导图社区《数据化管理》笔记

《数据化管理》笔记

数据分析入门级读物。作者是线下零售业出身，梳理了零售和电商的数据分析指标，并提供了一些优化思路，可读性、实用性较强，对线下服饰零售业入门者有帮助，适合新手综合业务与数据分析进行理解。

编辑于2022-09-30 17:53:45 福建省

絮起

他的近期作品查看更多>>

《文明之旅》公元1104年：关羽是怎么变成关老爷的？
这是一篇关于《文明之旅》公元1104年：关羽是怎么变成关老爷的思维导图，想要深入探索公元1104年关羽是如何从三国武将摇身一变成为备受尊崇的“关老爷”吗？这份《公元1104年：关羽是怎么变成关老爷的？》的思维导图模板绝对是你的不二之选。关羽在真实历史里，不过是三国时期的一名武将，既不是帝王，也不是战无不克的大功臣，最后还大意失荆州，惨死敌手。可偏偏就是这样一位真实履历并不算耀眼的武将，为什么能在死后近千年里一路“升格”，最后变成一个国家大力推崇、儒释道三家都盖章认可的超级神明？更奇怪的是，后世的军人拜他，商人拜他，民间的各行各业也都拜他。求财找他、求平安找他、科举求成绩也找他，甚至连求姻缘，都能找到关老爷头上。一个历史人物，为什么会一步步演变成一个跨越阶层与行业、几乎无所不管的神明——关老爷？这背后，到底发生了什么？无论是历史爱好者想要系统了解关羽形象演变的历史脉络，还是教育工作者用于历史教学，帮助学生梳理复杂的历史知识点，亦或是文化研究者探究古代封神文化和社会现象，这份思维导图模板都具有极高的价值。
《文明之旅》公元1103年：奸臣蔡京为何大搞国家福利？
这是一篇关于《文明之旅》公元1103年：奸臣蔡京为何大搞国家福利思维导图，上一年，大宋朝堂风向剧变。宋徽宗放弃“建中靖国”的中间路线，全面倒向新法派，并启用蔡京为宰相。为此，朝野上下一片哗然。连当时的顺口溜都在骂：“大蔡小蔡，还他命债。”意思是说，要不是上辈子欠蔡京兄弟一条命，这辈子怎么会和他们生活在一个时代？真是倒霉透顶！但谁也没想到，蔡京上台后，大宋迅速建立起一整套社会福利体系：穷人老了，由“居养院”收养；生病了，有“安济坊”救治；死后无人安葬，还有“漏泽园”负责埋葬。对于历史爱好者来说，这是探索北宋政治、经济和社会福利制度的绝佳资料，满足他们对历史细节和背后原因的探究欲望；对于历史专业的学生和研究者而言，模板中丰富的信息，如宋徽宗任用蔡京的背景、蔡京推行福利的具体内容、推广范围与保障标准，以及福利体系不可持续的原因等，为学术研究和论文写作提供了详实的参考素材；对于教育工作者，它也是生动的教学辅助工具，有助于将枯燥的历史知识以更直观的方式传授给学生。
《文明之旅》公元1102年：为什么中间道路很难走
这是一篇关于《文明之旅》公元1102年：为什么中间道路很难走思维导图，宋徽宗刚即位时，摆在他面前的大宋朝廷，其实就是一个早已失控的烂摊子：新旧两党彼此缠斗，国家政策反复横跳，朝堂人心疲惫不堪。那该怎么收拾这个烂摊子，把那道巨大的政治裂痕重新缝合起来？这位20岁的年轻皇帝，给出一个听上去非常高明的方案：我不选边站，我要走一条“中间道路”。上一年，他特意改年号为“建中靖国”。这是中国历史上最后一个四字年号，它传达出的政治信号再直白不过：我当皇帝，你们都别吵了，把两边还能好好说话的人叫到一起，大家和和气气、有商有量地过日子，不好吗？而且，不只是喊口号，徽宗还实实在在搭了个“对半开”的宰相班子：一边是保守派领袖韩忠彦，一边是变法派代表曾布。新旧两党，各占一半。乍一看，这简直是教科书级的“和解方案”。对于历史爱好者而言，这段史实无疑是一段值得深入探究的精彩篇章，能让他们从中领略到北宋复杂的政治生态；对于政治学研究者来说，宋徽宗的这一举措为研究政治平衡、党争调和提供了典型案例；而对于企业管理者，亦可从中获得启发，在团队管理、平衡各方利益以达成和谐发展方面汲取经验教训。

