必须全面了解线下门店核心数据指标有哪些?

风巽沐兮@
风巽沐兮@
风巽沐兮@
12
文章
0
评论
2021-02-1811:02:31 评论 1,176 3860字
摘要

建立数据驱动的智慧型门店需要用数据说话,多积累数据,通过实际和目标的差异对比,多维度的数据分析来驱动改善经营策略。

在互联网的大时代背景,线下门店如何打造智慧门店?如何线上线下一体化的融合?如何利用大数据精准营销?如何整合散落在各处的数据信息?来持续优化精准营销、销售与供应链,紧随着新时代新零售新生态的步伐,更顺畅的实现智慧门店数字化呢?

突来的疫情,让本已不易的线下门店的现状,在2020愈发艰难。而其难点就是顾客和市场需求复杂多变,比起经验主义来做经营决策,实时的"数据分析"更能突显及时的优势、适应更快的变化。对经营做出科学的调整。其本质离不开人、货、场这三个核心,并围绕这三个核心提升门店营业额,实现线上线下一体化融合,并对数据进行收集、整理、分析,实现可预测、可指导的"智慧门店数字化管理"。

数据分析更是离不开"数据指标"。线下门店主要关注的数据指标就是衡量经营决策的标准。

那么,我们先来梳理一下线下门店必须知道的核心数据指标有哪些?

门店数据

☆▶营业额、营业来源占比、达标率、同比增长率、环比增长率

☆▶投资回报率(ROI)=收益/投资×100%

☆▶毛利率 =(销售收入一营业成本)/ 销售收入

☆▶纯利率 =(销售收入一营业成本一其他费用)/ 销售收入

☆▶客单价=销售总金额/完成交易行为的顾客总数

顾客数据

☆◆进店量数据、流量、转化数据、复购数据、资产、负债数据

☆◆新客户成本=投入的营销费用/营销生成的新客户数量

☆◆会员贡献率=会员销售总额/销售总金额

☆◆新增会员数量、有效会员数占比、会员复购率、回头率,会员流失率

数据

☆●品项占比、出货数据、盈利数据

☆●连带率=销售总数量/成交总单数

●库销比(存库比=库存件数÷月销售件数)

●前十大畅销款

☆●前十大滞销款

员工数据

☆▼业绩数据、服务人次

☆▼坪效=销售额/店铺面积

☆▼人效=销售额/店铺人数

以上是线下门店的一些核心数据指标,当然存在不同的市场需求下,以及不同阶段的门店周期,线下门店也有这不同侧重点的。

还有一些需要了解的线下门店数据指标有:

▶相对会员流失率=某段时间流失会员数*流失权重值/期初有效会员数

▶费销比=营销费用/订单金额

▶进店率=进店人数/路过人数

▶试用率=试用顾客数/进店顾客数

▶成交率=成交顾客数/进店顾客数

▶采购三度:广度、宽度、深度

广度:商品的品类数,广度比=采购的商品品类数/可采购的商品品类数,代表了商品品类多样化,满足客户一站式购买需求相关

宽度:采购的sku总数,宽度比=采购的sku总数/可采购的商品sku总数,宽度代表了商品的丰富性和可选择程度。

深度:商品的总数量/采购的总sku数,深度比:深度/采购目标深度,深度代表平均每个sku商品数量,深度越大越不容易断货但是容易造成库存积压

▶客户投诉率=客户投诉订单批次/订单总数

▶库存天数=期末库存金额/(某个销售期的销售金额/销售期天数)

▶存销比=期末库存金额/某个销售期的销售金额

▶有效库存比=有效库存金额/库存金额。残次商品、过季商品、没有销售纪录的商品都属于无效库存

▶折扣率=实际金额/标准价

▶动销率=一段时间内的销售过的sku数量/(期初sku数量+期中进货的sku数量)

▶缺货率=期间有缺货纪录的商品数/(期初商品数+期中进货的商品数)

▶价格弹性指数=销售上升百分比/价格下降百分比=销售变动比率/价格变动比率

▶价格带宽度,同类商品的最高价格到最低价格

▶价格带深度,价格带内可够选择的sku数

▶购物篮系数,某段时间的商品销售总数/某段时间的购物篮总数

▶单品连带率=含该单品的销售总数量/成交总单数

▶品类连带率=含该品类的销售总数量/成交总单数

·········

若有未提及的数据指标,欢迎留言补充!

接下来,我们看看这些数据指标的作用。

☆▶投资回报率(ROI)

1、即年利润或年均利润/投资总额×100%,从公式可以看出,企业可以通过降低销售成本,提高利润率;提高资产利用效率来提高投资回报率。投资回报率(ROI)的优点是计算简单;

2、ROI计算公式也可以:收益/投资×100%或者ROI=(成本降低+收入增长)/总成本;

3、ROI的结果通常用百分比来表示,即投入产出比,简单来说就是企业所投入资金的回报程度。

☆▶营业额

1、即反映了店铺的生意走势 ,针对以往销售数据,结合地区行业的发展状况,通过对营业额的每天定期跟进,每周总结比较,以此来调整促销及推广活动。

2、为店铺及员工设立销售目标,每天监控营业额指标完成进程情况,当目标任务未能达成时,应立即推出预备方案,如月中的目标进程不理想时应及时调整人员、货品、促销方案。

3、比较各分店销售状况。营业额指标有助于比较各分店的销售能力,从而为优化人员结构及货品组合提供参考。

☆▶各品项销售额占比

各品项销售额即店铺中各个品类货品的销售额,通过分类货品销售额指标的分析,可以了解:

