案例背景

运营人员发现：「诺梵黑巧健身伴侣」系列在五一假期后 GMV 持续低迷，希望数据分析师帮忙定位原因。

运营反馈：

“4月23日之后整体销量跌得厉害，尤其是 100% 黑巧那个规格，经常库存不够。但我们自己不确定是缺货导致的，还是真的需求在降。“

第一步：业务人员发起请求

什么时候该找数据分析师？

怎么向数据分析师描述问题？

好的描述方式（案例中使用的）：

“诺梵黑巧健身伴侣 SKU（6182965462185/6182965462183）4月23日 GMV ¥4964，到5月4日跌到 ¥763，降幅超过 84%。同期 88% 黑巧（6086269018406）5月1日只有 ¥96。而且运营说 100% 规格经常缺货。请帮我们确认是缺货导致的还是真实需求下降，今天下午要开会。”

好的描述包含哪些要素：

第二步：数据分析师做了什么

Step 1  确认数据真实性
  └── 排除数据延迟、源系统同步错误

Step 2  时间维度下钻
  └── 找到 GMV 低点发生在哪个日期

Step 3  SKU维度下钻
  └── 找到哪个具体规格拖累最大

Step 4  归因分析：缺货 vs 需求下降
  └── 交叉对比销量变化和库存可用天数

Step 5  输出可视化报告 + 行动建议

第三步：收到的报告怎么看

图 1：主推 SKU 每日 GMV 走势

怎么看：三条线都呈现相同的波动模式——4月23日出现峰值（推测有促销），随后5月1-4日跌至谷底（五一假期效应）。这不是单一 SKU 问题，而是全系列在假期期间的需求自然下滑。

图 2：4月下旬各 SKU GMV 占比

怎么看：88% 黑巧（8406）跌幅最深，从日均 ¥647 跌至 ¥188（-71%），且该 SKU 库存可售天数在部分地区为 -99 天（严重缺货）。结合库存数据，部分规格确实存在缺货问题。

图 3：各 SKU 退款率对比

怎么看：诺梵黑巧全系列退款率偏高（18-24%），说明用户对苦味程度预期落差大——可能是详情页描述不够清晰导致冲动购买后的退货。

图 4：核心指标仪表盘

第四步：拿到结论后你该做什么

数据分析师给出的根因结论

「诺梵黑巧健身伴侣」GMV 下降的主要原因是：

1. 五一假期效应：全品类在假期期间需求自然下滑，符合预期（-55%）
2. 88% 黑巧（SKU 8406）严重缺货：库存可售天数 -99 天，销量下滑 71% 中约 40% 来自缺货
3. 全系列退款率偏高（18-24%）：用户对苦味程度预期管理不足，详情页描述待优化

你作为业务人员该采取的行动

总结：与数据分析师高效协作的要点

举一反三：这个案例还能处理哪些场景？