销售波动诊断 — 一眼看穿商品销售波动
上传销售数据，自动生成商品销售分布箱形图，CV波动诊断，异常值精准定位
核心优势
▾Excel 需手动算分位数、画图、条件格式
Excel 需逐SKU写公式判断异常
Excel 多SKU箱形图需逐个绘制拼接
Excel 需手动截图排版做PPT
应用场景
▾计算流程
▾将每个商品的多天销售额数据归集在一起
找出Q1(25%)、中位数(50%)、Q3(75%)三个分位值，形成"箱体"
超出 Q1-1.5×IQR ~ Q3+1.5×IQR 范围的数据点标记为异常（红点）
CV = 标准差÷均值，越大波动越大；自动按 绿/黄/红 三级着色
查看CV波动等级标准（进阶）
常见问题 & 注意事项
▾什么是箱形图？看不懂怎么办？
箱形图用"箱子+须线"展示数据分布。箱子窄=稳定，箱子宽=波动大，红点=异常天。绿色箱子是"好学生"，红色箱子需"重点关注"。
CV变异系数是什么？为什么比标准差更好？
标准差受量级影响——日销10万的标准差天然比日销1000的大。CV（标准差÷均值）消除了量级影响，使不同价位商品可以公平比较波动程度。
为什么有些SKU被跳过了？
每个SKU至少需要2条记录才能计算。只有1条的会被跳过并提示。建议每个SKU至少7天以上数据。
图表只显示了部分商品？
图表最多展示前30个SKU（按中位数排序），全部数据见下方表格（前50个）和PPTX报告。
导出的PPTX报告包含哪些内容？
共5页：封面 → 分析概览 → 箱形图 → 商品数据表（含CV和异常天数）→ 运营诊断建议。
- 必填字段——sku_id + sales_amount，均价来源：price 或 order_cnt 二选一
- 最少数据量——每个SKU至少2天数据，建议7天以上
- 空值处理——sales_amount 空值/非数字行自动剔除
- 排序方式——无需预排序，系统自动按中位数排列
- 推荐规模——5~200个SKU，每个SKU 7天以上效果最佳
上传数据
下载模板查看标准格式（必填：sku_id + sales_amount，均价来源：price 或 order_cnt 二选一）
点击或拖拽上传Excel文件
支持 .xlsx / .xls / .csv 格式
字段要求
- 必需列：sku_id、sales_amount
- 均价来源：price 或 order_cnt（二选一）
- 推荐列：date（格式 YYYY-MM-DD）
- 文件格式：.xlsx / .xls / .csv（CSV 建议 UTF-8 编码）
分析效果预览
示例数据以下为基于模拟数据的分析效果展示，上传真实数据或点击"一键查看示例分析"后将自动替换
常见问题
类目转化率多少算正常？
基准值因品类而异：食品/零食 5%-8%，美妆护肤 3%-5%，服饰鞋包 2%-4%，数码3C 1%-3%，家具家居 1%-2%。转化率低于行业均值50%以上需要重点优化。
转化率如何优化？
按重要性排序优化：①价格竞争力（占30%）；②评价/销量基础（占25%）；③主图和详情页质量（占20%）；④流量精准度（占15%）；⑤促销活动力度（占10%）。
GMV和实际销售额有什么区别？
GMV包含已支付+未支付+退款的订单金额，实际销售额只包含已支付且未退款的订单。通常实际销售额 = GMV × 60%-80%。拼多多和抖音以支付金额统计，淘宝京东以下单金额统计。
GMV怎么计算？
GMV = UV × 转化率 × 客单价 = 展现量 × 点击率 × 转化率 × 客单价。提升GMV的三个杠杆：拉流量（提升UV）、提转化（提升CVR）、提客单（提升AOV）。
