数据管理（电子商务）.销售商店分析

根据总体规划（数据管理（电子商务o2o）系列商品目录规划），继续补充对销售门店的分析。

在早期，当涉及到商店，他们中的大多数将离线实体店。现在，商店不***于线下商店，还包括天猫旗舰店和京东旗舰店等线上例子。一般来说，很多商店都会同时经营，鸡蛋不能放在一个篮子里。但是，每个篮子里应该放多少鸡蛋，每个篮子里应该放多少资源，这需要进一步的分析和研究。

线下实体店更注重销售和门店库存，而网店更注重销售、流量、营销等，无论是线上还是线下，门店分析的目的可以概括为：

一、通过对各门店绩效的分析，管理各门店相关人员的KPI。

二、通过对门店数据的分析，帮助门店负责人发现业务异常，协助解决问题。

三、通过分析各店的销售和经营情况，可以合理地将资源投入到各店，避免浪费成本。

&效率指数：线下门店将有均匀效率、租金倍数等指标。对于网店而言，主要分析的是人的效率，即销售额/门店数量、利润/门店数量。

&完成率指标：每个门店都会设定自己的目标，需要对目标的完成率进行分析，包括实时完成率和累计完成率。

&部门；业绩指标、一般销售、利润、订单号等指标。

&章节：退换货数据、各门店退换货数量/金额、退换货数量/金额、退换货率、汇率指标。

&客户单价、销售量/交易用户数，分析反映用户素质、店铺商品布局合理性等指标。

&促销分析，分析每家店的促销成本、促销销售额、***率等指标。

&其他运营指标、存储流量和转换率指标。

（对于线下实体店，我们也会关注联席率、分成率、库存销售率、会员比例等指标）

还有很多指数项目。一个分析并不容易。更重要的是，目的并不明确。小心走得太远，忘了你为什么开始。因此，我们还是从经营目的出发，综合各种指标进行分析。

一、对于门店绩效管理：在门店绩效评估中会考虑很多因素，除了可以量化的指标外，还会有很多其他因素，我们无法对所有因素进行分析，但是可以量化的数据一定可以可视化，方便管理者。

如上图所示，首先，使用一个更突出的气泡图从多个维度考虑商店的性能。上图中的气泡图涵盖了该店的计划完成率、人均利润和总销售额。从视觉上表现出好与坏的表现（气泡越大越好，越靠近左上角）。

同时，考虑到一家店的表现，我们也需要结合长期的表现。如果一个月的表现不好，与一个月的表现相比，意义就不同了。因此，指定门店的月度业绩将链接到气泡图旁边。

下面是一张详细的表格。衡量一家商店业绩影响的指标很多，但每个指标的权重可能不同。通过合理的计算公式，可以计算出各车间的综合性能。例如，表中***一列的综合得分也根据该项的值进行排序。

2、商店分析-问题管理。其目的是通过数据分析来细化问题的来源，终有助于问题的解决。有很多例子。在接触过的客户中，通过对数据的跟踪分析，有的发现套利，有的发现刷单，有的发现公司政策不合理，导致员工专门钻空子。

从上图可以看出，在业绩“差”的店铺中，B店的销售比例***，也就是说，如果他们的业绩能够提高，对整体的影响会***，所以先看看B店。

定位的原因一般是从整体钻到细节，比如“年-月-日”的日期。对于电子商务销售，我们可以从商店、商品类别、商品类别、品牌和型号的顺序逐层钻取，直到找到详细的原因。如上图所示，B店的销售完成率很低。通过水平钻削，我们可以发现B111品牌的产品成功率太低。同时，我们可以看到，这个品牌的回报率太高，这是一个非常明显的例外。很可能问题就在这里。

此外，影响销售的另一个主要因素是客户单价。如果没有活动，一半的客户单价会稳定在一定范围内，而客户单价的变化也能在一定程度上反映店铺销售是否异常。当然，上图显示在一定范围内稳定，未见异常。如果理发店的顾客价格突然大幅下降，就需要注意了。