导购类数据是为了帮助门店统计各个导购带来的出售金额

另外从剖析的维度来说也比较难以拆解。仅仅是套组之间的比较终究也要归因到单品上，数据更新的及时性和准确性的要求就会很高。

最杂乱的必定便是金额的拆解，假如只是拆解到人还比较简单处理。比如说一个200元套组内含有品类ABC三种产品，那近30天有购买过系列的人群三种就能够各算1，购买件数也能够比较简单拆解。

但是假如需求剖析的人群是近30天购买品类A的金额高于100元的人群，那这个套组内个各个产品应该算多少。有些品牌或许套组是独自核算的，也便是品类相关的订单不核算套组的产品金额，套组为一个独立的品类（套组金额占比不高）。

当然最客观的算法应该是依据套组内产品定价的比例去拆分金额，但在一些特定的事务意图场景下就不太合适了。比如说为了主推产品A规划了一份包装礼盒，里边其他的隶属产品其实都是以赠品的形式包括在内的，在核算金额的时分品牌或许也会更倾向于都算在主推产品上面。

套组的核算逻辑感觉没有一套全职业彻底客观公正的办法，需求依据品牌特性主观地承认一套拆分逻辑，这样后续在运用或剖析相关数据的时分才干保持前后逻辑的一致性。

跨品牌套组

跨品牌套组指的是，一个套组内有一个集团下多品牌的产品，遇到的问题其实和套组遇到的问题是相似的，但实质却是集团内部架构特殊状况的体现。套组的事务意图就有或许延伸到集团层面，也或许是大品牌带动小品牌的初期发动。在承认核算逻辑的时分就要涉及到多品牌一起沟通承认的问题了。

三、门店东数据

这类主数据一般是针对有线下门店的品牌，不过现在由于都在做omni-channel的数据兼并，所以也会将线上门店包括在门店东数据内（天猫、微商城、官网等）。

根底类的门店东数据包括门店ID和门店名称，一起会有详细的地址、地点城市、地点省份的信息。除此之外，依据品牌事务的界说会再进行精细的分类。

向上细分会依据城市做二次分类，有的依据地域（华南、华北），有个依据城市经济水平（一线、新一线），有的则有自己的要点城市（要点城市，非要点城市）。

这类的分类往往会结合内部的事务状况，制作成日常的报表或Dashboard展示各个地域的出售状况，也会去帮助判别消费者的活跃城市。

向下细分则会依据门店所属的商圈，小区数量，客流状况进行分类（例如步行街、城市商圈），同类型的门店也会横向比较，针对一些体现稍差的门店也会做一些深化的调研剖析。

维护这类数据主要的难点是开闭店的状态往往更新得不及时，导致一些核算类的目标会受到影响。再延伸一下到标识门店内是否包括一些特定的服务项目信息（例如保养体验或是否支撑外卖等），这类特定功用的变动往往也有一些更新滞后的问题。

四、导购主数据

导购类数据是为了帮助门店统计各个导购带来的出售金额，以评估各个导购的体现。现在由于多了企微名片、企微群这样的触客途径，将导购带来的数据从出售延伸到了售前阶段。这类数据的使用暂时还是比较传统。后续在企微部分再做深化评论。