惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Jina AI
Jina AI
S
SegmentFault 最新的问题
D
DataBreaches.Net
H
Help Net Security
有赞技术团队
有赞技术团队
M
MIT News - Artificial intelligence
Martin Fowler
Martin Fowler
IT之家
IT之家
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
腾讯CDC
罗磊的独立博客
Y
Y Combinator Blog
阮一峰的网络日志
阮一峰的网络日志
云风的 BLOG
云风的 BLOG
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
WordPress大学
WordPress大学
Microsoft Security Blog
Microsoft Security Blog
J
Java Code Geeks
Vercel News
Vercel News
Hugging Face - Blog
Hugging Face - Blog
aimingoo的专栏
aimingoo的专栏
Stack Overflow Blog
Stack Overflow Blog
Recent Announcements
Recent Announcements
博客园 - 三生石上(FineUI控件)

人人都是产品经理

为什么你的产品找不到差异化?90%的失败都卡在第一步上(下) – 人人都是产品经理, 3年从30万到1300万用户、获2200万美元融资,这个AI教育产品用“抽卡”破解了获客难题 – 人人都是产品经理, 园区招商系统怎么做才能真正帮到去化?我加了这一个功能,推广链接转发400次阅读过万 – 人人都是产品经理, AI大事件:OpenAI发完网络安全模型又搞药物研发,小鹏汽车要抓”DeepSeek时刻” – 人人都是产品经理, 电商不是卖货,是一场更残酷的产品经理实战 – 人人都是产品经理, 没想到,活动营销又回来了! – 人人都是产品经理, 为何All-in海外KOC:一场关于AI时代窗口期的豪赌 – 人人都是产品经理, 重新理解企业的内部协作 – 人人都是产品经理, 苹果的 AI 战略到底是什么? – 人人都是产品经理, 医疗智能体·第2讲——合规护城河:等保、PIPL与HIPAA的架构实战 – 人人都是产品经理, 向量知识库五步法:从“答非所问”到“精准回复” – 人人都是产品经理, 鸿蒙PC三方库构建总指挥HPKBUILD(sha)库为例 – 人人都是产品经理, 何时该用LLM?AI产品经理的LLM设计指南 – 人人都是产品经理, 医疗信息领域的需求方、决策方、准入方以及关注点(二) – 人人都是产品经理, 即梦涨价:一场被误读的「傲慢」 – 人人都是产品经理, 面试AI PM必答题:Hermes和OpenClaw的区别,如何讲清楚业务价值 – 人人都是产品经理, AI的下一张船票:世界模型——AI产品经理必须理解的技术拐点 – 人人都是产品经理, 小红书做GEO,怎么让AI信你?记住这 3 个重要信息 – 人人都是产品经理, 5 家印度 AI 初创公司,看看印度 AI 再做什么 – 人人都是产品经理, AI项目跨团队协作:产品技术业务如何不打架 – 人人都是产品经理, Agentic Workflow(智能体工作流):让AI从”答案生成器”变成”数字员工” – 人人都是产品经理, lycium_plusplus 项目全景解读:OpenHarmony 三方库构建的“大管家” – 人人都是产品经理, 从爆单救火到前置履约:两套预采策略,把生鲜大促履约效率拉满 – 人人都是产品经理, 什么时候该补货?我用一轮数据做了一个决定 – 人人都是产品经理, 从“机械兜底”到“动态分流”:AI客服重复进线治理的4大底层逻辑 – 人人都是产品经理, 抖音拼效率,红书拼洞察 – 人人都是产品经理, 全民狂欢与退潮——为什么龙虾这波热潮冷却得如此之快? – 人人都是产品经理, Stripe押注!MPP重塑全球支付 – 人人都是产品经理, 小红书GEO:AI引用你的内容,不是因为你对,而是因为你看起来可信 – 人人都是产品经理, 前百度副总裁押注办公Agent,日韩付费爆发,Manus迎来强劲对手 – 人人都是产品经理,
一文搞懂“人货场模型”:分析思路、建模方法、业务建议
接地气的陈老师 · 2025-03-31 · via 人人都是产品经理

“人货场模型”是一个通过从客户(人)、商品(货)、渠道(场)三个维度拆解问题,帮助你快速找到业务问题的核心,并结合实际案例和操作步骤,教你如何应用这一模型来解决收入下降、用户增长缓慢等常见问题的技术工具。

