某鞋业终端运营数据分析教材
店铺终端运营数据分析管理教材PPT(共 106张)
销售目标制订
在B市已经开了5家店铺,09年又要增 开2家店铺. 新开店铺的营销目标如何制订?
管理咨询 时尚培训 陈列设计 视觉形象 管理软件
销售目标制订
在T市还没有开店铺,但是潜在的几个 竞争品牌已经进入并销售业绩不错. 在T市新开店铺的目标如何制订?
• 有电脑系统 • 有各种报表 • 开会念数据
●●●●●●
• 是否对数据进行了有效的分析 • 是否掌握了有效分析的方法 • 是否通过分析找到了问题点
●●●●●●
管理咨询 时尚培训 陈列设计 视觉形象 管理软件
目标100万,以下最能反应问题点的选项
• 完成业绩75万 • 完成业绩98万 • 完成业绩132
激情目标
销售目标
事实求是
管理咨询 时尚培训 陈列设计 视觉形象 管理软件
影响销售目标的3个因素
店铺状况
＋
增长比率
＋
资金状况
终端店铺可用于销售的面积、 店铺的数量、店铺铺货密度
比较历史同期实际营业额预 测今年销售业绩增长的比率
公司有多少资金可用于下一 季的新品商品采买投入预算
管理咨询 时尚培训 陈列设计 视觉形象 管理软件
营业目标 毛利润等
终 端 数 据
基 准 值
提供比 较基准
依据公
标
司数据
准
值
依据市
场数据
目标引导终 端效率实现
分析并最终 找到问题点
管理咨询 时尚培训 陈列设计 视觉形象 管理软件
制订合理目标!
管理咨询 时尚培训 陈列设计 视觉形象 管理软件
为什么强调目标的合理性?
库存目标
过剩库存
保守目标
合理目标
销售目标制订
终端店铺数据管理-ppt课件
27
十三、畅/滞销终端品店铺当周反馈信息表
填表日期: 顾客反馈信息
款号 色号
销售件数
码料量题反色艺.、、、映、、填款 敷的版搭价写式 料关配型格顾于、 、、、等客面工尺颜问质
销 款畅
可行性建议
款号 色号
销售件数
填建争写议品息货或牌信品竞 滞销 款
终端门店十三项数据管理
n 一、销售额 n 二、连带率
n 三、客单价 n 四、分类额/占比
n 五、丢失率 n 六、库销比 n 七、库存周转率 n 八、平均单价 n 九、同期比 n 十、坪效
n 十一、人效 n 十二、毛利/利润 n 十三、畅/滞销品
29
THE END THANKS
30
n 含义: 销售额就是销售货物取得的收入 n 公式: 销售额=销售量×销售价
3
销售额
n 影响销售因素:
n
1.提高进店人数
n
2.提高成交率
n
3.提高平均单价
n
4.提高购买件数(量)
4
专卖店名称:
日期：
年月日
天气：
一、本日销售明细
4 43 4 45
2
序 号
货号
颜 色
35 36
3 7
40 38 39 2X
库存数 库存数
反馈日期:
年 月 日—
畅销原因
本周销售量
星期一 星期二
星期三 星期四 星期五 星期六 星期日 合计:
上周销售量
滞销原因
合计: 供货情况: 调配情况: 货存情况: 天气情况: 专柜活动: 竞争品牌活动: 消费顾客平均年龄:
【运营管理】终端运营数据分析
吴远锦 2017.7.24
为什么强调数据分析？
问题 分析 方案 执行 改变
业绩不好 数据分析 制订方案 实施操作 业绩改变
为什么强调终端的数据分析？
问题也从这里产生!业绩从这里产生!
终端问题解决了，企业的效率也就提升了!
这样的镜头是否在发生?
天气 不好
……
没有 客流
业绩 不好
竞品 太凶残
有效的数据分析管理模式
反映终 端事实
终端 基础 数据
提供 基
比较 准
基准
值
目标值
业绩 利润 库存 费用
依据公
标
司数据
准
值
依据
竞品/行业
数据
我们有效分析的重点!
