如何用資料模型來分析並提高零售業績？
參與：冷芸時尚8群群友
時間：2021年6月19日
莊主：張丙濤–廣州–電商
很多人都知道資料分析正變得越來越重要，但現實中真正會資料分析的人比較少。本次坐莊，主要與大家探討一些零售中常用的資料模型，並透過資料模型來分析及提高業績。
莊主介紹
張丙濤—廣州—電商
12年零售行業經驗,6年國內領先運動品牌零售運營、渠道拓展經歷,做到零售總監後轉崗負責臺資零售公司商品。操盤過阿迪、NIKE彪馬、匡威、安德瑪、斯凱奇等品牌的貨品採買,商品運營,現為某電商公司(跨境+大貿)專業資料負責人,負責商業智慧部門。
｜一｜
零售行業分析模型運用現狀
1. 大家對零售行業數智化現狀的認知
莊主：
在這裡，我以阿里、凱度聯合紛析智庫出品的小黑書部分觀點為引子，以起拋磚引玉的作用：
鞋服為非標產品，看似多SKU，灰度空間多，理論上數智化程度高方可支撐得住經營上的一系列動作。但實際上按照阿里出品的小黑書來看，服裝零售行業數字化現狀是最低的，附小黑書部分資料為參考：
芸友Darren:
我覺得快消行業他們對資料的反饋很快。服裝行業普遍容易出現新店缺貨，整體庫存壓力大，整體售罄低的情況。目前我們也有這個問題。
芸友範範：
之前在一家公司商品做過一段時間。商品每星期都有開會備新貨，但每次實際鋪貨都會缺貨，因為沒有直接接觸核心資料，到現在也沒弄明白為什麼。
芸友Growl:
這個資料很有趣，按道理來說服裝行業對資料的需求應該是非常高的。當然，服裝行業就我接觸過的“相對更傳統模式的公司”而言，他們對資料的應用也都還比較淺顯，止於表象。
莊主：
商品企劃算是資料的運用，尤其是商品企劃之前需要做資料性商品企劃。
冷芸:
這是最重要的點，商品企劃更多是資料企劃。
莊主：
為了後面的模型方法論，我來說說服裝公司的商品企劃算不算是資料的運用的這個問題。大家都知道我們一盤貨的源起在於商品企劃，這是“生孩子”的步驟。但是企劃七分理性，三分感性，其實首先在於“作業邊界”的確定。
“作業邊界”這四個字特別要緊。你們看2017年華為CFO孟晚舟為了業財融合，是要幹嘛呢？打破作業邊界。而我們在鞋服零售行業謀稻糧，特別在意的是作業邊界，就是你看每天工作擰不清，天天開撕，事情沒有解決，倒是一地雞毛。
那麼到底什麼是“作業邊界”？其中職責劃分是一部分。職責劃分意味著目標的拆分，責任的擔當，那麼商品企劃的作業邊界在哪裡？是否故事包無限多？SKU無限多？開發倍率無限高？
作業邊界是一個框，什麼都可以往裡面裝。企業經營範圍、經營重點是否有作業邊界感。比方凡客如日中天的時候，雷布斯對陳年說：你能否先做好一件襯衣——這個時候凡客的SKU量多達百萬個。最近跨境通旗下的環球易購擬破產，SKU巔峰期99.6萬個，這後面的效率是非常低的，錢都變成了存貨。我們個人精力有限，最終有具體的爆發點，這是個人的作業邊界和個人的帕累托最優的20%部分，企業經營高手，個人發展清晰者都知道確定自己的作業邊界。
2. 資料運營是資料為主還是運營為王？
莊主：
資料化營運是營運為王還是資料為先？
芸友JUJU：
營運吧，資料服務於營運。
芸友Darren:
我從運營的角度，資料主要做支撐和輔助。
芸友夢清：
兩者兼顧吧。
芸友Ghin:
我認為是以營運為目的，資料做有力支撐。
莊主：
這個話題我們作為開放性，不糾結於唯一的正確答案，我僅說說我的瞭解。我曾經做過零售和渠道負責人，開始很傾向於營運為先。不過有一路純做資料的人，且是國內頂尖的資料探勘公司的人是認為資料為先。他們的觀點是既然資料化營運，自然是資料在前。若營運為先，那麼會走會經驗主義的老路，資料支撐最後會變成計量經濟學裡面的資料為了表達觀點，而人為去除錯，會跑偏。
｜二｜
常用分析模型介紹
1. 帕累託分析
帕累託分析法又稱為80-20原則，是一種廣泛應用的博弈論方法。具體來說它分為兩部分：
帕累託分佈如：
20%的產品貢獻了80%的業績；20%的渠道貢獻了80%的業績；20%的客戶貢獻了80%的利潤；帕累托最優。如：貨品投放作業邊界最優；迭代最優；企業多種貨品同時投放，不同產品在達到各自的邊際點後，即使再加大投放力度，企業也無法再獲取額外的利益；
