b2c模式是電子商務模式中常見的一種模式，而b2c從經營角色角度看，又分為自營和平台兩種，自營是指電商**所屬公司自身享有貨權並通過**售賣的方式；平台是指電商**所屬公司只提供**服務，招商其他公司入駐**來售賣他們的商品的方式。如天貓是純平台經營模式，如京東、1號店等都是自營和平台兩種模式都有的，1號**就是1號店提供的平台服務。
電子商務
在電商平台中有乙個常見的功能是允許商家在訂單支付前修改已下訂單的成交**，很多朋友可能在天貓**上下單後都有過讓商家修改運費的經歷，通常這種主動由使用者聯絡商家修改**的方式我們認為是良性的，但還會有商家主動發起修改**的情況存在，比方說有些商家先把商品**設定的很低，吸引使用者下單後又說**設定錯了，把成交**改為原來的**，這是一種惡意刷單的行為。這裡所說的修改**不是指修改商品的**，而是修改訂單的**。本文所要描述的就是如何通過資料層面來分析商家的改價行為。
這裡再說明一下允許商家改價這個功能存在的合理性，當然也確實有很多電商平台不提供這樣的功能，但是存在即合理，不然也不會有改價行為分析的問題了。
1、最常見的就是修改運費，相信很多人都體驗過，買了一件免郵的商品，再買一件不免郵的商品，兩件一起運送的話，就可以要求商家把運費修改掉；
2、中國特色的討價還價，在中國做生意很多地方都存在這種討價還價的現象，厲害的人可以把**砍掉一半，甚至更多，對於這種人，筆者表示很佩服；
3、部分使用者下完訂單後發現需要修改商品（如型號、顏色、搭配**等）或者修改商品數量，又不想重新下單，就會在備註裡面說明一下，讓商家修改一下**；
以上都是正面的一些設定修改**功能的原因，但這種功能是把雙刃劍，也會帶來一些負面的效果，比如說惡意刷單，所以才要做分析去約束。
分析的原因
1、改價訂單的比例太高會導致使用者交易體驗差，會給使用者造成平台交易不確定的印象，影響平台信譽，這是很多平台不開放這個功能的原因；
2、支付失敗的可能性增大。把**改低了還好說，要是改高了很多使用者就會不願意再支付，甚至會出現使用者已經去支付了，商家這邊修改了**，導致支付的金額低於訂單的成交金額；
3、有商家利用改價功能進行虛假營銷活動，遭到使用者的投訴。先低價賣，使用者下單後再改上來說**標錯了；
4、有不良動機，給了商家惡意刷單的機會。如果改價流程的約束較少，就會變成部分不良商家的工具；
分析的目標
1、通過對商家改價行為的分析，找出規律和對策，以便對改價行為有一定的約束；
2、想辦法減少甚至取消在使用者支付動作後的改價，盡可能讓使用者在支付前能得到改價資訊，特別是針對cod這種線下的支付方式；
分析後可能帶來的收益
1、可以減少商家的違規操作行為；
2、可以提公升支付成功率，尤其是線下支付方式的成功率；
3、改善買家體驗，可以順暢的完成交易；
分析的方式與方法
第一步，我們要分析的話得先把基礎資料拿到手，這裡是要分析商家改價行為的分析，那麼改價相關的字段資訊肯定要有；另外因為改價行為會影響到支付成功率，那也得把改過**的訂單的支付狀態取出來以便分析，最後定義出來的基礎資料字段內容如下，當然中間有過一些加工：
商家id、訂單號、下單時間、訂單金額（改前**）、最後修改時間、交易金額（改後**）、支付時間、支付狀態、改價幅度（交易金額-訂單金額）；這裡說明一下，能否取到分析的資料和公司內部資料倉儲的建設有很大關係，另外最好自己懂sql，懂sql的重要性可以參考《產品經理所需要掌握的技術點》。
第二步，確定分析的資料範圍。因為大部分改價行為都發生在支付前，所以時間維度還是以下單時間為準；主要目的是分析有過改價行為的商家，因此沒有改價行為的商家資料要剔除；另外為了讓資料更有說服力，資料區間選取上半年的六個月區間；
1、先看下商家改價訂單在商家所有訂單佔比，是否比例會比較高，這個可以一定程度上把惡意商家區分出來；
