零售資料分析覆盤|怎麼知道哪些品類增長有望,哪些門店需關停?

ourway發表於2023-03-28

各位資料的朋友,大家好,我是老周道資料,和你一起,用常人思維 +資料分析,透過資料講故事。

 

每到年終之類的日子,各行各業的企業們都需要對過去一年的經營管理活動進行一個覆盤分析,累積經驗、尋求突破。比如說在 零售資料分析 的年終覆盤中,就需要透過銷售增長情況去看看哪些品類在下一年裡有望提高銷售額,帶來更大的利潤;透過門店績效來看看哪些門店需要關停。那,我們可以透過哪個圖表來獲得這些資料資訊?怎麼獲得?別走開,我們接著往下看。

大家可能都聽說過波士頓矩陣( BCG Matrix),又稱市場增長率-相對市場份額矩陣、四象限分析法、產品系列結構管理法等。 我們可以藉助散點圖、泡泡圖來將理論變為行動(資料分析),判斷哪些品類有望突破,哪些門店需要關停。

傳統的波士頓矩陣是用市場佔有率與銷售增長率來進行組合分析, 但在 接下來的示例 我們 會將市場佔有率替換為其他更多的指標來進行組合分析。

 (以下分析將使用BI零售資料分析報表進行)

一、透過散點圖來 評估 品類績效 ,看哪些品類能繼續增長

從品類的維度 入手 ,針對銷額及增長率、毛利及增長率、毛利率及增長率、銷量及增長率、件單價及增長率等多個關鍵指標進行對比分析,識別出品類的管理是否合理。

首先,透過不同指標的散點圖來解讀一下:

透過銷額增長率散點圖可以看到,內衣不但是銷額最高的,同時也是增長最快的 排名第二的家居服,增長也不錯,小褲的增長也很好;

奧威BI零售資料分析

 

從毛利增長率散點圖來看,內衣的增長率與毛利最高,而鞋類則是最差的;

奧威BI零售資料分析

 

從毛利率增長散點圖來看,絕大多數的品類毛利率都出現了下滑,需要引起足夠重視。

奧威BI零售資料分析

 

從毛利泡泡圖來看,內衣貢獻最多毛利,家居服毛利貢獻排名第二,毛利率處於居中的水平。

奧威BI零售資料分析

 

從銷量增長率散點圖來看,家居服、內衣與小褲的增長也仍然是領先的;

奧威BI零售資料分析

 

從件單價增長率散點圖來看,床上用品和成衣的增長遙遙領先,而內衣與小褲的增長也還不錯,但家居服卻幾乎沒有增長;

奧威BI零售資料分析

 

然後,綜合分析 各品類的各指標:

Ø  內衣:公司的銷額與毛利最大貢獻者,銷額、銷量與毛利的增長都非常好,保持即可;

Ø  家居服:公司的銷額與毛利第二名,銷額與銷量的增長也都非常好,特別是銷量的增長最快,但是因為毛利率的下滑,導致毛利也出現了負增長,看件單價基本沒變,是否可以透過漲價來提升毛利率;

Ø  成衣:提高件單價 24%,導致銷量下降13%,在毛利率微降3%的情況下,銷額與毛利都實現了正增長,說明提價政策是成功的。

Ø  小褲:銷額與銷量的增長領先,毛利貢獻排在第四,毛利率下滑 6%的情況下,毛利仍然取得了7%的正增長;

Ø  文胸:雖然毛利率是最高的,但銷量、銷額與毛利都下降明顯,考慮到文胸是公司毛利貢獻的第三名,需要引起足夠重視,改善品類的競爭力;

Ø  床上用品:與成衣類似,件單價的大幅提升 24%,雖然銷量下降12%,但銷額與毛利都取得了較好的增長。

Ø  襪子:銷量雖然是最大的,但銷額出現了 1%的下滑,好在毛利率的增長也是最大的,導致毛利取得了6%的增長;

Ø  鞋類:銷量、銷額、毛利、毛利率都出現了不同程度的下滑,這個品類是否繼續保留,都可以拿來商討。如果繼續保留,那麼就要最佳化商品品種,砍掉與家居屬性不符的品種。

 

綜合來看 ,如果公司想在營收或毛利上獲得更高的增長,那麼 可以從以下四點入手:

1、可以嘗試提高家居服的價格;

2、在文胸的商品管理上,引進更受歡迎的新品牌或品種;

3、降低小褲的採購成本;

4、最佳化鞋類商品,砍掉與家居屬性不符的品種。

 

二、透過散點圖來 評估 門店績效 ,看哪些門店需關停

我們再來看看同樣用BI散點圖來進行門店的分析:我們從門店的維度,針對銷額及增長率、毛利及增長率、毛利率及增長率、客流量及增長率、客單價及增長率等多個關鍵指標進行對比分析,識別出門店的經營是否健康,甚至據此來決定哪些門店是否該關停。

從下圖中可以看到,有許多的門店都處於指標值低且增長率為負的區域。

奧威BI零售資料分析

 

那麼,我們就需要一個一個的來看一下,這些門店是不是各項指標都不好呢?比如 A16001這個門店,銷額僅3萬多,且下降81%,那麼,這個店還是不是需要繼續營業呢?我們來綜合看一下該門店主要的業績指標:可以看到,該門店客流量、毛利也大幅下滑,基本上各項指標都處於不佳的位置,所以,該門店關停的必要性非常大。

 

奧威BI零售資料分析

 

 

敲黑板 講重點

一個指標(如銷額) +該 指標的增長率 + 上一個分析的維度(如品類),就可以構成一個散點圖 透過這個散點圖,可以快速識別出 哪些品類或門店屬於 指標好 增長率高,或者指標不好 增長率為負等四個不同的象限區域。

在上文中,我們就是利用這一方法來快速識別哪些品類未來增長有望,哪家門店需關閉。 希望以上內容能給大家帶來一些 BI資料分析 總結上的啟發幫助。

 

老周道資料,和你一起,用常人思維 +資料分析,透過資料講故事,我們下一講再見!


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/70024013/viewspace-2942135/,如需轉載,請註明出處,否則將追究法律責任。

相關文章