在ABC分析中，首先對目標數據列進行逆序排序，然後進行累計百分比統計，最後將得到的累計百分比按照以下比例值分為A、B、C三類。
ABC分析法常用於電子商務運營活動的分析。商品ABC分類的關鍵指標是“支付轉化率”和“商品庫存”。根據這兩個指標制定的分類邏輯，可以確定商品屬於哪壹級。
商品ABC分類法需要對每壹個款式都進行細致的顆粒分析，分析相對復雜，所以壹般只在店內大型促銷活動中使用。也是因為只有店鋪在大型促銷活動時，每個單品承載的流量和成交數據足夠大，ABC分級才更有意義。
商品ABC分類的重點在於“ABC分類邏輯”。
1)A級商品:
庫存高、轉化率高的商品標註為A類商品。
因為這類商品不僅賣得好，而且有深厚的庫存作為保障，可以作為活動中的主打產品。需要註意的是，在選擇A類產品時，還要註意該產品的訪客數量不能太低，否則沒有通過“足夠”流量測試的產品的高轉化率可能是“偽高轉化率”。
2)B類貨物:
轉化率中等、流量測試中等的商品標註為B類商品。
因為這類商品經過流量測試被證明對訪客有吸引力，但沒有A類商品的轉型明顯，所以可以繼續維持目前的銷售定位。
有兩種類型的B級貨物需要特別註意:
壹是庫存告急，這類商品需要特別註意避免超賣；
二是占據主要展示位置。在推廣中，珍貴的展示位置是有限的。這種高質量的展示位需要預留給A類商品，所以需要將其數組位置後移。
3)C類貨物:
轉化率低、流測的商品標註為C類商品。
c類商品應該在店鋪數組的頁面底部，基本屬於廢棄類商品。但是有壹種C貨需要特別註意，就是那些高庫存的。可以嘗試主動改變原有策略，比如換主圖，降價。
本文以某電商平臺的雙十壹促銷運營為例，運用ABC分析法對促銷活動的結果進行評估，並根據情況優化產品結構，從而更好地采取不同的手段，為不同類型的商品分配不同的流量入口。
分析過程:
將商品信息添加到商品熱度信息中得到商品的基本信息和部分熱度信息:購物車數、收藏數和uv數。
在整體運營部分，主要以銷售額、銷售比例、UV、轉化率等指標為主，其他指標為輔助指標。銷量是用來和預期目標對比的，銷售比是用來看商品流通的。
出局:3747167
出局:2607587
出局:12017
出局:28860 . 488688868666
出局:1176103
輸出:0.006455216932530569
出局:0.4179229541452886
出局:18916395
出局:0.19809096817866195
出局:6224
出局:18690
出局:125
出局:80
出局:3643
出局:1139580
匯總基本指標數據，加入同期數據，與當期數據進行比較。
結果表明:
我們需要做的是挖掘不同區間的數據，以便後期優化推廣結構。
第壹步:找到本次促銷中該區間的銷售源數據，源數據要求顯示型號、銷量、銷售量等具體信息；
第二步:計算每個項目的轉化率和折扣率。
把價格分為“1-200 '”、“200-500”和“400及以上”。
每個價格區間的經營活動績效通過以下指標進行分析:價格區間、商品價值、商品價值比例、銷售額、銷售比率、銷售比例、銷售量、客單價、UV、收藏數、購買數、轉化率。
根據各價格區間商品的銷售表現，三個價格區間的商品轉化率大致相同。200-500價位段的商品銷量最高，400+的商品銷量金額最高，但銷量最少，價值最高。為了避免貨物積壓，本節進行了分析。
針對該價格區間的商品，對比以下指標:銷量、銷量、單價、客戶數、UV、轉化率、庫存、備貨值、銷售比。
找出轉化率大於0.7%的商品並保留。
找出轉化率小於0.7%但銷售比例大於36%的產品並保留。
找出轉化率低於0.7%，銷售比例低於36%的商品進行清倉。
分析每個折扣區間在以下指標上的表現:折扣區間、商品價值、商品價值占比、銷售額、銷售比例、銷售比例、銷量、客單價、UV、收藏數、購買數、轉化率。
從各區間銷售數據的表現來看，折扣區間為0.35-0.4的商品價值和銷售金額最高，因此我們選擇折扣區間為0.35-0.4進行深入探究。
重點觀察該折扣區間內商品的銷量、銷售額、單價、客戶數、UV、轉化率、庫存、商品價值、銷售比例。
出局:
在折扣率大於37%的部分，找出銷售率大於36.5%，轉化率大於0.7%的商品並保留。
在折扣率大於37%的部分，找出銷售率小於36.5%或轉化率小於0.7%的商品進行清倉。
出局:
在折扣率小於37%的部分，找出銷售率大於36.5%，轉化率大於0.7%的部分並保留。
在折扣率低於37%的部分，找出銷售率低於36.5%或轉化率低於0.7%的部分進行清倉。
結合價格區間、折扣區間、商品銷售業績數據，為不同類型的商品分配不同的流量入口。
在壹級入口中，首頁的流量占比最高，所以我們可以把暢銷款排在首頁。在唯品會，我們需要不斷增加產品，以確保我們的SKU數，我們還會增加新的產品。對於平售，我們把它當成快速搶和瘋狂搶。