服装电商的每周品类销售分析，核心是以周为单位快速复盘品类表现、定位问题、指导下周备货与营销动作，分享一下?自用的分析流程、数据来源和落地运用方法：
?️一、分析前准备：
明确维度与数据来源先划定分析范围，避免数据杂乱：
按核心品类（如连衣裙、牛仔裤）、细分属性（风格 / 尺码 / 色系 / 价格带）、渠道、商品类型（引流款 / 利润款 / 爆款 / 长尾款）拆分
数据来源以店铺后台+大数据?（知衣）为主，前者获取基础销售数据，后者补充行业竞品数据、趋势数据，对比分析更具价值。
?️二、核心关注数据：
按 “销售 - 库存 - 流量 - 用户” 四大维度拆解每周分析需聚焦 “能直接指导动作” 的数据，避免冗余，具体如下：
?核心销售数据：判断品类盈利能力这是分析的基础，直接反映品类本周的市场接受度，重点关注 3 类数据：
（1）销售额
（2）销量 & 客单价
（3）毛利率 & 毛利额
重点要利用知衣和竞店/同品类大盘数据做对比！！
✅及时跟上热门增长品类趋势，积极上新开品、倾斜资源
✅参考竞店/大盘品类销售分布，调整自己的品类结构
?库存健康数据：规避积压与断货风险服装品类季节性强、尺码多，库存周转是每周必盯的 “生死线”，核心看 4 个指标：
（1）售罄率
（2）库存周转天数
（3）尺码 / 色系库存结构
✅通过知衣参考竞店同品类爆款的sku销售数据，主动调整自家热品的库存结构，避免积压
（4）滞销率
?流量转化数据：定位增长 / 下滑的核心原因销售数据异常时，需通过流量转化数据 “溯源”，找到是 “流量问题” 还是 “转化问题”：
（1）访客数（UV）& 流量来源占比
（2）转化率（CVR）
（3）点击率（CTR）
?用户行为数据：指导品类优化与复购从用户视角反推品类问题，为后续选品提供依据：
（1）加购率 & 收藏率
（2）用户评价关键词
✅一样可以用知衣看竞品、大盘同品类的用户评价数据，后续选品上新积极解决差评痛点、保留好评集中的卖点
（3）复购率
#服装运营#服装电商#服装网店#电商运营#服装品类#服装选品#服装店主#00后服装店主#电商运营工具#服装爆款
?️一、分析前准备：
明确维度与数据来源先划定分析范围，避免数据杂乱：
按核心品类（如连衣裙、牛仔裤）、细分属性（风格 / 尺码 / 色系 / 价格带）、渠道、商品类型（引流款 / 利润款 / 爆款 / 长尾款）拆分
数据来源以店铺后台+大数据?（知衣）为主，前者获取基础销售数据，后者补充行业竞品数据、趋势数据，对比分析更具价值。
?️二、核心关注数据：
按 “销售 - 库存 - 流量 - 用户” 四大维度拆解每周分析需聚焦 “能直接指导动作” 的数据，避免冗余，具体如下：
?核心销售数据：判断品类盈利能力这是分析的基础，直接反映品类本周的市场接受度，重点关注 3 类数据：
（1）销售额
（2）销量 & 客单价
（3）毛利率 & 毛利额
重点要利用知衣和竞店/同品类大盘数据做对比！！
✅及时跟上热门增长品类趋势，积极上新开品、倾斜资源
✅参考竞店/大盘品类销售分布，调整自己的品类结构
?库存健康数据：规避积压与断货风险服装品类季节性强、尺码多，库存周转是每周必盯的 “生死线”，核心看 4 个指标：
（1）售罄率
（2）库存周转天数
（3）尺码 / 色系库存结构
✅通过知衣参考竞店同品类爆款的sku销售数据，主动调整自家热品的库存结构，避免积压
（4）滞销率
?流量转化数据：定位增长 / 下滑的核心原因销售数据异常时，需通过流量转化数据 “溯源”，找到是 “流量问题” 还是 “转化问题”：
（1）访客数（UV）& 流量来源占比
（2）转化率（CVR）
（3）点击率（CTR）
?用户行为数据：指导品类优化与复购从用户视角反推品类问题，为后续选品提供依据：
（1）加购率 & 收藏率
（2）用户评价关键词
✅一样可以用知衣看竞品、大盘同品类的用户评价数据，后续选品上新积极解决差评痛点、保留好评集中的卖点
（3）复购率
#服装运营#服装电商#服装网店#电商运营#服装品类#服装选品#服装店主#00后服装店主#电商运营工具#服装爆款
