Java教程

数据分析八大模型:人货场模型

本文主要是介绍数据分析八大模型:人货场模型,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

大家好,我是爱学习的小xiong熊妹。

 

之前分享了销售分析的基本做法,今天来分享一个销售分析最常用的模型:人货场模型。这是来源于传统零售业的经典分析模型,在电商环境里其实也能用。大家一起来看一下。

传送门:一文看懂:销售数据分析怎么做?

一、何为“人货场”

人货场,是指影响销售的三个重要因素(不是三个指标哦)。

 

人:来自销售人员、顾客的因素

销售人员:人员是否足够,素质是否满意,执行是否到位?

顾客:是否有足够顾客到来,是否有成交,成交消费力如何?

 

货:商品因素

商品质量:种类是否丰富、款式是否够吸引、有没有爆款。

商品数量:商品备货是否充足,畅销品是否短缺,滞销品有多少。

 

场:卖场/门店/销售渠道因素

卖场数量:线下门店数量/位置、线上引流渠道数量/类型。

卖场质量:线下门店装修、面积、陈列,线上引流渠道的转化路径,页面设计。

 

不需要做很多解释,单纯从字面上,就能看出来,这三个因素会影响销量。因此人货场模型被非常广泛地用于诊断销售情况。具体操作时,根据销售形式的不同(实体门店/线上店铺/APP站内转化/电话销售……),人货场指标会有区别。

二、如何量化“人”的因素

最简单的方法,就是算平均值。

业务员平均生产力=销售业绩/总人数

顾客平局购买力=销售业绩/有消费顾客数

通过监控平均值在不同月份的变化,识别:是否“人”因素出现问题。

 

不过这样太过粗糙,想做得更细致,可以用分层分析法,区分业务员/消费者的层级。因为二八法则普遍存在于各个领域,因此区分出谁是A级销售,谁是大客户,能更有效地监控“人”的因素。

 

如果出现:A级销售离职/大客户不到店消费,就重点进行关注。

如果出现:销售成交都少/整体客流下降,则考虑用普遍激励的办法。

(如下图)

 

图片

三、如何量化“货”的因素

与人不一样,货需要具体到每一个款式(SKU),具体看这个货物到底销售情况如何,是否有缺货/滞销迹象。

 

图片

 

不同货物保鲜期不一样,瓜果肉菜保质期很短,一旦出现积压,就得快速进行清货;桌椅板凳几乎不会损坏,可以多存放一段时间(但是也不能存很久不卖,会占用流动资金)。因此,需要分类型识别活动畅销,滞销情况。

 

常用的指标有这些:

  • 动销率:一个品类货物,有多少款有销售。

  • 库龄限制:一个商品入库XX天后,必须销售,不然会有问题

  • 剩余库存使用天数:使用天数越短,越需要补货/越长越考虑清货

 

货物分析有自身的一套逻辑,比如商品分类(爆款、流量款、利润款、补充款、防御款)、商品销量分层(ABC商品),商品生命周期(孵化、上市、推广、稳定、衰退)等等。因此,商品分会有一套单独的分析模块。

 

在做销售分析的时候,只要能定位到以下情况即可,再多的分析留给商品分析去做。

  • 是否因XX商品缺货,导致销售受阻

  • 是否因XX新品不受欢迎,导致销量不达标

  • 是否因XX商品质量问题/退货,导致销售不佳

四、如何量化“场”的因素

与“人”“货”都不一样,卖场的因素,主要靠打标签来分析。

因为卖场的特征大多难以量化,需要用标签解决,比如:

  • 实体店开在哪里(商业街?写字楼?CBD?老街区?郊外大型小区?)

  • 实体店定位(旗舰店、品牌店、普通店、社区小店)

  • 实体店装修水平(豪华、普通、简约)

这些都不是数字可以直接描述的。

 

有一些可以用数字描述,比如店铺面积、开店时间。但是还是处理成标签,使用起来更方便。比如处理成:大店、小店;新店、老店。

 

之所以做这种处理,是因为:不同类型店铺,担负的任务本身就不一样。比如品牌店就是做得高大上,提升品牌档次,没啥销量也行。旗舰店就必须扛起销货大旗。

 

区分类型,更容易进行管理。另一个原因,是不同标签店铺,有不同经营目标。比如大店就要负担更多销售收入,比如新店头一年还在回本期,销售任务不应压太多,可以多做活动聚人气等等。

 

同商品分析一样,场因素如果单独拆开,可以独立一个渠道分析出来,专门对上边的问题加以研究。

 

在做销售分析的时候,只要能定位到即可,再多的分析留给商品分析去做。

  • 是否因XX地区实体店不能正常运作,导致销量不佳

  • 是否因XX渠道流量出问题,导致线上销售不佳

五、如何综合利用“人货场”进行分析

在综合利用人货场进行诊断的时候,需要按照从大到小,逐级排查的原则,播洋葱一样,一层层深入。比如发现本月销量下降,可以先从人货场三大因素中,每一个挑选出一个最优代表性的进行分解:

  • 人:客户等级、销售等级

  • 货:商品大类

  • 场:大区

然后先看:哪一块发生的问题更严重?

 

注意:人货场因素之间,可能存在交集。比如某些高等级客户,只消费高价商品(人与货关联),某些区域,就是特定商品畅销(货与场关联)因此往下一级拆解时,可以看问题是关联性发生,还是普遍发生(如下图):

 

图片

 

当然,实际诊断起来,情况会很复杂,这个要具体问题具体分析了。

六、模型不足之处

人货场模型产生于传统零售业,而传统零售业里,“场”才是最主要因素。占据了有利旺铺位置,就能有源源不断的客流。

 

但互联网消费不是这样,促销活动、明星带货等效果更明显。销量受这些运营手段的影响,会出现明显地大起大落。因此需要对运营活动单独分析,请大家期待哦,今天的分享就到这里,谢谢大家

这篇关于数据分析八大模型:人货场模型的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!