找出 差距
差距 转化
为 终端 问题
一切从基础开始
分析的最大障碍 不是方法而是基础数据！
最难的是基础数据的准确采集！
我们不能忽略的基础数据？
平效=销售额÷门店营业面积 日均平效=日均销售额÷门店营业面积 月均平效=月均销售额÷门店营业面积
备注：“平效”是大陆算法，“坪效”是台湾算法
平效
销售金额（元）
= 终端门店营业面积
（㎡）
场
会后思考题
在你的区域，你的店铺多大面积平效水平最高? 是否需要所有店铺保持最高平效?
为什么?
财 费用数据
项目 销售收入合计 销售收入（鞋） 销售收入（包） 主营业务成本合计 主营业务成本（鞋） 主营业务成本（包） 商品销售毛利 存跌折扣 扣除跌价损失实际毛利 其他业务收入 其他业务支出 营业外收入 营业外支出 净利润 费用合计
Q1. 卖场总体客流量状况如何？ Q2.顾客喜欢在一天的什么时间段光顾卖场？ Q3.周末和平时，客流量的有多大变化？ 周末和平时，每天的不同时段，
鞋的数据分析报告(3篇)
第1篇一、报告概述随着消费者对个性化、高品质生活的追求，鞋类市场呈现出蓬勃发展的态势。
本报告通过对鞋类市场数据的深入分析，旨在揭示市场趋势、消费者行为、产品特性等方面的信息，为鞋类企业制定市场策略提供数据支持。
二、数据来源与处理1. 数据来源：- 线上电商平台销售数据- 线下零售店销售数据- 市场调研报告- 消费者问卷调查2. 数据处理：- 数据清洗：剔除异常值、重复数据等- 数据整合：合并线上线下数据，形成统一的数据集- 数据分析：运用统计学、数据挖掘等方法进行深入分析三、市场概况分析1. 市场规模与增长：- 根据市场调研报告，我国鞋类市场规模逐年扩大，预计未来几年仍将保持高速增长。
- 线上市场增长迅速，成为推动整个市场增长的主要动力。
2. 市场结构：- 按产品类型划分：运动鞋、休闲鞋、正装鞋、拖鞋等。
- 按价格区间划分：低端、中端、高端。
- 按品牌划分：国内外知名品牌、本土品牌、新兴品牌。
四、消费者行为分析1. 消费群体：- 年龄段：18-35岁为消费主力军。
- 性别：女性消费者占比略高于男性。
- 地域：一二线城市消费者购买力较强。
2. 消费偏好：- 风格：时尚、舒适、个性。
- 品牌：国内外知名品牌、口碑较好的本土品牌。
- 价格：中高端产品更受欢迎。
3. 购买渠道：- 线上电商平台：便捷、价格优惠。
- 线下零售店：体验、售后服务。
五、产品特性分析1. 材质：- 天然材料：皮、布、棉等。
- 合成材料：橡胶、塑料、纤维等。
2. 功能：- 保暖、透气、耐磨、防滑、减震等。
3. 设计：- 颜色、图案、款式、风格等。
六、市场趋势分析1. 个性化定制：消费者对个性化、定制化产品的需求日益增长。
2. 绿色环保：消费者对环保、可持续发展的关注度提高。
3. 智能化：智能鞋、可穿戴设备等新兴产品逐渐受到关注。
七、企业竞争分析1. 市场份额：国内外知名品牌占据较大市场份额，本土品牌崛起。
2. 竞争优势：- 品牌知名度- 产品质量- 售后服务- 市场营销八、结论与建议1. 结论：- 鞋类市场前景广阔，但竞争激烈。
卖鞋的同行数据分析报告(3篇)
第1篇一、报告概述随着我国经济的持续增长和居民消费水平的不断提高，鞋类市场逐渐成为我国消费市场的重要组成部分。
本报告通过对卖鞋行业的市场现状、竞争格局、消费者行为、销售渠道等多个维度进行深入分析，旨在为鞋类企业制定市场策略提供数据支持和参考。
二、市场现状分析1. 市场规模根据国家统计局数据显示，2019年我国鞋类市场规模达到5600亿元，同比增长8.2%。
预计未来几年，随着消费升级和市场竞争的加剧，市场规模将继续保持稳定增长。
2. 产品结构从产品结构来看，运动鞋、休闲鞋和女鞋占据了市场的主导地位。
其中，运动鞋市场增长迅速，成为鞋类市场的一大亮点。
