个人知识库

人货场穷举法

8分钟阅读

人货场穷举法

从”人（用户）""货（商品/服务）""场（场景/渠道）“三个维度完整穷举业务现实的数据分析框架，是避免”只看结果数字就下结论”的结构化描述工具。

简介

人货场穷举法是运营数据分析中用于”完整描述现实”的基础框架。其核心主张是：任何单一维度的数据结论（如”这场直播GMV很低”）都只是现实的碎片，必须从用户属性、商品表现、场景渠道三个维度同时穷举，才能获得对业务的完整认知，进而做出正确决策。

该框架适用于直播电商、线下门店、私域运营、活动运营等所有涉及”人-货-场”交互的业务场景，是数据分析三步法（描述现实 → 建立评价 → 逻辑链条）的第一步。

核心特性

三维度结构

人（用户）维度：

  • 基础属性：年龄、性别、地域、职业、消费能力
  • 行为属性：进入时间、停留时长、互动频率、加购习惯、下单频次
  • 标签属性：新老用户、粉丝身份、价格敏感/品质追求型、品类偏好

货（商品/服务）维度：

  • 转化漏斗：曝光→点击→加购→下单→支付，每环节转化率
  • 销售分布：不同商品的销售额/销量/利润贡献占比
  • 销售走势：不同时段的销售变化曲线
  • 动销数据：上架时长、库存周转、退货率

场（场景/渠道）维度：

  • 渠道分布：自然流量、付费流量、短视频引流、私域引流各自占比
  • 渠道质量：不同渠道的点击率、进入率、停留时长、转化率、客单价
  • 渠道漏斗：从曝光到转化的完整路径
  • 场景细节：封面点击率、开播时间影响、场景布置效果

穷举而非选优

人货场穷举法的关键词是”穷举”而非”优选”。它的价值不在于找到最重要的维度（那是第二步评价标准的工作），而在于确保没有遗漏。很多运营问题的根因恰恰藏在平时不关注的维度里——比如直播GMV低的人货场穷举发现，问题不在”场”（流量正常）而在”人”（学生群体占比高）和”货”（主推品价格与学生消费力不匹配）的交叉点。

与评价标准的衔接

穷举完成后，每个维度的数据都需要附加评价标准（历史对比、标准均值、行业均值）才能产生意义。穷举是”描述现实”，评价是”判断好坏”，二者是数据分析三步法中前后相承的两步。

不同素材中的观点

  • 来自 2026-05-28-woshipm-3-step-data-analysis：美妆直播实战案例证明人货场穷举的价值——GMV低的表面问题拆解后，发现18-24岁学生观众占65%（人），主推品300元+抗老精华（货），推荐页随机流量为主（场），根因是人货不匹配而非直播质量差；同时提出”场”的渠道分析应区分推荐页（随机性强，用福利品留人）和关注页（老粉丝，推高客单利润品）的差异化运营策略

  • 来自 2026-06-03-woshipm-data-report-4-step-framework：人货场框架在数据分析报告中的应用不是”面面俱到地提建议”，而是”确定建议的优先级顺序”。自营电商APP应季商品案例中，正确的优先级是：场（先看推广数量/质量是否到位）→ 人（再看潜力用户是否被覆盖）→ 货（最后才考虑降价）。之所以把降价放最后，是因为一旦打折后续商品很难卖，且随时间推移到季末打折更自然。这一用法将人货场从”描述工具”升级为”决策排序工具”

实用信息

适用场景：直播电商运营、线下门店经营分析、活动效果诊断、私域运营复盘——所有涉及”用户在特定场景下接触商品/服务”的业务。

使用方法：

  1. 先确定要分析的业务事件（如某场直播、某次活动、某周门店经营）
  2. 依次从”人""货""场”三个维度穷举所有可观察数据，不遗漏
  3. 对穷举出的每个数据点附加评价标准（同比/环比/均值/行业基准）
  4. 通过归纳法（找共性）或演绎法（找因果链条）从穷举数据中得出结论

注意事项：

  • 穷举的目的是”不遗漏”，不是”全部分析”——穷举后再根据业务目标筛选重点维度
  • 不同业务类型的”人货场”内涵不同：直播电商的”场”是直播间+流量渠道，线下零售的”场”是门店位置+动线设计，私域的”场”是触达渠道+社群氛围
  • 该框架解决”如何描述现实”，不解决”如何得出结论”——后者需要配合归纳/演绎逻辑链条

相关页面

关系图谱

快速导航

反向链接