步分析。对于数据产品经理来说，如果只是看这冰冷的数据是没意义的，我们要观察时间下的变化、找到规律，做运营策略、产品设计优化的铺垫。从交易数据趋势和数值可以得出下面结论数据结论1.总销售金额52028，扣退货51521，付款人数190人，付款笔数242笔，付款件数497件，人均付款笔数1.27件，人均付款件数2.61件，整体客单价273。2.1.6日是付款人数峰值。优化策略：
1.门店商城店铺内增加关联营销推荐和多种满减套餐，增加人均付款件数，提升整体客单价
2.峰值日是门店会员日，会员日增加扫码入口投放，进一步增加扫码数
2.渠道分析
2.手机app为0，观察是否有BUG，增加app投入检测
3.商品分析
往往对于一个互联网公司，线上销售的产品品类会比较多，我们需要找到热门的品类进行定向运营。产品涉及到的商品数量多，数据产品经理需要考虑商品分析。统计出最好卖的商品以及用户人均单价，再做商品的迭代。商品分析有助于大大提升产品的竞争力，同时还能够开源节流避开低效商品的投入。还记得麦当劳兄弟在做麦当劳时候首先确定只做汉堡包，因为汉堡包占比自己原先餐饮收入的80%，因此选择单个SKU，才成立后面的麦当劳。
以上2个纬度的案例，我想表达的是数据产品经理不仅是构建一个数据平台，还要掌握基础的数据运营知识、和用数据知识来驱动产品设计，达到更高效，不拍脑袋。今天的分享就在这。对了说一句，春节1月24号，我亲自带班的《21天数据产品经理训练营》开班了，如果你打算转型产品经理，欢迎报名。下面是这一期课程表安排
