数据分析师熬夜整理:最全「零售业」数据指标和使用技巧

Posted Leo.yuan

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了数据分析师熬夜整理:最全「零售业」数据指标和使用技巧相关的知识,希望对你有一定的参考价值。

如果要问数据分析需求最多的行业是什么?那一定是零售业。作为数据分析师,最担心的就是分析报告没有价值,那老李今天就来给大家分享一下零售行业指标使用的技巧和方法。加深大家对数据的认识,切实解决企业面临的问题。

首先,我们来捋一下逻辑。不管是线上还是线下,零售始终不变的就是:把商品给用户进行价值交换,“场”连接着“人”与“货”。所以,零售的本质就是:人、货、场。

指标体系的建立对于数据分析有着举足轻重的作用,有了框架性的指标体系,后面的分析也就变得容易得多。我将分“人、货、场”三个框架,搭建起分析指标。

不论是实体零售还是电商,最需要关注的人是顾客和员工。

没有顾客,货和场都失去了意义。而员工作为商品和顾客的连接,也起着非常重要的作用。顾客分析,只要是搞零售的,一定会去做。但员工分析,是很多人都会忽略的,但我要提到的是,员工是非常重要的。举个例子,如果李佳琦是你的销售,你们的营收会怎么样?

(1)顾客分析

客单价:销售额÷客户数,反映了客户的平均消费水平,对于产品定价、促销、组合出售有很大帮助。
件单价:销售额÷销售量,反映商品的平均出售价格,对于衡量商品是否有利可图以及定价都有很大帮助。
连带率:销售量÷成交次数,反映顾客单次消费件数,对销售额有很大影响。
会员增长率:新增会员数÷期初会员数,会员增长率对回购有很大帮助。
会员贡献率:会员销售总额÷总销售额,这与客户关系管理有很大关系。
会员流失率:某段时间内流失的会员数÷期初会员总数,重点关注和维护。
会员平均年龄:某个时间段店内会员年龄总和÷有效会员总数,有利于构建用户画像。
(2)员工分析

平均成交时长:后一次成交时间-前一次成交时间,反映员工工作产出情况。
投诉率:投诉人数÷总人数,能够衡量员工服务能力。
成交率:成交次数÷接待次数,便于统计个人的销售能力。
完单率:这有一定时间期限,如周完单率、月完单率,是指付款之后没有退款的单子,是真正反映个人销售能力的指标。
离职率:离职人数÷一定周期内员工数,反映人员流动情况,与运营情况也有很大关系。
工资占比:员工总工资÷销售额,反映员工配置是否合理。

货就是指商品,零售主要涉及的部分是采购-供应链-销售和售后。下面的微笑曲线描述了物品从研发生产变为商品的全过程。

(1)采购分析

广度:品类数
宽度:SKU数
深度:采购的商品总数量÷采购的SKU总数
覆盖度:有某款货品类产品销售的店铺数÷适合销售该产品的总店铺数。
匹配度:这不是一个具体指标,是通过品类、型号、价格去判断商品的销售进度。
(2)供应链分析

订单满足率:订单中能够供应的商品数量总和÷订单商品数量总和
订单执行率:能够执行的订单数量÷总订单数量
准时交货率:准时交货的订单数÷能够执行的订单总数
订单响应周期:系统中收货时确认的时间-系统中下单的时间
库存周转率1:出库数量÷[(期初库存数量+期末库存数量) ÷2]
库存周转率2:销售数量÷[( (期初库存数量+期末库存数量) ÷2)]
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)
库销比:期末库存金额÷某个销售期的销售金额
(3)销售分析

售罄率:销售数量÷(期初数量 + 期中新进数量)
折扣率:商品实收金额÷商品零售价
动销率:某时期内销售过的商品SKU数 ÷(期初SKU+期中新进SKU)
品类结构占比:某品类销售额÷总销售额
价位段占比:某价格段销售额÷总销售额
正价销售占比:正价商品销售额÷总销售额
价格弹性指数:价格弹性指数是商品价格变化1%时,商品销量变化的百分比
(4)售后分析

退货率:月退货数÷总销售数
月残损率:月残损商品数÷商品总数

场具象来说是我们产生购买的场所,像商店、超市、商场、餐厅以及网店等等。

销售人效:销售额÷店铺面积
利润人效:利润额÷店铺面积
租金倍率:销售额÷租金
竞品指数:本公司销售额/量÷竞争对手销售额/量
费销比:促销费用金额÷促销期间产生的销售额
目标完成率:促销期间销售完成数÷促销目标
同比增长率:同比增长数÷同期销售额
促销爆发度: (促销期间的平均权重销售额- 促销后的平均权重销售额) ÷促销前的平均权重销售额

想看更多行业的指标体系梳理,可以在评论区留言,请多点赞转发支持~

以上是关于数据分析师熬夜整理:最全「零售业」数据指标和使用技巧的主要内容,如果未能解决你的问题,请参考以下文章

六一没有对象,只能熬夜整理资料了最全的中文 Python 资料合集来了,限时分享

最全数据指标体系集合!覆盖9个行业4个业务场景,全是干货

金融零售业务大数据分析解决方案

大数据分析——零售业

熬夜整理!200道Python数据分析习题+50个办公自动化案例!

三百多个资源网站,熬夜爆肝整理,各行各业都有全网最全