零售行業數據指標體系詳解!建議收藏

2020-10-15 數據分析不是個事兒

如果要問數據分析哪個行業的需求最大,估計所有人都會說是零售行業。但是該如何分析零售行業的數據業務場景,就需要一些技巧和方法了,下面總結一些我在零售電商行業的經驗!

首先我們要了解零售行業的業務邏輯,電商的本質其實還是零售,二者的本質業務模式其實就是客戶-渠道-商品

我們通過在各種渠道上吸引客戶來購買我們的商品來實現盈利的目的,其中這三點也就構成了零售業務當中最關鍵地三環——人、貨、場

這三個字能化解零售行業遇到的絕大多數的問題,例如:怎麼能去提高銷售額?

影響銷售額的因素非常多,在我們運營的每個環節都可能影響到銷售額,不是一個簡單的幾點因素就可以判斷。它需要一個立體化的思維才能找到影響銷售額的因素

因此,指標體系地建立就顯得十分必要了,下面先給大家介紹一套指標體系:

人的因素

這裡的人其實指的是客戶與員工,很多時候我們都過度關注了客戶的指標,但是很少會去關注員工的指標,其實線下零售的員工相當程度上擔任了運營與銷售的角色,所以其實是很值得關注的。

(1)員工的指標

一個員工想要實現最終的盈利,大致的過程是:服務-銷售-管理。員工用服務行為促進客戶進行交易,我們再通過管理行為去促進員工提供更好的服務行為。

值得關注的指標:

  • 平均接待時長:反映員工工作投入的指標
  • 平均成交時長:反映員工工作產出的指標,通常用兩次成交的間隔時間表示;
  • 投訴率:投訴人數/總人數,通過客戶對員工的服務能力進行評判;
  • 考核績點:很多零售企業都喜歡時不時搞點銷售知識大考核、產品考核,目的是為了從理論層次檢測員工的能力;
  • 成交率:成交次數/接待次數,計算門店的成交率需要用成交次數/門店流量
  • 完單率:我們成交之後需要跟蹤訂單,在一定周期內完成付款並未退貨的訂單數/成交數,根據實際情況使用周完單率、月完單率等;完單率與成交率相比,我們更應該關注完單率,因為實際上員工的成交率是很容易造假的;
  • 銷售額:直接反映員工銷售情況的數據,根據實際情況還可以延伸出日均銷售額、月均銷售額、銷售率等;
  • 定編率:實際人數/編制人數,比例高於100%說明超編,可能存在冗餘;低於100%說明人效太低;
  • 離職率:離職人數/一定周期內的員工數,反映員工流失的情況,比如月離職率、年離職率;
  • 工資佔比:員工總工資/銷售額,只能縱向對比、不能橫向對比,可以反映店員人數配製的合理情況與否;

(2)客戶的指標

  • 客單價:銷售額/客戶數,反映客戶的質量、消費水平。
  • 件單價:銷售額/銷售量,反映客戶的購買商品的平均單價;
  • 客單件:銷售量/客戶數,反映客戶的購買力,購買多少商品的數量;
  • 連帶率:銷售量/成交單量,也叫作購物籃係數,連帶率和人、場有關。
  • 新增會員數:新增會員數=期末會員數-期初會員總數
  • 會員增長率:會員增長率=某短時間新增會員數/期初有效會員數
  • 會員貢獻率:會員貢獻率=會員銷售總額/總銷售額
  • 有效會員佔比:有效會員佔比=有效會員總數/累計會員總數
  • 會員流失率:會員流失率=某段時間內流失的會員數/期初有效會員總數
  • 會員活躍度:會員活躍度=活躍會員數量/會員總量
  • 平均購買次數:平均購買次數=某個時間段內訂單總數/會員總數
  • 會員平均年齡:會員平均年齡=某個時間段店內會員年齡總和/有效會員總數

貨的因素

一件商品從生產出來到賣給消費者,在零售這部分需要經歷三個過程:採購-銷售-售後

(1)採購

  • 廣度:採購的商品品類數
  • 廣度比:採購的商品品類數÷可採購的商品總品類數
  • 寬度:採購的SKU總數
  • 寬度比:採購的SKU總數÷可採購的商品SKU總數×100%
  • 深度:採購的商品總數量÷採購的SKU總數
  • 深度比:深度÷採購目標深度×100%
  • 覆蓋度:有某款或品類產品銷售的店鋪數÷適合銷售該產品的總店鋪數。

