1.3　零售行業(yè)常用數(shù)據(jù)分析模型

本節(jié)介紹在零售行業(yè)經(jīng)常使用的8個用于定量分析的數(shù)據(jù)分析模型。

1.3.1　帕累托模型

帕累托模型，又稱“ABC分析法”或者“二八法則”，是由意大利經(jīng)濟學家帕累托提出的。它指的是在任何一組事物中，通常最重要的部分只占到大約20%，而其余的80%盡管是多數(shù)，但卻是次要的。例如：80%的財富掌握在20%的人手中，80%的業(yè)績通常來自20%的客戶貢獻等。

該模型運用在零售數(shù)據(jù)分析中，比如多門店連鎖經(jīng)營，可以分析重點門店的銷售額對整個公司業(yè)績的貢獻程度，前20%的門店能否貢獻80%的業(yè)績，或者 80%的業(yè)績是由前多少百分比的門店貢獻的。重點門店業(yè)績累計貢獻占比過低，說明整個連鎖系統(tǒng)缺少核心的標桿門店，無法形成強有力的品牌效應；貢獻過高則說明銷售過于集中在幾家重點門店，其他門店和第一梯隊差距過大，風險過于集中。而對門店進行 80/20 分類后，管理人員可以將有限的精力更加高效地分配在重點門店，產(chǎn)生最優(yōu)價值。

針對產(chǎn)品也可以進行帕累托分析。比如具體到某個品類，80%的銷售業(yè)績是否由前20%的產(chǎn)品貢獻。如果貢獻 80% 業(yè)績的產(chǎn)品占比明顯高于 20%，說明訂貨偏向保守，具有暢銷款潛質(zhì)的產(chǎn)品未加深定量；如果小于或等于20%，除非重點單品真的是匠心獨運的優(yōu)質(zhì)商品，否則說明訂貨略顯激進，銷售業(yè)績都集中在了前幾款產(chǎn)品上，存在較大風險。圖1-44展示了衛(wèi)衣品類各款色的銷售額及累計銷售額占比，共計20個款色。其中前7個款色累計銷售額占比65%，款色數(shù)占比35%，屬于重點單品，較好地契合了“二八法則”。

圖1-44　衛(wèi)衣銷售額帕累托分析

1.3.2　波士頓矩陣模型

波士頓矩陣，又稱“四象限分析法”，由美國著名的波士頓咨詢公司創(chuàng)作。它的主要思想是，在分析事物時，從兩個不同的維度著手考慮，通過兩個維度的相互作用，產(chǎn)生4種不同的類型，從而將事物劃分在4個象限中，針對不同象限中的事物采取不同的策略。

比如進行產(chǎn)品分析時，可以按照市場占有率和銷售增長率將產(chǎn)品劃分在4個象限中。市場占有率和銷售額增長率均高于平均水平的產(chǎn)品，叫作明星類產(chǎn)品；市場占有率和銷售額增長率均低于平均水平的產(chǎn)品，叫作瘦狗類產(chǎn)品；市場占有率低、銷售額增長率高的產(chǎn)品叫作問題類產(chǎn)品；市場占有率高、銷售額增長率低的產(chǎn)品叫作金牛類產(chǎn)品。

該模型運用在零售數(shù)據(jù)分析中，可以通過各個品類的銷售額和售罄率對各品類進行定位。圖1-45展示了對各個品類按照銷售額和售罄率進行的四象限劃分。處在右上方象限的是核心大品類，銷售額高且售罄率保持良好，后期需保持品類寬度和深度的穩(wěn)定；處在右下方象限的品類售罄率較高，但銷售額偏低，后期需適度增加品類的寬度和深度，“做大”品類，提升銷售額；處在左上方象限的品類售罄率相對偏低、銷售額較高，后期在訂貨時需精選款色，適度壓縮品類的寬度和深度；處在左下方象限的品類，銷售額及售罄率均偏低，后期訂貨時需減少單款訂量，精選款色、精選門店發(fā)放。

圖1-45　品類銷售額/售罄率綜合分析

針對會員的新增及流失分析，也可以運用波士頓矩陣模型。圖1-46展示了將各城市按照新會員數(shù)量占比和預流失會員數(shù)量占比劃分的4個象限。會員管理較好的城市是處在右下方象限的城市，新會員占比相對偏高，預流失會員占比相對偏低；會員管理相對較差的城市是處在左上方象限的城市，新會員占比偏低，預流失會員占比偏高。

