乐学跨境电商 2023-08-01 0:36:01

用微观经济学说说明跨境电商的优势和劣势。

优势：

1，流量带到福利社转化为交易，但长远还是需要有强大的供应链能力。一些特殊品牌如花王，其本质还是商业零售和消费者认知。电商发展至今，不论进口出口还是线上线下，平台负责招商。

2、用户信任度高，因为这些商家需要有海外零售资质和授权。而C2C达人经济模式可以在精神社交层面促进用户沉淀。

3、有全球优质供应链物流体系和丰富的SKU；痛点是，跨境电商最终还是要比拼境内转化销售能力，对本土用户消费需求的把握就尤为重要，亚马逊是否真的能做好本土下沉还有待考量。

劣势：

1、而痛点在于，再加上在中国并没有原有合资公司和零售体系影响，合作方式可以更加直接灵活。

2、毛利低，傍大腿。中小微商包括买手，朋友圈代购，和一些中小贸易商家。随着各路实力大平台的加入，大部分主做日韩标品丶尤其是韩国中小微商的生存毛利空间会越来越薄，纷纷依靠各类平台的策略红利入驻合作，共同教育用户培育市场。

3、京东，聚美，上游供应链不稳定，价格基本透明，能进入的商品根据各地政策不同都有限制，比如广州就不能有保健品和化妆品入境。同时还有资金压力。这一年里，传统零售商丶海内外电商巨头丶创业公司丶物流服务商丶供应链分销商纷纷入局，跑马圈地。

「过去」 以往在增量时代，每天都有新的领域、新的市场被开发。尤其是在互联网、电商等领域的红利期，似乎只要做好单点的突破就能获得市场。这个蛮荒时代，业务运营主要依靠是经验和直觉驱动。比如跨境电商领域初期，凭借世界工厂平台的优势，国内厂家似乎只需基于经验选品即可大卖。

「现在」 但是随着规则的成熟，更多玩家的进入，市场从蓝海变为红海，进入到存量期，仅靠经验驱动的增长模式不再有效。还是拿跨境电商举例，由于卖家的剧增，海外市场的饱和，跨境电商就进入存量运营时代，已经不存在绝对的蓝海市场，每个细分领域都有许多竞争对手。此时， 要求商家从粗放运营转为精细化运营，也就是用数据分析报告决定市场是否值得投入，用数据选品，用数据做经营分析，用数据库存管理。

当然，不是说纯定量的数据分析决定了一切，经验就不重要了。而是说在决策的过程中，数据结论占据的比例与以往相比更大，同时业务经验也是必不可少的部分。

「未来」 互联网逐渐成为“传统行业”的未来，人工智能、元宇宙等 由数据驱动的行业越来越依赖数据分析。 还有众多制造业亟待数字化转型，以期在全球供应链中提高制造环节的附加值。 也就是说，在未来，数据驱动业务将更频繁。

数据分析的本质是「沙盘演练」：战场上，指挥员们在指挥部的地形模型前「推演」敌我双方的趋势确定作战方案； 商场上，管理层通过数据间的运算关系「推断」运营的发展进而做决策。

基于这样的定义可以知道数据分析的目的是为了做对当下运营发展有利的决策，那它是如何做到的呢？为了解答这个问题，可以从前面的定义中 引申出几个关键概念：数据，运算关系，推断，决策。

最通用的理解，数据是被存储起来的信息。从应用的角度，数据是把事物做量化处理的工具，万物皆可数据化：数值数字是数据，文本、图像、视频等同样都是数据。

按 字段类型 划分，可以把数据分为：

按结构划分，可以把数据分为：

根据 数据连续的属性 不同，还可以分为：

孤立的数据往往没有参考价值，比如量化一个人，身高是180cm，并不能意味什么。比如网易云音乐的用户，每个用户的年龄是数据，对使用产品的人群年龄进行分段比如18-24岁，该年龄段人数占比的指标对网易云音乐来说才有价值。 从数据到指标的计算过程，就是数据间的「运算关系」，也叫「指标」。

指标的作用在于「度量」业务的发展：

这些指标（点）通过一定的结构可以编织而成指标体系（线、面）衡量局部、甚至是全局的业务 。

「沙盘演练」中，指挥员通过军事沙盘上的地形，及敌我双方的工事、兵力部署、火器配置等情况，分析敌情，制定作战方案。 数据把现实中的运营抽象到数字世界中，通过指标体系，应用各种分析方法（业务分析、产品分析、用户分析、经营分析），帮助经营做决策 。

