前言

在这个颜值即正义、快时尚引领的服饰企业转型趋势的时代,VMD(Visual Merchandising)已经成为企业管理终端门店不可或缺的一部分。
--1-3
如果说视觉营销是门店冲锋陷阵的剑,则数字陈列为盾。拥有更为精良的装备,企业才能在新零售、大数据的硝烟中屹立不倒。笔者以服饰行业的数据化终端陈列管理为主题,带您一起走近服饰新零售企业的数据分析现场。

相关介绍

服饰企业设置专职的陈列部门,从总部至店长,分职责、分权限管理门店陈列。不同企业会有部门组织上的差异,其共同的特点为:总部有相当程度的集权、门店店长有不同程度的管理职责、各个店铺的陈列有整体规划又存在差异。

提案作为VMD系统的最直接的展现形式,其功能就是让客户便捷、快速地进入门店开启消费之旅,并最终完成消费,从而提升坪效、时效、门店业绩。提案类型主要有以下几类:
VP:Visual Presentation 视觉提案 帮助识别形象
PP:Point Presentation 重点提案 引导顾客购买
IP:Item Presentation 单品提案 方便顾客购买
--1-3

另外,能够有效展现在顾客面前的还有POP文案, 传达产品信息与价格。

数据准备

为了快速进入分析场景,我们不再作更多的发散,模拟定义各提案与货架如下:

1.商品提案类型情况
· VP+PP+IP with POP(以下简称为3PoP),视觉提案与重点提案都有,IP为货架存量方便购买,有POP文案
· PP+IP with POP(以下简称为2PoP),重点提案,IP为货架存量方便购买,有POP文案
· IP with POP(以下简称为IPoP),仅作为货架存量展示客户,有POP文案
· IP,仅作为货架存量展示客户,无POP文案

2.门店拥有货架的情况
10个货架,分别为货架1~货架10,并按照真实的地理位置进行分区。
笔者这边使用了观远数据平台进行一个展示:
--1-3

三步简单的操作即可呈现出如图效果,具体操作老兵Stone在他的《观今知远,观远可视化组件巡礼》系列文章已经有过介绍,大家可以参考。
--1-3

得到笔者想要的店铺截图之后,我们回到陈列条件准备本身。先营造一个这样的场景,D区上方为门店入口,所以C、B区为侧厅,D区为前厅,A区为后厅。
而对于各个货架的商品,作如下的预制陈列规则:
--1-3

各区内,各个货架对品类陈列不作差异分析,后续可参考不同区域的陈列,本文中设定的区域ABCD也仅仅为自定义的分析维度。
另外从颜色与页签也可以较为清楚地看出AB、BC、CD、DA是相互交叉的关系,这里也是考虑到实际陈列的因素。

3.时间维度
本次分析,针对8、9、10三个月进行。
每月的商品提案随机进行调整,作为后面的分析用例;默认商品所处区域不发生变动;外部数据不作为此次分析重点,会在后续推文中探讨,欢迎留言评论。
至此,我们的数据准备工作告一段落,下面我们将通过数据分析来讨论不同陈列的销量状况。

什么是数字化陈列

出发点是“数字”,利用数据分析,结合VMD反映当下的门店经营情况与商品销售情况。
落脚点是“陈列”,数据分析不以结果为导向,便无法影响决策,也就不能体现其创新与价值,“事件 To 事件”的保守派分析,就是我们俗称的报表,数字陈列,必须要落地到陈列,通过“指标 Join 因子”的方式,体现BI的价值。这里需要引入经典的PDCA循环,观察数字陈列作为企业重要的数据化管理工程是如何进行质量控制的。

PDCA过程

--1-3

P 陈列规划

新品上市,VMD部门/VM/终端店长对组货的首次陈列进行预测
制定陈列调整计划
参考数字陈列积累的有效性验证‬

D 陈列调整

捕捉畅销、滞销、不动销款
考察门店经营、消费人群
结合库存情况
依据既有陈列调整计划调整

下面截取两个分析片段,进行探讨
颜色篇
--1-3
观远数据也提供丰富的自定义颜色配置,让数据分析也能成为一种时尚,可视化图表更为直观。

这是8月份第1~4周,对ABCD分区做的雷达图,一定程度上描述了各区的销售情况。我们可以得出以下结论:
· A区白色、绿色的商品销量较低。
· B区红色商品销量较低。
· C区销量火爆,流量越多、可操作性就越强,需要进行更深入的分析,挖掘C区火爆的本质特性,如:对滞销商品的推广、换季清仓。
· D区相较C区并没有那么火爆,但是由图可以分析,D区的消费者倾向于活泼亮丽的颜色,蓝黑色的销量较低,结合之前我们对各区商品陈列的定义,D区的货架陈列的品类多为:裙子、裤子,即可将「裙类、裤类」大胆Join这些有效因素「货架、分区、颜色、以及后面的提案、外部因素」,纳入后续的精细化分析,与最终的陈列工作挂钩。