《数据化管理》笔记

社区模板帮助中心，点此进入>>

絮起

他的近期作品查看更多>>

相似推荐
大纲

什么是数据化管理？

第一章

1.1 聪明的销售人员

大量一线销售人员，利用各种管理制度漏洞来获得利益

如何监控这种行为？

利用数据建立一项监控制度，设立预警条件，定期筛选出问题，辅以其他抽查等手段。

企业仅有数据分析是不够的，数据需要能“管理”到业务的每个角落。

1.2 数据化管理的概念

根据业务逻辑

销售中的数据化管理

商品中的数据化管理

财务中的数据化管理

人事中的数据化管理

生产中的数据化管理

物流中的数据化管理

1.3 数据化管理的意义

量化管理

KPI就是对日常业务的一种量化管理

最大化销售业绩、最大化生产效率

将正确的分析结果用最实际的方式应用到业务层面

有效地节约企业各项成本和费用

组织管理、部门协调的工具

提高企业管理者决策的速度和正确性

1.4 数据化管理的四个层次

业务指导管理

目标及预测管理，利润及费用管理

营运分析管理

人，货，场的分析管理

经营策略管理

商品定价，品牌定位，竞争对手等

战略规划管理

宏观经济分析

行业环境分析

经营环境分析

内部资源分析

企业竞争力分析

战略目标规划管理

战略可操作性评估

1.5 数据化管理流程图

分析需求

收集，分析，明确

和使用对象进行访谈

市场调查

走访专家

收集数据

数据来源是否可靠？

收集方法是否有瑕疵？

收集的数据是否有缺失？

数据整理

标准格式，符合业务逻辑

分析数据

简单有效的分析方法和合理的分析工具

第7章详解

数据可以化

图表主要作用传递信息，不要炫技

不要试图在一张图中表达所有信息

以业务逻辑为主线串起来，不要随意堆砌图表

不要试图用图表骗人

应用模板开发

标准化，程序化

分析报告

注意审题

见《如何写一份高质量的数据报告》导图

应用

将分析过程中发现的问题、机会分解到各业务单元，通过数据监控，关键指标预警、对趋势合理判断等指导各部门的业务提高

1.6 数据化管理应用模板

数据分析师制造可重复利用的产品

方法见第8章

寻找零售密码

第二章

2.1 周权重指数

寻找零售店铺的规律

以周为单位不断循环

一些日销售数据需要剔除

法定节假日

法定假期的调休日

行业特殊日

非正常销售日

什么是周权重指数

以某段销售周期内的历史日销售为基础，以周为单位，进行权重分析的管理工具。

适用行业：

传统零售业

各种专卖店

B2C、 C2C

周权重指数的计算

1、收集每个完整店铺最近一个完整年度中的日销售数据额

2、整理出日销售数据

3、剔除异常数据

4、以周为单位整理，计算出平均日销售

5、找到平均销售额最低的一天，设定它的日权重为1.0，分别用其余六天的平均日销售额除以这个最低值，得出每天的日权重指数。

6、每日权重指数相加就是周权重指数。

日权重指数的特殊处理

日权重指数=日销售额/单位权重（销售）值

每天常规的权重

促销级别的特殊权重

节假日权重

2.2 周权重指数的应用

判断零售店铺销售规律辅助营运

可以根据权重指数值的高低来安排员工排班

安排店铺的陈列调整时间

部署送货时间窗口

分析日销售目标

追踪业绩，销售管理

可用K线图

日销售目标公式

日销售目标=月销售目标*（日权重指数/月权重指数）

月度销售预测

公式：月销售预测值=日销售额总和/（日权重指数和/月权重指数）

注意点

每月1-9日数据偏少，预测值偏差大些，10日以后和实际销售额较接近

每天不断滚动变化，最新一个预测值是最有效的

预测值的准确高低排序：全国> 区域> 城市> 分店> 品牌

预测值的准确度会受突发状况影响，如异常天气，无规律人为大单等

销售对比

日销售数据的同比需要遵循的原则

星期几对比星期几

公众假期对等对比原则

遵循中国阴历对等对比原则

春节期间

阳历对等对比原则

特殊日期，如3.8，2.14

单位权重法

公式：单位权重(销售）值=日销售额总和/日权重指数总和

销售额和权重指数为某个销售期的对应值

单位权重属于零售业中比较精细化的管理概念，使用需要精通业务

2.3 神奇的黄氏曲线--单位权重（销售）值曲线

单位权重（销售）值曲线

销售额和权重对比趋势图

应用在销售追踪过程中

存在“月初放松”和“月底踩刹车”的状况

通过分析揭示，提醒干预，促进销售额最大化

特殊事件的量化处理

奥运会，315品牌曝光等

促销活动的分析及评估

误区

只和促销目标对比，完成目标就算成功

只进行促销期的数据同比，且对比误差较大

只关注促销前和促销中数据，从不关注促销的的数据

注意

促销前和促销后的周期一般取7天

新品上市的分析及评估

注意点

只需上市前和上市中的黄氏曲线图

需要同时分析新品占比，判断黄氏曲线的变化是否主要是新品影响

同样根据黄氏曲线做爆发度和衰减度的分析

其他应用

“突然”的短缺货对销售的影响

同业竞争分析，可以分析事件对自己的影响度

关键人物的离到任分析

店铺其他状态变化分析，如新装修，陈列改变等

线上网页改版分析

其他突发情况

总结：黄氏曲线是用来分析和评估的，它是"事后"工作。

