零售数据管理
2017-12-21 18:50:01 0 举报AI智能生成
零售数据管理
作者其他创作
大纲/内容
二、寻找零售密码
周权重指数
零售业规律
以周围单位不断循环的过程
概念
计算
企业权重指数
1.收集企业每个完整店铺最近一个完整年度中的日销售额数据
2.将所有完整店铺每日销售额数据对应相加
3.数据与处理，提出异常数据
4.以周围单位，计算平均日销售
5.找到平均销售中最低的一天，令他的日权重指数为1，其余6天分别除以这天销售额得到其日权重指数
6.每日权重指数相加即为周权重指数
各分部权重指数（每月一次）
1.收集最近两个月+去年同期月份数据
2.预处理，剔除异常数据
3.以周围单位，计算每周每天平均日销售额和平均周销售额
4.星期i的日权重指数=（星期i的平均日销售额/平均周销售额）*企业周权重指数
日权重指数的特殊处理
特殊日期（节前、节中、节后）：国庆节、春节、清明、双十一等等
计算
1.取三年历史数据，每年取2-4个标准周的销售数据为参考
2.分别计算每年单位权重值（所选周内总销售额/总权重值）
3.日权重值=日销售额/单位权重值
4.计算节假日每一天的平均日权重指数
单位权重值
单位权重值=i~j日销售额之和/i~j日权重指数
应用
判断零售店铺销售规律辅助营运
分解日销售目标
日销售目标=月销售目标*（日权重指数/月权重指数）
月销售预测
月销售预测值=i~j日销售额之和/(i~j日权重指数之和/月权重指数)
销售对比（可对比性）
星期几对比星期几
公众假期对等对比原则
中国阴历对等对比原则
中国阳历对等对比原则
黄氏曲线和权重曲线
权重曲线
单位权重曲线，正常的权重曲线是围绕某个值变化的
应用
销售追踪
月初放松事件
月末踩刹车事件
作用
进行跟踪跟进，及时反应状态在数据上的变化
黄氏曲线
黄氏曲线为权重曲线同时段的平均值
应用
特殊事件的量化处理
促销活动的分析与评估
特殊事件的量化处理
作用
用来分析和评估，是事后工作
使用条件
清晰的时间节点，明确的时间状态信息
应用：数据化排班
按需排班、公平、透明
周销售规律
日客流规律
四、商品中的数据化管理
商品分析指标
基本思维模式
进、销、存
常用商品分析指标p104
确定商品指标的重要性
专家意见法
商品分析方法
自然分类
线分类法
面分类法
销售分类
二八法则分类法
ABC分类法
平均值分类法
商品的价格分析
价格带分析
目的
达到管理商品采购、定价、陈列，最终达到影响消费者购物行为
指标
价格带宽度
价格带宽度、深度
价格点
价格区
步骤
确定需要分析的商品类别
分析价格带宽度
市场调查法、竞争对手调查法、销售数据分析法
确定价格点
确定价格带广度和价格线
确定价格区
确定价格带深度
价格弹性分析
价格弹性：当商品价格发生变化时，该商品需求量变化的幅度
价格弹性系数
价格弹性系数=销售变动比率/价格变动比率
定价策略
影响消费者价格敏感度的因素
产品自身
零售商价格策略
消费者自身
商品定价
成本定价法
解决企业整体定价策略
需求定价法
解决定价过程中的一些细节问题
竞争定价法
保证企业竞争力
商品关联销售分析
作用
提升商品的活力、挖掘消费者的购买力、促进最大化销售
关联程度分析
商品间关联关系
强关联、弱关联、排斥关系
三度
支持度
同时包含商品A和B的交易/总交易
可信度
同时包含商品A和B的交易/包含商品A的总交易
提升度
可信度/商品B在总交易中出现的概率
购物篮分析
概念
通过顾客的购物清单进行分析来东西消费者的购物行为
购物篮系数
某段时间商品销售总数/某段时间的购物篮总数
指定商品人气指数
指定商品购物篮销售总数/购物篮总数
提升商品关联度方法
以关联度来设计卖场陈列、促销、推广等
建立商品人气指数，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
有效利用数据挖掘来提升关联销售
库存管理
库存分析逻辑
切割库存，让库存分析合理
量化库存，确保库存安全性
安全库存数量
库存天数
库存周转率
库存结构化，确保库存结构合理性
预估销售，确保库存量
特殊库存分析
异常库存管理
销售异常
库存数字异常
设置库存预警
事件、对象、指标
利润管理
谁决定商品利润
销售额：销售部
利润率：产品/折扣率
商品现值
概念
指商品在某个时间节点被消费者认可的价值
使用规则
零售价格必须与现值一致
每月末或月初固定时间根据三要素对商品限制进行调整
品牌商不能为折扣店或费用低的零售商单独调整现值
子主题
关键点
必须降低人为干扰价格定制的影响
充分利用规则说话
商品价值：售罄率/货龄 DOS
库存的现值分析
要看变化趋势
要和企业标准做对比
六、零售策略中的数据化管理
渠道策略
渠道分类
稳定性
前瞻性
渠道拓展分析
拓展新城市
PEST分析法
拓展新商圈
确定商圈的大小、容量、层次、饱和度
拓展新店铺
渠道管理指标
财务管理能力
渠道分销能力
客户满意度
竞争与发展
会员策略
为什么要进行会员策略数据分析
能知道销售运营，提高营销精准度