圖1-46　各城市新會員及預流失會員綜合分析

1.3.3　購物籃模型

購物籃模型是用來進行商品間關聯(lián)性分析的經(jīng)典模型。它通過研究客戶的購買行為，找到同一個購物籃中出現(xiàn)頻率相對較高的產(chǎn)品組合，從而挖掘出客戶群體購買習慣中隱藏的共性和規(guī)律。運用這一規(guī)律，指導后期的業(yè)務策略，從而將這一規(guī)律主動性地放大，達到1+1 > 2的效果。比如經(jīng)典的“啤酒+尿布”，以及超市中經(jīng)常看到的“泡面+火腿腸”“貢丸+牛羊肉卷+火鍋調(diào)料”等的組合陳列，均大大提升了購物籃的客單價及連帶率。

購物籃模型通過3 個指標衡量產(chǎn)品間的關聯(lián)程度，這3個指標分別為支持度、置信度、提升度。

支持度（Support），是指同時包含產(chǎn)品A 和產(chǎn)品B的單據(jù)數(shù)占總單據(jù)數(shù)的百分比。其計算公式為：支持度AB=單據(jù)數(shù)AB÷單據(jù)數(shù)Total×100%。支持度描述的是產(chǎn)品組合與整體的關系，反映了產(chǎn)品組合的重要程度。

例：在100 張單據(jù)中，買泡面的有40單，買火腿腸的有30單，同時包含泡面和火腿腸的單據(jù)有20單，則泡面和火腿腸組合的支持度是20÷100×100%=20%，即在所有單據(jù)中，同時包含泡面和火腿腸的單據(jù)占比為20%。

置信度（Confidence），是指包含產(chǎn)品A的單據(jù)中同時也包含產(chǎn)品B的百分比，即同時包含產(chǎn)品A和產(chǎn)品B的單據(jù)占包含產(chǎn)品A的單據(jù)的百分比。其計算公式為：置信度AB=單據(jù)數(shù)AB÷單據(jù)數(shù)A×100%。置信度描述的是個體與個體的關系，反映了產(chǎn)品關聯(lián)規(guī)則的準確程度。

例：在100 張單據(jù)中，買泡面的有40單，買火腿腸的有30單，同時包含泡面和火腿腸的單據(jù)有20單，則泡面對火腿腸的置信度是20÷40×100%=50%，而火腿腸對泡面的置信度是20÷30×100%=66.7%。也就是說，在所有購買泡面的單據(jù)中，50%的單據(jù)中購買了火腿腸；而在所有購買火腿腸的單據(jù)中，66.7%的單據(jù)中購買了泡面。

提升度（Lift），是指包含產(chǎn)品A的單據(jù)中同時包含產(chǎn)品B的百分比與包含產(chǎn)品B的單據(jù)百分比的比值，即在購買產(chǎn)品A的情況下，購買產(chǎn)品B的概率是否大于只考慮購買產(chǎn)品B的概率，考查在產(chǎn)品A的影響下，產(chǎn)品B的購買率是否會有所提升。其計算公式為：提升度AB=(單據(jù)數(shù)AB÷單據(jù)數(shù)A)÷(單據(jù)數(shù)B÷單據(jù)數(shù)Total)，或者提升度AB=置信度AB÷支持度B。

例：在100 張單據(jù)中，買泡面的有40單，買火腿腸的有30單，同時包含泡面和火腿腸的單據(jù)有20單，則泡面對火腿腸的置信度是20÷40×100%=50%，而火腿腸的支持度是30÷100×100%=30%。泡面對火腿腸的提升度是50%÷30%=1.67，即在購買泡面的影響下，購買火腿腸的概率比單獨購買火腿腸的概率大，所以泡面和火腿腸是正相關性關系。

圖1-47展示了女裝各品類與女士防寒服的關聯(lián)性分析，可以看到女士厚毛衫、女士內(nèi)衣、打底褲這3 個品類相對女士防寒服的支持度和置信度都很高，具有較強的正相關性。女士牛仔褲相對女士防寒服的置信度是最高的，說明購買女士牛仔褲后買女士防寒服的概率最大，但是兩者組合的支持度相對偏低，說明組合單據(jù)數(shù)相對偏少，其重要性程度弱于前3 個組合（女士厚毛衫、女士內(nèi)衣、打底褲分別與女士防寒服的組合）。

