商品分析

出自 MBA智库百科(https://wiki.mbalib.com/)

　　商品分析的主要數據來自銷售數據和商品基礎數據，從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過對這些指標的分析來指導企業商品結構的調整，加強所營商品的競爭能力和合理配置。

　　商品數據分析對企業信息化越來越重要。業務系統給我們提供了大量的數據，但如何利用這些數據進行分析，並得到有價值的結果來指導企業的經營活動，是擺在所有企業面前的、需要不斷探索的課題。商品分析也就是依據業務系統提供的數據進行相關的項目分析進而產生有價值的結果來指導企業經營活動的工作。

　　首先需要確定零售企業在銷售數據分析過程中適用的維度、指標和分析方法，在日常商品分析當中，需要做的就是將三者關聯起來構造一個分析模型，依據分析模型得到有價值的結果。

　　要建立一個分析模型，有三個構成因素，即：維度、指標和分析方法。維度指明瞭我們要從什麼樣的角度進行分析，也就是分析哪方面的內容，比如商品、客戶等。指標指明瞭我們對於這個維度所要進行分析的點，比如數量、周轉率、連帶率、售罄率、毛利率等。分析方法指明瞭我們用什麼樣的方法去分析處理這個維度的指標。

　　(一)、銷售數據之維度

　　1、商品

　　商品是零售分析的最細維度之一，大部分的指標都依附商品來做明細的記錄，同時很多維度也是通過商品進行交叉分析。

　　2、客戶

　　客戶是銷售對象，包括會員。客戶所在地和區域有關聯。

　　3、區域

　　區域是地理位置。從全球視角看：洲---國家---區；從國家視角看：區——省/市——縣/ 區—鎮/鄉/村，一般按正式行政單位劃分。

　　4、時間

　　時間是進行數據分析非常重要的維度，分析的角度有西曆角度和農曆角度。其中， 西曆角度：年——季度——月——日——時段（每2小時為一個段）；星期、西曆節假日。農曆角度：年——節氣——日——時刻；農曆節假日。

　　(二)、銷售數據之指標

　　1、銷售數量

　　客戶消費的商品的數量。

　　2、含稅銷售額

　　客戶購買商品所支付的金額。

　　3、毛利

　　毛利＝實際銷售額－成本。

　　4、凈利

　　凈利＝去稅銷售額－去稅成本。

　　5、毛利率

　　銷售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%。

　　6、周轉率

　　周轉率和統計的時間段有關。周轉率＝（銷售弔牌額/庫存金額）×100%。

　　7、促銷次數

　　促銷次數有巨集觀概念上的，也有微觀概念上的。巨集觀上，是指一個銷售單位中一段 時間內發動促銷的次數，或某個供應商的商品在一段時間內參與促銷的次數；微觀層面上，是表示一個單品在一段時間內參與促銷的次數。

　　8、交易次數

　　客戶在POS 點上支付一筆交易記錄作為一次交易。

　　9、客單價

　　客戶在一次交易中支付的金額總和稱為客單價。

　　客單價=銷售額/交易次數

　　10、周轉天數

　　周轉天數=庫存金額/銷售弔牌額。周轉天數越長，表示經營效率越低或存貨管理越差；周轉天數越短，表示經營效率越高或存貨管理

　　越好。

　　11、退貨率

　　退貨率=退貨金額/進貨金額（一段時間）；用於描述經營效率或存貨管理情況的指標，與時間有關。

　　12、售罄率

　　售罄率=銷售數量/進貨數量

　　13、庫銷比

　　庫銷比=期末庫存金額/（本期銷售牌價額/銷售天數*30）

　　（只有在單款SKU 計算中可用數量替代金額。）

　　14、連帶率

　　連帶率=銷售件數/交易次數

　　15、平均單價

　　平均單價=銷售金額/銷售件數

　　16、平均折扣

　　平均折扣=銷售金額/銷售弔牌額

　　17、SKU（深度與寬度）

　　英文全稱為 stock keeping unit, 簡稱SKU，定義為保存庫存控制的最小可用單位，例如紡織品中一個SKU 通常表示一個規格，顏色，款式），即貨號，例：AMF80570-1