赵括熟读兵书，却不能活用，沦为纸上谈兵的笑话。所以获得分析能力后，不能照本宣科，要结合实际业务场景做决策。

数据分析落地涉及流程创新、变革管理，用新的思维解决业务问题。 但这个过程并不是强迫变革，需要借助对业务的理解及软性的能力来使分析平滑落地。

站在“前人”的肩膀上，可以走得更远。饼干哥哥根据多年数据分析工作经验沉淀出了数据分析师能力模型，跟着它“按图索骥”，补充自身缺失的能力，最终形成独立、落地的数据分析能力。

完整的数据分析师能力体系应该包括 底层认知、业务场景及能力三板斧。

在建立数据分析思维之前，应该先在底层认知达成共识。
什么是认知？ 是对事物底层逻辑的了解，是对是世界万物的判断，认知的本质就是做决定。 也就是说，为了帮助数据分析中每个决策的有效性（选择什么指标、分析方法？接下来做什么？等等），需要先建立底层认知。

这一步，我们需要去明确数据分析的定义：数据分析是什么？目的/产出？分析流程？

同学们在求职过程中会发现，同样是数据分析师岗位，但是面试的内容千差万别，有考察机器学习、统计学等专业能力的，也有考察市场/行业分析的，还有考察产品分析的。
此时就有同学问，这些真的是数据分析该做的吗？

我们从字面上拆解，数据分析 = 数据分析，进一步拆：

这就是认知上的偏差：当一些同学认为数据分析就是用Excel做表、python写脚本、机器学习建模时（其实这些只是组成数据分析能力的一部分），求职市场对数据分析师的要求更为完整。

回过头来看，数据分析到底是什么？笔者认为，数据分析是一个过程，是利用数据能力做分析的过程：从发现问题、分析原因，到落地建议；这还是一个“解构”的过程：从整体拆到局部，从一般到特殊，从面到线到点，不断下钻剖析，找到具体可落地的点。

了解完什么是数据分析后，深入思考一个问题：这个过程的最终产出的交付物是什么？

要回答这个问题，我们需要 回到数据分析的本质：解决业务问题。 也就是回到业务层面的需求是什么，才能决定最后落地交付物：

最常见的数据分析场景，就是业务发现销售额下降、用户流失、产品跳失率高，也就是业务层面出现了一个问题待解决，此时需要数据分析师介入帮助从数据层面挖掘原因、给出解决建议。

分析过程可能是做一些探索性数据分析、统计分析、机器学习建模，甚至是做AB测试实验，最终交付分析报告，或者模型部署上线。

有时业务可能并不存在确切的“问题”，更多旨在通过加深对现有场景的理解，来提高现有业务模型、策略的效果；比如，现在业务使用的是客单价平均值将客户分为高、低两个人群进行营销，此时数据分析师通过对消费者的洞察分析，给予更精准的人群划分方案：利用客单价分位数，将客户分为三个人群，这样业务利用更新后的策略进行营销设计，提高转化效果。

分析过程可能是做相关分析、回归分析，甚至是无监督的聚类，来对现状进行解释。

按照需求的时效性，可以把业务需求分为临时需求和常规需求，而前面两者属于业务的临时需求，或者说是专项分析需求。 对于常规需求，主要旨在提高业务流程的效率 ，比如对于电商运营中的商品库存管理业务，运营需要及时查询库存情况，并结合销售趋势对低库存量的商品进行补单；此时，数据分析师可以通过交付“低库存预警报表”来帮助优化该流程效率。

支持诊断的内容主要集中在自动化的报表，甚至是商业智能（BI）体系的搭建。

如果说前面是基于已知模式的分析，那么业务中还存在一种需求，就是对未知的探索。最为典型的场景则是对市场、对消费者的洞察后，给出品牌及业务增长的策略。

分析过程更多是基于行业、基于市场，使用如PEST、SWOT、波特五力等商业分析模型。

至此，我们知道了数据分析是什么，以及最终的产出交付物，那这个过程如何实现的呢？从落地的角度来看，数据分析是一个从 发散到收敛 的过程： 业务理解-数据探索 -分析模型-落地交付-产品生命周期

数据分析是从业务到数据再回到业务的过程，所以理解业务是数据分析的起点。

“无场景不分析”、“脱离业务场景的分析都是耍流氓”等资深数据分析师的建议无不说明业务场景的重要性。数据分析能力模型中的业务场景模型：用户-产品-场景，就是为了帮助读者理解业务场景而设计的，在这里不赘述。

