书接上回

PDCA的引入,更多意义在于妥协陈列管理的现状,如果说服装行业的时尚潮流、流行趋势、视觉营销是科学正道,那么数字化陈列则是时代背景下的异界魔法,排除了类似PDCA的魔法禁锢,数字陈列带来的效益更加光彩夺目。

今天我们要讲两件事情:
首先,我们接着上次所讲,展开PDCA中陈列调整后销售情况的“Check”模块。如果还没有看过数据陈列的上篇,可以关注“观远数据”历史文章。
接着,笔者会基于不在模型中的数字陈列关联业务进行简单的探讨。

话不多说,请您跟随观远数据,一起走进服饰企业的数据分析现场

CHECK

我们先要清楚一件事情,除了陈列调整,商品销量也会随着时间而变化,因此我们需要掌握每期细分的“陈列调整”与其他内外部因素对销量变动的影响。

当我们把数字陈列置于业务系统内,可以设定三块KPI:

--1-3

经营陈列非视觉即数据,作为主体的门店,将门店属性、视觉营销、商品分析作为主要KPI评定,比较可靠,也具有联动性。

首先,我们截取一张Guandata BI的数字陈列分析卡片展开漫聊。

--1-3
--1-3

以上是10月第3、4周,各货架之间的价格及销售额对比图,可以总览各个货架的销售额、价格变化情况:
表格陈列调整时记录的数据,显示此次陈列调整的货架商品调整比例;
通过可视化,可以找出需要重点关注的货架;
我们最终需要从中获悉各调整权重下的调整方案在货架维度的影响力。

--1-3

10月第3、4周,提案,销售额和毛利率的对比图,这里可以是某区域/某货架/某品类,根据自身需求添加筛选条件即可。从图中可以看出:
“缩减提案”,毛利率上升、销售额上升
“无变化”,毛利率下降、销售额上升
“推广提案”,毛利率下降、销售额上升
该图表是根据单品类筛选得到,代表了该品类商品的门店整体经营状况,销售趋势整体上升,毛利有降低趋势。这样的品类,在期末的调整是比较成功的,理由有三:
1、期末促销活动颇有成效
2、在此基础上,对毛利的影响较小
3、在毛利受影响的程度上,完全符合提案策略

--1-3

10月第3、4周,销售额和毛利率的热力图,用于获取各提案的销售规律,也在一定程度上,帮助用户找到问题提案or问题促销活动。
对热力图的使用,相信关注了前几期文章的小伙伴应该都不陌生。

--1-3

对于桑吉图的介入,更多用于构建可视化流量分布,这里提案与货架/区域两个维度,可以获取对视觉营销提案的商品流向与货架所涉及商品的提案成本结构

--1-3
--1-3

单一品类长裙,对比两周、对比货架的树形图,宏观上店铺长裙的销量下降,结合对各SKC陈列变动项目的地毯式对比分析,最终获悉各调整方案下的销售情况。

调整分析小结

  1. 调整前后KPI对比,可以作为现有KPI效益评估;
  2. 拆解还原现有陈列方案,与历史陈列的调整成本与效益对比分析;
  3. 商品销量跟踪分析,商品提案策略、陈列分布对应的颜色销售分布、销售情况分析;
  4. 促销也算作改变陈列(商品价格),通过加入“均价”“毛利率”等指标进行分析;
  5. 无论是追踪哪个维度,都需要构建科学的评分机制。

补充说明

笔者是一名数据分析领域的小学生,两篇文章对数字陈列的分享并不全面,这边以陈述的方式,尽量补全一些大面的内容。

A. 门店数据、其他数据采集与分析
未涉及到的门店数据:进店率 、触摸率、试穿率、上楼率、成交率等等。
外部数据不在这里展开,一旦涉及外部数据,容易见仁见智。

B.结合库存运营的陈列分析
SKC/U上下閥值控制,控制在门店可陈列范围内
断色、断码货品分析、重整
主力款、谁是辅助款、搭配款

C.陈列在商品生命周期中的进程

--1-3

总结

数字陈列的意义、价值更多取决于服饰企业自身的企业管理制度与理念,我们没有必要太纠结数字陈列本身是否合理,从起初的4P到后来的4C,再到如今徜徉在云里雾里的nPnC,做数据分析都是为了Probability。
数字陈列看似是传统的4P理论下的分析产物,其主体映射的所有信息,都是来自于以用户为中心的销售结果。
我们做这一切的目的是为了能够将明确的商品内容、准确的商品数量、于正确的销售时间、陈列在精确的店铺位置、并以正确的价格和合适的视觉手法,进行视觉的推销。

精确数据分析,我们一直在路上。

--1-3