方法原理：
80-20原則是廣泛應用的統計學方法。具體來說，指20%的投入可以產出80%的效果，如：20%的產品帶來80%的銷售，20%的客戶帶來80%的利潤，80%的損失是由兩名員工造成的。
其應用場景：
主要有標品、非標品的銷售、貨品分析。
案例應用：
下文會做美妝/服裝行業銷售、商品分析。
工具運用方面我們可以透過Tableau、PBI或者EXCEL軟體來實現。
2. 購物籃分析
方法原理：
當購物籃係數橫向對標行業、縱向對標歷史平均值得過低時，透過解析影響購物籃係數的決策因子，找到提升的方法;
應用場景：
商超、專賣店等線下渠道，品牌線上銷售渠道，標品，非標皆適用。
案例應用：
選擇商超、專賣店，或者品牌電商店鋪，在此建議是否追美妝快時尚熱點，如WOWCOLOUR、調色師等快時尚美妝作為分析標的。目前這些渠道靠資本在外延性擴張，實際銷售情況並不理想，指標亦存在對標誤區。
工具運用：
常用軟體為Excel、Tableau、PBI等。
3. 關聯分析
方法原理：
當消費者購買A產品，同時會購買B產品，體現的是銷售購買行為之間關聯強度。
應用場景：
商品、銷售分析。
案例應用：
典型的是啤酒與尿不溼案例。
｜三｜
典型分析模型在零售行業中的實踐
1. 案例分析A
多品牌美妝集合店如何確定各品類投放邊際點，實現商品運作效率、效益的提升？
W公司是一家全國性美妝通路公司，起家之初依靠集團渠道加持及知名資本助力，在短短不到一年的時間內全國“跑馬圈地”，很快擁有了逾200家店鋪，且形成了線上、線下、小程式等渠道矩陣。
自2016年起，W公司、HXZ、COLOURKEY等新銳國貨網紅品牌自線上崛起，線上美妝市場作為增長的一極；另外一極的線下渠道（包含百貨、KA、CS、直銷）僅有CS渠道是呈增長態勢。
在此背景下，一批主打場景體驗的新零售美妝品牌如W、T、L、H等迅速崛起，與傳統CS渠道有別的是它們背後皆有資本加持，這有了量級騰飛的催化劑。
W公司每開一店便火爆圈內外，但首月之後新店轉化率卻急劇下降。店齡6個月以上的成熟老店單店日均銷遠低於同行的老牌港資美妝零售通路。
W公司平均店鋪面積250㎡，6000+SKU，400+進駐品牌，其中23%的SKU貢獻了整體業績的80%。完全無業績貢獻SKU量達2000個，該公司在商品歸類上共6大類，分別為彩妝、護膚、美妝工具、大牌小樣、洗護、香水，彩妝品類業績貢獻最高時逾70%。
新零售彩妝同類企業眾多，競爭異常激烈，為了解決流量日漸下滑的趨勢，W公司總經理下了一道類似“電網”的指令，要求所有的買手經理、買手每月至少在各自領域引進10個新品牌。
前面所說的問題還未有明確的解決方案，後面的大量上新導致該公司貨品積壓、資金佔用問題進一步的惡化。而供應商很多為後起之秀的美妝公司，甚至發生過幾起剛剛溝通完退貨，貨還未從門店退回到大倉，對方公司就已經破產倒閉的現象。
美妝隸屬於大快消行業，變化速度比服裝行業更快，論季節性比服裝更強。服裝的OTB邏輯是MTO式（按訂單生產），而快消品是按照MTS式（按庫存生產）。當前期通路定位、店鋪定位、產品定位沒有卡位精準時，以終為始的OTB邏輯反而成了W公司目前難以逾越的冰山。OTB伴隨著的是資金的預算和分發，前期庫存的滯脹，資金的積壓也會直接導致集團大老闆思考是否值得繼續拓展渠道。
原有的庫存變現是急需解決的點，但是更核心的是貨品投放寬度、品類佔比最優值的確定，否則一直沒有重點，上線6000+SKU，80%不動銷。此時焦慮不已的W公司總經理下指令讓團隊的資深資料經理分析下目前的經營問題，並給出解決策略。資料經理接了指令，基於對商品經營情況的瞭解羅列了以下幾個問題。
問題思考與分析拆解：
（1）6000+SKU，對於W公司店鋪而言是多了還是少了？
透過對6000+SKU歷史銷售資料進行分析，可以得到銷售、利潤的邊際貢獻。
（2）6大品類，每個品類合適的SKU量是多少？
對6大品類按業績貢獻、利潤貢獻進行分析，結合店鋪鋪貨係數，每月翻新率資料可以確定各品類SKU量的最優解。
（3）基於資料判斷的總需求量，分月上新節奏應該如何把控？
結合上述兩點，分拆SKU總量、分品類的量及分月的上新比率，確定買手每月引進商品量的KPI。
