那么，作为产品经理来说，在这样的一款平台设计的过程中，除了要听取客户的需求以外，必须要就产品整体规划好把握好主航道，做好产品的前提就是理解客户的使用场景和他们的业务，同时面对复杂的电商领域，产品需要掌握业务逻辑和系统架构。

做电商产品时，虽然很多产品的功能看似可以借鉴京东、淘宝等成熟的大平台的功能，但是现实情况是，产品需要公司自身业务的特点和战略方向来确定逻辑。无论是京东还是淘宝，他们现在的产品体系都是经过多年业务的发展和系统的演化相伴而生的，他们的系统和他们当前的体量的业务相符合，但并不是说他们的产品逻辑就一定符合其他公司的业务场景。

一个完整的线下商品运营业务包括“进 销 存”三大模块， 大部分企业的运营工作就是对这三个模块进行精细化管理，从而提升效率。只有这三个模块能够最大程度的契合运作，企业效率就会大幅提升。如果把“进、销、存”映射到传统零售行业的落地细节中，可以分为企划管理、供应链、OTB计划、销售、补货、调拨、清仓、仓储几个维度。

接下里我们的介绍也将围绕这运营闭环的业务逻辑进行展开。

企划管理是运营的起点，主要做的就是两方面，一方面是品牌定位，把企业的产品和形象体验印入消费者的记忆中。另一方面就是品牌战略，也就是品牌管理，通过研究和分析，以数据为导向去管理和经营商品种类。

供应链（Supple Chain）主要是指整个商品的生产、运输、销售链路中形成的生产关系和销售关系的网络链路。根据企业的经营模式划分，我们可以将企业分为生产型企业和电商平台或者零售型企业。

供应链管理主要是为了提升供应链效率，首先要进行这样的管理主要涉及三大职能流程，分别是采购管理、进销存、物流配送。那么判断它效率的提升我们主要会从成本上去考量，成本可以分为动态成本和静态成本。

国内的物流行业主要分成 3 种模式，城际运输、同城物流、即时配送，不同的运输模式对应的车源类型也是不一样的，同时物流行业根据交付商品的特性，采取不同的货运方式，成本也都不一样，主要的物流成本有以下几种

库存往往是计划的产物，存在于供应链的各个环节。

能否管好库存直接决定了供应链管理的质量和效率，库存充足可以有效的帮助企业履约订单、缩短供应周期、保障正常的销售，但是库存并不是简单的越多越好。

现代企业库存管理技术主要包括三方面：动态库存控制技术、静态库存控制技术以及供应链管理库存控制技术。分别是从业务过程监控来制定库存策略、从企业内部进行库存调拨、订货管理以及从企业合作的上下游管理对供应链响应时间进行动态把控。

同样，对于库存管理的有效性，也是有相应的指标可以进行衡量，核心指标包括现金流、仓库使用率、滞销率、动销率、现货率、残损率、周转率和售罄率等。

库存管理流程：

零售行业是向消费者进行商品销售，除了销售环节外，企业内部商品运营管理是保障销售的基础。所以企业运营管理能力的强弱，直接决定了零售企业的“存亡”。

整个商品运营管理的工作流程就是：科学订货->季末清仓->利润最大化&库存最小化

在这个逻辑闭环中的几个大方向包括：

补货主要关注的就是补货的时机和补货的数量。

一、补货的时机：

二、补货的数量：

影响补货周期的几个要素

总结：补货数量的计算方式如下：

调拨主要是将库存从一个仓库调拨到另一个仓库的过程。主要是为了平衡库存供给和消耗，引发调拨主要是两种情况：一、供应商只发货到某一个库房，其他库房需要调拨补充 二、本地供应商的供货能力不足或来不及供货。

仓储不是简单几句话就可以解释清楚的，将仓储的运作环节概括起来就是 5 个环节，即入仓、上架、盘点、库存管理、差异处理。

以上，是基于零售行业基本业务构成的整体了解，作为电商后台产品经理，一定要懂业务，懂商品的销售逻辑、渠道效率、用户画像、运营策略以及业务财务收益和成本。本文主要从品类定义到采购计划到商品运营中的调拨、补货以及仓储层面和通过成本收益核算损益平衡点来形成一个业务闭环，在这业务运营之上，才能更好的设计产品。