下面我们重点看一下销量火爆的C区,平均值、每条颜色线都表示在多线图上,参照上面的雷达图,我们发现绿色、白色销量较低。
--1-3
--1-3

可以做一些尝试性的思考:
1.绿色往往与红色成互补关系
2.白色与红色的购买趋势相近
3.本店的顾客偏爱喜欢红色
当我们把周的颗粒度细化、时间轴拉长、多条颜色线开放,精细化分析后,其结论将更具参考价值。

提案篇
我们采样8月销量较低的A区,看看第一周提案情况与销售分布
当前的提案分布:
--1-3

各SKC价格段下销量分布,以颜色区分各类提案:
--1-3

1.自定义辅助线一定程度可以分割出畅销滞销区间,辅助分析。
2.结合扇形图,可得出畅销款中:打底衫D款蓝色款,提案为IP,基本都是以货架存量方式陈列,不涉及更多的视觉营销,甚至没有POP文案,完全依托顾客自助购买贡献了销量。
3.通过放大颗粒度,本月240+的中高端定位商品的销量排名中,打底衫销量排名相对靠后,但是除去短外套这个畅销款,其他大部分品类当月整体的销量不相上下。
--1-3

4.再通过对打底衫数据钻取,获得本月各个货架的销售情况(由之前的品类/货架的陈列图,我们已知打底衫仅在2(A区)、3、4(B区)货架陈列)。
--1-3

5.价位较高的打底衫,在AB区,8月第一周的销售情况如上图。A区货架2、B区货架3产生了90%以上的销量,此时就需要与实际场景结合,顾客更容易对AB相接的拐角处对打底衫产生兴趣。
--1-3

6.第二周,我们可以考虑将货架4的打底衫移除,转而尝试在尚未陈列过高端打底衫的货架1陈列,并在货架4填充之前销量极佳的商品。
7.回到提案本身,可以看出这款较高定位的打底衫(蓝色款)有更大的销货空间,并在AB角占据绝对的销售占比,这时需要把视野拉开,从拐角到门店,需要做的陈列调整,往往是保持原先有效陈列的前提下,将同品类、同款式的商品,进行一定程度的陈列推广,无论是IP->PoP,还是IP->PP+POP,将热销商品变为门店的优势产品,实现商品价值最大化。
8.当然最大化并不容易实现,上面的散点图告诉我们,这样的商品比比皆是,我们需要做好前期的加权计算,考虑得出最需要推广、改变陈列的商品。

陈列工作,即便下放了类似数字陈列这样的通用性分析,其最终的陈列本身并不会落在其他业务人员身上,仍然由VMD部门与陈列师定调。故,多数经典的指标分析模版,无法较为直观地反映到用户身上,仍需要与陈列师进行同步。

C 调整分析
1.实时反馈调整商品的销售情况‬‬
2.分析调整陈列的目标达成情况
3.探察调整陈列无效的内外原因
4.有效率可作为重要考核指标

作为衔接PDCA循环最为关键的一环,观远数据也可以提供调整分析的全套解决方案。欢迎持续关注观远数据推文。

A 知识落地
1.陈列调整有效性分析/排名
2.有效调整智能存储为调整策略
3.无效调整对无效原因进行积累
4.负面陈列方式预警机制。

作为企业管理来说,陈列调整、调整分析带来的价值、引发的思考、得出的结论,可作为一个阶段的里程碑,运用到下一阶段的数字陈列管理中,而对于商业智能解决方案本身,得出一套知识落地的陈列方案,是将商业智能的运用从单纯的调整分析,拉入到整个数字陈列PDCA循环里面的关键要素。

总结

数字陈列在服饰企业终端数据化管理的进程中,是一门必修课。观远数据致力于为企业提供类似场景化的主题分析,针对企业的痛点,搭建科学智能的解决方案。

世界已经处于Data Storm的中心,危机与机遇并存,风暴里一定藏着那些高深莫测的事物。Storm Access by Guandata BI,然后去拥有它!
--1-3