3. 地域分布我国鞋类市场地域分布不均，主要集中在东部沿海地区。
一线城市和部分二线城市消费水平较高，鞋类产品需求旺盛。
三、竞争格局分析1. 竞争主体目前，我国鞋类市场主要竞争主体包括国内外知名品牌、区域性品牌和新兴品牌。
国内外知名品牌如耐克、阿迪达斯等，凭借品牌影响力和产品品质，占据市场较高份额。
区域性品牌如特步、安踏等，通过差异化和区域化策略，逐渐扩大市场份额。
新兴品牌则凭借互联网营销和产品创新，逐渐崭露头角。
2. 竞争态势（1）品牌竞争：国内外品牌在品牌建设、产品研发、营销推广等方面展开激烈竞争，争夺市场份额。
（2）产品竞争：鞋类产品同质化现象严重，企业需加大产品创新力度，提升产品竞争力。
（3）渠道竞争：线上线下渠道融合趋势明显，企业需积极拓展线上线下渠道，提高市场覆盖率。
四、消费者行为分析1. 消费人群鞋类消费者以年轻人为主，其中18-35岁年龄段占比最高。
消费者对时尚、舒适、品质等方面的需求日益增长。
2. 消费动机消费者购买鞋类产品的主要动机包括：追求时尚、满足日常穿着需求、运动健身、送礼等。
3. 消费习惯消费者在购买鞋类产品时，主要关注品牌、价格、款式、舒适度等因素。
随着电商的快速发展，线上购物成为消费者的重要选择。
五、销售渠道分析1. 线上渠道线上渠道已成为鞋类销售的重要渠道，电商平台如天猫、京东等成为消费者购买鞋类产品的主要平台。
企业运营数据分析指导书
企业运营数据分析指导书第1章企业运营数据分析概述 (4)1.1 数据分析的重要性 (4)1.1.1 提高决策效率 (4)1.1.2 降低运营风险 (4)1.1.3 优化资源配置 (4)1.1.4 提升客户满意度 (4)1.2 企业运营数据分析的方法与流程 (5)1.2.1 数据收集 (5)1.2.2 数据整理 (5)1.2.3 数据分析 (5)1.2.4 数据可视化 (5)1.2.5 数据应用 (5)第2章数据采集与预处理 (5)2.1 数据源的选择与接入 (5)2.2 数据清洗与转换 (6)2.3 数据存储与管理 (7)第3章数据可视化与摸索性分析 (7)3.1 数据可视化技术 (7)3.1.1 基本图表 (7)3.1.2 地图可视化 (7)3.1.3 散点图与气泡图 (7)3.1.4 雷达图 (7)3.1.5 树状图与矩阵图 (8)3.2 摸索性数据分析方法 (8)3.2.1 描述性统计分析 (8)3.2.2 异常值分析 (8)3.2.3 相关性分析 (8)3.2.4 聚类分析 (8)3.2.5 时间序列分析 (8)3.3 数据可视化工具与应用 (8)3.3.1 Tableau (8)3.3.2 Power BI (8)3.3.3 Python数据可视化库 (9)3.3.4 Excel (9)3.3.5 ECharts (9)第4章销售数据分析 (9)4.1 销售业绩分析 (9)4.1.1 销售收入分析 (9)4.1.2 销售区域分析 (9)4.1.3 销售团队绩效分析 (9)4.2 客户细分与需求分析 (9)4.2.2 客户需求分析 (9)4.2.3 客户满意度分析 (9)4.3 产品定价与促销策略 (10)4.3.1 产品定价分析 (10)4.3.2 价格弹性分析 (10)4.3.3 促销策略分析 (10)4.3.4 竞品促销分析 (10)第5章财务数据分析 (10)5.1 财务报表分析 (10)5.1.1 资产负债表分析 (10)5.1.2 利润表分析 (10)5.1.3 现金流量表分析 (10)5.2 成本分析与控制 (11)5.2.1 成本结构分析 (11)5.2.2 成本控制策略 (11)5.2.3 成本效益分析 (11)5.3 现金流分析 (11)5.3.1 现金流状况分析 (11)5.3.2 现金流风险分析 (11)5.3.3 现金流管理策略 (11)第6章供应链数据分析 (11)6.1 采购数据分析 (11)6.1.1 采购成本分析 (11)6.1.2 供应商绩效评估 (11)6.1.3 预测与需求分析 (12)6.2 库存管理与优化 (12)6.2.1 库存结构分析 (12)6.2.2 安全库存设置 (12)6.2.3 库存优化策略 (12)6.3 物流与配送分析 (12)6.3.1 物流成本分析 (12)6.3.2 配送路径优化 (12)6.3.3 仓储布局分析 (12)6.3.4 物流服务质量评估 (12)第7章人力资源数据分析 (12)7.1 人员招聘与配置 (13)7.1.1 招聘渠道分析 (13)7.1.2 招聘周期分析 (13)7.1.3 人才选拔与配置 (13)7.2 员工绩效评估 (13)7.2.1 绩效考核体系分析 (13)7.2.2 员工绩效分布分析 (13)7.2.3 绩效改进措施分析 (13)7.3.1 培训需求分析 (13)7.3.2 培训效果评估 (13)7.3.3 员工职业发展分析 (13)7.3.4 人才梯队建设分析 (14)第8章市场营销数据分析 (14)8.1 市场趋势分析 (14)8.1.1 市场规模分析 (14)8.1.2 市场细分 (14)8.1.3 消费者行为分析 (14)8.1.4 市场趋势预测 (14)8.2 竞品分析 (14)8.2.1 竞品市场份额分析 (14)8.2.2 竞品产品分析 (14)8.2.3 竞品营销策略分析 (14)8.2.4 竞品用户评价分析 (14)8.3 营销效果评估与优化 (15)8.3.1 营销活动效果评估 (15)8.3.2 营销渠道分析 (15)8.3.3 营销策略优化建议 (15)8.3.4 持续优化与跟踪 (15)第9章客户服务数据分析 (15)9.1 客户满意度调查与分析 (15)9.1.1 调查方法 (15)9.1.2 数据收集与处理 (15)9.1.3 分析指标 (15)9.1.4 结果解读与应用 (15)9.2 客户流失分析与预警 (15)9.2.1 数据准备 (15)9.2.2 客户流失预警模型 (16)9.2.3 预警结果应用 (16)9.3 客户价值分析与挖掘 (16)9.3.1 客户价值评估方法 (16)9.3.2 数据分析与挖掘 (16)9.3.3 客户价值应用策略 (16)第10章企业运营决策支持系统 (16)10.1 决策支持系统概述 (16)10.1.1 决策支持系统的定义 (16)10.1.2 决策支持系统的构成 (16)10.1.3 决策支持系统的分类 (16)10.2 数据仓库与数据挖掘技术 (17)10.2.1 数据仓库概述 (17)10.2.2 数据仓库的构建 (17)10.2.3 数据挖掘技术 (17)10.2.4 数据挖掘在企业运营决策中的应用 (17)10.3 企业运营决策模型与应用 (17)10.3.1 企业运营决策模型概述 (17)10.3.2 企业运营决策模型的应用 (17)10.4 决策支持系统实施与评估 (17)10.4.1 决策支持系统的实施 (17)10.4.2 决策支持系统的评估 (17)10.4.3 决策支持系统的持续改进 (17)第1章企业运营数据分析概述1.1 数据分析的重要性在当今信息化、数据化的商业环境中，数据分析已经成为企业运营不可或缺的环节。
终端导购培训手册服装鞋业
★ 职业道德与服务品质
a 敬业负责，严格把关：导购作为销售行业的最前沿，直接将商品交与顾客 手中，所以马虎大意或者不负责任的行为都会直接影响到店铺的形象质 量
b 诚实守信的品德： “以诚待人，以信取益”商品的推销并不是用花言巧 语诱骗消费者，而是诚恳地将商品的好处介绍给消费者，让消费者成为 优良服务的受益者，向顾客所做出的任何承诺一定要兑现，导购的这种 业务素质也是店铺信誉的保证
n 六、 专卖导购行为规范