圖1-47　女裝各品類與女士防寒服的關聯(lián)性分析

1.3.4　轉(zhuǎn)化漏斗模型

轉(zhuǎn)化漏斗模型，本質(zhì)上是對流程進行分解，從流程的起點到終點，量化每個步驟到下一個步驟的轉(zhuǎn)化率，找到流程中對最終目標影響最大的關鍵節(jié)點進行改善，從而提升整個流程的轉(zhuǎn)化率。

轉(zhuǎn)化漏斗模型廣泛應用在電商領域。某個購物網(wǎng)站，從進入首頁→中間頁→產(chǎn)品頁，到加入購物車，進入支付頁面，支付成功，再到復購，這里面的每個環(huán)節(jié)都存在一定程度的訪客流失。通過轉(zhuǎn)化漏斗模型找到轉(zhuǎn)化率較低的幾個環(huán)節(jié)進行優(yōu)化。

轉(zhuǎn)化漏斗模型也可以用于會員復購分析。從顧客進店注冊成為會員，絕大部分顧客會在當日進行首次消費。如果購物體驗良好，那么一段時間后顧客會進行復購。如果滿意度一直保持在較高水平，那么顧客會不斷地重復消費，成為忠實會員。另外還有一些顧客，在消費了一次或幾次后，由于各種原因，不再來店消費，成為流失會員。轉(zhuǎn)化漏斗模型就是分析從首次消費到二次消費、二次消費到三次消費……每增加一次消費，會員的轉(zhuǎn)化及流失情況，找到針對會員轉(zhuǎn)化的“發(fā)力點”。

圖1-48展示了會員消費次數(shù)每增加一次，會員留存率的變化情況。可以看到隨著消費次數(shù)的增加，留存率也在逐步增加，說明會員的忠誠度隨著消費次數(shù)的增加在逐步提升。其中，從首次消費到二次消費，留存率最低，僅有58.21%。但從二次消費后繼續(xù)增加消費次數(shù)，留存率基本處于一個較高水平，且逐漸趨于穩(wěn)定，從65.1%逐漸增加到了83.53%。這說明該品牌會員轉(zhuǎn)化的發(fā)力點在首次消費到二次消費這個節(jié)點。配合其他輔助手段，找到需要進行二次激活的會員及激活的最佳時點，最大限度地增加二次消費轉(zhuǎn)化率，增加會員留存的基數(shù)，最終帶來每個環(huán)節(jié)會員留存數(shù)量的增加。

圖1-48　會員消費次數(shù)轉(zhuǎn)化漏斗

1.3.5　AARRR模型

AARRR 模型是用于用戶分析和管理的經(jīng)典工具。它以完整的用戶生命周期為線索，描述了用戶使用產(chǎn)品需經(jīng)歷的5個環(huán)節(jié)。這5個環(huán)節(jié)從獲取用戶到用戶最終為產(chǎn)品進行推廣傳播，形成一個使用戶流量不斷擴大的閉環(huán)商業(yè)飛輪，快速實現(xiàn)企業(yè)規(guī)模的擴展。AARRR 模型是轉(zhuǎn)化漏斗模型的一個具體應用。

AARRR 模型分為用戶獲取（Acquisition）、用戶激活（Activation）、用戶留存（Retention）、用戶變現(xiàn)（Revenue）和用戶推薦（Referral）等5 個部分，如圖1-49所示。

圖1-49　AARRR模型

1.3.6　RFM模型

RFM 模型是衡量用戶價值和創(chuàng)利能力的重要工具和手段。它通過研究用戶的歷史消費行為，包括用戶最近一次消費距今時間、歷史消費頻率及歷史消費金額3個指標，綜合評定用戶的價值。

● R（Recency）：最近一次消費距今時間。R值越小，表示用戶的活躍度越高。

● F（Frequency）：歷史消費頻率。F值越大，表示用戶的滿意度越高。

● M（Monetary）：歷史消費金額。M值越大，表示用戶的貢獻值越高。

首先依據(jù)行業(yè)特征對R、F、M進行等級劃分并確定各等級分值。表1-1展示了一個服飾企業(yè)的RFM 評分等級。分值越高，表示用戶價值越大。其中，R-MIN表示R的最小值，R-MAX表示R的最大值，關于F與M的表頭依此類推。