会员数据分析
会员数据收集
会员基础数据分析
每天、周以追踪为主，找到发生了什么
每月以分析为主，找到关键问题
每年以研究为主，指导下一年策略制定
看趋势、找对比、溯源头
会员生命周期管理
新增会员，活跃会员，沉默会员，睡眠会员，流失会员
分层管理
会员价值分析
体现在不断为企业带来稳定销售和利润，为企业策略制定提供数据支持
转化指标
忠诚度
最近一次消费时间
消费频率
购买力
消费金额
最大单笔消费额
价格容忍度
特价商品消费占比
高单价商品消费占比
以雷达图展现
会员行为原理
5W2H分析法
寻找共性
知道企业决策、营运计划、店铺管理
寻找个性
给每位用会贴标签
竞争对手分析
谁是竞争对手
和你抢夺任何资源的人或组织
人货场财四方面分析
收集竞争对手资料
竞争对手分析方法
分析路线图
画竞争对手图谱
公司、销售、市场、生产
量化竞争对手四度
排行榜、四象限、雷达图
SWOT分析模型
优势、劣势、机会、威胁
营运策略
如何做销售策略
预测值处理
算术平均法、加权平均法、德尔菲法、业务人员预测
制定年度销售目标
收集数据
宏观
微观
制定策略
设置目标
深思熟虑、务实、分解到可执行的最小单位
验证目标
由下而上
沟通目标
合理性、完成方法
确认目标
一、什么是数据化管理
概念
运用分析工具对客观、真是的数据进行科学分析，并将分析结果运用到生产运营、销售等各个环节中去的一种管理方法
意义
核心：应用
意义：1.量化管理，2.量化最大化销售业绩、最大化生产率；3.有效节约企业各项成本费用；4.组织管理、部门协调工具；5.提高企业管理者决策的速度和正确性
四个层次
业务指导管理
营运分析管理：对人、货、场、财的分析管理
经营策略管理
战略规划管理
数据化管理流程图
分析需求：收集需求、分析需求、明确需求
收集数据：可靠、瑕疵、缺失？
整理数据-分析数据
数据可视化：文字、表格、图表等
应用模板开发：标准化、程序化
分析报告：对象、有重点、议论文（论点、论据、论证）、逻辑性、可读性
模板应用
三、销售中的数据化管理
销售都是追踪出来的
目标管理
SMART原则
对比分析标准
事件标准、空间标准、特定标准、计划标准
用数据化追踪销售
数据对比：绝对值、相对值
有效利用极值追踪
利用单位权重曲线
利用预测值
月销售预测
年销售预测
年销售预测=i~j月销售额之和/i~j销售加权平均值
注意事项
追踪表格化、系统化
充分发挥人，层层追踪
利用销售会议追踪
利用科技手段
结果过程化
追踪必须有结果
常见的销售分析指标
基本思维模式
人货场
常用分析指标p72
杜邦分析图
概念
利用几种主要财务比率之间的关系来综合分析企业财务状况的一种方法
销售额=成交单数*客单价
指标
鲁国人数
进店率
成交率
平均售价率
销售折扣
连带率
平均每单金额=销售总金额/成交单数
反映了顾客购物的深度和广度
促销中的数据化管理
影响冲动购买的因素
零售业常用的促销方式（占便宜的感觉）p94
促销活动的准备、执行与评估
促销前分析
促销包法度、促销帅监督、目标预测
关联度分析
财务分析
五、电子商务中的数据化管理
数据分析指导电商运营
a电子商务与b传统零售数据分析上的区别
b二八法则，a长尾理论
a大数据，b小数据
a商品的流动，b“物流”
a注重服务和效率，b注重体验感
a物流和营销，b主要成本是房租和人工
电商数据分析的数据
营销数据
流量数据
会员数据
交易及服务数据
行业数据
数据来源及分类
百度统计、谷歌分析等等
电商数据分析指标
流量指标
PV,UV...
转化指标
各种转化率，如渠道、成交
营运指标
会员指标，财务指标
其他指标
阶段不同，需求不同
时间不同，侧重不同
职位不同，视觉不同
流量及会员数据分析
流量及转化的漏斗图分析
漏斗图是一个细分和溯源的过程，通过不同的层次分解找到转化的逻辑
对比发现有质量的流量
电商销售额诊断
寻找关键点诊断
七、必知必会的数据分析方法
立体化
点线面
时间-对象-指标
人-货-场
广度-深度-宽度
可对比性
无对比不分析
原则
对象一致
时间属性一致
定义和计算方法一致
数据源一致
举例
同比和环比
他真的是销售冠军吗
常用的数据分析方法
结合业务背景，实用
如何设定指标的权重
主观意见法、历史数据法、矩阵对比法、专家打分
二八法则
20%的对象产生80%的效果
作用：找到对象中的重点因素
ABC分析方法
排行榜分析法
直接求和、两次排名
数据展示
Excel展示
目的明确
简单、有重点
按受众习惯排放
雷达图
评分制、排名制、相对值、极值法
K线图
热力图
客单价、商场楼层坪效
四象限图
八、建立数据化管理模型
数据化管理应用模板
Excel技巧
自行掌握
0 条评论
下一页
为你推荐
查看更多
![[UML]零售交互流程](https://www.processon.com/chart_image/template/thumb/668656db21afeb1b4b7c4a18.png?tid=668656db21afeb1b4b7c4a17)
