购物篮分析.ppt
购物篮分析

Q3:如何用購物籃分析找出交叉銷售機會?
• 購物籃分析 是一種用來發現銷售型態的資料探勘技術。 在交易行為中,購買X產品的顧客同時也會買 Y產品,就形成了交叉銷售。 也就是說,「有顧客買了X產品,就向他推 銷Y產品」;或「有人買了Y產品,要順便向 他推銷X產品」。
購物籃分析範例 顧客購買機率
270/1000=0.27
MIS課的成績 >3.0 MIS課的成績≦3.0
所有學生
大四
大三
商學主修
非商學主修
非餐廳員工
餐廳員工
報告結束 謝謝大家聆聽
可信度 40
30 30 -
可信度的涵義
10
0.2810 →0.5556 5
5
Q4:如何用決策樹來發現市場區隔?
• 決策樹: 是一種將可以用來把資料做分類預測或 預測數值的基準以階層方法排列。 決策樹分析是一種無監督式的資料探勘 技術:分析時須設定電腦程式,而且要有 資料可供分析,並產生樹狀結構。
學生在MIS課的修課成績
F分數
•以顧客購買頻率排序。 •分數為1的F分數是為顧客購買次數最多,以此類推,分數為5 的顧客客群為購買次數最少。 •以顧客訂購金額做排序。 •分數為1的M分數是指訂購額度最高,以此類推,分數為5的是 平均購買金額最低的顧客。
M分數
RFM分析例子
顧客 RFM分數
Ajax Bloominghams
章節延伸CE11 資料庫行銷
指導教授: 鄭滄祥 老師 學生: M9870207 李宛柔 M9870227 陳麗芬
Q2:如何用RFM分析法來做顧客分類?
• Q3:如何用購物籃分析找出交叉銷售機會?
• Q4:如何用決策樹來發現市場區隔?
数据挖掘分析方法——购物篮分析

数据挖掘分析方法——购物篮分析
数据挖掘分析方法——购物篮分析购物篮分析(Market Basket Analysis)最主要的目的在于找出什么样的东西应该放在一起?商业上的应用在藉由顾客的购买行为来了解是什么样的顾客以及这些顾客为什么买这些产品,找出相关的联想(association)规则,南京宝云OCP课程火热报名中!企业藉由这些规则的挖掘获得利益与建立竞争优势。
举例来说,零售店可藉由此分析改变置物架上的商品排列或是设计吸引客户的商业套餐等等。
购物篮分析基本运作过程包含下列三点:
(1)选择正确的品项:这里所指的正确乃是针对企业体而言,必须要在数以百计、千计品项中选择出真正有用的品项出来。
(2)经由对共同发生矩阵(co-occurrence matrix)的探讨挖掘出联想规则。
(3)克服实际上的限制:所选择的品项愈多,计算所耗费的资源与时间愈久(呈现指数递增),此时必须运用一些技术以降低资源与时间的损耗。
购物篮分析技术可以应用在下列问题上:
(1)针对信用卡购物,能够预测未来顾客可能购买什么。
(2)对于电信与金融服务业而言,经由购物篮分析能够设计不同的服务组合以扩大利润。
(3)保险业能藉由购物篮分析侦测出可能不寻常的投保组合并作预防。
(4)对病人而言,在疗程的组合上,购物篮分析能作为是否这些疗程组合会导致并发症的判断依据。
超市购物篮分析

同行是冤家---有A则无B,互斥商品之间的敌对关系。
1、同时出现的互斥商品面对了不同的客户群体和消费 行为 ;
2、同时出现的互斥商品代表客户的消费行为出现了游 离。
2020/11/28
20
购物篮中的商品性格百态
商品在卖场中的七种死法(铁打的货架,流水的货) 1、生不逢时 2、人老珠黄 ---不进行呵护,快速进入衰退 3、被踢出卖场的失败者 ---新的竞争者出现 4、“价格卖穿” ---指商品在经过多次价格促销后, 商品的销售价格无法再回到原来的起点 。 5、客户消费需求发生转移 6、卖场滥杀无辜 7、“××”事件的主角
35
衡量商品“人气度”——PI值
Pl值(千人购买率):PI值代表的是商品的千 人购买率,是英文Purchase Index的简称, 也可以称为商品的购买指数、商品的人气度 或者是商品的聚客指数。与商品销售量不同, 商品的PI值用来衡量商品被客户关注的程度, 而商品销售量只能体现商品在某个特定时间 段的销售数量,却无法体现商品被“多少客 户购买”这一概念。PI值可以从购物篮的角 度清晰地体现出商品与客户的关系。
