零售行業 數據分析?随着移動互聯網十年紅利期的結束，線上流量成本越來越貴，許多企業紛紛将線上業務轉移至線下，如大家耳熟能詳的三隻松鼠等品牌；同時傳統零售中也出了現象級的品牌，比如周黑鴨、名創優品等他們的背後都反應了零售行業哪些規律呢？有哪些值得我們借鑒和學習？今天我們就來說說零售行業的數據分析，下面我們就來聊聊關于零售行業 數據分析?接下來我們就一起去了解一下吧!

零售行業 數據分析

随着移動互聯網十年紅利期的結束，線上流量成本越來越貴，許多企業紛紛将線上業務轉移至線下，如大家耳熟能詳的三隻松鼠等品牌；同時傳統零售中也出了現象級的品牌，比如周黑鴨、名創優品等。他們的背後都反應了零售行業哪些規律呢？有哪些值得我們借鑒和學習？今天我們就來說說零售行業的數據分析。

一、數據分析對零售的重要性

經曆了十幾年的信息化高度發展，企業積攢了大量的寶貴數據。但面對數據這個“金礦”，各家企業由于經營模式、管理風格、重視程度、資金投入等不同，對于這個“金礦”的挖掘程度有極大的不同，零售數據的分析應用均處在不同的階段，甚至出現的“兩極分化”的局面。

如今，中國零售業所面臨最大挑戰就是顧客和市場需求複雜多變，比起人的經驗主義來做決策，隻有實時的數據分析和反饋才能适應更快的變化。零售的本質離不開人、貨、場這三個核心，并圍繞這三個核心提升運營的效率，也就是線上線下的成功融合，并對數據進行收集、整理、分析，實現可預測、可指導的“數據化管理”。

二、零售數據應用的4個階段

1.描述性分析統計階段

這個階段零售企業利用ERP搜集和整合企業的數據，形成一個完整的數據流，把企業内不同來源的數據信息集中到單一的倉庫中來。使各個職能在自己需要時通過圖表看闆、計分闆的形式看到自己所需要的數據。

這個圖标看闆展現決策者最為關注的運營要素—關鍵績效指标，如銷售額、坪效、利潤率、客單價、進店率、轉化率、目标完成率、同比增長率等等，最終以“商業報告”的形式出現，反應過去發生了什麼”以及“正在發生什麼”。

2.分析判斷

在第一階段整合了數據來源後，零售業決策者關心的重點發生了轉移，從“發生了什麼”轉向“為什麼發生”。分析判斷數據的目的是了解數據報表、商業報告的背後的含義，以及這些過往行為發生的動機和原因。這需要對更加詳細的數據進行多維度的分析，同時這種分析判斷更多的是建立在對于零售業務邏輯的理解之上，一般會采用簡單有效的分析方法和簡便的分析工具對數據進行處理（下文會詳細講解這一部分）。

3.預測未來

企業在有了前兩個階段的基礎之後，關注點會進一步超越當前，開始思考更貼近經營上的問題：“将來會發生什麼”。

從本質上說預測就是根據零售企業所過去發生的事件以及當前實時的影響因素，對于銷售額、利潤率、成本等未來的取值做出自動化和智能化的估計。簡單的分析對于估算暢銷概率的作用有限，在大多數複雜的應用中，需要建立數學模型來還原零售的業務規律。例如7-Eleven零售門店通過衛星雲圖了解到兩天後氣溫将上升兩度，會提前訂購比平常銷量多30%的礦泉水。

4.指導決策

這一階段側重于對業務、營運、經營、戰略的決策指導，解決的是：“我應該做什麼”才能達到最佳的狀态。前三個階段都不是終極目的，關鍵是做了預測以後能給企業的決策行為帶來什麼樣的幫助。