(2)銷售

  • 庫存周轉率銷售數量(金額) /平均庫存(金額)。庫存周轉率是庫存商品需要銷售的天數,也反映了商品銷售時長。
  • 庫存周轉天數:30(月)/ 庫存周轉率。庫存周轉天數表明商品的周轉周期,是從存貨開始,至消耗、銷售為止所經歷的天數。
  • 貨齡:表示商品年齡。一般快消品是出產年齡,沒有嚴格保質期的商品則是上架年齡。
  • 月動銷率:月周期內銷售過的商品SKU數 / (期初SKU+期中新進SKU)。月動銷率屬於追蹤管理指標,傳統零售比較注重這個指標,電子商務則比價追求長尾。
  • 月售罄率:月銷售數量(金額) / (期初數量(金額) + 期中新進數量(金額))
  • 毛利率:(銷售收入-銷售成本)/ 銷售收入
  • 毛利:銷售收入 - 銷售成本。

(3)售後

  • 月退貨率:月退貨數 / 總銷售數
  • 月殘損率:月殘損商品數 / 商品總數。殘損商品以及過期商品表明是店鋪的倉儲損耗,針對這指標的大小,追蹤殘損原因,可以改善倉庫環境,保存方法,運輸條件。

場的因素

(1)效率指標:

  • 增長率:增長率=增長數÷基礎數×100%=(報告期數-基礎數)÷基礎數×100%
  • 坪效:銷售坪效=銷售額÷店面面積,利潤坪效=利潤額÷店鋪面積
  • 人效:銷售人效=銷售額÷店鋪員工數,利潤人效=利潤額÷店鋪人工數
  • 每平米租金:每平米租金=租金÷面積
  • 租金倍率:租金倍率=銷售額÷面積

(2)競爭狀態:

  • 市場佔有率:通過市場調查獲得
  • 競品指數:競品指數=本公司銷售額/量÷競爭對手銷售額/量

(3)促銷指標:

  • 費銷比:費銷比=促銷費用金額÷促銷期間產生銷售額×100%
  • 目標完成率:目標完成率=促銷期間銷售完成數÷促銷目標數×100%
  • 同比增長率:同比增長率=同比增長數÷同期銷售數×100%
  • 促銷爆發度:促銷爆發度=(促銷期間平均權重銷售額-促銷前平均權重銷售額)÷促銷前平均權重銷售額×100%
  • 促銷衰減度:促銷衰減度=(促銷期間平均權重銷售額-促銷後平均權重銷售額)÷促銷前平均權重銷售額×100%
  • 品牌參活度:品牌參活度=參與促銷活動的品牌數÷賣場總品牌數×100%
  • 會員參與率:會員參與率=參與促銷活動的會員數÷有效會員數×100%

(4)渠道拓展分析

  • 淨開店率:淨開店率=(開店數-關店數)÷期初店鋪總數×100%
  • 渠道結構佔比:某種渠道佔比=該渠道銷售總額÷銷售總額×100%
  • 重要客戶佔比:重要客戶佔比=重要客戶銷售額÷銷售總額×100%