案例及应用-数据化排班

店铺的最佳排班方式

早、中、晚排班制

按需排班

利用销售规律来排班

周销售规律

日客流规律

排班制注意事项

必要时可用四班制（早，中，中晚，晚）

平衡员工的上班效率值及公平性

通过排班和销售权重指数的对比分析，可评估员工的工作能力

销售中的数据化管理

第三章

3.1 销售都是追踪出来

没有目标管理就没有销售的最大化

需遵循SMART原则

具体而明确的

最好具有唯一性

可量化的

能量化的就要量化

可实现的

不能虚高也不能太低

相关性

目标必须和工作内容相关联

时限性

应有完成时间，可以分解时间点

没有标准就没有追踪的依据

时间对比

同比

与去年的同一个时间段进行对比分析

环比

和上个时间段的对比，如本月和上月

定基比

和某个指定的时期进行对比分析

空间对比

不同空间数据的对比

相似空间对比，和竞争对手的对比

计划标准

人为标准

所有的绩效考核

特定标准

经验标准

销售对比不是单一标准的对比，需要根据不同的状况进行分析和追踪。

如何用数据追踪销售

数据对比

对比产生差距，产生压力，产生问题

绝对值和相对值对比两种

有效地利用极值来追踪销售

最高销售纪录

黄金周销售峰值

历史最低销售额等

利用最小值来产生压力

利用单位权重曲线来追踪销售

用预测值来追踪销售

月销售额预测

周权重指数法

年销售额预测

零售业常用的是月销售占比法，历史数据通常是3年

销售追踪注意事项

追踪表格化，系统化

充分发挥人的追踪作用，层层追踪

利用销售会议来追踪

利用科技手段来追踪销售

数据异常时，被追踪人员都收到短信，微信等

将结果过程化更利于追踪

追踪必须要有结果

3.2 常用的销售分析指标

人货场是零售业基本的思维模式

零售业常用的分析指标

"人" 的部分

销售指标

成交率

成交率=成交顾客数/客流量*100%

完成率

销售完成率=销售完成数/目标数*100%

服务指标

平均成交时长

平均成交时长=每们顾客成交的时间总和/成交顾客数

平均接待时长

平均接待时长=接待每位顾客成交的时间总和/成交顾客数

投诉率

投诉率=投诉的顾客总数/顾客总数*100%

管理指标

定编满足率

定编满足率=实际员工总数/标准配置人数*100%

员工流失率

员工流失率=某段周期内流失员工总数/（（期初员工总数+期末员工总数）/2）*100%

工资占比

员工工资占比=企业支付的员工工资总额/销售额*100%

顾客指标

客单价

客单价=销售总金额/有交易的顾客总数

件单价

件单价=销售总金额/销售总数量

连带率

连带率=销售总数量/成交总数量

会员顾客指标

首先做数据清洗

会员消费纪录存在“非会员”的消费痕迹

新增会员数

新增会员数=期末会员总数-期初会员总数

会员增长率

会员增长率=某段时间内新增会员数/期初有效会员数*100%

会员贡献率

会员贡献率=会员销售总金额/销售总金额*100%

有效会员数

有效会员占比=有效会员占比/累计会员总数*100%

会员回购率

会员回购率=某段时间内有交易的老会员/期初有效会员总数*100%

会员流失率

会员流失率=某段时间内流失掉的会员数/期初有效会员总数*100%

会员回购频率

会员回购频率1=某段时间内所有会员消费次数/（期初有效会员总数+期中新增会员数）

会员回购频率2=某段时间内所有老会员消费次数/期初有效会员总数

侧重回购频率的趋势

会员回购频率3=某段时间内所有会员消费次数/期间有交易的会员总数

会员回购频率4=某段时间内所有老会员消费次数/期间有交易的老会员总数

侧重短期会员购买行为分析

平均年龄

平均年龄=某个时间点会员年龄总和/有效会员总数

“场”的部分

销售额

时段、日、周、月、季度、年

预测额

如月销售预测额

追踪指标

进店率

进店率=进店人数/路过人数*100%

上楼率

上楼率=本层向上的顾客数/进入本层的顾客数*100%

设备不完善时，可利用员工抽样计数方式

接触率

试穿率、试用率、触摸率

成交率

成效率=成效顾客数/进店人数*100%

完成率

完成率=完成数/目标数*100%

实时完成率

累计完成率

预测完成率

滚动完成率

大宗交易占比

大宗交易指数=大宗购买金额/总销售额*100%

分析指标

增长率

增长率=增长数/基础数*100%=（报告期数-基础数）/基础数*100%

同店同比增长率

不分析同店同比的连锁企业是没有前途的

效率指标

坪效

销售坪效=销售额/店铺面积

利润坪效=利润额/店铺面积

使用时需注意

最小周期是月，没必要计算周，日坪效

店铺面积，位置无变化，无需分析坪效趋势

对比具有强弱对比性，不轻易对比

坪效在店铺面积，位置发生变化前后进行对比分析

人效

销售人效=销售额/店铺员工数

利润人效=利润额/店铺员工数

每平米租金

每平米租金=租金/面积

租金倍率

租金倍率=销售额/租金

竞争状况

市场占有率

销售量或销售额在同类市场产品中的比重

竞品指数

竞品指数=本公司销售额/竞争对手销售额

平均排名

可做为考核指标