………………………………
n 七、 专卖导购礼仪守则
……………………………
n 八、 专卖导购服务规范
………………………………
n 九、 店内陈列规范
……………………………………
n 十、 销售流程
……………………………………
n 十一、销售技巧
……………………………………
n 十二、 顾客心理分析
顾客来说，你就是一名专业的“医生”，你的任务就是为你的“病人”开出 最适合于他的处方。
满足消费者的需求是你赢得消费者的最佳途径。
你知道自己成功的第一步在哪里吗？ 你知道你工作的意义吗？ 现在你明白自己工作的重要性了吗？那你如何计划安排你的工作呢？
终端导购培训手册服装鞋业
第四章 专卖导购须知
作为**运动商品的专业导购，你不仅仅是一名销售人员，同时你更是“**”终 端的形象代言人，所以我们需要你做到：
二、心理素质 良好的心理素质，使导购能够积极、乐观地面对工作，这种素质的形成与发 展是可以依靠后天的磨练和活动实践以及心理素质培养的结果，只要在日 常工作中，有意识锻炼自己，调整心态，解除压力困扰和心理负担，不断 培养健康向上的心理素质。
★ 自信——成功的最大秘诀 ★ 自信是对自我能力充分肯定，它是建立在正确的自我认识和评价基础之上
鞋类零售店的数据分析与销售预测
鞋类零售店的数据分析与销售预测在当今竞争激烈的零售市场中，数据分析和销售预测对于鞋类零售店的成功至关重要。
通过深入分析和理解数据，销售人员能够更好地了解消费者需求、优化库存管理、提高销售效率，并制定更准确的销售预测。
本文将探讨鞋类零售店如何利用数据分析和销售预测来提升业绩。
一、数据分析的重要性数据分析是指通过收集、整理和分析大量数据来发现潜在的商业洞察。
对于鞋类零售店来说，数据分析可以帮助销售人员更好地了解消费者行为、购买偏好和趋势，从而制定更有针对性的销售策略。
首先，数据分析可以帮助销售人员了解消费者需求。
通过收集和分析消费者的购买数据、浏览记录和反馈，销售人员可以了解消费者对不同鞋款、颜色、尺码的偏好，以及他们的购买频率和金额。
这些数据可以帮助销售人员更好地了解消费者的需求，从而选择合适的产品组合、定价策略和促销活动，提高销售额和客户满意度。
其次，数据分析可以帮助销售人员优化库存管理。
通过分析销售数据，销售人员可以了解哪些鞋款、颜色和尺码的库存周转率较高，哪些库存较高且滞销。
基于这些数据，销售人员可以及时调整采购计划，避免库存积压和滞销现象，降低库存成本，并确保有足够的库存满足消费者需求。
最后，数据分析可以帮助销售人员提高销售效率。
通过分析销售数据和销售人员的绩效数据，销售人员可以了解哪些销售技巧和策略更有效，哪些销售人员表现出色，以及他们的工作时间和地点。
这些数据可以帮助销售人员制定更科学的销售计划，培训和激励销售人员，提高整体销售效率和业绩。
二、销售预测的重要性销售预测是指通过分析历史销售数据和市场趋势，预测未来销售额和需求量。
对于鞋类零售店来说，准确的销售预测可以帮助销售人员合理安排采购计划、制定促销策略和优化库存管理。
首先，销售预测可以帮助销售人员合理安排采购计划。
通过分析历史销售数据和市场趋势，销售人员可以预测未来某一时间段的销售额和需求量。
基于这些预测数据，销售人员可以合理安排采购计划，避免因库存不足或积压而导致的销售损失。
- 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)。
货品 太少 不好
价格 太高
缺乏有效的数据支持！
我们对数据分析的理解误区?
• 有电脑系统 • 有各种报表 • 开会念数据 • 数据分析是数据员的工作
●●●●●●
n 是否了解了我们有什么数据? n 是否总是对我们的数据心存怀疑？ n 是否对数据进行了有效分析? n 是否通过分析找到了问题点?
