这才是真正的商品分析,而不是罗列进销存

0 评论 5180 浏览 23 收藏 11 分钟

真正的商品分析是什么?应该如何做?这篇文章带你系统了解商品分析的内在逻辑,从进销存、商品与价格、商品规律等方面学习方法论,希望对你有所帮助。

一提到商品分析,很多同学就会想到扑面而来的各种报表。和商品销售、库存、采购相关的报表尤其多。然而每一份报表似乎又都很简单,既体现不出数据分析的价值,也不知道业务拿了干啥。今天系统聊一下商品分析的内在逻辑。大家坐稳扶好,马上发车!

一、从最基础的进销存开始

商品运作,简单说就是:进货→卖货→再进货。只不过这里有两条隐藏要求:

  1. 在商品卖光以前,有新的货进来,不能断货
  2. 在商品过期以前,把它卖掉,不要烂仓库

因此在看商品数据的时候,需要把库存、日/周/月销售、商品采购周期、商品保质期四个指标一起看。举个简单的例子,假设我们有100件新到货的商品A,每周固定销售30件,采购周期1周,保质期2周,那么数据情况就如下图所示:

实际上,很多商品报表只有库存和销售额两个指标,这是因为商品主管对采购周期、保质期自己心里有数,并且这俩数据一般也不在交易表里,导致数据分析师取数的时候没有包含这俩数据。这种基础信息缺失情况,在商品分析里很常见,也是导致数据分析师不明白这些零散报表有啥用的重要原因。

二、商品&价格弹性关系

还是开头的例子,如果真发现进货进多了,除了痛骂商品主管XX以外,还得赶紧考虑清货。清货最常用的手段就是打折,打折情况下,销量就会比正常水平有提升,这个此消彼长的关系被称为:价格弹性。经济学/财务的教材,都会假设价格弹性是一条直线,但现实中很难实现动态价格变化(价码牌不能每分钟变),因此,经常表现为阶梯式变化(如下图):

除了降价,还有很多商品促销能让利顾客,提升销量。比如:买3件赠1件,买本品1件送赠品/小样,买满100元减30元。想要充分了解价格弹性,就得收集业务部门每次促销行动方式,用活动标签描述形式,统一折算活动优惠力度。这样通过对比,既能找出每一类活动提升效果,又能发现那些对价格很敏感的商品,一举两得。

很多公司没有统一整理活动资料,也没有建相应标签库,即使有活动复盘,也是每次活动单独做。这样就导致没法沉淀分析经验,也没法清晰商品和价格的关系。

三、商品周期性规律

还是开头的例子,我们假设每周常规销量是固定的,实际上即使没有促销活动,商品也会天然有波动。其中有2种波动是和商品本身属性密切相关的:

  1. 季节性波动:比如夏季降温、冬季保暖有一大堆相关商品
  2. 生命周期:比如时尚、科技型产品,上市时新鲜,过气了就凉了

(如下图)

这种周期性,使得销售数据不是平稳的,商品运作的节奏也有快慢区别。想要认识周期性,就得对一款商品做持续追踪,先从历史数据里总结经验:

  • 起点在何时开始,受哪些因素影响
  • 上升期大概有多少周,每周递增销量是XX
  • 稳定期(没有大幅度降价)大概有多少周
  • 拐点在XX周出现(本篇销量大跌,竞品大幅度打折)

虽然不同年份受气候、研发进度、上市计划影响,数据有波动,但大体上是有范围的。

通过历史数据分析,有了初步认识以后,就可以更细致管理:

  • 在旺季来临之前提前铺货
  • 上升期每次补货量更多
  • 稳定期密切监控竞品价格/本品销量
  • 如果商品前期表现不好,后期清货得更果断

当然,这些判断经常是商品主管们下的,到了数据分析师这里,又变成了一张孤零零的报表,很有可能是很简单每日销量。如果不认真理解商品特点,结合历史走势思考,是没法读出背后含义的。

四、商品组合策略

还是开头的例子,我们只看了一款商品,实际上即使同样品类,也会安排至少高中低3个价位的商品,以满足高中低端用户的需求,这样就形成了最简单的组合策略:价格策略。

要注意的是,价格组合,经常是和销售渠道一起考虑的。线下店铺货架数量是有限的,每一种店铺对应高中低端用户数量不一样,因此要交叉起来看才行。而且此时要考虑的,是整个店铺的销量最大化,而非单品的销量最大化。看数据的时候,一般先找标杆门店,再看标杆门店的商品组合。

线上则有另一种思路:先用低价商品,把大量用户引进来,再推高价格的商品,寻找重度用户。此时商品就有引流品/利润品区别。除此以外,还有推高客单价的搭配款,防止产品线空缺而流失用户的防御款,整个商品组合逻辑如下图所示。

这些组合逻辑,直接对应业务行动策略。作为数据分析师,得先搞清楚自己公司的商品策略是啥,才好综合评估其效益。有些公司处理得很简单粗暴,不做商品分类,也不做策略。结果就是同一个价格区间,自己都摆了好几款类似的商品;缺少专门的引流品,销售盲目打折;低价的卖得多,高价的卖不动……这些都是不做策略的代价。

五、商品固定搭配

一提到商品搭配,很多人脑子里第一时间蹦出来:啤酒与尿布。实际上即使不用数据去算,商品之间固定搭配。就像比起啤酒配尿布,啤酒配鸡爪,啤酒配花生米,啤酒配小龙虾更常见一样。

这种搭配,往往和用户需求有关,比如:

  • 耐用品:厨房全套(燃气灶、抽油烟机、锅具)、卧室全套(床、床头柜)
  • 快消品:酒水+小菜、火锅锅底料+蔬菜+涮肉、快乐水+薯条/零食

因此在做商品管理的时候,经常将有固定组合的品类,结合日期做联合推广。比如9月份开学季(文具、图书、衣服)、贴秋膘(食材、啤酒)、安居节(楼市素来有金九银十说法,相应的家居、家装需求),此时应该把关联品类打包,观察活动期推广效果。单独看一件商品,很难解释其同期销量波动。

以上是商品分析的基础逻辑。可以看到:一个商品编码数字背后,有很深的业务背景和固定的业务策略。作为数据分析师,如果不结合业务考虑,只是单纯的看销售数字,很难读懂数字背后含义,也没法进一步地服务。

实际上,业务部门期望数据分析师给的服务,可不是简单做这些统计,大部分商品分析需求更接近算命。比如“到底选哪一款能爆?”、“定什么价格预计利润最大”、“预测下这波活动能卖多少?”这些预测类分析,没有前文讲述的基础理解做基础,更做不出来。

专栏作家

接地气的陈老师,微信公众号:接地气学堂,人人都是产品经理专栏作家。资深咨询顾问,在互联网,金融,快消,零售,耐用,美容等15个行业有丰富数据相关经验。

本文原创发布于人人都是产品经理。未经许可,禁止转载。

题图来自 Unsplash,基于CC0协议。

该文观点仅代表作者本人,人人都是产品经理平台仅提供信息存储空间服务。

给作者打赏,鼓励TA抓紧创作!
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!