促销指标

费销比

费消比=促销费用金额/促销期间产生的销售额*100%

目标完成率

目标完成率=促销期间销售完成数/促销目标数*100%

同比增长率

同比增长率=同比增长数/同期销售数*100%

促销爆发度

促销爆发度=（促销期间的平均权重销售额-促销前的平均权重销售额）/促销前的平均权重销售额*100%

促销衰减度

促销衰减度=（促销期间的平均权重销售额-促销后的平均权重销售额）/促销前的平均权重销售额*100%

品牌参活度

品牌参活度=参与促销活动的品牌数/卖场总品牌数*100%

会员参与率

会员参与率=参与促销活动的会员数/有效会员总数*100%

渠道拓展分析

净开店率

净开店率=（开店数-关店数）/期初店铺数*100%

渠道结构占比

某种渠道占比=该渠道销售额/总销售*100%

重要客户占比

重要客户（销售）占比=重要客户销售额/总销售额*100%

财务-部分

销售利润率

毛利率

毛利率=（销售收入-营业成本）/销售收入*100%

纯利率

纯利率=（销售收入-营业成本-费用）/销售收入*100%

交叉比率

交叉比率=商品毛利率*商品周转率

商品周转率=销售收入/（（期初库存值+期末库存值）/2）

回款指标

回款（金额）达标率

回款（金额）达标率=回款金额/欠款金额*100%

回款（客户）达标率

回款（客户）达标率=回款客户/欠款客户*100%

贸易条件

联营扣率

百货公司和商家合同约定在销售收入中扣除的比率

租售比

租售比=租金/销售额*100%

如何确定指标的重要性

1、明确分析报告的受众是谁？找出所有受众可能关心的指标。

2、了解需要分析的数据有哪些？删除那些没有对应数据源的指标。

3、界定分析的时间节点，继续删除没有关系的指标。

4、将剩下的指标排列演示

5、指标之间两两判断重要性

6、计算各指标的总得分，再排名就可以找到重要指标

这种方法不但可以判断指标的重要性，还可以量化地计算出每个指标的权重

3.3 提高销售额的杜邦分析图

杜邦分析图的特点

1、结果过程化，体现影响结果的多个关键指标。

2、需要找到最薄弱环节，各个击破。

3、右边的五个指标值发生变化后会影响左边的“成交率”和“成交单数”指标，但是左边的五个指标发生变化则不会影响右边的指标值。

4、我们没办法影响路过人数，但是可以想办法提高进店率。没办法提高零售价，但可以控制销售折扣。

杜邦分析图的指标

路过人数

和前期的拓展计划、选位密切相关

进店率

影响因素

品牌影响力，店铺形象、店铺氛围等

提升方法

扩大商圈

特殊服务

科技手段

成交率

影响因素

销售技巧、员工对产品的熟悉程度、营销方案等

提升方法

培训员工专业性

加强员工培训，定期做全面培训

提升团队合作性，小组团队PK制度

营销活动，落地执行跟进，保证每个人清楚营销内容

平均零售价

和卖场和品牌的定位相关

销售折扣

影响平均销售折扣的因素

人

有些店员喜欢卖特价商品

和顾客的消费习惯有关，有些顾客总在特价时购买

和VIP顾客的价格策略有关

和领导有关，没有根据销售数据来制定促销折扣

货

和促销活动的价格策略有关

和促销活动频率有关

和商品配合有关，低折扣商品多则会影响平均折扣

库存不合理，死库存，老库存太多

场

卖场的定位

品牌定位

和销售目标有关

连带率

连带率在零售业的各项指标中有着举足轻重的地位，反映了顾客购物的深度和广度。

影响连带率的因素

人

店员的销售技巧

是否有刺激店员提高连带率的策略

顾客的消费能力

货

商品的广度，宽度，深度是否合理

是否有刺激消费者多买的促销活动

主推商品是否缺货

场

商品的关联陈列是否合理，例如啤酒和尿不湿的故事

动线设计是否合理

销售辅助工具是否缺失，比如超市的购物车

卖场气氛（灯光、音乐等）是否能延长顾客停留时间

3.4 促销中的数据化管理

影响冲动购买的因素有哪些

人

促销员推荐

朋友推荐

从众心理

追随一起的朋友的冲动

追随群体抢购

攀比心态

情感因素

被刺激、比如失恋

有高兴的事情

有担心的事

工作压力大，需要释放压力

感觉尊贵

让顾客有面子

专场销售

独享策略

货

商品陈列

商品包装及商品描述

货币因素

单位发工资

有意外之财

限量销售

场

背景音乐、香味、拥挤程度等

店内广告、海报等

支付方式

用信用卡结账

用福利卡、礼品卡结账

预存后消费卡

促销因素

促销海报

低价格、折扣等

促销券、赠品、捆绑销售等

免费，如试用，试吃等

第二件冲动

闭店信号

时间

节假日

生日

销售截止日期前

零售业常用的促销方式

见《常见的促销活动形式》导图

促销活动的准备、执行和评估

促销三度

广度：宣传度

宽度：参活度

深度：促销力度

促销爆发度，促销衰减度，目标预测

关联度分析

财务分析

单元产出

费销比

增量费销比

利润分析

3.5 案例及应用

如何提升店铺销售额

通过数据分析发现问题并解决问题，提升业绩的故事，需看书

商品管理

第四章

4.1常用的商品分析指标

商品分析的基本逻辑

“进”-“销”- “存”