　　18、期貨

　　所謂期貨，一般指期貨合約，就是指由期貨交易所統一制定的、規定在將來 某一特定的時間和地點交割一定數量標的物的標準化合約 。服裝行業上具體指訂貨會上所訂購且分期交付的貨品。

　　19、坪效

　　就是指終端賣場1平米的效率，一般是作為評估賣場實力的一個重要標準。

　　坪效=銷售金額/門店營業面積（不包含倉庫面積）

　　20、促銷商品

　　指促銷活動期間指定的商品，其價格低於市場同類的商品。包括DM 商品，開店促銷，普通促銷貨（特價），不包含正常降價。

　　(三)、銷售數據之分析方法

　　1、直接數據的分析

　　2、間接數據的組合分析

　　1、銷售狀況分析：主要分析本月銷售情況、本月銷售指標完成情況、與去年同期對比情況。通過這組數據的分析可以知道同比銷售趨勢、實際銷售與計劃的差距。

　　2、銷售毛利分析：主要分析本月毛利率、毛利額情況，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狀況，以及是否在商品毛利方面存在不足。

　　3、營運可控費用分析：主要是本月各項費用明細分析、與去年同期對比情況，有無節約控製成本費用。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、存貨損耗、日常營運費用（包括電話費、交通費、垃圾費等），通過這組數據的分析可以清楚的知道門店營運可控費用的列支，是否有同比異常的費用發生、有無可以節約的費用空間。

　　4、坪效：主要是本月坪效情況、與去年同期對比。“日均坪效”是指“日均單位面積銷售額”，即：日均銷售金額/門店營業面積。

　　5、人均勞效（人效）：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：本月銷售金額/本月總營業人數。

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

　　7、門店商品庫存分析：主要是本月平均商品庫存、庫存結構、庫齡情況、周轉天數，與去年同期對比分析。通過該組數據的分析可以看出門店庫存是否出現異常，特別是否存在庫存積壓現象。

　　8、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、占比情況及與前期銷售對比情況分析。“特價商品與前期銷售對比分析”即將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，通過以上這組數據的分析可以看出門店特價產生的效果以及門店在特價商品經營中存在的問題。

　　9、客流量、客單價分析：主要指本月平均每天人流量、客單價情況，與去年同期對比情況。這組數據在分析門店客流量、客單價時特別要註重門店開始促銷活動期間及促銷活動前的對比分析，促銷活動的開展是否對於提高門店客流量、客單價起到了一定的作用。

　　10、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標。在通常情況下，售罄率越高表示該類別貨品銷售情況越好，但它跟進貨數量有著很大的關係。通過此數據可以針對貨品銷售的好壞進行及時的調整。

　　11、庫銷比：指庫存金額同銷售牌價額之比例。通常情況下，銷售牌價額為1 個月的時間，也可以說庫銷比是以月為單位的。簡單的來說就是某一時間點的庫存能夠維持多長時間的銷售。它是衡量庫存是否合理的重要指標，合理的標準在3-5 左右。在銷售數據正常的情況下，存銷比過高或過低都是庫存情況不正常的體現。通過該組數據的分析可以看出門店庫存是否出現異常，特別是否存在庫存積壓現象。

　　一、直接數據的分析

　　對直接數據進行分析，在現階段的零售也已經非常普通了，從中很容易找出數據分析的結果進而調整策略，下麵看幾個表格和案例：

　　1、銷售周報表

　　案例1：某公司2009 年2 月某周銷售記錄

　　在進行商品的款式管理時，我們都有一個初始的各款式的銷售比例模型，根據這個表格我們就很直接的知道各款式直接的差異，得到我們

　　需要調整的款式。

　　2、促銷商品的銷售額和銷售比例

　　案例2：銷售周報表

　　通過對促銷商品的占比分析，我們可以判斷一次促銷策略的成功與否，有沒有達到我們預期的效果。

　　3、銷售金額占比和庫存金額占比

　　案例3：銷售月報

　　通過對銷售金額占比和庫存金額占比的對比我們可以得出庫存的合理性，對不合理庫存需進行處理，以減少庫存的積壓。

　　4、庫存周轉天數/率

　　案例4：銷售周報

　　如何來分析周轉天數，也就是說，周轉天數高和低哪個好？最合理的周轉天數是多少？從商品庫存周轉率（次數）和周轉天數兩個效率指標中，可顯示商品的“新鮮”程度。

　　商品周轉率高（周轉天數短）的好處是：每件商品的固定費用（成本）降低，相對降低有損壞和失竊引起的虧損；能提供新鮮的商品，能有彈性的進貨，應變自如，能以少量的投資得到豐富的回報，減少存貨中不良貨品的機會。