這個佔比比較好計算，以單個商家改過**的訂單總數除以該商家的訂單總數，就是單個商家的改價訂單佔比。從分析的結果上，發現部分商家的改價訂單佔比確實很高，有的商家100%的訂單都修改過**。基於過往經驗，我們認為80%的訂單都修改過**的商家存在惡意操作的嫌疑，抽取出來做單個分析。
2、再看下改價訂單中，把**改高的佔比和把**改低的佔比；
**改高的佔比為單個商家中把**改高的訂單數除以該商家的改價訂單總數；同理，**改低的佔比為單個商家中把**改低的訂單數除以該商家的改價訂單總數。從這個分析結果中我們看到了很有趣的乙個現象，下圖為訂單數排行前三十的商家分析結果，可以看到商家修改**時，要麼一邊倒的把大部分訂單的**都改高，要麼把大部分訂單的**都改低。這也印證了確實有一部分商家可能存在故意先把**標低，然後又把**改回去的現象。
shangjiagaijia2
3、我們再來看看支付成功率的指標，分析一下商家本身的支付成功率和改過**的訂單的支付成功率。
商家訂單支付成功率為該商家支付成功的訂單總數除以該商家的下單總數；改價訂單的支付成功率為該商家改價訂單中支付成功的訂單總數除以該商家改價訂單總數。還是以這三十商家為例，可以發現把**改高的訂單支付成功率要遠低於商家正常的支付成功率，幾乎只有一半，而**改低的支付成功率則高於或接近正常的支付成功率。
shangjiagaijia1
分析結果
通過三個角度的分析，我們基本可以得出一些結論：
1、從資料上看，部分商家存在惡意改價的行為，改價訂單佔比很高，存在刷單的嫌疑，需要具體分析；
2、部分商家基本選擇都是把**改高，拋開正常的修改**因素，我們認為**改高的比例還是過高，存在虛假標價的嫌疑，還需看明細的資料去分析原因；
3、我們發現下單成交後再把**改高的支付成功率只有正常的一半左右，而改低卻基本扯平，證明使用者也樂於看到商家把**改低，需要分析一下，看是否能限制商家只能把**往低了改；
總結從整個過程來看，資料分析必須要有原因和目標，否則會無從下手，這也是很多人覺得不知道該分析什麼的原因。之所以分析的結果都不是很確定，是因為資料分析是輔助工具，其結果可以參考，但不是必然的，粗線條的分析之後可能還需要更細分的分析才能確定最終的問題所在。最後還是說一下，產品經理懂sql會方便很多，或者基礎資料取出來之後，有很強的excel操作使用能力的話，也可以用excel來分析。
這裡講的只是大致的資料分析流程和步驟，整個過程較為簡單，其實再往細了分析之後，就可以寫乙份比較漂亮的資料分析報告，裡面可以有大家常見的各種曲線圖、餅圖之類的，本文算是資料分析方法入門的初級介紹，大家如對商家改價行為有更好的分析角度，也可以分享一下。
電商平台推出政策減免 幫助河南商家渡過難關
河南暴雨牽動著全國人民的心。除了www.cppcns.com各大企業紛紛捐款，運送物資外。各大電商平台也針對受災的河南商家推出了相應的扶持政策。其中，推出www.cppcns.com 延www.cppcns.com長發貨時間 發放乙個月的延期還款券，發放廣告券和營銷補貼 提供智慧型外呼服務等 9大舉...
電商平台 商品的spu和sku資料結構設計與架構
1.先說明幾個概念.電商 採用在商品模組，常採用spu sku的資料結構演算法，這種演算法可以將商品的屬性和商品的基本資訊分離，分開維護，這樣我們就可以在不同的類目下自定義商品資訊和分類的屬性資訊，我們的業務系統就可以儲存不同門類的商品資訊了 spu standard product unit 標準...
Echarts Vue電商控制平台
專案位址 如何將專案執行起來？主要有六個圖表組成，通過使用vue框架對前端進行合理封裝，對頁面進行元件化展示。1 前端位址 2 後端位址 node v檢視node的版本，如果電腦中沒有node環境，可以檢視該部落格 node.js安裝教程，進行node環境的搭建。2 開啟控制命令列，進入到後端資料夾...