零售行业:数据赋能门店数据化管理

1 评论 5730 浏览 46 收藏 10 分钟

零售行业的商业模式正随着时代不断进化,新零售概念出现以后,门店零售与数据化管理的全新结合会擦出怎样的火花?本文介绍了门店的数据化管理,从内部工作的整合管理到营销赋能,解析数字化对门店零售的有效助力,适合关注新零售的小伙伴阅读。

零售行业是非常古老的行业之一,百科定义是:直接将商品或服务销售给个人消费者或最终消费者的商业活动,是商品或服务从流通领域进入消费领域的最后环节。

以物易物的时代可以说是零售业态的雏形,市场经济模式跑通后,零售行业也进入了成熟期。

阿里在前几年提出了新零售的概念,即企业以互联网为依托,通过运用大数据、人工智能等先进技术手段,对商品的生产、流通与销售过程进行升级改造,进而重塑业态结构与生态圈,并对线上服务、线下体验以及现代物流进行深度融合的零售新模式。

对于这样历史悠久的行业来说,与数据的结合后,又将迸发出哪些火花呢,数据可以在零售行业数字化转型的过程中,发挥什么价值呢。

一、零售行业的商业模式

零售的本质是把东西卖出去,商品从哪里来,一是自产自销,其次就是二道贩子贩卖,售卖价格减去采购(生产成本)就是零售的毛利润,除去营销成本、人力成本、门店行政成本等成本因素后剩下的才是净利润。所以,在零售业态中,最主要的盈利模式就是“中间商赚差价“。比如,便利店、商超、母婴店、服装店等,都是零售行业中的重要参与者。

零售行业:数据赋能门店数据化管理

人、货、场三要素是零售业态的核心参与者,想要赚更多的钱,即净利润,就需要从这三者出发,把每一项做到极致。

以盈利指标为例,可以通过广告手段获取用户&流量(人),依赖销售人员(人)的销售能力,店内商品供给(货),商品陈列动线设计(场)促进用户转化,从而提升销售额。此外,销量提升后,进货议价能力更强,平均人力的边际成本也就越低。

零售行业:数据赋能门店数据化管理

二、数据如何为零售行业赋能?

对于一些连锁型的零售企业,业务流程更长、管理场景更加复杂,所以接下来将重点围绕连锁(多个门店)的零售业务展开分析。单一门店场景,除了门店管理外,其他维度仍可作为参考。

1. 门店数据化管理

通常而言,线下实体门店店员的导购能力对商品销量影响重大,对于销售管理而言,除了基本工资外,销售提成或销售奖金是激励店员提升自身销售能力,更加积极努力工作的重要手段。那么对于门店管理者,或者区域管理者,需要建立区域、门店乃至到个人的数据化指标管理体系。不同层级关注侧重点有所不同

对于区域管理者,需要了解

零售行业:数据赋能门店数据化管理

  • 业绩达成率:实际销售额(或净利润)/季度(月度)目标,包括区域总体,以及分城市、分门店的排名
  • 业绩增长率:销售额、消费顾客数、净利润同比(对去年),环比(对比上月或前一日)
  • 门店坪效:周期内门店销售额/门店面积
  • 门店人效:周期内门店销售额/门店员工数量
  • 人员离职率:周期内离职人数/全部人数

通过对关键指标不同维度的排名分析,找出Top门店问题门店,Top门店树立标杆正向激励,问题门店重点关注帮扶引导。

例如:连锁零售企业上海某门店销售额达成率102%,销售额同比增长50%,环比30%,坪效1800(区域平均1400),人效12000(区域8000),虽然业绩达成了,但是坪效和人效都垫底,说明销售指标设定不合理,且门店人员销售能力存在问题,需要关注,找到问题进行培训辅导。

对于门店管理者,期望的数据抓手

零售行业:数据赋能门店数据化管理

除了被动地接到区域领导的指派任务外,门店管理者也希望可以通过自己的管理动作和一线员工的努力来提升门店业绩,这样大家好才是真的好(门店经理收入按照门店整体收入提成X%)。所以,他希望了解

  • 门店当前定位,和区域乃至全国比,自己处于一个什么水平,知耻而后勇。所以,核心业绩的KPI指标需要具备和区域、城市或全国平均值对比的能力。
  • 如何选品:门店热/滞销商品:热销商品陈列动线设计、库存补充,滞销商品促销活动,限时打折
  • 优化库存:库存自动化预警能力,非滞销商品库存自动预警,避免因库存缺失影响销售
  • 商品动销率:周期内有效率商品数/门店商品数(SKU)
  • 人员销售额排名:门店内各员工指标达成率或销售排名
  • 门店顾客数、客单价、复购顾客数、新客数
  • 门店会员数、活跃会员占比、会员销售额占比
  • 门店顾客画像,不同品类、SKU顾客画像,性别、年龄、地区等

2. 数据赋能精准营销

基于客户画像标签进行用户运营和流量获取。一般来说,零售行业的用户数据主要来源于会员注册信息。或者利用微信等第三方流量平台的脱敏用户画像标签。

随着AI技术的发展,一些硬件厂商的视频采集数据处理后,可将进店用户的行为进行存储利用。总体而言,相比较过去,能够采集和利用的数据要丰富很多。所以,可以根据当前数据获取的情况,对客户进行差异化运营和精准获客。

例如,近期门店搞促销活动,想给老顾客发短信。可以把所有用户全发一遍,不管用户有没有需求。虽然单条短信成本不算高,但如果用户体量大,也是一笔不小的开销。关键是会引起用户的反感,比如拉黑或者取关。

如果你是一个火车站附近的门店,就要看用户是出行时单次的购买,还是在附近居住或者工作,周期性地到这里。如果是单次地行为,就完全没有必要发了。有一年去南通看一个朋友,在他家附近地一个生鲜门店买了些水果,过了一段时间后,经常收到促销短信,不胜其扰,因为我可能很久都不会去那里了。

除此之外,在新客流量获取上,借助小红书、抖音等本地化运营能力进行广告投放,可以针对顾客画像分析,选择特定的目标人群,而不是见着有份。

专栏作家
数据干饭人,微信号公众号:数据干饭人,人人都是产品经理专栏作家。专注数据中台产品领域,覆盖开发套件,数据资产与数据治理,BI与数据可视化,精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

本文原创发布于人人都是产品经理,未经作者许可,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。

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. 作者提到“坪效1800(区域平均1400),人效12000(区域8000)”,坪效1800不是大于平均1400么,为啥说坪效还垫底了?

    来自广东 回复