随着电商的快速发展，人们的购物行为占比也快速增加。作为卖家为了获取更多的用户并提升店铺销量，或许需要结合产品销售情况进行分析得到有价值的信息，规划自己的销售策略。以零售业为例，零售商品数据分析可以怎么分析？
一、提出问题
分析之前，需要了解自身的分析需求，想通过数据分析了解到或发现什么？
比如，从产品角度而言：
1、哪些类别的商品销售量最多？带来的销售收入最高？
2、哪些商品销量最少？销售收入最低？
3、商品的销售额的变化趋势是怎样的？
比如，从用户角度而言：
1、哪些客户的贡献最高？最有价值？
2、不同级别客户的销售情况如何？
比如，从区域角度而言：
1、哪些区域/门店的销售情况最好？收入占比最高？
2、哪些区域/门店的销售情况不理想？
二、怎么分析
为了获取上述问题的答案，我们需要对相关商品销售数据进行分析。
比如，从产品角度而言的分析需求，我们可以对商品进行分析，以服装零售销售分析为例：
如图，在“销售明细”表中可以看到“外套”这一类别的服装销售收入最高，而“毛衣”这一类别销售收入最低。选中想要了解的商品，这里我们选择“外套”，可以观察其年月的销售收入变化趋势等等。
当我们想从区域（门店）了解其不同区域或门店的销售情况，可以通过上图中的“门店销售收入排名”图表及“各区域销售收入占比”图表中直观获取：“上海”这一区域在“外套”这一类别中，收入占比最高，“辽宁”这一区域销售收入占比最低；而在众多门店中，“外套”这一类别在“淮海店”销售最好，在“铜锣湾店”的收入并不理想。
当我们想从用户的角度掌握不同级别客户的销售贡献程度及其客户价值，可以借助RFM模型帮助我们划分客户，并快速统计分析出不同客户所带来的的销售情况：
如图，以日用品零售为例，通过此分析模板，日用品零售企业可快速掌握其不同级别客户所带来的销售价值及其明细情况，从而对不同级别的客户采取不同的销售举措，将业务人员的主要精力专注于更有价值的客户中。
简言之，上述分析模板内容，仅供参考。零售企业在分析商品时要根据自身实际，具体问题具体分析。
