零售行业数据分析指标体系及方法论

从传统的线下零售（百货商铺-连锁商铺-超级市场），到前几年炽热的线上电商零售（综合、垂直电商-交际电商），再到这几年线上线下连系的新零售形式，零售行业的运营形式发生了庞大的变化。

大数据时代下的零售行业，面临众多的顾客和复杂多变的市场需求，要想实时顺应市场变化，把握市场静态，就需要对零售各个环节的数据停止分析，获得科学有用的结论来指导决议。本文我们就来说说新零售形式下零售行业数据分析的目标系统和方式论。

不管贸易形式若何变化，不管是传统零售还是新零售，都离不开“人、货、场”这三个焦点要素，新旧形式的变化，本质上实在就是“人、货、场”三要素的进化，从本来商品为王的“货、场、人”时代，酿成了现在用户为王的“人、货、场”时代。

围绕“人、货、场”这个三个焦点要素，新零售数据分析目标系统整体上可以分红线下、线上两个部分：

线下的“人、货、场”

1、数据分析提升“人”效

这里的人效有两个方面，一指企业员工，二指消耗者。在这个消耗者把握自动权的时代，想做好零售，除了增强员工治理，提升职员效力之外，更重要的是进步消耗者虔诚度、充实挖发掘户毕生代价。

企业员工治理中的数据分析一般分为两个方面，一个是员工效能分析，一个是员工结构分析，员工效能分析首要关注的就是员工的销售目标和办事效能目标，员工结构分析首要关注企业员工的流失率、人力结构、薪资结构等等，避免出现人力散布不均匀、薪资不公道的情况。

顾客治理是零售行业数据分析中相当重要的一部分，特别是其中的会员顾客的治理。会员顾客的分析，可以从客户群体的消耗行为特点、品级分别、活动治理等方面动手，越丰富越好，越细致的领会到会员群体的特征，越有益于客户关系的保护和成长，这里我简单列一些分析目标给大师参考，现实的分析进程中还能够会衍生出更多的目标：

2、“货”——商品分析

货就是指商品，商品数据分析的焦点就是围绕“进销存”展开，重点就是商品结构的分析和商品消化跟进分析，结构分析常用目标有各类结构占比目标，商品消化跟分析常用目标有售罄率、存销比等，具体的目标架构以下：

3、数据分析提升“场”效

场，指的是消耗场景，一切毗连消耗者和商品的终端，都是“场”，比如线下门店、线上的购物网站、APP、小法式等。“场”效的分析，焦点是业绩与各项运营目标的监控，店肆的销售目标、销售追踪目标、效力目标等等

对线下门店来说，有一个关键的目标叫做“坪效”，指的是每平方米面积缔造的年支出

坪效=销售额/店肆面积，销售额=流量x转化率x客单价x复购率

流量是制约坪效力的重要身分，当流量新增缓慢时，企业的坪效就会难以增加，此时企业就会增加线上销售额，增大线上流量

线上电商数据分析目标

线上零售和线下零售的焦点都是“人货场”，围绕商品运营、用户运营和产物运营展开。传统的线下零售偏重于商品分析，线上电商则侧更重于对用户和流量的分析。从用户注册、阅读商品、加购商品、到最初的下单、确认收货，这中心有五个关键的数据分析目标：活跃用户量、转化、保存、复购、GMV。

线上电商的商品品类众多，首页商品更新速度快，是以在电商的商品分析中，要重点关注商品的转化率，按照按照转化率，连系营业经历，调剂运营战略，来进步我们的转化率和GMV

另一个重要部分就是用户数据的分析，经过对用户数据的分析实现邃密化运营。做好用户邃密化运营关键有两点：一是关注用户保存，二是经过对用户分群，实现针对性的运营战略。

除此之外，线上电商经常会有各类百般的线上促销活动，经过营销活动进程中的数据，分析监控某次营销活动给带来的结果、以及广告的投放效力

整体的数据目标系统以下：

（图片紧缩严重，整理了一版最新的，下方可以获得高清大图）

最全数据目标系统调集！覆盖9个行业4个营业场景，满是干货

线上、线下目标汇总：

零售行业常用数据分析方式

理清楚了零售行业的数据分析目标系统，接下来再讲几个在零售数据分析中常用的数据分析方式：

1、ABC分析法

ABC分析法又称帕雷托分析法，是商品治理中常用的数据分析方式。经过对一段时候内商品销售情况的分析，把商品分为A、B、C类，调剂分歧种别商品的治理战略。

举个常见的ABC法例在商品库存治理中的利用，假如我们筹算对库存商品停止年销售额分析，第一步要先收集各品类商品的年销售量、商品单价数据，然后对数据停止处置，计较出销售额、累计销售额、累计销售额百分数等，将商品依照销售额的巨细降序排列，将累计销售额占比累计占比0至50%为A类商品，50%-90%为B类商品，90%-100%为C类商品，然后按照分析成果，对ABC三类商品采纳分歧的治理战略。

按照商品治理及销售的情况，还可对ABC理论停止一定的变化，这样对零售业的商品治理来说更具有操纵性。

2、RFM分析模子

RFM模子在会员代价分析中经常用到，把客户按比来一次消耗(Recency)、消耗频次(Frequency)、消耗金额 (Monetary)三个维度分红八个品级，判定客户代价

据RFM的分析成果，调剂运营战略，保护好重要代价的客户，关注流失的客户，分析客户流失的缘由，削减流失率。

3、关联分析

关联分析是分析两组随机变量间关联关系的方式，在零售行业中最典型的利用就是商品关联分析，商品关联分析又叫做“购物篮分析”，经过度析用户消耗数据，将分歧的商品之间停止关联，并挖掘两者之间的联系，制定商品打包促销战略。

除此之外，关联分析还可以用在分析商品数目与销售额的关系、员工数目于企业销售额之间的关系等等。

4、漏斗分析法

漏斗分析法在数据分析中的利用处景有很多，典型有的营销漏斗、AARRR模子等等。它的焦点思惟是分化和量化，比以下面的营销漏斗，包括了用户从选购商品到终极采办的全部流程，然后经过计较各个流程之间的转化率来权衡每一个流程的表示，经过对每个环节之间的用户转化情况的检测，寻觅电商各个环节可以优化的点，从而提升采办转化率