档案卡
先说结论：宠物数据好不好，不看谁吹，看口径、更新和颗粒度。
下面这张表，把“宠物数据”当成一个可分析对象。
| 项目 | 怎么判断 | |---|---| | 体型 | 数据量大小：全国大盘、城市、门店、SKU 都有才叫“大”。 | | 寿命 | 可用周期：历史 3 年、月更、周更，越久越能看趋势。 | | 性格 | 稳定性：口径会不会突然变，数据会不会跳。 | | 掉毛程度 | 噪音和缺失：退货、退款、异常订单有没有剔。 | | 运动量 | 清洗成本：要不要自己拉表、对齐字段、补口径。 | | 新手友好度 | 有没有看板、说明、样例，能不能直接看懂。 |
性格特点
宠物数据不是“乖宝宝”，常见 5 个性格：
- 表面好看，内里会跳票：大促 GMV 很高，退款一算就缩水。
- 口径像换毛：猫粮数据一会儿算订单，一会儿算 SKU。
- 更新像掉毛季：大促前后字段变化大，历史对比容易断。
- 颗粒度有脾气：想看城市线级，结果只给全国大盘。
- 对新手不太友好：没说明、没样例，先要你自己猜字段。
优点和缺点
| 优点 | 缺点 | |---|---| | 能看趋势：猫狗消费、品类增速、渠道变化。 | 口径不一：订单、GMV、实收、退款容易混。 | | 能选品：价格带、功能卖点、复购信号更清楚。 | 颗粒度粗：很多数据只有全国，看不到区域细节。 | | 能对比：品牌、渠道、平台之间可以横向看。 | 更新慢：大促后数据才齐，决策容易慢半拍。 | | 能讲故事：报告、融资、招商都爱用漂亮曲线。 | 噪音多：异常订单、刷单、退货没剔就失真。 |
饲养要点
用数据也得“喂”对，别拿脏数据做决策。
| 要点 | 做法 | |---|---| | 饮食：数据源 | 平台后台、ERP、第三方、问卷，来源要写清。 | | 运动：交叉验证 | 线上 GMV 对门店流水，搜索热度对成交。 | | 护理：清洗脱敏 | 剔异常订单，补字段，处理用户隐私。 |
常见健康问题
这里说的是数据“生病”，不是宠物看病：
- 口径不一致：GMV、订单、实收混着写。
- 样本偏差：只统计高消费用户，趋势偏贵。
- 幸存者偏差：只看成交，不看流失和退货。
- 更新滞后：大促后数据才齐，决策慢半拍。
- 归因混乱：直播、搜索、门店都算同一来源。
- 脱敏不足：手机号、地址没处理，合规风险高。
适合谁养
宠物数据好不好，也看谁用：
- 宠物品牌：看品类、价格带、复购、渠道结构。
- 渠道/门店：看区域、客流、转化、库存周转。
- 投资人：看赛道增速、头部集中度、现金流信号。
- 内容团队：看话题热度、搜索词、评论区情绪。
- 新手：先别贪多，先跑通一个核心指标。