参考资料：

《电商产品经理兵法-基于 SaaS 的电商系统设计与实践》程亮

举例说明电子商务有哪些应用领域

电商运营现状分析主要有：

流量分析，包括流量总量变化比例，流量来源，各来源比例，流量访问时长，访问深度等；

转化分析，包括点击转化，收藏转化，购物车转化，产品页面转化率，购买转化等；

投入产出分析，包括综合引流成本，不同引流策略的转化成本，不同产品/页面的转化成本等；

产品销售分析，包括不同产品的点击、转化、利润等分析；

客户行为分析，包括客户购买习惯，点击习惯，采购周期等分析。

如何运用场景分析法去做体验提升？

1、云计算

可以提升电子商务运营效率。

利用云计算的相关技术，通过网络将分布在各地的资源连接起来，虚拟地构建成一个可无限扩展的“资源池”。

云计算技术能够为电子商务企业提供扩充的服务器设施、增加存储容量，针对海量数据能够进行快速并且有效的处理，云计算降低了电子商务企业运行的成本，实现应用资源和工具的“即需即用，灵活配置”。

2、物联网

为电子商务发展保驾护航。

电子商务遇到的客户投诉很多集中在物流配送服务的质量上。

将物联网和电子商务物流相结合，借助GPS技术，将配送包裹模块化以及对商品的仓储、销售终端、出库、运输等方面进行实时监控，让消费者、网上零售商户和物流公司三方实时获悉货物的路线，可以及时发现物流过程中出现的问题。

3、大数据

为电子商务发展插上腾飞的翅膀。

通过大数据技术对电商的商品交易信息、价格信息、品牌信息以及消费者个人的属性信息，还有消费者对商品的评论和反馈留言等信息进行整理分析建模。

可以对电商消费者进行人物画像分析，准确了解消费者的消费习惯、消费心理以及品牌喜好，进而对产品的销售模式与销售方向进行调整，以促进消费的持续增加。

4、人工智能

让电子商务发展充满想象。

据Gartner预计，到2020年超过80%的客服工作将被人工智能取代。

另据国外权威机构数据显示：

五分之一的消费者从聊天机器人处购买商品和服务消费者通过聊天机器人花费超过317英镑，折合人民币约2853元

40%的消费者通过聊天机器人寻找优惠，和聊天机器人拉关系讨实惠。另外，5G、VR等技术对电子商务的发展也充满想象。

扩展资料:

电子商务未来发展趋势:

1、寡头垄断局面弱化，垂直领域成新趋势。

从近年国内电商行业投融资情况分析出资本对于细分赛道的倾向及未来电商发展趋势，品质电商以及垂直细分领域将为其他电商平台实现突围发展提供机会。

2、线上线下融合发展，开启新零售时代

近年我国移动互联网用户增速逐年放缓，人口红利消失，线上获客成本攀升，电商空间收窄，线下渠道仍占全国快消品销售额的74%以上，电商平台盈利点向线下转移。

阿里于2016年10月首次提出"新零售"概念，京东、永辉、百联、国美、宜家等零售巨头均以纷纷布局。

3、生鲜电商为电商下一抢夺堡垒

生鲜市场规模近万亿，但生鲜电商渗透率还相对很低，市场潜力仍然有待挖掘，同行之间竞争与巨头之间的对垒激烈。

预计2018年市场规模将达2000多亿元，随着市场竞争的加剧，生鲜行业将会迎来洗牌期，一方面大量中小型生鲜电商企业或倒闭或被并购；

另一方面阿里、京东等电商巨头入局，不断加码冷链物流和生鲜供应链投资，拥有全产业链资源和全渠道资源的企业将发挥优势。

4、社交电商之以物聚人向以人聚人转变

社交电商将突破万亿，行业增速迅猛。

2017年社交电商行业总体市场规模为6835亿元，预计2018年社交电商市场将突破万亿。

作为新兴行业，社交电商市场正处于高速发展期，市场增速在50%以上，未来市场增长速度将随基数的放大逐步下降，但绝对增长速度将依然领先于传统电子商务等其他商业领域。

社交电商领域受投融资市场青睐，融资事件频繁。传统电商平台是先有消费需求，然后消费者到电商平台上寻找想要购买的商品；而社交电商则是从社交入手，通过优质内容分享引导至交易。

以云集、有赞、小红书等为代表的四种不同模式社交电商平台接连获得融资的行业级现象，一定程度上反映了资本对于社交电商模式的认可度提高，与社交媒体的嫁接正在成为电商平台的趋势。