滞销商品的含义: 1、未动销商品:指的是商品在一定时间内 没有发生销售; 2、非活跃商品:在一定时间与其他商品相 比,销售数量、销售金额备方面均出现较低 的销售表现。
淘汰时要认真分析滞销的原因,避免将关联 商品一起淘汰
2020/11/28
29
株连九族的商品淘汰
考虑被淘汰商品的销售表现外,同时也应该重点考 虑如下因素: 1、被淘汰商品的是否有关联商品出现(如果被淘 汰商品的关联商品具有一定的销售额,则在进行商 品淘汰时必须充分考虑所有的因素,并准备被淘汰 商品的替代方案,避免带来关联损失); 2、被淘汰商品针对的客户对象(如果商品面对的 客户群体质量良好,在淘汰时要慎重); 3、结合商品的动销率进行商品的淘汰。
第2章 商品零售购物篮分析

大数据挖掘专家
了解Apriori算法的基本原理与使用方法
4. apriori函数及其参数介绍
Apriori算法输出结果的形式一般包含lhs,rhs,support,confidence以及lift。lhs和rhs分别指操作符 “⇒”左边的项和右边的项。 提升度小于1说明前项和后项是负相关的,提升度等于1说明前项和后项没有任何关系,提升度大于1说明 前项和后项是正相关相关的。在本案例中,提升度大于1对模型才有价值,所以需要剔除提升度小于或等 于1的规则。
大数据,成就未来
商品零售购物篮分析
2019/3/19
目录
1
2 3 4
了解购物篮分析 分析商品销售状况 使用Apriori关联规则构建购物篮分析模型 小结
大数据挖掘专家
2
分析商品零售企业现状
现代商品种类繁多,顾客往往会由于需要购买的商品众多而变得疲于选择,且顾客并不会因为商品选择丰 富而选择购买更多的商品。
6
案例目标
综合商品零售行业现状,该商品零售企业提供的数据,本案例需要完成以下分析目标。 分析商品热销情况和商品结构。 分析商品之间的关联性。 根据分析结果给出销售建议。
大数据挖掘专家
7
熟悉购物篮分析的步骤与流程
业务系统 数据抽取 分析与建模 结果反馈
选择性抽取
历 史 数 据
建 模 数 据
水果/蔬菜汁
咖啡 超高温杀菌的牛奶 其他饮料 一般饮料 速溶咖啡 茶 可可饮料
大数据挖掘专家
711
571 329 279 256 73 38 22
0.093627
0.075191 0.043324 0.03674 0.033711 0.009613 0.005004 0.002897
大型超市“购物篮”分析

题 目 大型超市“购物篮”分析摘 要本文根据顾客购买记录,通过“购物篮”分析,运用多种模型得出结果,并给出促销方案。
问题一要求构建能表达多种商品关联程度の数学模型。
根据4717个顾客对999中商品の购买记录,先用Matlab 对数据进行预处理,将其转化为0-1模型,然后求出购买j 商品の集合j s 和购买k 商品の集合k s ,考虑到同时购买两种商品占购买人数の频率,即相关性,存在购买人数少但相关性大の缺陷。
在改进の模型中,因为存在购买商品数少但也会使相关性大の情况,所以对两种情况进行综合考虑,得出最优模型:j k i k i k s s s s p n s s ⋂⋂=⨯⋃用Matlab 求解0-1矩阵,求出两商品间关联系数较大の前八位,有相关系数の值在0-1范围之内,与所得模型函数の范围一致,可知,该模型是准确可靠の。
问题二要求出有效方法来找出最频繁被购买の商品记录,且越多越好。
根据问题一所得0-1矩阵,将其代入Excel 运用Aprior 模型,先算出单项商品の频繁项集,将支持度较小の数据剔除后,最后选取被购买次数最多の前18个商品,其中最畅销の为368号商品。
根据这18个畅销品,运用同样方法将其转化为两两商品の组合,得到被同时购买次数200次以上の商品;根据此算法依次迭代,得到同时购买3种商品和同时购买4种商品の数据,更多商品被同时购买次数较少因此不予考虑,最后得出:两件商品被同时购买次数最高の是368和529号;三件商品被同时购买次数最高の是368、489和682;四件商品被同时购买次数最高の是68、937、895和413。
问题三要求给出方案使效益最大。
