數據的重要性不用再強調了，作為這個時代的網商需要掌握的是數據的用途。比如，谷歌發現，美國內華達州一個小區域在一個晚上兩小時之內搜索流感癥狀、流感用藥、流感趨勢、流感與天氣這幾個詞匯的數量遠遠高于美國其他儀域。第二天早晨谷歌數據研究部的流行病預測組就向美國衛生部發出了流感暴發預警。當天下午美國衛生部的人到達這個區域，果然發現了流感暴發的前兆，并快速調撥足夠的疫情預防性藥物、初期患者的藥物等，一周內成功抑制了疫情向周邊擴散的趨勢。而在過去，美國衛生部通常要用一周左右的時間才能確定疫情的源頭。至U那個時候流感通常都已經擴展到周邊較大的區域了。

　　

　　言歸正傳，我們不去看那么遠的美國情況，看看咱們電商自己吧。每家電商都有退貨，你研究過退貨中的規律碼？請思考一個選擇題：

　　

　　你決定對每天收到的退貨進行分析，具體做法是對退貨的所有產品按照價格段進行分類，你冀得通過這個分類可以得到什么方面的結論（單選）：

　　

　　A:可以找到退貨最多的客服人員。

　　

　　B:可以找到產品價格與退貨可能性的關系。

　　

　　C:可以找到庫房發貨過程的缺陷。

　　

　　D:可以知道客戶退貨的可能性。

　　

對于老板們來說，肯定都不喜歡有人退貨，可是，每天都有退貨，有的產品退貨比例高達30%，就算能夠容忍的有時也有10%。降低退貨數量，降低退貨比例的方法到底有哪些呢？

　　

　　提高產品質量是其中一個答案。即使在產品質旦完全相同的情況下，不同店家的退貨比例還是不同。把退貨當做一個事情發展的結果，那么形成這個結果的原因可能不止一個，產品質量、消費者購物輕率事后后悔，地區差異，還有頁面產品描述都可能是原因。關鍵是各位老板是臺對過去30天退回來的貨進行過分類。比如，上文的選擇題。按照價格進行分類，就是100塊以內的退貨集中在一起，100元~300元之間的一類，300元一500元的一類，500元~1000元的一類。你能夠發現什么呢？

　　

　　只要你落實到行動中，實際去操作一下，能夠發現退貨比例與價格成反比。價格越低的產品退貨比例越高，價格越高的產品，退貨比例越低。這能夠驗證上面分析的一個原因，那就是消費者在價格較低的產品購買決策時更輕率，事后后悔的可能就高。

　　

　　分類是一個重要的管理決策工具，谷歌對搜索的詞匯進行分類，所有流感這個同匯都集中起來，就可以看出明顯的變化，也就能夠快速做出相應的應對措施。

　　

　　從現在開始，對你的退貨進行一個分類吧，你可以得到許多啟發，可以改善退貨的情況，提高利潤率。

　　

　　通過以上的選擇題，你學會了用分類的方法來研究退貨的情況。那么嘗試做一下這個題目：

　　

　　你決定強化微博這個公共平臺來增加自己店鋪的引流，而且你的產品主要銷售對象是在校的大學生，你覺得如下哪個決定更可能有效果：

　　

　　A:從每天一旱晨9點開始每小時更新微博；

　　

　　B:從中午12點開始侮小時更新微博；

　　

　　C:從下午3點開始每小時更新微博；

　　

　　D:從晚上7點開始丹小時更新微博。

　　

　　你會怎么選擇呢？