商品分析

出自 MBA智库百科(https://wiki.mbalib.com/)

　　商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

　　商品数据分析对企业信息化越来越重要。业务系统给我们提供了大量的数据，但如何利用这些数据进行分析，并得到有价值的结果来指导企业的经营活动，是摆在所有企业面前的、需要不断探索的课题。商品分析也就是依据业务系统提供的数据进行相关的项目分析进而产生有价值的结果来指导企业经营活动的工作。

　　首先需要确定零售企业在销售数据分析过程中适用的维度、指标和分析方法，在日常商品分析当中，需要做的就是将三者关联起来构造一个分析模型，依据分析模型得到有价值的结果。

　　要建立一个分析模型，有三个构成因素，即：维度、指标和分析方法。维度指明了我们要从什么样的角度进行分析，也就是分析哪方面的内容，比如商品、客户等。指标指明了我们对于这个维度所要进行分析的点，比如数量、周转率、连带率、售罄率、毛利率等。分析方法指明了我们用什么样的方法去分析处理这个维度的指标。

　　(一)、销售数据之维度

　　1、商品

　　商品是零售分析的最细维度之一，大部分的指标都依附商品来做明细的记录，同时很多维度也是通过商品进行交叉分析。

　　2、客户

　　客户是销售对象，包括会员。客户所在地和区域有关联。

　　3、区域

　　区域是地理位置。从全球视角看：洲---国家---区；从国家视角看：区——省/市——县/ 区—镇/乡/村，一般按正式行政单位划分。

　　4、时间

　　时间是进行数据分析非常重要的维度，分析的角度有公历角度和农历角度。其中， 公历角度：年——季度——月——日——时段（每2小时为一个段）；星期、公历节假日。农历角度：年——节气——日——时刻；农历节假日。

　　(二)、销售数据之指标

　　1、销售数量

　　客户消费的商品的数量。

　　2、含税销售额

　　客户购买商品所支付的金额。

　　3、毛利

　　毛利＝实际销售额－成本。

　　4、净利

　　净利＝去税销售额－去税成本。

　　5、毛利率

　　销售毛利率是毛利占销售收入的百分比，也简称为毛利率，其中毛利是销售收入与销售成本的差。

　　毛利率＝（毛利/实际销售额）×100%。

　　6、周转率

　　周转率和统计的时间段有关。周转率＝（销售吊牌额/库存金额）×100%。

　　7、促销次数

　　促销次数有宏观概念上的，也有微观概念上的。宏观上，是指一个销售单位中一段 时间内发动促销的次数，或某个供应商的商品在一段时间内参与促销的次数；微观层面上，是表示一个单品在一段时间内参与促销的次数。

　　8、交易次数

　　客户在POS 点上支付一笔交易记录作为一次交易。

　　9、客单价

　　客户在一次交易中支付的金额总和称为客单价。

　　客单价=销售额/交易次数

　　10、周转天数

　　周转天数=库存金额/销售吊牌额。周转天数越长，表示经营效率越低或存货管理越差；周转天数越短，表示经营效率越高或存货管理

　　越好。

　　11、退货率

　　退货率=退货金额/进货金额（一段时间）；用于描述经营效率或存货管理情况的指标，与时间有关。

　　12、售罄率

　　售罄率=销售数量/进货数量

　　13、库销比

　　库销比=期末库存金额/（本期销售牌价额/销售天数*30）

　　（只有在单款SKU 计算中可用数量替代金额。）

　　14、连带率

　　连带率=销售件数/交易次数

　　15、平均单价

　　平均单价=销售金额/销售件数

　　16、平均折扣

　　平均折扣=销售金额/销售吊牌额

　　17、SKU（深度与宽度）

　　英文全称为 stock keeping unit, 简称SKU，定义为保存库存控制的最小可用单位，例如纺织品中一个SKU 通常表示一个规格，颜色，款式），即货号，例：AMF80570-1

　　18、期货

　　所谓期货，一般指期货合约，就是指由期货交易所统一制定的、规定在将来 某一特定的时间和地点交割一定数量标的物的标准化合约 。服装行业上具体指订货会上所订购且分期交付的货品。

