在對商品規劃與管理中的大數據運用展開探討之前,益豐大藥房連鎖股份有限公司電商事業群總經理黃小鼎將焦點首先放在了區分數據和大數據上:
數據,過去習慣性被稱為數值,具有內部、報表化、靜態、固化四個特點,呈現的是結果。
大數據則是相對數據而言的概念,是全維度的、模型化的信息,具有動態和智能的特徵,可以預判,有多種可能性,歸屬於過程管理。
基於清晰的概念劃分后,再來看2017西普會上黃小鼎關於如何用大數據指導商品規劃與管理的分析,便顯得更加生動而立體。
黃小鼎 益豐大藥房連鎖股份有限公司 電商事業群總經理
1
商品規劃與商品管理的數據化
商品規劃的指標數據
這些數據可以按兩個維度進行分類。
1. 自然分類:
a. 大中小類單品數;
b. 大中小類品單價(最高、最低、中位值、平均值);
c. 大中小類單品平均銷售額(有助於找出同質化產品,均值以下的單品需要格外關注);
d. 大中小類單品平均銷售個數;
e. 大中小類平均毛利率;
f. 大中小類單品平均毛利額;
g. 大中小類單品平均銷售額、個數、毛利率、毛利額前三和后二的品牌名 ;
h. 大中小類各劑型銷售佔比(使用便捷性與劑型佔比息息相關);
i. 大中小類醫院品種、地方品種、處方葯、OTC銷售佔比(在靜態環境下,安全性高、群眾基礎好的OTC佔比應大於處方葯)。
2. 採購/毛利率分類(靜態、折后動態):
a. 大中小類高毛利單品數;
b. 大中小類高毛利商品單價(不大於平均品單價10%);
c. 大中小類高毛利單品平均銷售額;
d. 大中小類高毛利單品平均銷售個數;
e. 大中小類高毛利單品銷售佔比;
f. 大中小類高毛利單品平均毛利率;
g. 大中小類高毛利單品平均毛利額;
h. 大中小類高毛利單品銷售前三和后二的品牌名;
i. 大中小類高毛利單品各劑型個數佔比。
商品管理的指標數據
商品的基礎管理可以歸結為四個方面,一是滿足、二是動銷、三是毛利、四是耗損,所有指標都是在這四個方面進行細化。
a. 倉庫訂貨滿足率(商品管理的源頭);
b. 門店訂貨滿足率;
c. 高敏度/品牌前300商品訂貨滿足率(安全庫存應當是一般庫存的1.5倍);
d. 核心高毛利商品門店訂貨滿足率;
e. 動銷率;
f. 核心高毛利商品動銷率;
g. 周轉天數;
h. 價格競爭指標;
i. 靜態動態毛利率差(動態數據是關鍵,要注意兩點:一是採購不受折扣率影響,二是有市場保護的高毛利產品可考慮打折促銷);
j. 特殊品類、品種銷售佔比;
k. 大中小類銷售佔比;
l. 大中小類毛利率;
m. 核心高毛利大中小類銷售佔比;
n. 返倉率(不應高於1%);
o. 耗損率。
2
大數據在商品規劃與商品管理中的運用
對這一問題的探討,歸結而言,是想要通過對商品的銷售、毛利、品單、劑型、人群、病種、關聯性、服用周期、單次成本、單品總量、品牌敏感度、促銷敏感度、周轉、渠道敏感性、供應可控性、季節性、療程指數、價格敏感度、安全性等維度分別打標再建模,提升單品銷售效率。
商品規劃的大數據運用
基於結構更合理的目的,商品規劃必須包含以下6點:
(1)單品數規劃;
(2)價格帶規劃;
(3)劑型規劃;
(4)包裝規劃;
(5)療程和單盒總量規劃;
(6)OTC與處方規劃。
大家都希望能通過大數據找到爆品、定製爆品,但怎麼做?以下問題都必須找到答案:什麼屬性,什麼劑型,什麼材質,什麼顏色?多少克,多少粒,一個療程設計多久?怎麼定價?體現專業性、便利性或某個因素上的訴求?主導哪個賣點?和誰PK?
通過大數據篩選,我們可以按照季節動態來選擇這三個月應該主推什麼產品,但許多人並沒有這樣的意識和能力。而關於新品的尋找,線上非結構化的數據預判,在微信公眾號還有自營商城的埋點,往往能帶來意想不到的收穫。
最後不得不提的一點,是通過對門店主數據的打標和優先指數排序智能的配置商品,實現門店商品規劃一店一策。在這裡,數據才是王道,因而儘管商品規劃部門必不可少,但部門成員的數量可以大幅縮減,一個人足矣。
商品管理的大數據運用
這包含了4個方面:
1. 將門店開業時間、區域、店型、商圈打標後進行合理化動態標杆;
2. 找到突出的共性問題,提高商品管理水平;
3. 成本化判斷最優解決方案(如飲片櫃、冷淡品種設置問題,越細瑣的問題越能體現出優勢);
4. 將商品管理流程化、智能化、精細化(我們所有的目標就是降低成本)。
最後,需要強調的是,以上問題的解決依賴於系統設計,但基礎部分可以人工實現,這本質上不是技術問題而是業務問題。另外,大數據的運用絕不僅限於所謂的商品管理和商品規劃,它可以運用到管理流的程每一個細節。
投稿聯繫: