销售管理需要分析哪些关键指标？
从两个方面来说，一个是从整体上控制销售情况，在一个报告中呈现重要指标，通常是阅读每日或每周的销售报告，用来监控数据异常，以便及时发现问题。另一种是具体问题的分析，通过数据的呈现引发商业思考，挖掘原因和解决方案。比如为了提高销量，产品对比分析，渠道对比分析，退货量对销量的影响等。
所以，分析什么指标，你不妨找销售经理深入了解他们的需求，具体问题具体分析。
或者参考以下销售数据分析系统，寻求分析思路。
以电商零售企业为例。主流销量、订单量、完成率、增长率、重点商品销售占比、各平台销售占比。更多的还可以跟踪利润、周转率(转化率)、人均产出等等。
基本性能分析:
建立销售分析系统，通过渠道组织和商品系统实时监控和统计销售业绩。
指标跟踪:
根据数据之间的逻辑，从汇总数据的异常，从时间，品牌系列，区域纬度进行钻孔识别的问题。
商品价值分析:
根据销售量、利润等指标分析商品的价值。
价格区间分析:
用利润分析价格，用销售分析价格。
这些指标可以从以下三个层面进行追踪。
3.1指数监测
一般监控这些指标，都是传统的:邮件提交(虽然业务人员整合数据需要很长时间，但总比没有强)；还有比较高端的:led屏幕实时监控。不管是哪种方式，也是为了这个目的。现在很多公司已经实现了指标监控的自动化，以及多平台集成和移动监控。
下面是一个使用FineReport构建的数据报告示例:
上图旨在监控前一天的销售指标。最重要的两个指标(销量和订单量)通过仪表盘显示出来，目标达成率也显示出来，这样最重要的信息就可以非常醒目地掌握。不达标？根据这些信息，你可以找到负责人提问。
其他的主要是订单分布，也就是各个价位的订单数量:它反映的是客单价的分布。如果某一天的数据出现异常，比如发现客单价150的数量突然增加，可能是门店促销带来的效果(如果客单价下降，但销量增加不多，很明显这个活动不成功)，也可能是新品推出带来的冲击。总之，通过观察客单价的分布，可以掌握很多信息。
商品销售和平台销售的分配:主要是把握销售的分配。仅仅通过这一天的数据还是很难看出问题，需要联系在一起。下面会提到。
订单时间分布:分析各个时间段的订单集中度。比如上图所示，用户消费高峰在晚上9点左右，10点。通过这些信息，我们可以有针对性地调整销售策略。当然，如果某一天的订单分布突然出现较大变化，也值得深入分析原因。
不仅仅是跟踪每天的销售指标值，积累的数据也能产生不一样的感受，如下图。
首先是累计销售达成率，从中可以看出整体表现。右边的图表可以和这个图表联系起来。当数据出现异常时，可以进一步查看每个月的详细数据。
监控销售指标累计值是对整体销售业绩的控制，日报关注的是最新数据。两者要多结合使用，既要驾驭全局，又要注重当下。
3.2指标的定期分配
很多东西，请独立看待，很难发现什么异常，但是打开时间维度，扩大观察领域之后，会有很多新的发现。如上所述，产品销售分销和平台销售分销。
上图是各平台的订单分布情况。仔细浏览可以发现，2月(春节)期间，天猫平台整体订单占比高；JD.COM平台上的两家旗舰店占据了越来越多的时间。这些信息将有助于公司调整销售策略。
当数据出现异常变化时，可以进一步浏览月度明细数据，可以知道店铺订单量的下降是因为店铺业绩的下降还是其他店铺业绩的提升。这种举报不仅是跟踪数据，更是跟踪责任人。
3.3指标对比分析
比如从区域维度出发，多角度对比区域之间的差异，通过数据给相关团队无形的压力，提醒各团队异常情况，及时处理。
上图通过地图直观的展示了各个地区的销售情况，可以选择不同的对比标准来展示。右侧两个图表与地图形成联动，分别显示该地区目标完成情况和同比对比情况。
从上图可以看出，2月份之前实际销售情况好于计划值，但2月份之后稍显疲软，5月份累计完成金额已经落后于计划金额。销量不好的原因还需要进一步分析。此时选择计划完成率的对比指标。如果所有地区的完成率都低，可能是整体环境的问题。如果大部分地区完成率低，可能更多是地区队的问题。
通过这样的布局，可以全面展示区域的销售情况，团队的表现也不能用单一的标准来展示。
比如从商品的角度，比较不同商品的价值贡献，会给品牌领导者带来压力，为调整商品策略提供参考。
上图中，最核心的是左上角的商品利润分配图，通过它来体现每个商品的价值。这种图表适用于商品数量较多的情况，可以直接显示每种商品的重量。
右边的两个折线图可以与气泡图链接。下面我们分别介绍一下:
权重图:显示商品的权重分布，权重值=销量/周权重系数，上一篇文章介绍过。它根据一周内每一天的销量来分配每一天的权重比例，比如周一到周日的分配是:1.1.1.1.1.65438。这样计算得到的数值应该是一条比较平缓的曲线，但是我们从图中可以看到6月18日的销量明显高于正常值，可以推断这一天是活动日。通过下图可以发现6月18日的单价偏低，也可以证明该商品属于6月18日的活动促销期。
同时，6月17日的销售情况低于正常，可能是因为第二天的活动。但如果月初低月末高，可能是运营团队月初懈怠，月底赶业绩。
当然，以上结论都是根据数据推断出来的。如果要验证结论，还需要其他方法，比如ab测试。