　　19、坪效

　　就是指终端卖场1平米的效率，一般是作为评估卖场实力的一个重要标准。

　　坪效=销售金额/门店营业面积（不包含仓库面积）

　　20、促销商品

　　指促销活动期间指定的商品，其价格低于市场同类的商品。包括DM 商品，开店促销，普通促销货（特价），不包含正常降价。

　　(三)、销售数据之分析方法

　　1、直接数据的分析

　　2、间接数据的组合分析

　　1、销售状况分析：主要分析本月销售情况、本月销售指标完成情况、与去年同期对比情况。通过这组数据的分析可以知道同比销售趋势、实际销售与计划的差距。

　　2、销售毛利分析：主要分析本月毛利率、毛利额情况，与去年同期对比情况。通过这组数据的分析可以知道同比毛利状况，以及是否在商品毛利方面存在不足。

　　3、营运可控费用分析：主要是本月各项费用明细分析、与去年同期对比情况，有无节约控制成本费用。这里的各项费用是指：员工成本、能耗、物料及办公用品费用、维修费用、存货损耗、日常营运费用（包括电话费、交通费、垃圾费等），通过这组数据的分析可以清楚的知道门店营运可控费用的列支，是否有同比异常的费用发生、有无可以节约的费用空间。

　　4、坪效：主要是本月坪效情况、与去年同期对比。“日均坪效”是指“日均单位面积销售额”，即：日均销售金额/门店营业面积。

　　5、人均劳效（人效）：主要是本月人均劳效情况、与去年同期对比。“本月人均劳效”计算方法：本月销售金额/本月总营业人数。

　　6、盘点损耗率分析：主要是门店盘点结果简要分析，通过分析及时发现门店在商品进、销、存各个环节存在的问题。

　　7、门店商品库存分析：主要是本月平均商品库存、库存结构、库龄情况、周转天数，与去年同期对比分析。通过该组数据的分析可以看出门店库存是否出现异常，特别是否存在库存积压现象。

　　8、特价商品业绩评估：主要是特价商品品种数执行情况，特价商品销售情况、占比情况及与前期销售对比情况分析。“特价商品与前期销售对比分析”即将本档期特价商品的销售情况与特价执行前相同天数的销售情况进行对比分析，通过以上这组数据的分析可以看出门店特价产生的效果以及门店在特价商品经营中存在的问题。

　　9、客流量、客单价分析：主要指本月平均每天人流量、客单价情况，与去年同期对比情况。这组数据在分析门店客流量、客单价时特别要注重门店开始促销活动期间及促销活动前的对比分析，促销活动的开展是否对于提高门店客流量、客单价起到了一定的作用。

　　10、售罄率：指货品上市后特定时间段销售数量占进货数量的百分比。它是衡量货品销售状况的重要指标。在通常情况下，售罄率越高表示该类别货品销售情况越好，但它跟进货数量有着很大的关系。通过此数据可以针对货品销售的好坏进行及时的调整。

　　11、库销比：指库存金额同销售牌价额之比例。通常情况下，销售牌价额为1 个月的时间，也可以说库销比是以月为单位的。简单的来说就是某一时间点的库存能够维持多长时间的销售。它是衡量库存是否合理的重要指标，合理的标准在3-5 左右。在销售数据正常的情况下，存销比过高或过低都是库存情况不正常的体现。通过该组数据的分析可以看出门店库存是否出现异常，特别是否存在库存积压现象。

　　一、直接数据的分析

　　对直接数据进行分析，在现阶段的零售也已经非常普通了，从中很容易找出数据分析的结果进而调整策略，下面看几个表格和案例：

　　1、销售周报表

　　案例1：某公司2009 年2 月某周销售记录

　　在进行商品的款式管理时，我们都有一个初始的各款式的销售比例模型，根据这个表格我们就很直接的知道各款式直接的差异，得到我们

　　需要调整的款式。

　　2、促销商品的销售额和销售比例

　　案例2：销售周报表

　　通过对促销商品的占比分析，我们可以判断一次促销策略的成功与否，有没有达到我们预期的效果。

　　3、销售金额占比和库存金额占比

　　案例3：销售月报

　　通过对销售金额占比和库存金额占比的对比我们可以得出库存的合理性，对不合理库存需进行处理，以减少库存的积压。

　　4、库存周转天数/率

　　案例4：销售周报

　　如何来分析周转天数，也就是说，周转天数高和低哪个好？最合理的周转天数是多少？从商品库存周转率（次数）和周转天数两个效率指标中，可显示商品的“新鲜”程度。

　　商品周转率高（周转天数短）的好处是：每件商品的固定费用（成本）降低，相对降低有损坏和失窃引起的亏损；能提供新鲜的商品，能有弹性的进货，应变自如，能以少量的投资得到丰富的回报，减少存货中不良货品的机会。