　　商品周轉率過高（天數太短）帶來的危機是：容易出現斷貨 ，陳列不夠豐滿，進貨次數增加使得進貨程式和費用相應增加；進貨次數增加也使運送費用相應增加。

　　5、毛利率與毛利額

　　案例：周銷售狀況表

　　通過對毛利額及毛利率的數值我們可以清晰的知道本周各款式商品給公司帶來的實質性的收益，針對毛利額為虧損的商品進行及時的調整。

　　以上的幾個案例應用是對直接數據的分析，在分析中大量地使用了比例分析法，通過對零售的比例模型及競爭對手的比例模型，我們會很方便地得到需要進行調整和改進的策略。但是對隨之需要進行的精細調整、定位於調整哪一類中的哪一些商品，為什麼要這麼調整、應該如何調整等問題我們就顯得有些茫然了。對應這些問題現在往往依靠業務人員的經驗來處理，但解決這些問題的最有效方式是數字化運營分析，數字化運營分析也就是對間接數據的組合分析，建立數據鑽取模型，在數據倉庫中進行鑽取，逐漸找到我們的問題點。

　　二、間接數據的組合分析

　　間接數據的組合分析就是將直接數據分析中得到的分析結構進行有效的組合和數據關聯，並且在統一的數據模型下進行鑽取以及進行關聯交叉分析，逐漸發現並縮小分析的範圍。

　　在間接數據的分析中常用到的是銷售綜合分析，庫存分佈分析、商品結構分析、商品毛利帶分佈分析、商品價格帶分佈分析、商品暢滯銷分析等，在這些分析中我們可以互相交叉進行組合分析。下麵我們將通過以下案例來展現間接數據組合分析的魅力。

　　1、銷售綜合分析

　　銷售綜合分析的分析指標是銷售額、毛利額、毛利率、庫銷比、售罄率；分析條件是時間段（任意時間段、自然時間段）、經營方式；分析層次是總部-門店-大類-款式-價位帶-單品。

　　案例：銷售綜合報表

　　上述的報表是整個公司各門店的銷售綜合報表，可以作為對比數據分析的基點，在這裡用到的是毛利率、庫銷比、售罄率。通過對毛利率的對比，發現門店5 及門店7 毛利率為負值，嚴重偏離了制定的毛利率目標；同時也可以對庫銷比及售罄率進行數據分析；發現門店2 和門店4的庫銷比已經超出標準，要找出偏離的原因，需要對數據進行關聯的鑽取分析。我們將報表進行傳遞，得到門店5 及門店7 的大類報表。通過對大類報表的分析，可以得出具體哪個大類的毛利低，我們可以進一步鑽取到款式、價位帶、單品，進一步的明確是哪個方面的原因造成毛利額低。

　　2、關聯分析（同比/環比分析）

　　將上一級分析的報表條件傳遞給同比分析，用同比分析的結構來檢驗我們對毛利調整策略的結果，看一下數據變化趨勢，以便進行下一階段的商品調整。

　　通過對上面的銷售綜合分析報表和關聯分析，層層數據鑽取後，對毛利的偏差已經可以精確的定位問題的所在，並通過數據分析來制定策略的調整。同時還可以將更多的報表進行傳遞展現，一層一層地深入，建立企業的經營數據模型，用比較分析法找出差異，做到數字化的運營管理，提升企業的競爭力。

　　3、顧客數與客單價

　　案例：銷售日報表

　　有效提升銷售額的兩個途徑是：提高實現消費的顧客人數、提高每位顧客購買的金額數。有效顧客（即實現消費的顧客）數高，說明你的商品、價格和服務能吸引、滿足消費者的需求，客單價高，說明你的商品寬度能滿足消費者的一站式購物心理、商品陳列的相關性和連貫性能不斷地激發消費者的購買欲望。