根据问题一中0-1模型和问题二中Aprior 模型,将得到の购买次数最多の商品信息和题中所给利润表相比较,将利润小数量多の商品作为赠品和利润大数量多の商品一同销售;将共同购买次数多且利润大の两商品组合作为促销品进行销售,以进一步提高超市の综合效益。
沃尔玛-购物篮分析Wal-mart Market Basket Analysis PPT-6

24
购物篮(单位时间内)商品销售报告 Sales by Hour Report
• • • • • • • • • • • • Item Nbr 商品编号 Item Desc 1商品中文描述 Visit Time(60 min ) 按小时来统计销售 Item Sales 商品销售金额 Item Qty 商品销售数量 Avg. Unit Price 平均价格 = Item Sales/ Item Qty Item Cost 销售商品成本 Item GM$ 销售商品产生的毛利金额 Item GM% 销售商品的毛利率 Store Count 商场数量总计 No. of Baskets 购买目标商品的购物篮数量 Count/Baskets 平均每个购物篮购买了多少个目标商品 Basket Qty 购买了目标商品的购物篮的平均购买数量 Basket Sales$ 购买了目标商品的购物篮的平均购买金额 Basket Cost 购买了目标商品的购物篮的平均购买成本 Basket GP$ 购买了目标商品的购物篮所产生的毛利金额 Basket GP% 购买了目标商品购物篮的毛利率
• 点击Time栏目,点击Time Filter ,点击Select time by day and hour,输入某个时间段
2014-4-11
21
购物篮(单位时间内)商品销售报告 Sales by Hour Report
• 点击Location 栏目,点击Stores ,打开Store Type Breakdown , 选择All Store
2014-4-11
32
商品相关性分析报告
部门内单 品关联度 排名→
整体单品 关联度排 名→
↑ 平 均 购 物 篮 所 含 单 品 数
商品购物篮分析

商品购物篮分析购物篮分析也就是销售小票数据分析,我们运用SSAS、SPSS、EXCEL等软件,采用了多种数据挖掘和统计分析的方法,对商品销售额、销售量、商品销售相关性、品牌销售分布、品牌偏好、价格偏好、商品规格偏好、促销效果、销售预测、价格弹性系数等许多方面进行了分析,得出了不少有意义的结论。
举例如下:1.牛奶和饼干搭配组合的比例2.某商品包装规格分析3.牛奶与饼干的相关性为了进一步研究变量之间是如何互相影响的,需要采用线性回归,决定系数2R=0.9406,得出回归方程为:0.756570.28947y x=+5.容量偏好分析6.某商品的市场份额分析7.某商品的价格偏好分析7.某商品的购物篮相关系数分析购物篮相关系数表24.32%20.42%18.96%15.06%11.20%10.44%6.45%5.60%5.48%5.23%0.00%5.00%10.00%15.00%20.00%25.00%30.00%乳酸牛奶 果汁饮料 袋装零食 纯牛奶 方便面 普通饼干 纯净水 可乐 火腿肠 供销果园8. 促销分析(销售额、增量来源、利润、饱和量、带动其他销售等方面)9.商品的销售预测0 100 200 300 400 500 600 700 1357911 13 15 17 19 21 23实际销量预测销量10.某商品占总消费金额的比利分析11.某商品的相关性分析(ICIME 2010国际会议论文)与XX 同时购买的产品的百分比洗涤用品,21.7307%洗发护发, 11.3784% 膨化食品, 18.8082%速冻点心, 15.1789% 蜜饯类, 14.8255% 休闲肉制品, 8.7408% 调味品, 26.5185% 糕点, 26.4873% 酒类, 10.9399% 文化用品, 7.5698% 干果, 5.3582% 饮料冲剂, 37.2626% 美容护肤, 9.9088% 面制品, 17.6020%牙膏牙刷, 23.7637% 饼干, 23.2542%糖果/巧克力, 27.2500% 饼干糖果/巧克力 牙膏牙刷 面制品 美容护肤 饮料冲剂 文化用品 干果 洗涤用品 洗发护发 膨化食品 速冻点心 蜜饯类 休闲肉制品 调味品 糕点 酒类12.