పాఠం 1సేల్స్ పెర్ఫార్మెన్స్ మెట్రిక్లు: యూనిట్స్ సోల్డ్, ఆవరేజ్ ఆర్డర్ వాల్యూ, కన్వర్షన్ రేట్ఈ విభాగం యూనిట్స్ సోల్డ్, AOV, మరియు కన్వర్షన్ రేట్ వంటి సేల్స్ పెర్ఫార్మెన్స్ KPIs ను వివరిస్తుంది. విద్యార్థులు ఫన్నెల్ స్టేజ్లను మెట్రిక్లకు కనెక్ట్ చేస్తారు, ఫలితాలను చానల్ మరియు ప్రొడక్ట్ ఆధారంగా సెగ్మెంట్ చేస్తారు, మరియు ట్రెండ్లను ఉపయోగించి ధరలు, అసార్ట్మెంట్, మరియు UX సమస్యలను డయాగ్నోజ్ చేస్తారు.
Traffic, sessions, and visit qualityDefining and measuring conversion rateAverage order value and driversUnits per transaction and basket sizeSegmenting sales KPIs by channelపాఠం 2రీసెర్చ్ ద్వారా కనుగొన్న మూడు నుండి ఐదు అదనపు రిటైల్ BI KPIs (ఉదాహరణలు: బాస్కెట్ అఫినిటీ, మార్క్డౌన్ రేట్, లాస్ట్ సేల్స్ అంచనా)ఈ విభాగం బాస్కెట్ అఫినిటీ, మార్క్డౌన్ రేట్, మరియు లాస్ట్ సేల్స్ అంచనాల వంటి అడ్వాన్స్డ్ రిటైల్ BI KPIs ను పరిచయం చేస్తుంది. విద్యార్థులు ఈ మెట్రిక్లు ప్రవర్తనను బయటపెడతాయని, ధరలు మరియు అసార్ట్మెంట్ను ఆప్టిమైజ్ చేస్తాయని, మరియు కోర్ ఆపరేషనల్ KPIs ను పూర్తి చేస్తాయని చూస్తారు.
Basket affinity and cross-sell analysisMarkdown rate and price realizationEstimating lost sales from stock-outsIdentifying emerging KPIs from dataPrioritizing new KPIs for deploymentపాఠం 3గ్రాస్ మార్జిన్, ప్రొడక్ట్ మరియు ప్రమోషన్ ఆధారంగా మార్జిన్, మరియు కాంట్రిబ్యూషన్ మార్జిన్ఈ విభాగం గ్రాస్ మార్జిన్, ప్రొడక్ట్ మరియు ప్రమోషన్ ఆధారంగా మార్జిన్, మరియు కాంట్రిబ్యూషన్ మార్జిన్ను వివరిస్తుంది. విద్యార్థులు రెవెన్యూ, డిస్కౌంట్లు, మరియు కాస్ట్లను ప్రాఫిటబిలిటీకి లింక్ చేస్తారు, మరియు మార్జిన్ KPIs ను ఉపయోగించి ధరలు, అసార్ట్మెంట్, మరియు ప్రమోషనల్ ఇన్వెస్ట్మెంట్ నిర్ణయాలను మార్గదర్శకంగా చేస్తారు.
Gross margin vs markup definitionsAllocating discounts and promo spendMargin by product, category, and channelContribution margin and fixed costsPromo margin and cannibalization impactపాఠం 4కస్టమర్ మెట్రిక్లు: రిటర్న్ రేట్, రిపీట్ పర్చేస్ రేట్, కస్టమర్ లైఫ్టైమ్ వాల్యూ (CLV)ఈ విభాగం రిటర్న్ రేట్, రిపీట్ పర్చేస్ రేట్, మరియు CLV సహా కస్టమర్ KPIs ను కవర్ చేస్తుంది. విద్యార్థులు కస్టమర్లను సెగ్మెంట్ చేస్తారు, లైఫ్సైకిల్ వాల్యూ ట్రాక్ చేస్తారు, మరియు కస్టమర్ మెట్రిక్లను అక్విజిషన్, రిటెన్షన్, మరియు ఎక్స్పీరియన్స్ మెరుగుదల వ్యూహాలకు కనెక్ట్ చేస్తారు.