采购环节的分析指标

采购三度

广度

最佳广度指用最经济的成本满足目标消费群体绝大部分需求的值

广度=采购的商品品类数

广度比=采购的商品品类数/可采购的商品总品类数*100%

商品总品类数的确认方法

参照最大的竞争对手的品类数

自己店铺的目标品类数

上游供应商可提供的最大品类数

宽度

宽度=采购的SKU总数

宽度比=采购的SKU总数/可采购的商品SKU总数/100%

深度

深度=采购的商品总数量/采购的SKU总数

深度比=深度/采购目标深度*100%

进销存的三度要适度，广度大了势必降低深度或宽度

覆盖度（也叫铺货率）

覆盖度=有某款或品类产品销售的店铺数/适合销售该产品的总店铺数*100%

采销匹配度

非指标，对比分析方法

供应链环节的分析指标

服务指标

订单满足率

=订单中能够供应的商品数量总和/订单商品数量总和*100%

订单执行率

=能够执行的订单数量/总订单数量*100%

准时交货率

=准时交货的订单数/能够执行的订单总数*100%

订单响应周期

=系统中收货时确认的时间-系统中下订单的时间

管理指标

库存周转率

1=出库数量/（（期初库存数量+期末库存数量）/2）

2=销售数量/（（期初库存数量+期末库存数量）/2）

可用每月的平均库存防止投机取巧

物流成本占比

=物流成本/（期末库存金额+期中出库金额）*100%

客户投诉率

=客户投诉订单批次/订单总数*100%

和KPI挂钩，需谨慎处理

库存指标

期初库存、期末库存、平均库存

平均库存=（期初库存+期末库存）/2

库存天数

=期末库存金额/（某个销售期的销售金额/销售期天数）2（平方）

跟踪指标

库销比

=期末库存金额/某个销售期的销售金额*100%

有效库存比

=有效库存金额/总库存金额*100%

可做绩效指标

销售环节的分析指标

商品指标

货龄

=商品的年龄

造成货龄过大的原因

人为造成，没有先进先出

销售不理想或采购数量过多

售罄率

=某段时间内的销售数量/（期初库存+期中进货数量）*100%

折扣率

=商品实收金额/商品标准零售价金额*100%

动销率

某段周期内销售过的商品SKU数/（期初有库存的商品SKU数+期中新进商品SKU数）*100%

缺货率

某个周期内卖场有缺货记录的商品数/（期初有库存的商品数+期中新进商品数）*100%

结构指标

品类结构占比

=某品类销售额/总销售额*100%

价位段占比

=某价格段销售额/总销售额*100%

正价销售占比

=正价商品销售额/总销售额*100%

价格体系指标

商品现值

商品当前被消费者认可的价值

随时间变化商品价值改变，如手机，服装

与货龄，库存和售罄率有关

价格弹性指数

商品价格变化1%时，商品销量变化的百分比

如某款商品价格下降1%，销量上升5%，价格弹性指数就是5.0

确定价格弹性指数的最好方法是做随机测试

价格三分法

方法一：将商品分成三个范围，<500,500-800,>800fqb

缺点是当商品本身价差很大时，对比意义不大

方法二：将所有类别的商品按高价格、中价格、低价格分成三段

利于分析的标准化

方法三：将所有类别的商品按高价格、主价格、低价格分成三段

强化主价格的分析功能

畅滞销分析

前十大销售占比

常规分析和追踪指标

占比越大，销售越集中，风险会加大，一般综合毛利偏低，且生产或物流环节出问题，影响销售

前十大库存占比

库存管理指标，看趋势和数据是否异常

滞销品销售占比

滞销商品占总销售的比重

售后环节

退货率

=某个周期内退货数/总销售数*100%

某个周期内退货单数/总销售单数*100%

和客户投诉率一样需注意本周期内的退货不一定来源于本期内的销售

特殊服务率

=特殊服务的顾客/总销售顾客数*100%

残损率

=残损商品数/商品总数*100%

应追踪来源和分析原因

如何确定指标间的重要性

专家意见法，权重法

4.2常用的商品分析方法

商品的自然分类法

重要性

利于标准化和进销存管理

线分类法

按层次逻辑分成若干类别

上层和下层是隶属关系，同层次间是并列关系

同层次间的分类不重不漏

一般分为大类、中类、小类、品类、细类

面分类法

将所有商品分成若干个面

每个面独立、平行的关系

不重复

注意点

严肃性，不轻易更改

前瞻性，提前考虑品类扩充的需求

慎用“其他”作为类别

商品分类的原则：目的性、区分性、消费性、唯一性、关联性、简便性

分类依据

按商品的用途来分

如食品、衣服、日用品

按商品的原料来分

如金、银、玛瑙

按商品的成分来分

如苹果汁、桃汁

按商品的工艺来分

如绿茶、红茶、花茶

按商品季节来分

如春装、夏装、秋装、冬装

按商品产地来分

云南滇红、黄山毛峰、西湖龙井

商品销售分类法

目的

通过分类确定商品的地位、生命周期状况、盈利等，来达到指导销售营运的策略。

根据商品价格分类

高价位、中价位或主价位、低价柆

根据商品利润分类

高毛利、低毛利、零毛利、负毛利

生命周期分类法

导入期、成长期、成熟期、衰退期

二八分类法

重点商品为占总销售（总库存、总利润，总进货）80%的那部分

非重点商品为只占20%销售量的80%商品

ABC分类法

重要，一般重要、不重要

畅销、平销、滞销

平均值分类法

利用商品平均销售量作为分割线分成五类或更多

自然分类法是营运后端的分类，是为了消费者方便买得到；销售分类是营运前端的分类，是为了让消费者买得更多。

商品的价格三度分析

商品的价格带分析

价格带商品的最低价和最高价之间的区域

价格带宽度

价格带中最高价和最低价的差值

注意：即使价格宽度一样，面对的消费都层次会有不同，给顾客的感受不同

价格带深度

价格带中品牌数或SKU数

价格带广度/价格线

价格线中不重复销售价格的数量，每个不重复价格叫做一条"价格线"

数据量大时，图表用散点图+误差线制作

价格点

所有价格线中，最容易被客户接受的那一条价格线

消费者根据价格点附近商品的数量，判断商品是否丰富，可以在在价格点附近多准备商品

价格区

价格带中，包含价格点在内，顾客主要购买的那个价格区间。

为什么要进行价格带分析？

目的是通过对价格带的科学分析，从而达到管理商品采购、管理商品定价、管理商品陈列，最终影响消费者购买行为。

价格带管理的流程

1、确定需要商品价格带分析的类别，一般是小类。

2、分析价格带宽度

市场调查法

对目标消费者

竞争对手调查法

调查对手的价格三度

销售数据分析法

通过历史数据判断目前的价格带是否需要加宽或向上、向下

3、确定价格点

目标价格点

销售价格点

不重合时，需进一步分析价格点附近的商品组合是否合理

4、确定价格带广度和价格线

尽量避免价格断档

5、确定价格区

价格区有1-2个，最好不要超过3个。

6、确定价格带深度

商品的价格弹性分析

沃尔玛的“女裤理论”