對于零售企業而言，銷售預測以後緊接着的行為就是補貨，補貨過程中就會涉及到多級庫存管理。而補貨行為又驅動了後續的采購、生産、物流、倉儲等行為，同時企業的決策層可以根據未來的預測來做出是否要開設渠道、建立工廠、購買倉庫等重要戰略決策，這些行為的決策都是建立在前三個階段之上的。中國零售行業對于數據的分析應用都處在第一或者第二階段，也有少數企業如京東、華為處在第三甚至初步進入第四階段。

雖然不少企業所處的階段還比較低，但是很多企業的數據基礎都很不錯，積累了大量的數據。這些企業對于自身的業務也非常的精通，隻是受制于算法、人才、技術等。對于如何把業務和數據結合在一起産生價值還不甚清楚，但是這些未來都不會成為中國零售企業對于數據追求的障礙，因為會有像大量的第三方數據分析公司，來提供專業的數據分析、建模和優化服務，幫助企業邁入數據驅動決策階段。

三、零售行業數據指标體系

銷售數量：客戶消費的商品的數量

含稅銷售額：客戶購買商品所支付的金額

毛利：實際銷售額－成本

淨利：去稅銷售額－去稅成本

毛利率：是毛利占銷售收入的百分比，也簡稱為毛利率，其中毛利是銷售收入與銷售成本的差，毛利率=（毛利/實際銷售額）×100%

周轉率：（銷售吊牌額/庫存金額）×100%（周轉率和統計的時間段有關）

促銷次數：有宏觀概念上的，也有微觀概念上的。宏觀上，是指一個銷售單位中一段時間内發動促銷的次數，或某個供應商的商品在一段時間内參與促銷的次數；微觀層面上，是表示一個單品在一段時間内參與促銷的次數

交易次數：客戶在POS 點上支付一筆交易記錄作為一次交易

客單價：客戶在一次交易中支付的金額總和稱為客單價（銷售額/交易次數）

周轉天數：庫存金額/銷售吊牌額

退貨率：退貨金額/進貨金額（一段時間）

售罄率：銷售數量/進貨數量

庫銷比：期末庫存金額/（本期銷售牌價額/銷售天數*30）

連帶率：銷售件數/交易次數

平均單價：銷售金額/銷售件數

平均折扣：銷售金額/銷售吊牌額

坪效：銷售金額/門店營業面積（不包含倉庫面積）

促銷商品：指促銷活動期間指定的商品，其價格低于市場同類的商品

四、零售數據指标背後的含義

1.店鋪經營管理數據分析

（1）銷售指标：主要指對銷售目标達成，增長等指标進行分析。銷售指标是個結果指标，一旦出現目标未達成，或者增長偏低，需要結合其他維度來進行綜合分析。銷售業績是追蹤出來，所以要針對銷售業績達成和提升，形成對應的銷售管理報表，如銷售日報，周報，月報。銷售日報重在業績追蹤。銷售周報，月報偏重分析，以分析驅動行動。

（2）毛利：主要分析本月毛利率、毛利率情況，與去年同期對比情況。通過這組數據的分析可以知道同比毛利率狀況，以及是否在商品毛利方面存在不足。

（3）運營可控費用：主要是本月各項費用明細分析，與去年同期對比情況，有無節約控制成本費用，這裡的各項費用是指：員工成本、能耗、物料及辦公用品費用，維修費用，房租，存貨損耗，日常營運費用(電話費、交通費、衛生費、稅收、工商費)。通過這組數據的分析，可清楚地知道門店營運可控費用後的列支，是否有同比異常的費用發生，有無可以節約的費用空間。

（4）評效：主要是本月評效情況，與去年同期對比“日均評效”是指“日均單位面積銷售額”，即日均銷售額/門店營業面積。

（5）人均勞效：主要是本月人均勞效情況，與去年同期對比，“本月人均勞效”計算方法：本月銷售額/本月工資人數。

（6）盤點損耗率：主要是門店盤點結果簡要分析，通過分析，及時發現門店在藥品進、銷、存各個環節存在的問題。

（7）門店商品庫存：通過這組數據分析，看門店庫存是否出現異常，特别是否有庫存積壓現象。庫存與周轉率，則體現該品類的資金利用效率，如果庫存高，周轉慢，則說明資金利用率低，此時，對于零售企業來說，就意味着高成本。