参考资料来源:百度百科-电子商务

场景分析是体验设计中的一个最为核心和基本的方法。场景描述的是一个完整的用户故事，即某个用户在某个时间和地点下通过某种行为来满足诉求。场景的概念包含以下几个变量：

who-用户是谁、when-什么时间、where-什么地点、why-诉求是什么、do-做了什么。

对于不同的产品类型、不同的变量复杂度，场景所包含的内涵与外延也不尽相同。其中，电商类产品的场景是较为复杂的，表现在变量的拆分纬度多、用户分群类型多、诉求类别和纬度多、使用路径多，同时场景分析在电商类产品中又是常被提及和用到的体验设计方法。所以，这里结合美团酒店预定业务为例，来介绍下在产品中展开场景分析和体验优化的步骤与方法。

场景分析驱动的体验优化可分为以下五个步骤：

其中最后的环节属于设计阶段的范畴，不做详细展开，这里主要介绍和场景分析紧密相关的前面五个部分。

根据场景包含的变量，首先通过4W维度对变量进行结构化的拆解：

以用户预定酒店为例，四个要素分别可以拆解为：

预定酒店的场景中，用户的维度包含两类：预定人与同行人。

1）预订人：用户的划分维度有多种，包括性别、年龄、职业等。对于商业产品来说，用户的消费能力最为核心。这里暂且围绕这个角度，根据后台的画像标签，提炼核心两大人群：学生和白领。这个维度可以辅助判断人群的消费习惯与偏好。

2）同行人：同行人主要影响的是预定的房型、以及诉求，同行人之间的关系对诉求的影响最大，所以这里按照关系划分，可拆解为：独行、情侣/配偶、亲友/同学、亲子、长辈、同事几种类别。

时间的维度，同样包含两类：预定时间与实际入住时间。

1）预定时间：时间的维度根据颗粒度，可以分为年、月、日、时、分、秒，根据特殊性分为工作日、周末、节日。这里划分的维度是：提前预定时间。因为用户在预定时，是提前定还是当天定决定了用户对效率的诉求。

2）入住时间：对于出行产品来说，在不同的时间入住，最核心的影响要素就是日常、季节或节日。不同的时段出行，通常目标会不同。然而这里讲的是基础体验的提升，而入住时间通常影响的是酒店本身的类别、价格等要素，所以这里暂不考虑出行时间这个要素。

根据预定所在地和实际入住的地点之间的关系，可分为本地和异地。

最核心的要素，就是出行目的，包括约会、旅游、度假、出差、临时住等场景。目的的变量可基于行业报告和历史用户调研的结论得出。

综上，可得出以下场景要素：

Tips：

1.要素的拆解需满足MECE—不重不漏原则。

2.根据分析的目的和产品阶段，来决定具体要采用哪些变量，并不是所有的变量都需要考虑。

例如上述案例中，入住时间的变量，更多的是指导酒店的运营，如暑期、国庆等节日，可以围绕场景诉求，策划对应的活动。这里的分析主要的目的是针对基础体验，所以没有把这个变量纳入进来。

从产品发展阶段的角度来看，处于初创、探索期的产品，采取的变量可以更为聚焦，例如用户群、出行目的等，可以先针对核心重点场景展开分析，以帮助在垂直市场领域进行需求挖掘。而处于相对成熟期的产品，需求逐步覆盖更全面、细分的场景，覆盖更多的人群和更多样的诉求，所以这个阶段的场景分析可以尽量让变量覆盖全面。

场景的变量进行交叉组合可以得到成百上千中细分场景，但是在具体做体验搭建的时候，显然不可能完全的覆盖所有的场景。所以，对这些场景需要有所侧重，聚焦在高频场景。

在这个环节，就需要结合量化的手段来明确。通常的做法是通过订单分布来定义高频场景。具体来说，可选取最近一个时间端的订单，查看后台数据，明确订单的来源，包括后台的用户标签、本地 or 异地、预定的酒店类型、预定的时间等信息，其中对于出行目的、同行人这类变量较难通过数据看出，就需要结合问卷，明确这些订单所覆盖的场景。