价格弹性是什么？

商品的价格发生变化时，该商品的需求量变化的幅度。价格弹性越大，需求量的变化幅度也就越大。

分为需求的价格弹性、供给的价格弹性、交叉价格弹性、预期价格弹性等

商品的单价变化时，若销售数量随之变化，说明消费者的需求是有弹性的。

价格弹性系数

=销售数量变动比率/价格变动比率

大于1

说明价格变化能够带来销售数量的变化，值越大，销量就越大。

适合做促销活动

等于1

价格每提高1%时，销售就下降1%或价格每下降1%，销售就升1%

0-1之间

弹性不大，价格变化幅度大于销售数量变化幅度

等于0

不适合做降价的促销活动

商品的定价策略

见《商品定价的逻辑和方法》导图

4.3商品的关联度分析

商品的关联度分析

什么是商品的关联

经典的商品关联分析案例：啤酒与尿不湿

是一个假的案例，某软件公司杜撰出来的

商品的关联分析

品类间的关联

单品SKU之间的关联

品类与单品之间的关联

商品间的关联关系

强关联

双向关联

A产品有B,B产品边上也一定有A

单向关联

尿不湿边上可以放啤酒，但是啤酒边上不放尿不湿

商品的关联超过某个值时，值在不同行业不同企业不同，需要企业定

弱关联

对关联度不高的商品尝试关联做分析

排斥关联

如唇膏和酱油不会出现在一起

怎样量化判断关联度

支持度

=同时包含商品A和商品B的交易/总交易*100%

代表这组商品的份额是否够大

可信度

=同时包含商品A和商品B的交易/包含商品A的总交易*100%

代表关联度的强弱

提升度

=可信度/商品B在总交易中出现的概率

判断该关联规则是否有利用价值

业务价值最大的关联情况是：可信度高，支持度高，提升度高

购物篮分析

超市习惯分析购物篮，暂略

提高商品关联度的方法

交叉陈列、联合促销、关联展示等

建立商品的人气指数档案，及时更新

利用特殊日期、特殊事件等进行关联销售

建立关联推荐机制，主要指线上商品的关联

有效利用数据挖掘来提高关联销售

现在的商业逻辑是我卖你想买的，洞悉消费都的购买行为就非常重要

4.4商品的库存管理

库存分析逻辑

由简单到复杂，由宏观到微观的一个过程

库存分析的五大步骤

切割库存，让库存更合理

量化库存，确保库存的安全性

安全库存数量

库存天数

库存天数（DOS)=期末库存数量/（某个销售期的销售数量/销售期天数）

库存周转率

销售数量/｛（期初库存+期末库存）/2｝

库存结构分析，确保库存结构的合理性

常规商品库存分析

确定商品结构是否合理的分析方法或指标

库存和销售结构对比

动销率

广度、宽度、深度

排行榜

预估销售，确保库存量，把握未来销售脉搏

四周滚动预测表

了解业务，结合历史数据进行判断

特殊库存分析

异常库存管理

设置库存预警条件

4.5商品的利润管理

谁在决定商品的利润

商品的现值

是消费者认可的价值，不是商品本身的价值。

偏财务管理角度

库存的现值分析法

电子商务中的数据化管理

第五章

数据分析是电商营运的指路明灯

电子商务和传统零售数据分析的区别

1、传统零售是利用二八法则生存，电商是靠长尾理论积累销售。

2、电商是大数据，传统零售是小数据。

3、传统零售是”物流“，零售过程就是商品的流动。电子商务是”信息流“，顾客通过搜索、比价、评论、分享产生信息，达到购买的目的。

4、传统零售注重体验感，购物有时候也是社交的一部分，购物中心基本是吃喝玩乐一体化。电商注重服务和效率，不方便及时使用。

5、传统零售是做加法，电商是做减法。传统零售通过一家家门店的开发来扩大影响，电商则通过资金投入迅速抢占市场。

6、成本结构不同，传统零售主要成本是房租和人工，电商的主要成本是物流和营销。

电商数据分析需要的数据

营销数据

营销费用、覆盖用户数、打开或点击用户数

获客人均费用、营销到达率、打开率等

流量数据

浏览量、访客数、登录时长、在线时长等基础数据

人均流量、人均停留时长、人均浏览量等

会员数据

会员基本信息及浏览记录和交易纪录等行为数据

交易及服务数据

交易金额、交易数量、交易人数、交易商品、交易场所、交易时间，供应链服务等数据

行业数据

淘宝的数据魔方提供数据查询

通过专业爬虫抓取行业数据

电商数据来源及分析工具

详见《善用互联网现成的数据工具》导图

电商数据分析指标

流量指标

浏览量

指用户访问页面的总数，用户每访问一个网页就算一个访问量

访客数

独立访客，一台电脑一个访问人数。分新客和老客。

当前在线人数

15分钟内在线的UV数

平均在线时间

访问网页停留时长

平均访问量

指用户每次浏览的页面平均值

日均流量

平均每天的流量

跳失率

只浏览了一个页面就离开的访问次数除以该页面的全部访问次数。

转化指标

转化率

指进行了相关动作的访问量占总访问量的比率。是核心指标

注册转化率

注册用户数除以新访客总数。是一个过程指标

客服转化率

咨询客服人员的用户数除以总访问数，是一个过程指标

收藏转化率

将产品添加到收藏或关注到个人账户的用户数除以该产品的总访问数。

添加转化率

将产品添加到购物车的用户数除以该产品的总访问数

成交转化率

成交用户数除以总访问数，这是一个结果指标。可精细化分为：全网转化率、类目转化率、品牌转化率、单品转化率、渠道转化率、事件转化率。

营运指标

成交指标

成交金额、成交数量、成交用户数

订单指标

订单金额、订单数量、订单用户数、有效订单、无效订单

退货指标

退货金额、退货数量、退货用户数、金额退货率、数量退货率、订单退货率

效率指标