不知道读者有没这样的体验？就是领导交代任务给你，或者是朋友有求于你时，执行力强的人很快就完成了任务请求，但是最后却被告知这结果并不是对方想要的？这种情况很常发生在初入数据分析岗位的新同学身上，原因归根结底就是没有做好问题定义！

在理解了需求所处的业务场景后，可以 借助逻辑树工具来对问题进行拆解，拆解的过程尽量要遵循MECE、“相互独立,完全穷尽”的金字塔原理 。

如果说前面定义问题是明确做什么，那在这一步就是要明确做到什么程度？

比如面对销售额下降的问题，做数据分析，最终是产出一份数据分析报告就好了，还是说需要介入到测试实验，给出增长策略？如果是后者，那对销售额的提升幅度要提升多少才有价值？是不痛不痒的1%还是要达到显著的10%？

如果不在价值层面做思考，并付诸价值落地的行动，最后很容易产生“价值在哪”的灵魂拷问，面临被优化的风险 。

在业务理解阶段，我们是站在业务层面与需求方沟通，但是数据分析的核心部分都是在数据层面进行的。所以在正式开始分析之前，我们需要 把业务需求转成数据需求，这个过程就是数据探索 。

拿到业务需求时的定义问题阶段，需要数据的辅助：用数据透视业务，判断现状与描述是否一致。比如，业务说销售额下降了需要分析，但是这个下降是和谁比？环比下降但是同比提升，同比下降，但是和竞品相比是提升的。

这个步骤比较多的是使用探索性数据分析（Exploratory data analysis），或者说通过常见的统计指标来对数据现状进行剖析。

如果说第一步是在用数据验证需求的有效性，那这一步则是真正把业务问题转为数据需求。

此外，还需要判断数据质量及能做的特征工程，比如某些字段缺失率太高，这会影响特征的构建。

了解业务、明确数据需求后，就可以挑选合适的武器（分析方法、模型框架）上阵。

概括来说，有四种分析方法：

指标的好坏、特征是否显著等都可以通过比较分析的方法来实现，比如常见的归因业务场景，本质就是做比较，通过横向、纵向的比较找出原因。

分析方法：比如T检验、方差分析、同比环比、同期群分析等

分析变量之间的相关性是重要的分析场景。比如业务中想知道提高广告预算是否能、甚至是能提升多少的销售业绩？这样的相关性分析或许能找到最优投放ROI的配置方案。

分析方法：卡方、皮尔逊(Pearson)相关系数、斯皮尔曼(Spearman)相关系数、结构分析等

不论是对企业销售的预测、还是对用户行为的预测，都能帮助提升业务效率，比如常见的预测用户流失分析，及时得到高概率流失的人群名单，运营通过提前营销干预，提高用户留存率；常见的销售预测能帮助企业在供应链侧做准备。这类场景主要应用的是机器学习中的有监督分类模型。

分析方法：线性/逻辑回归、决策树、时间序列分析、贝叶斯等；

前面三种都是基于企业已知模式的分析逻辑，还有一种分析方法——无监督的机器学习模型，可以应对未知模式的分析。比如不知道应该把现有人群分成多少个组来进行营销最合适，就可以对人群基于核心特征做无监督的聚类分析，得出有效分组的界限。

分析方法：Kmeans聚类、DBScan聚类等；

交付落地的 最佳实践是让数据和分析从理论渗透到业务中，对流程进行变革提效 。

在交付给业务之前，需要先对给出的解决方案做有效性评估：

分析如果涉及模型的开发使用，需要通过AB测试，或者ROC等指标来证明模型在数据层面上的有效。在数据层面完成验证后，回到业务分析需求，评估交付的方案在业务层面上的有效落地。

数据分析是围绕业务价值而展开的，所以在最后的落地，也得就价值进行讨论， 回答这个方案解决业务问题的途径和程度 ：

A 途径是对流程的优化（降本提效）还是对数据的优化（数据体系效率、数据质量）？

B 这方式能多大程度上帮助解决？比如对业务的提升是10%还是30%？是对单次项目的应用，还是说可以部署到日常流程中，在更长时间、更广范围内影响业务？

C 此外，要实现这样的效果，需要投入的资源是什么

分析项目的落地需要多方参与，即使是业务能力丰富的分析师，由于流程边界的存在也不可能每步都参与执行。因此，确保项目能否有效落地的一个重要因素则是能否和业务达成共识。

如何做到？讲数据故事：起因(需求定义)、过程(分析逻辑)、结局(重要结论)是否引人入胜(被认可)。

这个过程需要制作PPT向上汇报、与业务沟通，甚至是做跨部门的演讲。

不论是业务模型还是算法模型，最终都有一个“靴子落地”的过程--落地实施。模型测试有效、与业务达成共识后就到了模型的部署上线阶段：

接在分析生命周期最后的是分析产品的生命周期： 以产品的思维看待数据分析，交付至业务落地的模型应用就是产品。数据分析这个过程并不是静态、单次的，而是一个PDCA不断迭代升级的过程 。（这个分析产品的定义包括分析服务、数据产品。）

从产品思维的角度，分析结论落地到业务流程中，对流程进行再造，提高运营效率。

当数据分析流程成熟后，大量重复执行的流程可以抽取出来，形成自动化的产品，用于服务数据分析（主要对象为数据分析师，也包括运营），这就是数据产品。分析师的结论模型就可以部署到现有的数据产品中，优化分析效率。

之所以要从产品思维的角度来看数据分析过程，是因为要像迭代产品那样去迭代分析模型：不论是优化算法参数，还是调整分析框架，都能得到更优的结论。

在数据分析生命周期第一步的“理解业务”中，我们提到业务场景的重要性。

根据业务经验，笔者沉淀了一套便于理解的模型：业务场景 = 用户产品场景

也就是说，要理解业务，就要了解用户，熟悉产品，明确分析所处的上下文场景。它们决定了分析的目标、处理逻辑以及落地建议。

更详细的讨论见：回归到营销理论，谈谈到底什么是业务场景？

对数据分析有了底层认知、了解业务场景后，就需要有看得见摸得着的“招式”来行动：思维方法、工具技术和项目能力这三板斧能组成不同招式应对多变的问题。

经常看到有人说数据分析如做饭，如果是这样的话， 在数据分析这个厨房里，工具技术就是锅铲、铁锅、勺子等器皿，思维方法就是切配、烹饪、打荷等技艺手法，项目能力则是最后的装盘上菜 。

很多人学做饭，可能是因为在抖音或B站看到某个美食视频，然后就开始按照视频步骤备料烹饪。这个过程，也就是数据分析中学习思维方法的过程。数据分析也是先有思维方法，才能谈得上是分析。

刚开始学做饭时，通常先学基础的煎、炒、炸、烤、煮、蒸、焖、拌烹饪方式。这些基础的能力在数据分析中就是统计学、相关分析、归因分析等通用分析思维。

正如美食有八大菜系，分别满足不同地域人群的口味，数据分析在不同场景下，也有不同的“分析”招式来满足不同的业务需求：

习得了做饭的方法后，就可以选择几件趁手的器皿，来提高烹饪效率。

之所以不是先选择器皿再研究做饭流程，是因为工具始终是工具，完成同一个目标或许有多种工具可以实现，再不济我用原始的土灶也能烧饭。

不过对于部分复杂的烹饪需求，也是需要选择特定的器皿才能完成。

常见的工具技术及应用：

菜做好后一定要及时出锅、装盘、上菜，要不然再美味的菜肴也只是空中阁楼。

项目能力强调的是数据分析项目的落地。理论的分析方法如何在业务场景中落地赋能，体现数据价值？这是很多企业数据团队在讨论的课题。

说项目能力像是烹饪最后的上菜阶段，其实不太严谨，因为 落地能力是一种软性的能力，贯穿分析项目的整个过程 ：

作者：作者饼干哥哥

子不语再次递表港交所

子不语再次递表港交所，2021年6月底，子不语曾在港交所递交招股书，但在当年年末因申请到期失效。当下对子不语来说，是个比较合适的上市时机，子不语再次递表港交所。

子不语再次递表港交所1

跨境电商公司子不语集团有限公司在港交所递交上市申请材料，联席保荐人为华泰国际、农银国际。

招股书显示，公司已实现连续三年的稳步增长，截至2021年12月31日，子不语的营收为2347亿元，年度利润达2亿。2021年，子不语已获康煦投资2100万美金和Aloe Tower 500万美金的投资，证明其前景可期。

实际上，这并非是子不语第一次冲刺IPO。

去年6月30日，子不语就曾向港交所提交上市申请书，后因申请到期而失效。而在更早的2017年1月，子不语曾聘请中介辅导启动上市计划，但后来也不了了之。

如今，子不语再次冲刺港股，是否真的做好了准备？

跨境服饰鞋履赛道的头部玩家

公开资料显示，子不语集团是中国最大的跨境电商公司之一，主要通过第三方电商平台进行服饰及鞋履产品销售。

根据弗若斯特沙利文的资料，按2020年通过第三方电商平台销售的服饰及鞋履产品的GMV计，子不语集团在中国跨境出口B2C电商服饰及鞋履市场的所有平台卖家当中排名第三。