1、各分类货品销售情况及所占比例是否合理,为店铺的订货、组货及促销提供参考依据,从而作出更完善的货品调整,使货品组合更符合店铺实际消费情况;

2、了解该店或该区的消费取向,即时作出补货、调货的措施,并针对性调整陈列,从而优化库存及利于店铺利润最大化。对于销售额低的品类,则应考虑在店内加强促销,消化库存;

3、比较本店分类货品销售与地区的正常销售比例,得出本店的销售特性,对慢流品类应考虑多加展示,同时加强导购对慢流品类的重点推介及搭配销售能力。

☆▶客单价

1、客单价的高低反映了店铺顾客消费承受能力的情况,多组织适合消费者承受的价格带产品,有助于提升营业额;

2、可以反映顾客的质量、店铺员工的销售能力、还可以反映店铺的商品组合等;

3、提升中高价位的产品销售,是提升客单价的重要方法,店长应培训员工如何做中高价位产品的销售及如何回应顾客价位高的异议。

☆▶连带率

1、反应客户购买深度,有多个称谓,例如附加值、效益比、平均客件数、购物篮系数等;

2、连带率的高低是了解店铺人员货品搭配销售能力的重要依据。当连带率高时,应调整关联产品的陈列位置,如把可搭配的产品陈列在相近的位置,在销售时起到便利搭配的作用,提升关联销售;

3、当连带率低时,应检查店铺所采取的促销策略,调整合适的促销方式,鼓励顾客多买。

☆▶坪效(每天每平米的销售额)

1、门店月坪效=月销售额/营业面积/天数。此指标能分析门店面积的生产力,深入了解门店销售的真实情况;

2、坪效可以为订货提供参考,及定期监控确认店内库存是否足够,坪效的分析意义也意味着增加有效营业面积则可增加营业额;

3、坪效低的原因通常有:员工销售技能低,陈列不当,品类缺乏,搭配不当等。

☆▶人效(每天每人的销售额)

1、门店月人效=月销售额/店铺总人数/天数。此指标反映了门店人员的整体销售素质高低与否及人员配置数量是否合理等;

2、人效过低,则须检查员工的产品知识及销售技巧是否存在不足,或排班不合理,排班应保证每个班都有销售能力强的导购,能提供人效的指标;

3、根据员工最擅长的产品安排对应的销售区域,能有效提升人效。

☆▶库销比(存库比=库存件数/月销售件数)

1、存销比过高,意味着库存总量或结构不合理,资金效率低。存销比过低,意味着库存不足,生意难于最大化。

2、存销比反映的是总量问题,总量合理未必结构合理,月存销比维持在3—4之间是比较良好的。

3、存销比细分包括:各品类货品存销比、新老货存销比、款式存销比等。

☆▶前十大畅销款

1、定期统计分析(每周/月/季)畅销品,了解畅销款式的畅销原因;

2、根据销售速度设立库存安全线,适当补货或寻找替代品;

3、利用畅销款搭配平销款或滞销款销售,带动整体货品整体的流动。

☆▶前十大滞销款

1、定期统计分析(每周/月/季)滞销品,了解哪些品项的滞销原因;寻找滞销款的导购卖点,提升导购对滞销品的销售技巧;

2、调整滞销品的陈列方式及陈列位置,配合人员重点推介;

3、制定滞销品的销售激励政策,做好滞销品的调货、退货和促销准备。

☆▶会员数据

1、会员消费金额,即侧面表明店铺市场占有率和顾客忠诚度,考量店铺的综合服务能力和市场开发能力。一般情况下,会员占比在40%-55%之间比较好;

2、有效会员数,满足一定限制条件的会员,比如12个月内至少有一次消费的会员。一般在月、季度、年度上分析。和回头率是有区别的,回头率(复购率)是某段时间内到过店铺的老会员数/期初有效会员数,不一定产生消费(复购率是产生消费的);

3、会员流失率,某段时间内流失掉的会员数/期初有效会员数。这样直接算不是很准确,每个会员的质量不一样,不同的会员有不同的权重值。

以上是线下门店必须知道的核心数据指标,其核心的就是人、货、场。这三个字能化解线下门店遇到的绝大多数的问题。门店管理是不可能绕开数据的,不同的人眼里所看到的数据完全不同,对于连锁店的企业管理者,会在意如毛利、营业额占比、库销比和周转等相关的经营数据;对于店长,会在意如销售占比、销售整体达标率等管理数据;对于店员,更多在意的是个人销售完成进度、明星单品占比等数据。

总之,建立数据驱动的智慧型门店需要用数据说话,多积累数据,通过实际和目标的差异对比,多维度的数据分析来驱动改善经营策略。

爱数据网专栏作者:木兮

作者简介:涉猎运营领域较广,完成产品数据监控体系搭建, 负责产品数据运营体系规划,在个人公众号【木木自由】,并创建以"数据分析经验、理论科普"等相关内容【数据说】系列,关注于运营、数据分析的实战案例与经验以及方法论的总结。

个人微信公众号:木木自由(ID:huangxiang-1314)

本文为挖数网专栏作者原创文章,未经允许禁止转载,需要转载请微信联系授权(微信号:lovedata0520)

  • 我的微信公众号
  • 微信扫一扫
  • weinxin
  • 我的微信公众号
  • 微信扫一扫
  • weinxin
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: