搞懂“人货场”模型让你解决大多数运营问题
人货场模型
做数据分析的小伙伴
都知道人、货、场的分析模型。
可这个模型到底是个啥呢？有什么用？
今天小编就来系统的为小伙伴讲解一下。
首先我们来设想一个问题：
有一家生鲜电商公司，用户的复购率非常的低，其中70%的用户在一个月内均没有二次购买行为。现在你作为新的运营总监上任，公司领导要求你通过数据分析解决问题，最终提升复购率。请问你该怎么做？
我们先思考一个问题：大米、油、盐、樱桃、车厘子这些东西有什么区别？相信很多小伙伴应该很快就能知道了，像大米、油、盐这些东西几乎每天都会用到，而像樱桃、车厘子这类季节性较强，又不是每天都需要的。而且像大米一般都是整包买，买回去一包就能吃很久，而樱桃、车厘子这类的都是不耐放，买回去不吃也放不了几天。
这些有关产品的知识，统称为：货物属性。而通常会影响用户购买的行为包括：
购买频率：比如米有面这类的购买频率较低，而新鲜水果类的频频高；
产品价格：单品价格贵的就卖的少，便宜的就会批量买；
购买渠道：如果有物流配送，大硬件通货（例如米油面）在线上购买会更省事，而像水果这类散件就会在线下买，还可以自己挑选。
这些可以就是所谓的货物属性。消费者在购买过程中，都会因为这些属性而产生不同的购买行为，且这类行为基本上保持长期稳定。例如你不能指望消费者今天刚买了10斤大米，明天再来买10斤大米。
这类生鲜产品的复购思路，其核心就是产品购买频次和产品本身属性关联。举个例子：一个消费者购买了冻鸡翅、竹签，那么他很大程度上会购买丸子、烧烤汁，因为这两者有维度上的交叉。
我们可以用下面这个复购矩阵图来理解：
当然我们需要注意的事，如果你单从货物属性来看，就会很缺乏大局观。买菜的渠道很多，凭什么让用户只在你整理购买？这里就涉及到下一个问题了，场的问题！
现在请快速回答我一个问题：
你明天中午打算吃什么？不要思考，马上回答！
相信很多小伙伴，一下子会回答不上来，为什么呢？！我们平时对着美团、饿了么订餐都要纠结个十几二十分钟，更何况让你一下子回答了。
为什么像我们的父母总是喜欢去逛菜市场，有时候不是他们学不会用手机下单，只是因为逛菜市场那种视觉上的冲击，是APP很难给予的。再者，买菜做饭本身并没有那么强的目的性，一边逛着一边想着，看到什么顺眼就买点，还能货比三家。这就是卖场属性对复购行为带来的影响。
通常卖场属性包含：
1）便利性：你买菜肯定选择距离越近、越方便的
2）环境：场地越整洁、越干净的菜场肯定更加吸引人
3）种类丰富：产品种类越丰富的菜场人往往更多
4）新鲜度：对于买菜而言，总是会去那些更加新鲜的菜场
5）价格：价格对于任何人而言都具有决定性因素
在传统的菜场或者说线下门店而言，卖场属性也有可以通过一个矩阵图来呈现：
线上渠道用的指标基本和线下的类似，区别就是，用户登录场景、登录频次、登录后的访问路径等代替了线下门店的地理位置。
所以线上渠道要分析的内容可是要比线下门店多的多。
但是区别于服装、零食、玩具等快消品，对于生鲜领域，线上渠道的体验反而比线下差。所以对于生鲜领域，在线上渠道上最大的优势就是用户不能出门的情况下，比如下雨天，比如年初的疫情以及上班族在下班后没有时间去菜场买东西等。
所以分析到这就会发现，对于生鲜领域而言，卖场属性单独来讲似乎意义不大，而更大意义的内容在其中人的因素上。比如有些用户会贪图线上购买更加便宜？有些用户对于线上买菜是刚需。等等，所以我们引申出第三个问题：人的问题。
在讲用户属性前，我们要先明白，传统意义上的人货场中的人，是指卖场的售货员，而并非是消费者。但是在互联网中，尤其是APP对用户，是没有销售这个概念的。分析人的问题，其实就是分析用户属性。