招股书显示，2019年至2021年，子不语集团收入稳步增长，从1429亿元增长至2347亿元，净利润从81109万元增长至201亿元。

其中，服饰和鞋履产品是主要的收入来源，2019-2021年分别占据总收入额的982%、916%、975%。

在业绩记录期间内，子不语新客户已达3260万人，平均日处理订单数量达50,000单以上。截至2021年12月31日，子不语在过去12个月的平均月度GMV达232亿元，其中该月的平均GMV为308亿元。

从目前公布的信息看，子不语在北美地区的业绩更为亮眼。如果按2020年于北美地区产生的GMV计，子不语集团在中国跨境出口B2C电商服饰及鞋履市场的所有平台卖家当中排名第一。

而这一品类在跨境出口B2C电商市场中的市场份额正在逐年增长，数据显示，按GMV计算，服饰及鞋履的市场份额由2016年的146%增长至2020年的252%，是2020年中国跨境出口B2C电商市场的最大组成部分，预期将于2025年进一步增长至295%。

由此不难看出，在此高速增长的赛道上发力的子不语未来仍有增长空间。

但子不语“把鸡蛋放在一个篮子里”的模式仍需警惕，单一的产品结构带来的风险犹存。

虽然近年来子不语也开始提供不同类型的其他产品，如电子产品、文具及体育用品等，但比起占大头的服饰和鞋履，其他产品贡献的收入不足10%。

而在服饰鞋履品类中，由于对时尚感的把控要求较高，子不语业务成功与否很大程度上取决于对未来时尚潮流、消费者偏好及市场需求的预测能力，一旦掉队，收益则再难保证。

依赖单一市场，亚马逊等第三方平台销售占比过大

目前，子不语主要依赖亚马逊、Wish、eBay及全球速卖通等第三方电商平台销售渠道。

从其销售及分销开支中也可以看出，2019至2021年，子不语光向第三方电商平台支付的佣金费用和服务费就占到总额的309%、268%和317%。

其中，亚马逊平台实现了爆发式增长。2021年，集团来自亚马逊产生的收入由2020年的615亿元增加至2021年的1672亿元，同比增长172%，占到总收入的713%。持续拓展亚马逊渠道，使得子不语的热销产品及透过亚马逊推出的新产品销量增加。

亚马逊收入飙升的同时，子不语另一主要平台 Wish 遭遇缩水。

来自Wish的收入由2020年的人民币8411百万元减至2021年的人民币3041百万元，订单数量及活跃用户数量也大幅下降。

子不语表示，主要是由于减少了透过Wish进行的低利润率产品的销售，并战略性地更加专注于透过其他第三方电商平台（尤其是亚马逊）进行销售。

值得注意的是，虽然亚马逊上的订单数量和销售收入逐年增加，但活跃用户数量却从2019年的2363万下降至2021年的1375万，退货率也由2020年的171%增加至2021年的198%。

对此，子不语解释称，录得较少的活跃用户主要是由于缺乏选择FBA模式的客户数据；退货率增加则因为易因鞋码问题发生退货的鞋履产品收入占比的上升，以及亚马逊平台更灵活的退货政策。

虽然子不语进行多渠道销售，并设有自营平台，但和亚马逊和Wish所占份额相比略显微不足道。数据显示，2019至2021年，子不语通过亚马逊及Wish销售产生的总收入分别约为1229亿元、1456亿元及1977亿元，分别约占同年总收入的860%、767%及842%。

子不语表示，在可预见的未来，通过亚马逊及Wish进行的销售将继续占总收入的绝大部分。

此外，尽管子不语的生意遍布全球，其终端客户分布于全球超过80%的国家及地区，包括美国、德国、法国及日本。不过，美国市场是子不语集团最大的销售市场。

2019年、2020年及2021年，集团向美国销售产生的收入分别约为84亿元、131亿元及人民币201亿元，分别占同年总收入的588%、690%及855%。

同单一的渠道一样，单一的市场也使得美国市场的变动将会对整个集团财务产生重大影响。

目前来看，子不语集团计划通过结合第三方电商平台及自营网站进行销售，积极开拓东南亚及欧洲市场，逐渐减少对美国市场的依赖。

因此，集团的盈利能力、财务表现及财务状况依赖于第三方电商平台（尤其是亚马逊和Wish）与集团之间持续稳固的业务关系，如果第三方电商平台修改协议条款而使其对集团不利，产品的盈利能力可能会受到重大不利影响。

子不语再次递表港交所2

子不语集团有限公司（下称“子不语”）再次向港交所递交招股书，准备赴港上市。这是八个月以来，子不语第二次递表。而在更早前的2017年，子不语曾启动过上市计划，但此后这一计划被搁置。

在子不语准备上市这几年中，跨境电商行业不断有新玩家涌入，也不断有同行退出。此次子不语再次递表，它面临的外部环境发生了怎样的变化？依赖第三方平台的`它，又是否需要从内部进行自我革命？

近八成营收靠服饰

据《华夏时报》记者了解，2021年6月底，子不语曾在港交所递交招股书，但在当年年末因申请到期失效。艾媒咨询CEO张毅对《华夏时报》记者表示，当下对子不语来说，是个比较合适的上市时机。“一年前或更早前，出口跨境电商这个概念不算太火，资本关注度不高，它上市后获得的市值可能不会太好。另外，当时出口电商主要依赖的还是亚马逊，但如今的环境，除了亚马逊以外，像TIKTOK、速卖通等平台，也会有一些想象空间。”

起家于浙江的子不语成立于2011年，主要通过亚马逊、Wish等第三方电商平台向欧美等海外市场销售服饰、鞋类等产品。

招股书显示，2021年子不语23亿元的营收同比增长23%，但25亿元的经营利润较上年同比增长近八成。而在上一年，它这两项指标的增速都不到40%。在更早的2019年，这两项指标都是个位数增长。

子不语的营收规模在整个跨境电商行业中并不算大。2020年时，与它同年成立，主营消费电器产品的跨境电商企业安克创新，营收就达到93亿元。公开资料还显示，同样出海卖女装的SHEIN同期营收也已接近100亿美元。

据《华夏时报》记者了解，子不语成立之初，定位在国内市场，当时它主要从杭州四季青服装市场进货，再通过淘宝出售。这与SHEIN最初从广州十三行服装批发市场进货相似。

但在被认为是跨境电商元年的2014年，子不语开始将目标转向海外，将自身业务全面转变为跨境电商业务，并通过第三方平台销售服饰类产品。2016年，它开始将品类拓展至鞋履产品。

需要提及的是，子不语最初售卖的两大品类至今仍是它的主要收入来源。招股书显示，2021年，它的服饰品类收入占比达到近八成；鞋类产品收入占比近两成。它较为单一的产品结构也被外界认为存在一定风险。

张毅对《华夏时报》记者分析认为，“与其它品类相比，服饰类产品变化非常快，企业稍有不慎可能就会掉队，所以它在创新速度上可能存在风险。未来它需要做的，是更加精细化的运作，并保持市场领先的水平。”

内外隐忧

除了产品上押宝服饰及鞋类，子不语的销售渠道也颇为依赖第三方平台。与SHEIN成立起便自建独立站不同，子不语销售渠道仍以亚马逊等第三方平台为主。2021年，它有超过七成的营收来自亚马逊平台，9%的营收来自Wish。

这被业内人士认为它缺乏独立性和自主性。国泰君安在去年10月的研报中表示，子不语公司和第三方电商平台的关系中断及安排条款的不利变化可能会对其业务和经营业绩产生重大不利影响。一个例子是，去年亚马逊的封号潮已经让不少卖家损失惨重。

虽然为了降低第三方平台依赖风险，子不语已拓展了如eBay、全球速卖通、TikTok等其它电商平台，并且自2018年起，就开始运营自营网站。不过从招股书来看，这些渠道的营收贡献仍较为有限。2021年，它的自营网站收入占比不到11%，且较上年下降8个百分点；而除亚马逊、Wish两大平台之外的其它第三方电商平台收入占比仅为3%。

鞋服行业独立分析师程伟雄对《华夏时报》记者分析认为，自建独立站与平台卖家各有优劣。自建平台不仅要链接国内供应链，也要链接国外用户，需要非常大的投入，能够像SHEIN这样的跨境电商跑出来的并不多。他表示，在跨境电商企业在发展初期，会选择第三方平台，但后期想要扩大规模，自建平台是必须要发展的一个渠道。

张毅则对《华夏时报》记者表示，对于子不语来说，自建网站的这条路，走起来会非常艰难。“自营网站并不困难，难的是如何获取流量、如何保证支撑独立站的品类数量，而子不语的产品数量远远不够支撑网站或APP。”另外他认为，巨头夹击之下，面临激烈的竞争，子不语并不具备绝对竞争力。

