双十一买了淘宝雅诗兰黛没有积分

双十一买了淘宝雅诗兰黛没有积分说明雅诗兰特没有参加双十一活动。根据查询相关资料信息，只有在参加双十一活动的商家购买物品才会获得双十一积分。双十一购物狂欢节，是指每年11月11日的网络促销日，源于淘宝商城（天猫）2009年11月11日举办的网络促销活动。

今年双十一购物狂欢节，天猫双十一成交金额破亿的342个品牌中，多为护肤彩妆类，电子产品类、家电类和服装服饰类等几大种类。

一、双十一破亿品牌再创新高

今年的双十一有新花样，由往年的光棍节变为双棍节，从11月1日凌晨就开启狂欢的第一阶段。在去年，天猫的双十一破亿品牌已达299个，今年更是突破三百大关。可能觉得342个品牌没啥，整个天猫有那么多商家，但加上个单位“亿”，可想多强。在11月1日第一阶段拉开帷幕时，就已经有100个品牌破亿。首先破亿的有服装品牌阿迪达斯和耐克，随后国产科沃斯，巴拉巴拉、百雀羚，全友家园破亿。不到凌成两点、欧莱雅、雅诗兰黛、兰蔻、海尔、美的、苹果、华为、小米也相继突破一亿元，加入天猫double 110亿俱乐部” 。这些在天猫双十一突破亿元大关的品类大致为：护肤彩妆类、电子3C产品类、家电类和服装服饰类，很多单价较高的产品早就不满足于“亿元”大关，将目标瞄准了“十亿”大关，相信明年的天猫双十一还会再创新高。

二、中国人的购买力提高，不止满足于日常用品

看到突破亿元大关的品牌之多，明显中国人的购买力越来越高，以前双十一很多是为了囤日常家用，而今消费者更多的是想购买3C产品，服饰产品和家电家具。

三、中国人的消费方式改变了

中国人这几年的消费方式已经逐步由线下实体店转变为线上线下相结合，并且线上的购买能力之强，是国内外很多专家无法想象的。相对的，这也对线下消费造成了较大打击，促使线下商家开始新的销售模式，思考如何和线上结合好。今年的双十一销售金额为4982亿元，这是多么庞大的数字，只有中国的高速发展带来的经济提升才能有如此强的消费能力，也是百姓生活变好的体现。

为了探究天猫商家的“双11”营销套路，我们以美妆为例，追踪了22个品牌的天猫旗舰店在2016年11月5日至11月14日总计10天的商品数据。

这22个品牌如下（排名不分先后）：

国产4个：佰草集、自然堂、相宜本草、美加净

欧洲6个：兰蔻、妮维雅、娇兰、欧莱雅、薇姿、雅漾

美国5个：倩碧、玉兰油、美宝莲、蜜丝佛陀、雅诗兰黛

日本4个：SKII、资生堂、欧珀莱、植村秀

韩国3个：悦诗风吟、雪花秀、兰芝

我们得到了若干小结论。

1 80%的商品参加了“双11”活动

双11前后总计10天中，在这22个天猫旗舰店出现过的商品共有3502件。但这三千多件商品并不都参加了双11活动。

按照上下架时间，我们可以将商品分为7类，并统计该类商品数量占所有商品的比例：

双11当天在售的商品其实只有ABCD四类，占三千余件商品总数的667%，也就是三分之二。

另外的三分之一去哪里了呢？

我们可以将双11当天不处于“销售”状态的商品分为五类：

暂时下架——F类商品

双11前预售——部分E类商品

彻底下架——部分E类商品

下架后换了个地方重新上架——部分E类商品、部分CDG类商品

双11后上新——部分CDG类商品

其中，预售商品和在双11当天重新上架的商品其实是参与了双11活动的，我们需要将其识别出来。

从技术的角度说，我们需要识别出E类商品中分别属于预售、重新上架和彻底下架的商品，并找出参与预售且当天在售的同款商品。也就是说，要进行E类商品和ABCDG类商品之间的匹配。

由于商品id和网页链接发生变化时，商品名称往往也会略有变化，我们需要对各类商品进行同一品牌下、商品名称的相似度计算。我们采用的方法是基于乱序的莱文斯坦距离，具体内容就不展开了。

没错，未参加当天活动的商品中，37%为预售款，1%换个马甲重新上架，而62%的商品则是暂时或彻底地下架了。

至此，我们可以计算出一组数字。

当天在售的商品=一直在售的商品+双11之前上架且在双11被抢购完的商品+双11当天上架且被抢购完的商品+下架后在双11当天重新上架且持续销售的商品

参加活动的商品=当天在售的商品+预售商品-预售且当天在售的商品

商品总数=参加活动的商品+暂时下架的商品+彻底下架的商品

经由上述计算，我们可以得到，在这22个天猫美妆品牌中，参加了双11活动的商品占商品总数的80%。

各个品牌都有多少商品参加了双11活动呢？请看下图：

商品数量超过200件的商品有四个：悦诗风吟、佰草集、雅诗兰黛和欧莱雅；蜜丝佛陀和SKII则因为商品数量勉强突破50件而排名垫底。

2 真打折商品占35%，假打折不到1%

为了更为准确地评估商品的折扣情况，我们只选取了可明确追溯价格的2300余件参加双11活动的美妆商品。

商品的打折情况也可以分为三类：

真打折：商品的价格在10天内有波动、双11价格为10天内最低价、不存在涨价现象

假打折：商品存在先涨价再打折的现象

不打折：商品价格无变化

需要说明的是，受数据资料所限，本研究对“打折”的识别只考虑了价格，未能将赠品、优惠券、满减、包邮等其他形式的优惠计入考虑，故统计结果会与实际情况有所偏差。

结果表明，真打折的商品数量约占比352%，不打折的商品数量约占比645%。至于剩下那03%，你懂的。

我们来看看各个美妆品牌的真打折的商品占参加活动商品总数的比例：

可以看到，“全店打折”的品牌只有相宜本草和蜜丝佛陀，有13个品牌的部分商品参与了打折，7个品牌没有打折。总体而言，国产美妆品牌参加打折活动的商品比例很高，均在半数以上。