长期销售趋势分析13.调味品口味分析500010000咸味辣味酸味鲜味香味复合8322347909229651197销售量销售量14.商品季节性分析50 100 150 200 250 300 350 400 450 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46销售数据 季节分离后的序列 线性 (佳洁士数据)15.某商品的价格弹性分析需求曲线为:p p q 10526.231579.28)(-=销售额表达式为:210526.231579.28)(p p p q p Q -=⋅=16.不同品牌商品的销售额分布规律研究(AMSRA 2010国际会议论文)。
零售购物篮分析

零售购物篮关联规则挖掘零售运营销售计划部副经理袁正伟商家通过对消费者购物行为进行分析,通过购物小票发现顾客购物产生连带消费时具有一定的规律性,即很多顾客购买了A类商品的同时会考虑再购买B类商品。
其实这种有趣的发现在数据挖掘领域被称作购物篮关联规则挖掘。
商家运用挖掘规则对商品进行合理的摆放以及对商铺进行合理的布局, 使商场销售格局更符合消费者的消费行为与模式, 从而为商场提高销售业绩, 创造更多的利润, 也为消费者带来更多的方便. 这也正是美国零售业巨头沃尔玛创造的啤酒与尿布的成功案例给人们带来的启示.每一次购物篮处理得到的都是一位顾客的购物信息, 大多数零售企业只是将这些数据进行简单分类、分析单一的销量数据, 实际上并没有充分利用这些能反映所有顾客购物行为最有效的数据, 一些宝贵的数据资源就成了数据坟墓.购物篮分析泛指对顾客购物篮里的商品组成进行分析。
购物篮里的商品反映了商品间的相互依赖。
这些商品间的依赖关系,对于零售市场商品的陈列摆放提供数据支持。
目前的数据挖掘的关联规则技术则为购物篮分析提供了科学的依据。
下面我们一起来研究一下JL公司的销售小票,希望通过日常顾客的购物明细来挖掘隐藏的关联关系。
1、数据准备一般来说,描述顾客购物数据包括:单据编号、货号、货品名称、系列、颜色、尺码、年份、品牌等等货品资料。
在这里,考虑到购物数据的时效性,我们截取最近的半年数据,也就是2011年6月1日到2011年12月1日的所有购物明细数据。
再通过对数据的清洗处理,我们共整理出857555条有效数据。
以下就是通过整理后的部分数据截图:图1:顾客购物篮部分数据截图2、模型建立顾客购物行为分析也就是关联规则挖掘,类似于模型X→Y的蕴涵式,也就是发掘购买了X后再购买Y的强规则。
目前国际上普遍采用的是Apriori算法,在这里对于算法及程序实现我们暂不做介绍。
3、挖掘规则通过对以上模型的构建及处理,我们发现通过货号关联,很难发现较为明显的规则,原因是货号过于明细,在识别规则的时候很难通过标识进行归类。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
23.03.2019
有效推荐关联商品的方法
购物篮商品推荐建议: 1、由专业人员分析数据或者走访门店,先 找出商品之间的交叉销售或向上销售的机会; 2、将这些推荐的可能性(概率)、发生的条 件写出来,并让门店的人看看是不是合理; 3、把规范的推荐标准下发到门店,对门店 人员进行培训,在门店开始实行。
23.03.2019 7
购物篮比例---表示商品之间的关联关系
0905小分类购买次数.xls
23.03.2019
8
商品相关性的数值代表了什么
1、不要盲目乐观 2、临时因素造成的强关联关系 3、隐藏在微弱特征背后的真相——只有在特定条件下 关联特征才会强化从而被人发现,所以零售专家认 为弱关联最吸引人,从弱关联中找出商品之间的关 联关系,对于根多数据分析人员来说是个极大的挑 战,因此购物篮分析的主要任务是在弱关联的关系 中找出商品之间的相关性。 4、同行是冤家——当商品之间的功能相同时
如何做?