相關焦點

  • 如何建立零售行業的數據分析模型?
    最近很多搞零售的朋友都向我抱怨,以前都說零售行業最賺錢,但現在卻感覺越來越難做,尤其是實體零售,倍受網際網路、微商、電商等線上零售業的衝擊,競爭環境也越來越殘酷,零售行業似乎根本看不到出路。在我看來,零售行業的升級是一個商業與技術不斷激蕩交錯的過程,拿實體零售企業和網際網路零售企業來說,傳統實體零售企業擁有行業視角的廣度,而大數據技術公司手握單點技術的深度,兩種不同基因的交匯融合將為行業發展提供更大的推力,雙方的邊界也將逐漸模糊。
  • 如何提高零售行業運營水平?看看這些指標受益匪淺!
    目前的模式也是一種數位化模式,是在增量市場消失後,採用大數據激活零售業經濟的最有效模式。本文簡單談談該模式指標體系和方法論,為尋找有效的新零售途徑提高參考。零售行業數據分析指標體系及方法論千變萬化的零售業商業模式永遠離不開人、貨、場三個基本元素,形形色色的模式僅僅是次序、組合與比例的變化與優化而已。社交電商的出現代表「新零售」的崛起,是對線上、線下、技術、數據、供應鏈等零售經濟鏈上所有要素和場景的深度整合。
  • 整理了1000+數據分析資料!包含分析案例、指標體系、簡歷模板
    包含:數據分析案例、業務指標體系、數據分析崗位真實參考簡歷、數據分析筆面試題庫、數據分析工具安裝包、多行業數據集、多行業Excel模板……等等資料拿一份數據親自上手分析無疑是最好的方法。所以我為大家準備了這份多行業、多領域的數據集匯總,總計100+!有了這些數據集,配上你的努力,快速上手數據分析不是夢!
  • 收藏!一文掌握數據分析知識體系
    本文全面梳理了數據分析知識體系,從數據分析的定義講起,詳細介紹了分析思維模型和經典分析模型及指標體系。一 數據分析定義數據分析是指有針對性的收集、加工、整理數據,並採用統計、挖掘技術分析和解釋數據。數據分析是為了提取有用信息和形成結論而對數據加以詳細研究和概括總結的過程。
  • 中國流通現代化評價指標體系研究
    由於多年來中國相關統計數據缺失嚴重以及條塊分割等體制原因,使得研究和建立流通現代化評價指標的分析框架、指標體系和跟蹤監測體系都存在相當大的困難。因此,本報告還只能將重點放在如何設置這一指標體系,如何選取各項指標等問題上,並就一些基礎性、方向性的框架設計思路問題作些初步的探索,還不可能將重點直接放在流通現代化實現程度的全面測評之上。
  • 當新零售擁抱數據可視化,一個案例帶你讀懂數據可視化的價值
    編輯導讀:在「數智化」時代背景下,零售業轉型升級勢在必行,新零售也已經成為行業風口。然而,什麼是新零售?新零售與傳統零售的本質區別何在?新零售的底層支撐是什麼?本文針對上述內容展開,並運用實際案例分析數據挖掘和可視化技術在零售業轉型升級中的戰略意義。
  • 從0到1建立數據分析指標體系的底層邏輯
    編輯導讀:隨著公司業務規模擴大,各類相關的數據量增加,數據指標也越來越多。如果缺乏數據指標體系和分析方案,就會難以判斷整體業務發展狀況、難以衡量產品/活動效果等等。本文作者就如何從0到1建立數據分析指標體系的底層邏輯展開分析,希望對你有幫助。
  • 設計規範 | 詳解組件控制項結構體系:網絡異常類
    網絡異常無非就3種情況:第一種是網絡切換:WiFi網絡環境切換到了移動數據網絡環境。第二種是斷網情況:完全沒有網絡。第三種就是弱網情況:2G/E時無法加載或者上傳數據。本篇文章,按照三種網絡情況,總結對應設計形式。
  • 華南時尚行業CIO聯盟:企業發展少不了零售行業數據分析的支持
    隨著信息技術的發展,數位化浪潮正在席捲各行各業,零售業也毫無例外地經歷著創新與變革,傳統的產業模式終將要接受信息技術應用的滲透,走上零售行業數據分析之路。可以肯定,未來的零售業必定是線上和線下的相互融合。
  • 食品行業如何玩轉新零售?4大品牌案例3大策略建議