2.商品經營數據分析

（1）經營商品目錄：主要是本店執行商品目錄情況、經營業态主力商品情況、新品引進情況、淘汰商品請退情況。通過這組數據，可以了解門店是否按照商品目錄的調整進行了門店的商品結構調整。

（2）商品動銷率：商品動銷率計算公式：動銷品種/門店經營總品種數*100。滞銷品種數：門店經營總品種數-動銷品種數。通過此組數據及具體單品的分析，可以看出門店在商品經營中存在的問題及潛力。

（3）商品品類：主要是本店本月各品類銷售比重及與去年同期對比情況，門店本月各品種類毛利比重及與去年同期對比情況，門店需對本月所有品類銷售與毛利情況，特别是所有銷售下降及毛利下降的品類進行全面分析，并通過分析找出差距，同時提出改進方案。

（4）本月商品引進：主要是引進商品産生銷售、毛利分析，這時的引進商品需要門店日常對新引進商品建檔，并跟蹤分析引進商品的動銷率、适銷率、銷售額以及毛利狀況，同時分析這些引進商品是否對門店銷售業績的提升作了貢獻，是否有引進不對路的商品存在，并在以後的工作中不斷優化調整。

（5）特價商品業績評估：主要是特價商品品種數執行情況，特價商品銷售情況，占比情況與前期銷售對比情況分析，“特價商品與前期銷售對比分析”，即将本檔期特價商品的銷售情況與特價執行前相同天數的銷售情況進行對比分析（特價檔期後執行天數為14天或21天），通過以上這組數據的分析可以看出門店特價産生的效果以及門店的特價商品或經營中存在的問題。

（6）客流量、客單價分析：主要是指本月平均每天人流量、客單價情況與去年同期對比情況，這組數據在分析時，要特别注意門店開始促銷活動期間及促銷活動前後對比分析，促銷活動的開始是否對于提高門店客流量、客單價起一定的作用。

（7）售罄率：指貨品上市後特定時間段銷售數量占進貨數量的百分比。它是衡量貨品銷售狀況的重要指标。在通常情況下，售罄率越高表示該類别貨品銷售情況越好，但它跟進貨數量有着很大的關系。通過此數據可以針對貨品銷售的好壞進行及時的調整。

3.顧客消費行為分析

（1）主要分析商圈的消費人群結構。商場裡的服裝、日用品、電子産品等品類，決定了客流及消費者側重，同時必須了解到我們品牌與其的關聯性，數據的采集可以通過商場或購物中心了解情況。

（2）主要分析自身品類，例如女裝分析大淑裝、少淑裝、快時尚等影響；

（3）主要分析同質品，競品品牌優劣情況，掌握穩定優勢，撬動劣勢（轉化客戶，從細節上客情服務、科技導入截流、時刻記錄客戶反饋的不足點及競品的優點，有效與後台部門聯動）

（4）定時分析VIP銷售數據、反饋數據、客情互動的感情數據及商場着裝情況，了解客戶的衣食住行，準确識别目标客戶，并清晰了解客戶的需求、購買行為特征及消費者自身屬性等因素。通過上述各種分析，知道顧客所想，所需，所動，實施精細化營銷和會員管理，提高顧客粘性。

（5）定期了解競品客戶情況、品類情況

以上内容看似簡單，但由于受各種原因影響（如管理意識，工具等），真正将其形成固化模闆，落地到每家門店的企業并不多見。我們認為，要真正推動數據和門店管理結合起來，建立數據驅動型的門店，可以圍繞以下做改善：①統一意識，用數據說話；②站在門店管理場景進行報表設置，各維度數據整合，形成統一模闆，避免從單一角度來看數據；③所有報表通過系統平台，以統一格式，固定時間點推送到相關員工工作郵箱，或手機端，不需要人工處理數據，提高效率；④統一數據指标定義，數據标準參考值，通過實際和目标的差異對比，來驅動改善行動