Return rate by product and channelRepeat purchase and retention cohortsCLV models and key assumptionsCustomer segmentation by valueLinking CX initiatives to KPIsపాఠం 5చానల్ మరియు క్యాంపెయిన్ మెట్రిక్లు: చానల్ అట్రిబ్యూషన్, మార్కెటింగ్ ROI, CACఈ విభాగం అట్రిబ్యూషన్, CAC, మరియు ROI సహా మార్కెటింగ్ చానల్ మరియు క్యాంపెయిన్ KPIs ను కవర్ చేస్తుంది. విద్యార్థులు స్పెండ్ను ట్రాక్ చేయడం, చానల్ల అక్రాస్ పెర్ఫార్మెన్స్ను అంచనా వేయడం, మరియు మార్కెటింగ్ మెట్రిక్లను డౌన్స్ట్రీమ్ సేల్స్ మరియు ప్రాఫిట్ ఫలితాలకు లింక్ చేయడం చూస్తారు.
Single- vs multi-touch attribution modelsCalculating CAC by channel and campaignMarketing ROI and incremental liftAttribution data requirements and qualityOptimizing budget allocation by KPIపాఠం 6ఫుల్ఫిల్మెంట్ మరియు ఆపరేషన్స్ మెట్రిక్లు: ఆర్డర్ సైకిల్ టైమ్, ఆన్-టైమ్ డెలివరీ, ఫుల్ఫిల్మెంట్ కాస్ట్ పర్ ఆర్డర్ఈ విభాగం ఆర్డర్ సైకిల్ టైమ్, ఆన్-టైమ్ డెలివరీ, మరియు ఫుల్ఫిల్మెంట్ కాస్ట్ పర్ ఆర్డర్ వంటి ఫుల్ఫిల్మెంట్ మరియు ఆపరేషన్స్ KPIs ను పరిశీలిస్తుంది. విద్యార్థులు సర్వీస్ లెవల్స్ మరియు కాస్ట్ను కనెక్ట్ చేస్తారు, మరియు మెట్రిక్లను ఉపయోగించి లాజిస్టిక్స్, స్టాఫింగ్, మరియు ప్రాసెస్ డిజైన్ను మెరుగుపరుస్తారు.
Order cycle time componentsOn-time delivery and SLA adherenceFulfillment cost per order driversPick, pack, and ship productivityBalancing speed, cost, and qualityపాఠం 7రెవెన్యూ మరియు రెవెన్యూ సెగ్మెంటేషన్ (ఏమి కొలుస్తుంది, ఎందుకు ముఖ్యం, డేటా మూలాలు)ఈ విభాగం రెవెన్యూ మరియు రెవెన్యూ సెగ్మెంటేషన్ KPIs ను నిర్వచిస్తుంది, వాటి ఏమి కొలుస్తాయి, ఎందుకు ముఖ్యం, మరియు కీ డేటా మూలాలను వివరిస్తుంది. విద్యార్థులు రెవెన్యూ ను చానల్, ప్రొడక్ట్, మరియు కస్టమర్ ఆధారంగా స్లైస్ చేసి, గ్రోత్ మరియు మిక్స్ ఆప్టిమైజేషన్ అవకాశాలను కనుగొంటారు.