门店客户观察法 1、门店客户全程跟踪法 :在跟踪过程中要 记录客户的年龄、性别、职业、衣着、购物 路线、选取商品的过程、选取的商品、购物 时间、心理变化等等 。 2、收款台摄录像观察法 3、门店观察法的副产品——收款台上方的 摄像头与开始守规矩的收教员
11
23.03.2019
影响商品销售的其他因素
没有绝对的好商品,也没有绝对的坏商品 任何一种商品在卖场没有充分发挥自己的优 势,就不是好商品 商品之间应相互配合、相互影响、共同满足 顾客的购买需求
23.03.2019
23
好商品、坏商品及商品在卖场中的配合作用
中医用药的“君臣佐使”原则与商品之间的配合作 用 君药---发挥主要治疗作用---主力商品、形象商品 臣药---辅助君药发挥作用---辅助商品、关联商品 佐药---抑制君药的副作用---毛利商品 使药---引导药物直达病处---特价促销商品
30
23.03.2019
与购物篮有关的几组数字
23.03.2019
31
决定门店命运的四个数字:客流量、捕获 量、成交率、客单价
来客购买漏斗模型:总客流量、捕获数、成交客
户数会里现一种逐渐递减的规律.即门店经过总客户量 >门店捕获客户数>成交客户数,这种呈现漏斗形状的 门店来客数与购买人群的对比关系我们称之为“门店来 客购买漏斗模型”。
25
23.03.2019
购物篮中商品的替代关系
商品之间出现替代不是商品自愿的,而是由 客户作出的决策! 竞争商品之间的价值发生变化,就是商品出 现替代的根本条件。
23.03.2019
26
有效推荐关联商品的方法
商品之间的交叉销售和向上销售可以使购物篮里的 商品数量、购物篮金额大大增加,所以零售企业都 热衷于做商品推荐。 门店里的两种营业员: 1、一种是热情似火,不管三七二十一,见人就拉 着推荐商品,最后吓跑了客户。 2、另一种是下脆不理你,站在客户的身边,目不 斜视(其实是在偷偷打量你、盘算你的钱包)、脸色 严峻(心里很紧张,这月奖金怎么办?),这样也不 会有多少人买东西。
15
23.03.2019
关联商品陈列
交叉陈列:在卖场按照商品关联关系在相同的区域、 货架、排面组织不同的商品共同陈列。通过将不同 毛利水平、具有关联关系的商品放在起,既可以满 足客户纳购买要求,同时又可以将商品的毛利互相 进行弥补。 内在关联陈列 外在关联陈列 加大陈列面的重复陈列 搭配销售的陈列法 利用关联商品提升销售业绩!!!
150 100 50 0 外资零售企业 台资企业 不同类型企业 内资企业 平日 公休日
23.03.2019
5
形成关联商品的原因
商品相关性是指商品在卖场中不是孤立的, 不同商品在销售中会形成相互影响关系(也 称关联关系) 。
23.03.2019
6
商品销售相关性与关联商品
1、购物篮中的关联商品是商品关联因素的一 部分(就像母鸡与禽类的关系)。 2、其它销售关联因素---温度、季节 3、顾客结构与商品间的关联 4、商品结构与商品间的关联 5、主食商品与客流量间的关联 6、商品与商品间的关联
16
23.03.2019
弄巧成拙与知易行难的关联应用
红袄配绿裤---弄巧成拙,起到反效果 大胆预测未来 难以执行的跨类别关联陈列 ---“画地为牢”、 “铁路警察,各管一段”
多动动脑子吧!!!
23.03.2019
17
购物篮中商品的生存百态
23.03.2019
18
商品与购物篮之间的七种关系
2
23.03.2019
前言
不同的商品决定了不同商店的命运,这点很好理解, 可是不能让大家理解的是开在相同位置的商店,卖 的是同样的商品,甚至销售价格也差不多,为什么 别人能够活得好好的,自已的商店却每况愈下、最 终落得凄凉倒闭的结局? 可怜之人必有可气之处,商店倒闭的原凶很多,不 了解客户手中的购物篮,从而失去客户的信赖。是 这些商店倒闭的致命伤之一。
35
23.03.2019
衡量商品“人气度”——PI值
Pl值(千人购买率):PI值代表的是商品的千 人购买率,是英文Purchase Index的简称, 也可以称为商品的购买指数、商品的人气度 或者是商品的聚客指数。与商品销售量不同, 商品的PI值用来衡量商品被客户关注的程度, 而商品销售量只能体现商品在某个特定时间 段的销售数量,却无法体现商品被“多少客 户购买”这一概念。PI值可以从购物篮的角 度清晰地体现出商品与客户的关系。
门店要对不同时段的客流量进行分析, 以便组织相应的商品!
23.03.2019 33
决定商品命运的三个数字:通过率、停留 率、成交率
顾客动线三大指标:通过率、停留率、成交 率。三率计算公式.doc 客户在门店的逗留时间越长,购物的可能性 越大。 消费者在门店的购物效率有两种极端的情况: 1、效率极低的客户---逛得时间长 2、购物效率则极高---选择商品的目的性强
19
23.03.2019
购物篮中的商品性格百态
性格孤僻的商品:购物篮系数平均为1(接纳同类)。 购物篮中形影不离的关联商品 关联关系的两种模式 1、随和的关联关系:可同时出现,也可单独出现(啤 酒和尿布)。 2、铁哥们类型的关联关系:要么同时进入,要么一个 都不进(生鲜类商品与其它商品)。 同行是冤家---有A则无B,互斥商品之间的敌对关系。 1、同时出现的互斥商品面对了不同的客户群体和消费 行为 ; 2、同时出现的互斥商品代表客户的消费行为出现了游 离。
21
23.03.2019
霸道的品类管理——当货架上没有了竞争 对手的时候
商品应该满足不同消费者的需求 一个过于强大,独享货架的商品品种对于商 店并不是好事 品类管理的缺陷 1、忽略了客户的感受,认为客户需求同质 化 2、是以供应商为导向的
22
23.03.2019
好商品、坏商品及商品在卖场中的配合作用
23.03.2019
14
关联商品陈列
强关联关系 :在相同或相邻的区域,或者 一同进行促销。 弱关联关系 :尝试将这些商品在卖场中进 行关联陈列 。 互斥关系 :对这类商品组织专门的专卖店、 专卖区域。在组织陈列时应该将这些“仇人” 陈列在一起,让客户有更多地选择余地,满 足不同消费者的需求。
门店经过的总客户量 门店捕获客户数 门店成交客户数
23.03.2019
32
决定门店命运的四个数字:客流量、捕获 量、成交率、客单价
门店的经营效果最终取决于漏斗出口的大小:有的门店漏斗出 口很小(购买人数少),客流质量不好;而有的门店漏斗出口大 (购买人员多),销售业绩自然也含不错。客流质量直接决定了 门店的经营业绩! 为什么门店刚开业的时候业绩很好,后来却相差甚远? 1、客户的好奇心理与来客漏斗; 2、是经济学理论谈到的“沉没成本”。 因此,门店要不断给客户制造神秘感。门店必须不断有新鲜的 东西,满足客户的好奇心理前来看看究竟。
23.03.2019
28
株连九族的商品淘汰
滞销商品的含义: 1、未动销商品:指的是商品在一定时间内 没有发生销售; 2、非活跃商品:在一定时间与其他商品相 比,销售数量、销售金额备方面均出现较低 的销售表现。 淘汰时要认真分析滞销的原因,避免将关联 商品一起淘汰
29
23.03.2019
株连九族的商品淘汰
23.03.2019 9
注意
案例分析 1、海边7-11便利店的切片面包居然是作为 钓鱼的鱼饵。 2、廉价的火腿肠居然是用来喂宠物的。 单纯依靠购物篮数据分析是站不住脚的,必 须结合现场观察,对数据进行实际验证,并 对分析模型不断进行修正,才可以使购物篮 数据分析项目可以“善始善终”。
23.03.2019 10
直接购买 :按照自己的购买计划,直接购买商品。 促销购买:冲动购买。 替代购买 :缺货或价格因素导致选择新商品(替 代商品的价格、功能与原商品相似)。 交叉购买 向上购买 :诱导顾客购买更高档的商品。 被放弃的购买:商品质量低或服务不好造成顾客放 弃购买。 向下购买:降价促销且商品价格始终处于促销价状 态等(可通过比较式陈列实施)。
34
23.03.2019
商品销售结构与购物篮结构
商品销售结构: 1、如果门店的商品销售比例为90/10甚至 更高,则表明商品销售结构过于集中,门店 的商品针对性过强、适应面窄,商品只适应 某个特定的客户群体; 2、如果门店的商品销售比例为50~50,则 表明商品销售结构过于分散,商品销售形不 成特点,就是所谓的“什么都卖一点、什么 都卖不动”。