另外，市场参与者数量增多、竞争的加剧也让它承受着更大的外部压力。2020年以来，跨境电商行业进入增长爆发期。企查查数据显示，2021年跨境电商相关企业数量增幅达到72%，这也是过去6年来的最高增速。除此之外，还有阿里、京东、字节等互联网巨头的布局，敦煌网、至欧科技、三泰股份等中小玩家也在去年先后递交招股书。

根据子不语引用的弗若斯特沙利文数据，按照2020年通过第三方电商平台销售的服饰及鞋类产品的GMV计算，子不语位居行业第三。不过，这个市场发展至今仍极为分散，同期在这个规模达4611亿元的市场中，子不语仅占据04%的份额。

张毅表示，在竞争激烈的跨境电商行业，决定性因素是企业的供应链能力。“对于跨境电商来说，整个供应链的整合能力在未来出口跨境电商里将扮演一个非常重要的角色。”

3月10日，《华夏时报》记者就产品结构及行业竞争等情况以电话及邮件方式联系子不语，但截至发稿，暂未得到回复。

子不语再次递表港交所3

杭州跨境电商大卖场子不语集团有限公司（以下简称“子不语”）向港交所递交招股书，拟在香港主板挂牌上市。华泰国际、农银国际担任联席保荐人。在此之前，其曾于2021年6月30日向港交所递交招股书。

说起子不语，外界对其并不陌生，这家电商平台主要通过亚马逊、Wish、eBay及全球速卖通等第三方网站以及自营网站，向全球各国售卖自主设计的服饰、鞋履及其他产品。

财务上，2019年-2021年，该公司分别实现营业收入为1429亿元、1898亿元、2347亿元，对应拥有人应占年度利润及全面收益总额位81109万元、114亿元、201亿元，业绩整体呈现出上升趋势。

其中，于报告期内，第三方电商平台销售产生的收入分别约为1313亿元、1506亿元及2052亿元，约占公司同期总收入的919%、793%及875%。

而亚马逊和Wish则是最大贡献者，该两大平台产生的总收入分别约为1229亿元、1456亿元及1977亿元，约占公司同年总收入的860%、767%及842%。

毫无疑问，这有点把“鸡蛋放在同一个篮子”的意味。

参考去年亚马逊大规模封号事件，有棵树被“封店”后，上半年录得净亏损74亿元，背后的上市公司天泽信息在消息披露后，股价跌幅达到2484%；星徽股份旗下RAVPower、Taotronics、VAVA三个品牌涉及的部分店铺于2021年6月16日被亚马逊平台暂停销售，6月17日星徽股份开盘大跌20%。

子不语显然也意识到相关风险，近几年着重拓展及提高自营网站业务，2019年-2020年，自营网站贡献的营收占比从768%提升至191%，但2021年又下降至1097%。

总的来说，有亚马逊大规模封号的前车之鉴，子不语还是要做好多手准备。

2018年，是充满变化的年份。国际经济形势多变，全球市场变化多端，多数企业似乎在经历着一场“寒冬”，社会弥漫着焦虑。与全球市场紧密相关的跨境电商，在跨过遍地捡钱的红利期后，迎来了更迭换代的洗牌年。在扑面而来的混战中，2019年，跨境企业该如何找到生存大法？
受平台和市场的政策波动、汇率、国际贸易环境、中美贸易战等因素影响，跨境电商市场环境开始变得错综复杂，不少卖家也感受到了市场的变化。年初亚马逊的严打刷单、账户被封等平台政策，加之VAT交税、印度、澳洲、德国等税务问题，卖家生意竞争愈加激烈，存在的风险也越来越大。

“都不容易啊，今年本来想冲刺一个亿销量的，但目前看来有点悬了，增长幅度不大，平台也不好做了，还是先求生存吧。”2017年销售额达4000万元的卖家感叹道。

无独有偶，很多跨境卖家都发出了一样心声，皆感慨增长乏力的市场状态。尽管日前，刚发出财报的跨境电商龙头企业跨境通，其前三季度销售额近158亿元，同比增长8066%。在资本加持的情况下，还是有冲刺200亿元的可能性。然而，草莽生长占多数的跨境电商企业又该怎么生存？

电商平台、供应链、物流、支付等构成跨境电商的完整闭环，每一步都至关重要。跨境支付尤为重要，毕竟关乎卖家的每一分辛苦钱，也是卖家在一轮轮淘洗中制胜的关键。

近两年，跨境支付行业竞争十分激烈，这个庞大的市场除了老牌的外资企业如WorldFirst、Payoneer，还涌现出了新锐企业。在跨境金融浸泡了9年的CaresPAY便是如此，2018年下半年，CaresPAY成了一匹跨境支付黑马杀出重围，为跨境贸易企业提供平台收款、外卡收单、B2B跨境收款等综合金融解决方案。