線下企業資料量相對較小，明確好問題、分析思路後，就是運用工具提取資料，進行分析。經過一系列的資料處理，W公司資料經理得出如下結論:
（1）6000個SKU總量中，23%的SKU貢獻了整體業績的80%，約33%的SKU完全無業績貢獻。
（2）6大品類中30%的SKU貢獻了整體利潤的80%，店鋪鋪貨係數為24個SKU/㎡，目前存貨週轉率為2，得出每月翻新率為16%。
（3）結合每月翻新率資料，及週轉率提升目標，可以確定買手每月新品引進量KPI以及財務資金分發計劃。
資料分析應用：
基於可以形成結論的資料，資料經理製作了一份資料分析報告並給出了最終結論。
（1）基於目前的SKU效率和效益表現，W公司目前適合的SKU寬度為3000個，若將目標週轉率從2提升至3，銷售週期3個月，最多需求的SKU量為4500個，每個月SKU翻新率為25%，也就是3個月就需要迭代掉店鋪75%的SKU。
（2）基於目前的利潤表現，3000個SKU中50%為彩妝、15%為美容護膚、15%為美妝工具、洗護10%、名品和香水香氛各5%。
（3）結合每月翻新率資料及壓量款的利潤貢獻，確定OTB的金額規劃為55%彩妝、10%美容護膚、18%彩妝工具、10%的洗護、名品小樣3%、香水香氛4%。
2. 案例分析B
如何讓商品企劃確定作業邊界，降本增效？
K公司是一家全國性運動服裝零售公司，所持品牌分自有和總代理兩部分，在全國一二三線城市擁有1000餘家店鋪，經營模式分為直營、聯營、加盟三種，線上、線下、微商城皆有佈局。
在巨頭未入局到細分市場的情況下，K公司生意做得風生水起，每季上訂貨會SKU多達千個，而行業內的標杆品牌如美資的L、國內上市企業T每季上會SKU不過500個左右。
如此以來K公司每季上會大量的SKU，加上以加盟為主的經營模式，客戶訂貨規劃各行其是，導致K公司每季訂貨會產品命中率比較低。過於分散的SKU導致供應鏈面臨崩盤的風險，衍生的後續交期、分貨、調撥皆讓一盤新貨出現交期不穩、斷色、斷碼等問題。
絕大多數服裝品牌公司與K公司的經營模式相同，渠道分佈廣，線上線下壓量款相同，而線下店鋪面積規劃在公司處於生存的階段並不清晰。小專櫃可能只有10多平米；而大的旗艦店、集合店達400平米，這給需要千店一面的品牌連鎖公司商品企劃帶來了實操困難，而消費者又需要常來常新，時刻有新產品的刺激。
商品企劃的作業邊界問題已經非常凸顯，這個問題到底是否能夠解決呢？K公司老闆想到了公司新組建的資料團隊，他給資料團隊下的第一道指令便是從歷史資料中挖掘出公司資料性商品企劃存在的問題，這是公司訂貨會前期商品企劃及主設計師的參考依據，更涉及到初建的資料團隊是否有存在必要的試金石。
資料性商品企劃是一盤貨品的源起，關聯部門眾多，業績不好，商品企劃板塊也是受議論最多的部門，為了解決看似雜亂無章的問題，資料分析團隊對問題進行了拆解。
問題思考與分析拆解：
資料分析應用：
3. 案例C
購物籃分析方法的具體決策支援
A公司是一家全國連鎖女裝零售公司，分別在一二線城市鋪有門店。此前全國銷量一直很好，小程式、微商城全上了，響應時代的號召，將新零售玩得有聲有色。但是企業發現緊身牛仔褲突然全國銷量從線下到線上都有所減少，但此前未對市場做嚴謹的調研，所以生產量還是照常。而因為銷量的減少，緊身牛仔褲就成了壓庫存的商品了。
衣服一季一季換得快，一年一年流行的也不一樣，若是真的開始流行其他款，那明年可以直接生產設計新的、合乎時代的款式出來。但目前未銷出去的褲子要麼打折清倉，要麼只能銷燬或者轉賣給專門做清倉折扣店門店，但無論哪一種都面臨著較高的折扣成本以及市場上品牌口碑的下滑。
有的服飾品牌確實會如海爾般對品牌固執堅挺，無論在任何情況下都不對品牌進行降價銷售，這樣才能保住客戶眼中的“高價值”，當然高價值理所當然就對應著高品質。那現在有沒有其他辦法將這批壓庫存的緊身牛仔褲儘快銷售出去呢？這就成了企業面臨的最為緊迫的困局了。
此時企業老闆想到了資料驅動，於是找到資料分析團隊，嘗試讓他們給出一個好的方案出來。
資料團隊接到任務後就開始進行問題拆解，併為自己提出了以下幾個問題。
問題思考與分析拆解：