通过上述数据分析，就可以罗列出最核心的场景列表。

例如，酒店预定中最核心六个场景包括：

明确核心高频场景后，就可以进一步明确各个场景下的用户诉求。这个环节可以有两种方式，一是访谈，二是问卷。

1.访谈—归纳诉求类型

访谈能够帮助我们明确在各个场景下，用户预定的具体case，以及更深入的挖掘用户的诉求及背后的原因。通过访谈，我们可以对用户诉求类型进行归纳提炼，明确典型的消费习惯类型。

例如，上述住宿的六个核心场景，对应的具体的case如下：

通过访谈来了解用户具体做消费决策时所关注的要素。根据访谈结论，可以将用户的消费习惯归纳为：

1）方便快捷型：位置便利、价格不超出预算、干净卫生

对应场景：出差办公、朋友来访、本地约会

2）高性价比型：离景点/商圈近、整体舒适、性价比高

对应场景：朋友旅游

3）环境氛围型：期望环境氛围好，有特色

对应场景：情侣约会、情侣度假

4）设施服务型：期望餐饮娱乐设施全面、有品质感

对应场景：亲子度假、情侣度假

围绕这些典型的诉求，可以深入分析产品的功能与体验，探索优化的可能性。

2.问卷—量化决策习惯

通过问卷可以更精准全面的了解用户在进行消费决策时关注的要素，以及不同要素的关注程度。在做调研之前，首先要做的是对决策要素进行拆分，对于商业产品来说，拆分的维度可以根据马斯洛的需求模型来展开：

酒店决策的核心要素包括：

1.基础要素：价格、位置

2.偏好要素：环境、周边、餐饮、设施、服务、品牌

每一种要素又会包含具体的变量：

如价格，按照从低到高，可分为便宜、高性价比、高档。

如位置，根据场景不同，可分为所在地附近、地标附近、景点附近。

通过以上调研分析，最终可以得到这样一张汇总的场景分析表：

有了用户场景、诉求，接下来就需要分析产品内的使用路径，这样就可以对应路径去做走查，定位体验问题了。

行为路径同样可以结合定量、定性的方式，先从数据维度，看核心流程各页面入口的点击分布状况，从而汇总整理出产品内的核心路径，美团酒店的核心路径如下：

最后，可将不同的场景、诉求，与对应的产品路径做对应，进行体验遍历与走查，定位、归纳体验问题。

这里需要注意的是，单个场景可能会存在多诉求，而多诉求又回流入多路径。所以走查的过程中，需要逐一去对应，才能较为全面。

最终通过场景走查，去挖掘产品流程中，对用户诉求匹配不足的问题，进而挖掘体验优化机会点。

1.在做体验优化前，对用户的场景进行全面的梳理和分析是最基础的工作，场景可以持续应用到整个产品优化的长远工作当中，所以构建一个基础的用户场景库是设计侧核心的工作。

2.这里的场景是粒度相对比较粗的，可以指导全流程、大型功能的优化和机会点挖掘。但如果涉及到要进行某个具体功能，例如搜索的优化，那么还需要进一步细分该功能的场景，例如分析用户搜索品牌、地点等等。

3.这里的场景分析，虽然结合了访谈、问卷等方法，但是本质上还是基于用户主观的一种定性的方式，在应用过程中，还需要结合更多关于功能或页面的行为数据、流量数据等，综合来进行设计决策。

4.这样的分析方法，其实并不能确保是全面的，虽然产品发展的越发成熟，用户人群、场景、路径的维度会越来越细分，这种情况下，更为准确高效的应该是大数据算法。

当前的方式，可以在现阶段帮助设计师去发现问题，定位到产品功能或交互层的缺失。举个例子，通过这样的走查，我们可能会发现，情侣用户在预定酒店时，需要有一个环境设施筛选，帮助他们找到浪漫环境的酒店。于是我们可以在功能上提供这样一个筛选项。

但是，如果更细颗粒来看，我们需要知道他们需要的是什么样的环境，是粉红浪漫、纯白简约还是科技酷炫。不同的人口味不同，展示的内容级别的标签也应该不同。

所以当产品的功能、结构已经足够完善的时候，这样的走查能带给我们的帮助有限，本质上还是要回归到智能的推荐、千人千面的算法上。例如淘宝的瀑布流，即使我们能够遍历所有的用户场景，但最终呈现的内容策略，还是要依循一个系统完善的数据算法模型，才能真正的做到满足各个细分场景的诉求。

以上就是关于电商业务运营场景全部的内容，如果了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！