客单价、件单价、连带率、动销率

采购指标

采购金额、采购数量

库存指标

库存金额、库存数量、库存天数、库存周转率、售罄率

供应链指标

发货金额、发货数量、订单满足率、订单响应周期

会员指标

注册会员数

指曾经在网站注册过的会员总数。

关注有效会员数

活跃会员数

指在一定时期内有消费或登录行为的会员总数

活跃会员比率

活跃会员占会员总数的经重

会员复购率

指在某时期内产生二次及二次以上购买的会员占购买会员的总数

平均购买次数

指某时期内每个会员平均购买的次数，=订单总数/购买用户总数

会员回购率

指上一期末活跃会员在下一期时间内有效购买行为的会员比率。回购率和流率是相对的概念。

会员留存率

某时间节点的会员在某特定时间周期内登录或消费过的会员比率。留存率分为新会员留存率和活跃会员留存率。

财务指标

新客成本

为了争取新客户的点击、注册、或购买，必须投入足够的营销费用，平均每个新客户消耗掉的营销费用就是新客成本。

新客成本实际统计复杂，需考虑配合营销计划的人力成本、营运成本等是否计入营销费用中？不管有没有活动都有新客，是否区分？

新客成本可分渠道计算，也方便评估渠道质量。

每个公司的新客成本定义标准不同，其他公司的数据无参考意义。

单人成本

营销成本（营销费用+配合成本）/访客数

单笔订单成本

营销成本/获取的订单数

费销比

营销成本/订单金额

物流成本

仓储费用占比，物流费用占比

关键指标

阶段不同，需求不同

新电商

积累数据，找准方向比卖多少货重要。重点关注流量指标

运营一段时间

通过数据分析提高店铺销量就是首要任务。重点指标是流量和销售指标。

有规模的电商

关键是提升整体营运水平，关注流量指标、销售指标、财务指标和营运指标。

时间不同，侧重不同

每日追踪指标

访客数、浏览量、浏览深度、跳失率、转化率、件单价、连带率、重点产品的库存天数、订单执行率。

周分析指标

侧重在重点商品的分析和重点流量的分析，包括日均UV、日均PV、访问深度、复购率、TOP商品贡献率、TOP库存天数。

月绩效考核指标

运营人员

访客数、转化率、访问深度、件单价、连带率

推广人员

新增访客数、新增购买用户数、新客成本、跳失率、ROI

策划人员

点击率、转化率、活动商品销售比重、ROI

分析人员

报表准确率、报表及时率、需求满足率、报告数量、被投诉率

职位不同，视觉不同

执行层

侧重过程指标：流量的来源指标、流量的质量指标、转化率、客单价等

管理层

侧重结果指标：流量指标和销售额等

数量数据分析

流量及转化的漏斗图分析

漏斗图就是一个细分和溯源的过程，通过不同的层次分解从而找到转化的逻辑。如图所示用户购买过程，通过运用漏斗图能够比较直观地反映转化的形态。

漏斗图有一个弱点，就是只能反映一条转化路径的形态，稍加修改就可以实现漏斗图的对比功能。

流量来源也要细分，包括对地理属性的细分、渠道来源的细分、时间属性的细分、推广内容的细分。

对比发现有质量的流量

流量的质量分为质和量两个方面，质体现在不同的营销目的上，例如获取点击、注册、收藏、购买或者获取利润的目的。可以通过四象限来对比分析流量的质量。

这是针对购买的转化率和流量的四象限图。第一象限的流量是高质量的，流量和转化率均高于平均值。四象限对比分析就是不同维度和元素的互相组合，一个企业可以建立一些关键的组合形成固定的分析模板长期追踪，再结合趋势分析形成追踪体系。

电商销售额诊断

这是类似杜邦分析的图，从值和率两个方面，订单、新客、老客三个维度将销售额拆分成五个层次，每个层次间具有加或乘的逻辑关系。

零售策略中的数据化管理

第六章

渠道策略的数据化管理

如何科学地将渠道分类

将渠道分类是渠道分析的前提条件，渠道的划分一定要有前瞻性，稳定性。

渠道划分实际上是给每个店铺确定它的归属性质，不同的渠道就会有不同的管理策略或管理团队。

渠道就是销售通路，即商品通过什么样的途径到达消费者手中的。定义是指公司内部的组织单位和公司外部的代理商、批发商与零售商的结构。

公司内部的结构模式可以分为三级管理模式

对外的结构模式分为四级管理模式

代理商、批发商、零售商渠道的划分标准

按代理-批发-零售三级渠道标准分类

代理商

按区域、功能和重要性划分

批发商

综合类批发商、专业类批发商、批发兼零售类批发商，也可按交易额分为一级批发商、二级批发商、三级批发商等等。

零售商

分类复杂，按业种和业态分类，业态分类如图。

按行政区域分类

按城市分类：特级城市、一线城市、三线城市、四线城市、乡镇市场

按销售性质分类

根据通路的现代化程度分为现代渠道和传统渠道，现在渠道包括便利店、超市、购物中心、电商等。传统渠道包括批发、代理、杂货店等。

按渠道重要生可分为KA渠道、非KA渠道。

按商品价格策略分为正价渠道、特卖渠道、工厂渠道等。

其他分类

渠道拓展分析

拓展新城市

对一个新市场的宏观分析我们常用PEST分析法，即政治、经济、社会和科技四个方面。

行业不同，数据略不同，有三个数据是必须的：城市人口数、目标顾客占城市人口的比重、目标人群的年平均消费额。可计算市场容量：城市容量（年）=城市人口总数*目标顾客占比*平均年消费额。

购买力指数法

这种方法适合不能到现场的远程预估，精准度会差点。区域购买力占全国比重=权重1*区域人口占全国总人口比重+权重2*区域消费品零售总额占全国比重+权重3*区域个人可支配收入占全国比重

类比法

就是和相似区域对比，需要注意相似性，找到可类比的对象很重要。

专家预估法

专家拍脑袋法，为了让专家预估更准确些，看“如何设定指标的权重”