　　商品周转率过高（天数太短）带来的危机是：容易出现断货 ，陈列不够丰满，进货次数增加使得进货程序和费用相应增加；进货次数增加也使运送费用相应增加。

　　5、毛利率与毛利额

　　案例：周销售状况表

　　通过对毛利额及毛利率的数值我们可以清晰的知道本周各款式商品给公司带来的实质性的收益，针对毛利额为亏损的商品进行及时的调整。

　　以上的几个案例应用是对直接数据的分析，在分析中大量地使用了比例分析法，通过对零售的比例模型及竞争对手的比例模型，我们会很方便地得到需要进行调整和改进的策略。但是对随之需要进行的精细调整、定位于调整哪一类中的哪一些商品，为什么要这么调整、应该如何调整等问题我们就显得有些茫然了。对应这些问题现在往往依靠业务人员的经验来处理，但解决这些问题的最有效方式是数字化运营分析，数字化运营分析也就是对间接数据的组合分析，建立数据钻取模型，在数据仓库中进行钻取，逐渐找到我们的问题点。

　　二、间接数据的组合分析

　　间接数据的组合分析就是将直接数据分析中得到的分析结构进行有效的组合和数据关联，并且在统一的数据模型下进行钻取以及进行关联交叉分析，逐渐发现并缩小分析的范围。

　　在间接数据的分析中常用到的是销售综合分析，库存分布分析、商品结构分析、商品毛利带分布分析、商品价格带分布分析、商品畅滞销分析等，在这些分析中我们可以互相交叉进行组合分析。下面我们将通过以下案例来展现间接数据组合分析的魅力。

　　1、销售综合分析

　　销售综合分析的分析指标是销售额、毛利额、毛利率、库销比、售罄率；分析条件是时间段（任意时间段、自然时间段）、经营方式；分析层次是总部-门店-大类-款式-价位带-单品。

　　案例：销售综合报表

　　上述的报表是整个公司各门店的销售综合报表，可以作为对比数据分析的基点，在这里用到的是毛利率、库销比、售罄率。通过对毛利率的对比，发现门店5 及门店7 毛利率为负值，严重偏离了制定的毛利率目标；同时也可以对库销比及售罄率进行数据分析；发现门店2 和门店4的库销比已经超出标准，要找出偏离的原因，需要对数据进行关联的钻取分析。我们将报表进行传递，得到门店5 及门店7 的大类报表。通过对大类报表的分析，可以得出具体哪个大类的毛利低，我们可以进一步钻取到款式、价位带、单品，进一步的明确是哪个方面的原因造成毛利额低。

　　2、关联分析（同比/环比分析）

　　将上一级分析的报表条件传递给同比分析，用同比分析的结构来检验我们对毛利调整策略的结果，看一下数据变化趋势，以便进行下一阶段的商品调整。

　　通过对上面的销售综合分析报表和关联分析，层层数据钻取后，对毛利的偏差已经可以精确的定位问题的所在，并通过数据分析来制定策略的调整。同时还可以将更多的报表进行传递展现，一层一层地深入，建立企业的经营数据模型，用比较分析法找出差异，做到数字化的运营管理，提升企业的竞争力。

　　3、顾客数与客单价

　　案例：销售日报表

　　有效提升销售额的两个途径是：提高实现消费的顾客人数、提高每位顾客购买的金额数。有效顾客（即实现消费的顾客）数高，说明你的商品、价格和服务能吸引、满足消费者的需求，客单价高，说明你的商品宽度能满足消费者的一站式购物心理、商品陈列的相关性和连贯性能不断地激发消费者的购买欲望。