用户！每每讲到这个词，很多人第一时间都会联想到：性别、年龄、地域等等问题，但这里面有个问题，对于大数据而言，你的公司确定可以采集到那么多精准用户的信息？毕竟不是任何一家公司都是BAT。而且就算你利用第三方平台，查到自己的用户信息，有了一定的数据，你确定你会用？换句话说，你查到你的用户男女比例42%：58%，你能告诉我，就靠这一条，你能有个啥用？
所以对于用户属性分析，最好是基于互动、消费行为为标签的，更好用。比如生鲜电商领域，有多少客户是你通过注册送30元米油优惠券、首单免配送费、消费满额送车厘子等活动搞进来的。这类用户可以贴上一个标签，促销敏感性用户。同样的，我们还能通过各种数据和活动，来为用户打上不同的标签，例如：刚性购买用户、异常天气购买用户、疫区用户等等，标签并不是固定不变的，还是需要根据实际情况，比如如下图：
这些有关产品的知识，统称为：货物属性。而通常会影响用户购买的行为包括：
购买频率：比如米有面这类的购买频率较低，而新鲜水果类的频频高；
产品价格：单品价格贵的就卖的少，便宜的就会批量买；
购买渠道：如果有物流配送，大硬件通货（例如米油面）在线上购买会更省事，而像水果这类散件就会在线下买，还可以自己挑选。
这些可以就是所谓的货物属性。消费者在购买过程中，都会因为这些属性而产生不同的购买行为，且这类行为基本上保持长期稳定。例如你不能指望消费者今天刚买了10斤大米，明天再来买10斤大米。
这类生鲜产品的复购思路，其核心就是产品购买频次和产品本身属性关联。举个例子：一个消费者购买了冻鸡翅、竹签，那么他很大程度上会购买丸子、烧
当我们理解完人、货、场这三个属性后，我们就需要结合这三者来思考整体的问题了。还记得文章开头提出的问题么？如何提高生鲜电商的复购率？！
我们先来做几个假设，从“人”的角度：
1、地推质量不好，用户本身没有需求；
2、用户有需求，但是薅羊毛的太多，刚性需求少；
3、刚需用户有，但是数量较少，且产品不符合用户需求；
从“货”的角度：
1、商品本身品类太少；
2、商品品类足够，但是缺少爆款，无法强势引流；
3、有爆款引流款，但是其他整体商品价格没优势。
从“场”的角度：
1、用户尚未建立使用习惯，二次登录用户较少；
2、用户有多次登录的习惯，但是比较少进入购买页；
3、用户有进到购买页，但是最终下单较少。
从“人货场”三个角度提出各自的假设后，我们可以通过两个维度来建立整体的思路。
第一：从数据出发，哪个问题最严重，就从哪个先下手解决。
第二：从业务出发，最近发生了什么重要的事件，比如疫情等，就从这个事件来着手。
最后，我们把不同维度的分析综合起来，整体来分析，先从粗到细：
人货场模型之所以从传统行业到互联网，再到现在的直播电商依然有效。是因为这三者跟用户都有着最为直接的关系。而且产品属性、卖场属性和用户属性多少都可以通过数据等进行一定的分析、归纳，是一种有规律可循的模式。
因此对于分析人货场模型，可以作为整体商业模式分析的基础，一方面对业务有更加清晰的认知，另一方面也能让其他更加复杂的分析模型有了最基本的线索和依据。
在互联网思维中，有一种叫做免费思维的。就是前期免费后期收费，运用到实际场景中就是发券。很多运营小白，在解决某个实际问题时，每当找不到方案时，往往选择发放优惠券，认为一劵抵万难。而对于很多做数据分析的新人，只知道RFM，做数据模型时又只知道协同过滤。其实以上问题，归根结底就是没有足够的经验，其实做互联网运营的人，不能脱离现实，很多经验其实未必要从网上或者实操中来，例如做生鲜电商的，根本不需要那么多的高大上的数据模型、也不需要天天发放什么优惠券，你亲自去一趟菜市场，跟那些大爷大妈聊一顿，可能就能解决你的所有问题了。