3 商品折扣率，85折和5折最多

真打折商品的折扣力度有多大呢？

由上图可知，八五折和五折的商品数量最多。其中，八五折商品数量占25%，五折占15%。

我们按品牌进行折扣率的比较，结果如下图所示（折扣率越低表示折扣力度越大。有打折商品的，计算打折商品的平均折扣率；无打折商品的，折扣率以100%计）：

可以看到，大多数品牌的折扣率在60%-90%的区间。其中，五折党有4个（相宜本草、欧珀莱、佰草集、兰芝），六折党有2个（悦诗风吟、自然堂），七折党有4个，八折党有5个，不打折党7个。

4 天猫商家的十大营销套路

我们从商品上下架和折扣两个角度对天猫商家的“双11”营销套路进行比较。

我们将商品的上下架归纳为“限购”和“预售”两大策略。先来看看各品牌的情况：

上图中，横轴表示各品牌旗舰店在双11当天限量抢购的商品数量，纵轴表示在双11前预售的商品数量，圆圈大小代表该店参加双11活动的商品总数。

如果我们用限量抢购商品数（35）和预售商品数（30）画两条辅助线，则可将22个品牌的上下架营销套路分为四个类型。

低调：绝大多数品牌都属于该类型，特点是限购商品和预售商品都比较少。

抢购：兰蔻、兰芝。两个品牌在双11当天都有超过40件商品参与限量抢购。

预售：倩碧、娇兰。两个品牌都有30件以上的预售商品。

预售+限购：雅诗兰黛、佰草集。雅诗兰黛可谓是营销套路最深的品牌，一共有74件商品参与了限购、40件商品参与了预售，而该品牌参加活动的商品总数也不过200出头而已。

用同样的方法，以打折商品比例（50%）和折扣率（80%）做两条辅助线，可以将品牌分为五类：

不打折：包括雅诗兰黛、SKII、倩碧、植村秀、雅漾、资生堂、雪花秀等共7个品牌。（注：关于不打折为什么还要搞限购和预售的问题，请参考前文的说明，即价格不打折的品牌可能会有赠品、满减等优惠。）

少量大打折：包括兰蔻、娇兰、薇姿、悦诗风吟、兰芝、欧珀莱等6个品牌。该类品牌的打折商品较少，，但折扣力度较大。

大量小打折：包括玉兰油、美加净、妮维雅、美宝莲、蜜丝佛陀等5个品牌。该类型有半数以上的商品都参与了打折活动，但折扣力度并不大。

大量大打折：包括相宜本草、佰草集、自然堂等三大国产品牌。这些品牌不仅有90%以上的商品参与了折扣活动，而且折扣力度很大。

均衡：欧莱雅。欧莱雅不愧是美妆界的资深品牌，通过多年来的无数次营销活动积累了丰富的经验，在本次天猫双11的活动中表现得恰到好处，折扣品比例和折扣率均处于中间水平。

最后，让我们来看看各个品牌是怎么打“上下架+打折”的组合拳的。22个品牌的营销套路可总结为十类：

第一类：不打折。包括SKII、植村秀、资生堂、雅漾、雪花秀等5个品牌。

第二类：大量小打折。包括妮维雅、玉兰油、美加净、美宝莲、蜜丝佛陀等5个品牌。

第三类：少量大打折。包括悦诗风吟、欧珀莱、薇姿等3个品牌。

第四类：大量大打折。包括相宜本草和自然堂两个品牌。

第五类：限购+少量大打折。包括兰芝和兰蔻两个品牌。

第六类：预售+限购+不打折。雅诗兰黛。

第七类：预售+限购+大量大打折。佰草集。

第八类：预售+少量大打折。娇兰。

第九类：预售+不打折。倩碧。

第十类：均衡。欧莱雅。

十种营销套路的结果如何呢？

从销量来看，无论哪个品牌、哪个套路，在双11这天销量都有飞跃式的增长。

然而，产品的销量跟双11的大环境以及各品牌的粉丝基数有关，销量高的不代表营销效果好。

我们需要给营销效果一个定义：

营销效果=某品牌在双11当天的销量/双11前的平均日销量

果然，群众的眼睛是雪亮的，大量打折才是王道啊！你更容易被商家的哪种策略套路呢？请各位读者见仁见智吧。

本文的数据和技术支持为BDP个人版。

本文作者为团支书，由独立第三方媒体“城市数据团”原创并首发。

感谢数据团里的机器学习大牛 Deo 为本文做出的特殊贡献。

本文使用的是22个美妆品牌的天猫旗舰店在2016115-20161114产生的数据，结论不能代表其他品牌和其他种类商品的情况。

本文中使用了多种算法对商品的上下架情况、折扣情况和销售情况进行了推算，因算法的不完善性，结果可能与实际情况略有出入。