拓展新市场时必须回答四个问题

是否有市场？市场容量的问题

是否有空间？市场饱合度的问题

是否有增长？市场发展潜力如何

是否有风险？安全问题

拓展新商圈

确定商圈的大小

雷利法则

哈夫吸引力模型

雷利法则对于简单的商圈吸引力计算是够了，弱点是没有考虑交通状况，也没有考虑商圈间的差异性。哈夫吸引力模型则解决了这个问题，哈夫模型也叫做时间面积商圈界限模型。

【Pij】

住在i地区的消费者到j商圈购物的概率，这是一个相对值。

【Sj】

j商圈的卖场吸引力，和卖场面积、知名度、促销活动，商圈的成熟度，商圈的经营品类等有关。在实际计算中我们可以用商圈的营业面积或某个品类的营业面积来量化。

【Tij】

i地区消费者到j商圈的距离阻力，和公共交通的难易程度、自驾车的用时等有关。在实际计算中可以用顾客平均所花交通时间或者交通距离来量化。

【µ】

表示商圈吸引力或商店规模对消费者选择影响的参变量，也就是根据【Sj】来调整这个变量的数字，一般为1，如果商圈的吸引确实足够大，可以考虑提高一些。

【λ】

表示需要到商圈的时间或距离对消费者选择该商店影响的参变量，也就是根据【Tij】来调整这个变量的数字，一般为2，必要时可以根据经验来调整。

【∩】

i地区消费者愿意去购物的商圈数量。

通过这个公式算出来的【Pij】只是一个概率值，需要再乘以i地区的总人数即可以得到愿意到j商圈购物的人数。将所有地区有意愿的人数相加，就可以最终得到j商圈的人口总数。

确定商圈的容量

确定商圈的容量可以参考城市容量的公式，只是这里不是城市人口数，而是前面计算出来的意向人口总数。

商圈容量（年）=意向人口总数*目标顾客占比*平均年消费额

如果要寻商圈容量进行更精准的计算，需将意向人口细分。除了常住人口，还有流动人口、暂住人口等也会带来消费。在做商圈“人口普查”时，需要查宾馆平均人数、写字楼的员工数、学校的师生人数、医院的医患人数等。

确定商圈的层次

商圈一般分为主要商圈、次要商圈和边际商圈三个层次。

确定商圈的层次方法

顾客调查法

通过随机抽取顾客进行面对面调查。注意调查样本要大，调查的时间段要分散、均匀，调查的地点要多样化。

顾客记录法

通过顾客在办会员卡记下的地址，或送货地址收集顾客的位置信息。

顾客活动法

通过举行一些抽奖活动、寄试用装等活动让顾客留下联系地址。

确定商圈的饱合度

商圈饱合度用来判断商圈竞争激烈程度的一个指标，公式：（某类商品）零售饱合度指数=商圈（某类商品）容量/（某类商品）营业面积

该公式既可以用来计算某个业态的饱合度，也可以计算某个业种。这个饱合度实际和零售常用的坪效是一个概念，只是坪效是销售额和经营面积的比值。坪效和饱合度指数都是需要比较才能判断强弱的指标。

拓展新店铺

大多数品牌商没有时间也没有必要去研究商圈容量、饱和度等这些宏观概念。如果要开店，重点关注落位。好的位置会带来相对大的客流，相对多的销售额，所以拓展新店铺需要研究的就是客流和预判销售额。

拓展新店铺实际上就是要找到六个指标的数字依据：销售额=路过人数*进店率*成交率*零售价*销售折扣*连带率

渠道的管理指标

渠道评估体系

财务管理能力

资金利润管理

资金周转率

资产收益率

渠道利润率

回款天数

费用管理

渠道费用比率

费用正确率

库存管理

库存周转率

库存天数

销售

销售完成率

销售增长率

渠道分销能力

经营能力

市场占有率

铺货率

指适合销售某种产品的店铺中有多少已经有该产品的销售，这个比重就是铺货率。

加权铺货率

加权铺货率：普通铺货率有一个问题，就是将大小店铺都一视同仁，一个便利店和一个家乐福都被视为1个店铺，都是一样的权重，所以普通铺货率也叫数量铺货率。加权铺货率则给不同产出的店铺赋予不同的权重值，这个权重就是该店铺某类产品占总销售的比重。

拓展能力

渠道拓展速度

渠道拓展广度、宽度、长度、深度

渠道掌控力

收款力

渠道客户流失率

渠道配合度

及时准确提供渠道销售数据

活动参与度

竞争与发展

渠道竞争力

市场占用率

渠道资源整合力

项目执行力

渠道商誉度

是否遵守价格策略

是否遵守区域约定

团队建设能力

员工流失率

员工平均服务年限

员工学习能力

渠道形象

客户满意度

信息系统完善程度

系统对接程度

数据准确率

渠道服务效率

订单满足率

平均送货时长

缺货率

客户投诉情况

投诉率

投诉响应时间

拒绝合作客户比率

会员策略的数据化管理

会员数据分析

会员数据收集

在正式分析前，需要对异常数据进行清洗，保证数据质量，数据分析结果才是靠谱的。

会员数据首先是管理，其次是分析，最后才是挖掘。

会员基础数据分析

每天或每周需要关注并追踪的会员指标：会员的新增开卡数、新开卡率、贡献率、会员客单价、会员件单价、会员连带率、沟通率、回头率等。

每月和每季度需要分析的会员指标：除了前面那些，还包括会员的平均年龄、性别贡献率、有效会员总数，会员增长率、流失率、回头频率、平均回头天数、促销活动的转化率等。

年数据研究指标：主要包括会员的新开卡率、流失率、回头率、平均回购天数、唤醒率、激活率等策略指标。

会员基础数据分析主要有三种思路：看趋势、找对比、溯源头。

会员价值分析