    這時,以盒馬鮮生、超級物種為代表的新零售業態闖入大眾視野,贏得年輕消費者的青睞,為零售業帶來新的生機。最近,京東和亞馬遜又接連宣布要開設線下生鮮超市和無人商店。一方面是舊體系在崩塌,一方面是新模式在興起,而作為零售業體系中重要的角色——食品行業的大小品牌,應該如何清醒認知新零售大潮撲面而來的局面,他們應該做什麼?又做了什麼?
  • 中國軟體評測中心發布大數據MPP資料庫測評指標體系
    目前,我國大數據系統陸續進入了需求分析階段和架構設計階段。面向行業的大數據系統為了從傳統的信息系統過渡到大數據系統,通常會選用一種混合模式,即事務性資料庫、MPP資料庫和基於Hadoop分析系統。事務性資料庫和MPP資料庫用於結構化數據處理領域,而基於Hadoop分析系統用於非結構化數據處理領域。
  • 零售行業四個發展階段,新零售的誕生和發展
    零售行業四個發展階段,新零售的誕生和發展 李倩 發表於 2018-11-08 16:39:06 新零售,即企業以網際網路為依託,通過運用大數據、人工智慧等先進技術手段
  • 2018.11:國內外數字經濟測度指標體系研究綜述(徐清源等)
    內容摘要:本文通過回顧數字經濟的理論體系和測度方法的相關研究,對比評述了國際和國內12個數字經濟相關指標體系的優缺點以及參考價值,並給出了中國用對比法測度數字經濟發展水平指標體系的構建思路和政策建議。
  • 關於公開徵求對化學原料藥等4個行業清潔生產評價指標體系(徵求...
    關於公開徵求對化學原料藥等4個行業清潔生產評價指標體系(徵求意見稿)意見的通知 2020-11-16 15:54 來源:澎湃新聞·澎湃號·政務
  • 深圳零售行業顧客滿意度調查報告
    為了更好把脈顧客需求變化,推動整個行業的全面提升,深圳市零售商業行業協會已連續九年開展滿意度調查。2010年度深圳市零售行業顧客滿意度的研究繼續委託第三方調研機構——深圳市萬人市場調查股份有限公司負責整個項目的執行。  二、執行情況說明  本項目的執行包括兩大部分,其一是深圳市零售行業顧客滿意度調查,其二是深圳市商圈零售顧客滿意度調查。
  • 數據中臺實戰(二):基於阿里OneData的數據指標管理體系
    本文將通過具體案例來介紹OneData的實施流程,繼而介紹阿里OneData數據體系中數據指標的管理和數據模型的設計,最後再為大家講數據看板的設計。上一篇文章講了《數據中臺實戰(一):以B2B點電商為例談談產品經理下的數據埋點》,本文我們先以一個例子實戰介紹OneData實施流程。接著再講阿里OneData數據體系中數據指標的管理、數據模型的設計。
  • 10億用戶的微信表情指標體系是如何構建的?
    本文主要介紹了數據指標體系,以及構建指標體系的相關方法和異常監控,希望通過此文能夠加深你對指標體系的認識。三、什麼是好的指標體系指標體系對於數據化運營而言非常重要,但好的指標體系才能發揮應有的作用,而壞的指標體系不僅沒有幫助,反而會將產品拖入泥潭,一個好的指標體系應具備以下性質:
  • 「智慧零售 布局未來」2020購百智慧零售行業閉門會
    「智慧零售 布局未來」2020購百智慧零售行業閉門會2020年12月15日,智慧圖在中國天津舉行了2020購百智慧零售行業閉門會。線上線下如何協同布局新零售等行業熱門話題。智慧圖作為組織者,表示用技術手段與聯合運營機制,推動購百行業向智慧新零售數智化轉型,作為購百的合伙人,與購百一起發展!
  • 銀行零售業務工具書大全:六大主題和四類指標全解析
    本文對部分全國性銀行2020上半年零售業務相關內容進行了匯總,從銀行卡、私人銀行、財富管理、消費信貸、數位化運營、風險管理六大主題進行解讀,並對貸款規模、平均利率、收入與利潤、資產質量等指標進行了匯總分析,供業界人士參考。
  • 數家券商考核體系大調整,網際網路展業趨動下,這些才是核心指標
    券商零售業務與其他通過網際網路方式服務客戶的網際網路企業並無區別。「『解決核心痛點』、『長尾理論』、『快速迭代』、『用戶體驗』,這些網際網路企業的成功要素,在我們證券公司同樣成立。」從未來發展來看,客戶流量的多少,依然是衡量金融機構零售業務的核心指標。而衡量客戶流量的兩個主要維度就是「客戶數量」和「客戶資產」。