Recognized vs booked revenue rulesRevenue by channel and store typeProduct and category revenue mixCustomer and region revenue splitsUsing segmentation to find growthపాఠం 8స్థిరత్వాన్ని నిర్ధారించడానికి మెట్రిక్ నిర్వచనాలు మరియు కాలిక్యులేషన్ నియమాలుఈ విభాగం స్థిరత్వాన్ని నిర్ధారించడానికి మెట్రిక్లు మరియు కాలిక్యులేషన్ నియమాలను నిర్వచించడంపై దృష్టి సారిస్తుంది. విద్యార్థులు ఫార్ములాలు, టైమ్ విండోలు, మరియు ఫిల్టర్లను స్టాండర్డైజ్ చేస్తారు, KPI వెర్షన్లను నిర్వహిస్తారు, మరియు స్టేక్హోల్డర్లు డాష్బోర్డ్లను ఒకే విధంగా అర్థం చేసుకునేలా నిర్వచనాలను డాక్యుమెంట్ చేస్తారు.
Creating a KPI dictionary and ownersStandardizing formulas and filtersHandling returns, cancels, and fraudVersioning and deprecating KPIsGovernance for KPI changesపాఠం 9ఇన్వెంటరీ మెట్రిక్లు: స్టాక్ లెవల్, స్టాక్-ఔట్ రేట్, ఇన్వెంటరీ డేస్లు, సెల్-థ్రూ రేట్ఈ విభాగం స్టాక్ లెవల్, స్టాక్-ఔట్ రేట్, ఇన్వెంటరీ డేస్లు, మరియు సెల్-థ్రూ రేట్ వంటి ఇన్వెంటరీ KPIs ను వివరిస్తుంది. విద్యార్థులు ఈ మెట్రిక్లను రీప్లెనిష్మెంట్, అలాకేషన్, మరియు మార్క్డౌన్ నిర్ణయాలకు కనెక్ట్ చేస్తారు, అందుబాటు, కాస్ట్, మరియు వర్కింగ్ కాపిటల్ను బ్యాలెన్స్ చేస్తారు.
On-hand vs available-to-sell stockMeasuring stock-out rate and lost demandDays of inventory and coverage targetsSell-through rate by product and channelInventory KPIs for replenishment rulesపాఠం 10ప్రతి KPI ను అవసరమైన మూల వ్యవస్థలకు మ్యాప్ చేయడం (POS, ఈ-కామర్స్, ERP, WMS, CRM, వెబ్ యాంటాలిటిక్స్)ఈ విభాగం ప్రతి KPI ను POS, ఈ-కామర్స్, ERP, WMS, CRM, వెబ్ యాంటాలిటిక్స్ సహా అవసరమైన మూల వ్యవస్థలకు మ్యాప్ చేస్తుంది. విద్యార్థులు యజమాన్యత, గ్రెయిన్, మరియు లేటెన్సీని గుర్తిస్తారు, మరియు స్థిరమైన, విశ్వసనీయ KPI రిపోర్టింగ్కు మద్దతు ఇచ్చే డేటా ఫ్లోలను డిజైన్ చేస్తారు.
KPI-to-source system responsibility matrixPOS and e‑commerce transaction data needsERP and WMS links to cost and inventoryCRM and loyalty data for customer KPIsWeb analytics for traffic and behaviorపాఠం 11ఫైనాన్షియల్ హెల్త్: నెట్ రెవెన్యూ రిటెన్షన్, రిఫండ్లు మరియు చార్జ్బ్యాక్ల ప్రభావంఈ విభాగం నెట్ రెవెన్యూ రిటెన్షన్ మరియు రిఫండ్లు మరియు చార్జ్బ్యాక్ల ప్రభావం సహా ఫైనాన్షియల్ హెల్త్ KPIs ను అన్వేషిస్తుంది. విద్యార్థులు రెవెన్యూ ను డిడక్షన్లతో రికాన్సైల్ చేస్తారు, లీకేజ్ను మానిటర్ చేస్తారు, మరియు ఫైనాన్షియల్ KPIs ను కస్టమర్ మరియు రిస్క్ బిహేవియర్లకు లింక్ చేస్తారు.
Net revenue retention componentsRefunds, returns, and allowancesChargebacks and dispute analyticsRevenue leakage root-cause analysisAligning finance and BI views