借助大数据和新技术，零售商对不同挑战都有了更深入的“解法”，比如：

应用一：更懂消费者——透过大数据理解消费者的购物目的和购买决策偏好

通过大数据分析手段，零售商可以透过消费者行为梳理其购物目的和购买决策树，并以此为依据进行更有针对性地品类管理优化。

门店分群通常是读懂消费者的第一步，用以刻画门店集体画像。除考虑购物目的外，还需要考虑店铺业态、竞争态势以及人口特征等维度。

但门店集体画像并不能完全描述顾客行为，更深层次的是消费者购买商品时的决策偏好。通过测算商品不同属性之间的替代性，可以衡量顾客在选择商品时考虑因素的重要性，从而构建购买决策树，并应用于空间优化和选品中。

应用二：更符合消费者喜好的品类分布——通过品类边际效益比较优化品类空间

品类空间优化的核心是增加边际效益高的品类的空间，并动态调整货架分配。通过对比每一品类在同类店铺中的相对边际效益和货架空间，可以有针对性地帮助零售商确定品类空间优化的方向和力度。更重要的是，即使是同一家店，消费者的品类偏好喜好是随着时间变化的，需根据季节时间的动态优化方案。

应用三：更具价值的 SKU选择——基于消费者购买需求以及产品真正贡献进行SKU优化

零售商在进行品类内的商品选择时，需要思考两个关键问题，即选择的商品是够能满足顾客需求，以及是否能给零售商自身带来真正的价值增量。

从顾客需求出发，商品组成需要分层，包含全国性、区域性和该类别店铺专有的商品，同时结合消费者决策偏好进行SKU的选择和陈列优化。

从零售商自身的价值提升来看，在进行商品增加、替换或下架等决策时，零售商需要评估商品的真正贡献，其主要考虑因素包括SKU的销售额、利润率、替代效应、光环效应以及商品生命周期等。

其中，替代性体现满足顾客特定需求的程度。以茶类饮料为例，尽管某款黑乌龙茶的销售额要低于另一款凉茶，但由于其是货架上唯一的黑乌龙茶商品，替代性较低，对零售商的真正贡献反而更高，因此在面临商品“二选一”决策时，黑乌龙茶可能更具吸引力。

应用四：更广泛的数据——应用数据分析方法，收集更多类型的数据用于分析决策

以上所有应用都离不开数据，除交易数据外，商品属性和市场舆情是品类管理重要的两大核心数据。零售商的现实情况是数据虽多，但有效数据稀缺，数据质量更是有待维护。

借助数据科技，零售商可获取更多有效数据，如：通过自然语言分析SKU名称，整理商品基本属性，并通过抓取电商数据，添加更多商品标签；再比如：监控社交媒体数据，寻找潜在爆款。

应用五：更高效的流程——打造自动化选品工具

机器学习等技术使自动化选品工具成为现实，可帮助品类管理相关负责人进行有效的品类管理规划、执行和监控，提高效率的同时减少误差。节省>20,000工时的工作量，且更一致与合理。

结语

在新的背景下，传统零售商急需重拾品类管理和门店执行优势。顾客洞察是品类管理的前提，大数据和新技术则为品类管理插上了科技的翅膀，使零售商可以更全面地读懂消费者、智选类与品。零售商不妨自我审视，是否已经准备好迎接数据技术时代的品类管理了呢？