五、零售行業的數據分析方法

零售行業的核心的就是人、貨、場。這三個字能化解零售行業遇到的絕大多數的問題，例如：怎麼能去提高銷售額？影響銷售額的因素非常多，在我們運營的每個環節都可能影響到銷售額，不是一個簡單的幾點因素就可以判斷。它需要一個立體化的思維才能找到影響銷售額的因素。我們可以把銷售額簡化為如下的公式：

這時為了提高銷售額，我們就可以思考如何提高這幾個指标中的一個或幾個，如成交率、零售價、連帶率的提升都會提升銷售額，當然我們需要注意的是零售價與成家率是相互影響的。

1.流量

與店鋪的選址有關，是否在商業中心，周圍是否有學校、醫院等有關系，同時也可以店鋪的品牌知名度有關。

2.進店率

進店率我們可以通過科技手段來進行數據采集，如紅外、視頻或者wifi等技術來統計。進店率的影響因素有門頭、水牌、櫥窗的陳列、門店的燈光、播放的音樂，甚至台階。例如麥當勞統計過，五級以下的台階不會影響快餐店的進店率，當超過五級台階的時候，每增長一級台階進店率就會下降6%。

3.成交率

影響成交率的因素很多，比如店員的技巧、商品是否寬度、廣度、深度、是否有正品、是否缺貨，或者足夠的試衣間，都會影響到成交率在裡面。支付手段也影響成交率，例如很多百貨門店是集中收銀的，當顧客打算買一件店裡的衣服，除了收款環節之外，其他動作全部做完了，這時候因為最後環節太複雜最終影響了成交率。

4.零售價

零售價這個零售價指的平均零售價，很多店長或城市經理沒辦法影響零售價，因為是企業統一制定的價格，和采購策略有關系，但是我們也可以進行分析，實際上不同的店員的零售價是不一樣的，和商品的配貨有關，比如這個店本來是非常好的場所，配的都是低端的貨，說明這裡面就會有問題，調配商品的價格，去研究價格帶，從而找到提升銷售的機會。

5.銷售折扣

影響銷售折扣的因素和人的因素有關，有些店員就喜歡賣折價商品，有些顧客總是喜歡買新品，有的顧客喜歡促銷的時候來購買，不同的店員、不同顧客、不同對待方式。

折扣中人的因素還有和企業領導有關，有些企業的領導迫于銷售的壓力，每年的促銷活動都比去年低折扣，搞得折扣越來越低；銷售折扣和貨的因素有關，包括促銷活動的價格策略有關，你促銷活動什麼方式參加，參加的力度多大，和頻率有關；當然和商品的配貨有關，你配的貨是折扣高的還是折扣低的，庫存合理不合理，庫存不合理的話，庫存太多，意味着不但清除死庫存，也會降低。

6.連帶率

連帶率和人、場有關。和人的關系包括店員的銷售技巧、新員工的比例，比如有些公司通過刺激店員的手段去提高連帶率。影響連帶率還有“場”的因素，包括你的設計是否合适，跟設計有關，和銷售輔助工具有關，快餐公司買第二杯半價，服裝行業兩件八折也都是一樣的道理。

這些指标我們可以各個擊破，從而去提升銷售額。

六、小結

1.中國零售業由于顧客和市場需求的複雜多變，隻有實時的數據分析和反饋才能更快的适應變化。

2.零售的本質離不開人、貨、場這三個核心，并圍繞這三個核心提升運營的效率，也就是線上線下的成功融合，并對數據進行收集、整理、分析，實現可預測、可指導，即“數據化管理”。

3.零售數據應用的的四個階段：描述性分析統計階段、分析判斷、預測未來、指導決策。

4.建立數據驅動型的門店 ①統一意識，用數據說話；②站在門店管理場景進行報表設置，各維度數據整合；③所有報表通過系統平台，以統一格式；④統一數據指标定義，通過實際和目标的差異對比，來驅動改善行動。

－DataHunter,讓你愛（AI）上看數據－

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!