●●●●●●
4、舒适的音乐 4、产品介绍
5、热情的迎宾 6、吸引人的商品 、收银 7、6、合附适加的推价销格 8、品牌附加值
9、惊喜……
提升试穿率
货品吸引
• 新品、主推、特价、辅助商品井然有序 Ø促销活动宣传品醒目、价格简单明了
Ø主推货品符合时令和大众口味
Ø 易取、易归位
服务到位
• 被重视，但不是被监视； • 被尊重，但不是被奉承； • 被认可，但不是被胁迫； • 参与感，而不是交易感；
货
人效数据 员工数据 人
客流数据
客
会员数据
终端 基础 数据
空间数据
场 市场数据 平效数据
财
费用数据
利润数据
人 人效数据
人效，顾名思义，即人的效率
在零售行业，我们不做过多衍生，仅仅取“人创绩效（销售额、毛利 率）”来作为一个相对数据衡量在特定环境下的员工产出水平
人均销售收入 ＝
考核期内的销售收入 考核期内员工平均人数
D\K\H\S店有什么问题?
将以上的数据转化为五率的数据：
店铺 7月业绩 客流量 注目率 进店率 试穿率 成交率 连带率 件单价 客单价
D 180000 60000 30%
47%
57%
21% 1.20 150 180
K 150000 40000 20%
75%
50%
27% 1.25 150 188
H 120000 30000 30%
答案: 990 1320 1650 990 660 990 15% 20% 25% 15% 10% 15%
库存目标
业绩的增长 不能以库存的增加为代价!
﹦ 各月库存
周转率目标
各月销售目标
＋ 陈列库存
安全库存
利润目标
开源--销售业绩提升最大化
节流--费用比率最小化
分享：店铺关闭或不能开店的判断!
损益平衡点
X
进店
进店
客均 单价
＝
连带 率
人数 ＝ 率 XXΒιβλιοθήκη 试穿 人数＝试穿 率
X
购买 人数
＝
成交 率
注目 率
在店铺等级一致（商圈属性一致、面积大小一致）的情况下:
店铺 7月业绩 客流量 注目人数 进店人数 试穿人数 成交件数 成交人数 件单价 客单价
D 180000 60000 18000 8400 4800 1200 1000 150 180
费用
租赁费
低值易耗品摊销
商场费用
装修及维修费
联营返点
会务费
应付职工薪酬 广告宣传费
福利费
环卫及安防费
社会保险费 车辆使用费
快递费
售后服务费（维修）
通讯费
活动物料
差旅费
团队建设费
物流运费
公关招待费
办公费
人员招聘费
水电费
劳动保护费
物业管理费 托管服务费
国地税
坏账准备
折旧费
财务费用
财
利润数据 影响利润的要素分析!
85%-100% 销售强化,及早改善
达成率
70%-84% 销售强化,费用审查 69%以下 提升无望,提升停止
(销售业绩/损益平衡点)X100%
损益平衡点 比率
损益平衡点与业绩相同,意味着 没有利润产生…… 通常这个比率小于80 ～ 90%是比较
(损益平衡点/销售业绩)X100% 安全的……
建立一切以数据为依据的营销会议
53%
50%
33% 1.50 100 150
S 90000 24000 40%
75%
25%
33% 1.50 100 150
平均 135000 38500 29%
59%
45%
27% 1.34 126 169
D\K\H\S店有什么问题?