自2010年成立至今，CaresPAY在外卡收单方面已服务超过18万商户，交易笔数超6000万，交易金额超100亿人民币，连续三年位居全国业绩前列，拒付率低至1%。

在跨境支付热闹的价格战中，除了玩家的争利，也表明了市场的更迭。很多第三方支付企业都将收款费率一路下调，同样CaresPAY为了给与卖家更实在的优惠，除了降低收款费率外，还为卖家提供免费提现优惠额度。在平台收款方面，CaresPAY支持Amazon、eBay、wish和速卖通等平台收款。除了费率之外，CaresPAY还提供跨境电商周边增值服务。
每年到了下半年，都是卖家期待已久又忙碌备至的时间。万圣节、“黑色星期五”、“网购星期一”、圣诞节等促销节日都是卖家一年冲刺销量的寄托。比如在2018年旺季，卖家不仅要思考如何突破重围爆单，更要明白如何避开雷区，稳中求胜。

在旺季备货环节，确保供应链的稳定性。采用多SKU的铺货模式的跨境卖家，需要提前预估旺季的销量，备好充足的产品，也要严格把关产品质量。

在资金的周转率上需要多加考量。卖家旺季备货需要提前付款给供应商，即便有账期也会侵占大量资金。此外，目前很多卖家也都是走海外仓模式，对卖家销售资金的压力会越来越大。

对于跨境出口卖家，缺钱似乎一直是常态。这个资金驱动型的行业，无论是几个人团队的小卖家还是年销售额达十几亿的大卖家，对于资金的需求一直都很强烈。而往往到了旺季，还是全民缺资金的状态。

因此，供应链金融也在跨境电商兴起了。根据卖家的店铺流水数据以及风控的评估，跨境金融企业可为卖家提供店铺流水的超前提现服务。只要成为CaresPAY大使，使用平台收款服务，用户的亚马逊账单一出，点击提现便可立马到账，无须等待并且日息全免，可加快资金的周转率，为旺季备货提供更充足的资金。

在物流方面，每年跨境电商旺季的到来，对卖家来说都是一次考验。由于每年备货的情况都会出现些微调整，但市场上的物流服务商也会面临爆仓的考验。因而，卖家旺季物流方面还需要考虑几大因素：空运、海运、直发的比例，预约进仓的时间、特殊情况的处理如货物损失的情况下及时补货等。

支付方面，安全可靠才是王道。今年，市面上出现了不少支付企业，鱼龙混杂，容易让卖家选择困难。然而，选择最有利于自己的跨境支付企业，必然先瞄准其安全指数。

过去有卖家爆出某收款平台在卖家账号下无故挂出4个子账号，并且皆非卖家自身注册的账号，却通过该卖家账号走账，造成卖家在财务上解释不清，给卖家的企业发展带来很严重的影响。可知，收款要选择靠谱的服务商。

安全、可靠一直以来都是CaresPAY最为重视的一环。除了拥有美国的MSB、香港MSO支付牌照，在收款方面，只要出现有关卖家账号安全的 *** 作， CaresPAY便会及时通知到企业法人，确保法人知情权和账号安全，同时严格保障用户信息安全，未经授权，绝不泄露。

广阔的海外市场，给了跨境卖家蓬勃的希望，也让从事着这一份工作的人逐渐收获人生的希望。当中国制造的产品走向海外，先后产生了像Anker、Aukey、Bluedio、TOMTOP等跨境电商引以为豪的品牌，即便真实的业态中，铺货、跟卖、刷单与恶性竞争依然存在。交织着复杂的市场态势，洗牌便是取之精华，弃之糟粕的过程，唯有把脉住时代的趋势，跨境电商才能走得更加长远。

以上内容属作者个人观点，不代表雨果网立场！

我想你想问的是，做跨境电商的数据报表中要设计哪些变量和参考因素把？

一，你店铺中商品的销售数量，日，月，月，年

二，销售金额

三，下单集中的时间段，要日，周，月，年

四，用户流量来源

五，畅销商品所属的属性和分类

六，最大金额的一单，和最小金额的一单

七，下单金额集中的价格区间

八，用户店铺点击量，日，周，月，年

九，花费的广告和宣传的费用和收益比

十，用户来源的地区

十一，用户下单因素