表1-1　RFM評分等級

然后，計算每個用戶的R、F、M指標的實際數(shù)值，參照評分等級進行打分，并與所有用戶的平均分進行比較，得到每個用戶的RFM等級。根據(jù)這3個指標大于等于或小于均值，將所有用戶分成8個組，如表1-2所示。

表1-2　RFM用戶分組

最后，計算每組的會員數(shù)量占比及銷售額占比，如圖1-50所示。

圖1-50　RFM各等級會員數(shù)量占比及銷售額占比

從圖1-50中可以看出，重要價值客戶及重要價值流失預警客戶的數(shù)量占比及銷售額占比都相對較高，需進行重點維護或再次激活，他們是企業(yè)當前業(yè)績的保證；頻次深耕客戶數(shù)量占比相對較高，銷售額占比低于前兩種客戶，他們的活躍度及歷史消費金額均較高，需吸引其不斷進店消費，增加消費頻率；高消費喚回客戶的消費頻率及活躍度相對較低，但客單價高，需重點喚回；新客戶數(shù)量占比很高，但銷售額占比很低，需重點跟蹤并進行二次消費激活，他們是企業(yè)未來業(yè)績持續(xù)增長的動力；流失客戶數(shù)量占比相對較高，但銷售額貢獻很低，在資源有限的情況下可以放棄。

1.3.7　杜邦分析模型

杜邦分析模型是指利用幾種主要的財務指標之間的關系來綜合分析企業(yè)的財務狀況的模型，是從財務角度評價企業(yè)經(jīng)營績效的經(jīng)典模型。其基本思想是將核心的財務指標逐層拆解為一個個細分指標，便于從多個角度分析影響最終銷售業(yè)績的各項因素。

運用這一思想，我們可以將銷售額進行拆解并對細分指標逐一分析，找到影響銷售額的關鍵因素。圖1-51展示了構成銷售額的各項二級指標。

圖1-51　構成銷售額的二級指標

對銷售額進行二級指標拆解后，參考各項二級指標同期或者上期的實際值，對各項二級指標進行預測，通過計算得到未來的銷售目標，并制定相應的業(yè)務策略實現(xiàn)各項二級指標，最終實現(xiàn)既定銷售目標。

圖1-52展示了通過計算得到的最近30日的各項二級指標實際值。以實際值為基礎，預測各項二級指標未來 N 天的數(shù)值，如果通過各二級指標預測值最終計算得到的銷售額及銷售完成率符合預期，則將預測值作為未來 N 天的目標，并制定相應的業(yè)務策略來實現(xiàn)各項二級指標，最終達成預期銷售完成率目標。

圖1-52　杜邦分析法拆解銷售額并制定未來銷售目標

1.3.8　銷售預測模型

預測領域有很多成熟、經(jīng)典的銷售預測模型。此處介紹一種業(yè)務邏輯相對簡單且能得到較為準確的預測結果的模型——歷史同比法銷售預測模型。該模型適用于零售行業(yè)銷售數(shù)據(jù)呈現(xiàn)較為明顯的周期性變化的應用場景。

模型以歷史銷售數(shù)據(jù)為基礎，假設未來的銷售數(shù)據(jù)會呈現(xiàn)和歷史銷售數(shù)據(jù)同期相似的變化規(guī)律。同時考慮到外界環(huán)境影響以及被預測個體自身的發(fā)展變化，引入同比增長率，該增長率反映內(nèi)外因素對銷售數(shù)據(jù)的綜合影響。最后，考慮到單日銷售數(shù)據(jù)會呈現(xiàn)一定的隨機波動，對歷史銷售數(shù)據(jù)進行移動平均處理，對當日歷史同期的前N 天的銷售數(shù)據(jù)求平均值，將其作為當日同期銷售數(shù)據(jù)，消除單日銷售數(shù)據(jù)隨機波動的影響，以便更加清晰地呈現(xiàn)出銷售數(shù)據(jù)整體的變化趨勢，從而預測未來的銷售走勢。

銷售額的預測公式：預測銷售額=同期銷售額移動均值×（1+銷售額同比增長率）。

圖1-53展示了通過8月1日到8月20日的銷售額，截至報表刷新日的銷售額同比增長率，以及去年同期的日銷售額，對8月剩余天數(shù)的日銷售額及月度銷售額進行的預測。

圖1-53　月度銷售額預測分析