中企营销网 品牌 资讯 实战 终端 广告 解决方案 精准营销 网络 视频 移动 电商 搜索 新媒体 管理 文化 职场 会员 投资 创业 招商 会展 故事 智能营销 AI 物联网 大数据 智能营销 数字营销

数据技术背景下的品类管理优化

大数据 发表时间:2019/5/23 10:25:27  来源:奥维咨询  作者:kemaoi  

大数据 发表时间:2019/5/23 10:25:27  来源:奥维咨询  作者:kemaoi  

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?