如何吸引客流注意？ 提升注目率 和 进店率？
1、干净整洁的门头 2、创1、意亲的切橱招窗呼 3、舒适的灯光
K 150000 40000 8000 6000 3000 1000 800 150 188
H 120000 30000 9000 4800 2400 1200 800 100 150
S 90000 24000 9600 7200 1800
900
600 100 150
平均 135000 38500 11150 6600 3000 1075 800 126 169
Q1. 卖场总体客流量状况如何？ Q2.顾客喜欢在一天的什么时间段光顾卖场？ Q3.周末和平时，客流量的有多大变化？ 周末和平时，每天的不同时段，
客流量是怎样变化的？
客流数据
客
根据客流规律，优化促销活动开展的最佳时机、最佳地点，使每一次
活动都能取得最佳的效果，不断优化投入产出比。
– 哪个月份开展促销对拉动全年客流量 增长最为有效？
人 员工数据
显性数据 （看得见的数据）
基本情况：姓名、性别、出生日期、民 族、政治面貌、身高、体重、婚姻状况、 住址、身份证号、联系电话
家庭情况（各成员的姓名年龄、从业情 况） 教育/培训经历
工作经历
人 员工数据
隐形数据（看不见的数据）
价值取向 人生经历 闺蜜隐私
货 进货数据
类
款
色
量
+本
码
质
利
差距 转化
为 终端 问题
怎么进行有效分析？
分析的实质是比较！
比较需要找到参照物
参照物的确立是我们分析结果走势的最终依据！ 目标值 标准值
制订合理目标!
为什么强调目标的合理性?
库存目标
库存积压
保守目标
合理目标
激情目标
机会损失
销售目标
影响销售（业绩）目标的3个因素
店铺状况 ＋
增长比率 ＋
资金状况
提升成交率
显性因素 1、FABE销售法则
等销售技巧 2、服务态度 3、拿货速度
隐性因素
1、陪同者的服务 2、搭配附加 3、VIP卡附加 4、库存准确性 5、购物便利性
提升连带率
陪同者的附加 家人\朋友的附加
搭配附加 特价品附加
主推活动的附加
附
加 新款的附加
推
销
VIP卡的附加
节日附加
题外：提升回购率（VIP复购率）
业绩
人
客
货
场
找出问题 改善终端
重申 数据分析管理的原则
1 规避绝对数据 2 使用对比数据 3 关注平均数据
我们必须关注哪些基础分析？
差距转化为终端问题
某些终端的业绩不好时, 下级不能解释为什么而搪塞. 我们如何去发掘问题?
我们如何发现终端问题？
客流
人数
X
终端
业绩 ＝
构成
件单 价
注目 人数
＝
X
– 哪个月份最需要拉动客流量？
– 哪一周、哪一天开始促销对拉动客 流量增长最为有效？活动效果可能 会最好？
– 什么时段开始促销对拉动客流量增长 最为有效？且能促成较高的成交率？
– 促销区设在哪个位置最为适宜？
客 会员数据
静态数据
姓名 性别 年龄 职业 住址 生日 电话号码 微信 个人兴趣爱好 ……
尝试: 5-跨区类比法!
C市,无老店铺,也没有类似品牌店. 新开店铺目标如何确定?
慎重开店! 尝试: 6-周边跨品类平均法!
季节变动指数
各月业绩平均值 累计业绩平均值
X
100%
600
500 400
50
44
43
38
52 49 39 41
33
300 25 25 23
200
462万
平均销售 变动指数
100
动态数据
首次购物数据：
时间 购买商品信息 花费金额
最近一次购物数据
时间 商品信息 花费金额
累积购物数据
商品信息 花费金额
购物频次 平均金额
有效的数据分析管理模式
反映终端 事实
终端基 础数据
提供 比较
基准
基准
值
目标值
业绩 利润 库存 费用
依据公司
标
数据
准
值
依据
竞品/行业
数据
我们有效分析的重点!
找出 差距
合理库存金额 X 库存周转率
为达成销售产生 的可接受库存
X
以可接受库 存为销售基 数计算, 这 个基数金额 可以卖断多
少次
那么,新开店铺的业绩 如何做出有效预测呢?
在B市已经开了5家店铺,17年又要增 开2家店铺. 新开店铺的营销目标如何制订?
尝试:4-区域平均法!
在T市还没有开店铺,但是潜在的几个 竞争品牌已经进入并销售业绩不错. 在T市新开店铺的目标如何制订?
价
货 销货数据、存货数据
畅平滞（货品实际表现） 销存结构（销售结构和库存结构是否对应？） 存销比（量、安全库存）
场 空间数据（内场）
门头、橱窗、灯光、卫生、妆容、仪表 卖场、陈列 后台、仓储
场 市场数据（外场）
地域经济文化、风俗人情 商圈定位 我—知己 竞品—知彼
场 卖场效率 — 平效数据
“平效”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。