“我看到收入下降/新增用户减少/转化率不行,该怎么进一步分析呢?”很多人有类似困惑,尤其怕写了一堆“同步收入下降5%,环比下降”得不出对业务有价值的结论。

01 什么是人货场模型

人货场模型是三个固定的分析维度:

  1. 人:客户、业务员
  2. 货:商品结构,商品价格
  3. 场:销售渠道,推广方式

在分析问题时,从人/货/场三个维度拆解,找到问题关键。在提出建议时,将表现优秀业务VS 差劲业务,从人货场三维度进行对比,能找到具体的,可落地的改进点。这样就实现了从数据到业务行动的落地。具体操作,则分成5个步骤。

02 怎么应用人货场模型

第一步:业务梳理,先了解基础数据。

1、我司有哪些客户(人)

2、我司有哪些销售(人)

3、我司有哪些商品(货)

4、我司有哪些渠道(场)

第二步:打标签,做分类。

这一步至关重要。因为数据库里,可能只有具体的客户名称/具体商品编码/渠道代码,对着这些琐碎抽象的东西没法做分析,需要做概括性分类。

常见的分类,比如:

1、C端客户(人),按累计消费/会员等级进行分类,区分高低购买力客户;

2、B端客户(人),按行业/公司规模分类(大公司需求天然大,要争取)

3、业务员(人),按从业经验,过往业绩水平,手头持有老客户数分类

4、商品(货),根据商品自然属性,做一二三级分类 + 商品毛利

5、线下渠道:按地区、位置、营业面积、营运成本进行分类

6、线上渠道:按推广平台,投放费用多少,转化率高低分类

经过这一步处理,需要形成分类思维导图,便于分析时形成思路;同时在数据库里打好标签,便于后边交叉对比(如下图)。

第三步:明确分析目标。

这是所有分析都必须的,目标要具体:

  • 错误目标:销售额下降了,分析下
  • 正确目标:9月销售仅达标85.3%,分析差异来源

分析目标还可以是新注册用户数/经营单位成本费用/商品库存等等……

第四步:从人货场维度进行拆解,寻找问题原因。

这里要注意:

1、先看大分类,再看小分类

2、从差异大的维度开始

3、先看完一个分类,再看另一个

举例:“9月销售仅达标85.3%”,可以先分别看以下哪个维度达标率最低,从哪里下手:

1、不同销售渠道达标率

2、不同商品品类达标率

3、不同客户目标达标率

这里需要从差异最大的维度切入。比如下图,从人的角度看,AB团队都没有达成目标,但是从商品(货)的角度看,新品的问题明显更大,此时就应将新旧商品切换为主分析维度,继续往下挖原因。

经过这一步拆解,能锁定主要问题点,之后再做深入分析。

第五步:结合过程指标,深入分析原因。

比如上例,我们发现:新品达标情况很差。再往下解释为什么差,需要更细节数据,比如:

1、产品基础性能参数与竞品对比

2、产品价格与竞品对比

3、产品推广投入与自身同类产品同期对比

4、产品铺货进度,计划与实际执行对比

这样才能具体看出问题所在(如下图)

当然,也有可能,人/场的维度下差异巨大,此时可以结合具体业务情况,提出细分分析思路。

03 不同行业的人货场模型

不同行业,在构造人货场模型时,会有差异性:

1、有实体店的,门店位置特别重要!此时优先打“场”标签

2、toB业务的,大客户非常重要,此时优先打“人”(客户行业/规模)标签

3、对品牌商而言,产品线布局/新品上市最重要,此时优先打“货”的标签

这非常考验数据分析师水平。

04 人货场模型深入应用

深入讨论人货场,大家会发现更多复杂的情况,比如:

情况1:优秀标杆不可复制。比如:发现销售团队里小张很好,但小张自带客户资源,其他人没有这个条件,此时只能再找其他方法。

情况2:短期策略不可持续。比如:短期内靠促销(货)拉动业绩,但促销不能一直做,只能再做分析,看非促销情况下还有什么方法。

情况3:两个维度相互影响。比如:特定商品只在特定地区好卖,意味着要观察商品+地区的组合,来判断销售情况。

这些,都需要构造更复杂的分析逻辑,具体得考虑问题。

本文由人人都是产品经理作者【接地气的陈老师】,微信公众号:【接地气的陈老师】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。