｜前言
在這個顏值即正義、快時尚引領的服飾企業轉型趨勢的時代，VMD(Visual Merchandising)已經成為企業管理終端門店不可或缺的一部分。
如果說視覺營銷是門店衝鋒陷陣的劍，則數字陳列為盾。擁有更為精良的裝備，企業才能在新零售、大數據的硝煙中屹立不倒。筆者以服飾行業的數據化終端陳列管理為主題，帶您一起走近服飾新零售企業的數據分析現場。
｜相關介紹
服飾企業設置專職的陳列部門，從總部至店長，分職責、分權限管理門店陳列。不同企業會有部門組織上的差異，其共同的特點為：總部有相當程度的集權、門店店長有不同程度的管理職責、各個店舖的陳列有整體規劃又存在差異。提案作為VMD系統的最直接的展現形式，其功能就是讓客戶便捷、快速地進入門店開啟消費之旅，並最終完成消費，從而提升坪效、時效、門店業績。提案類型主要有以下幾類：
VP：Visual Presentation 視覺提案，幫助識別形象
PP：Point Presentation 重點提案，引導顧客購買
IP：Item Presentation 單品提案，方便顧客購買
另外，能夠有效展現在顧客面前的還有POP文案， 傳達產品信息與價格。
｜數據準備
為了快速進入分析場景，我們不再作更多的發散，模擬定義各提案與貨架如下：
1. 商品提案類型情況
· VP+PP+IP with POP（以下簡稱為3PoP），視覺提案與重點提案都有，IP為貨架存量方便購買，有POP文案
· PP+IP with POP（以下簡稱為2PoP），重點提案，IP為貨架存量方便購買，有POP文案
· IP with POP（以下簡稱為IPoP），僅作為貨架存量展示客戶，有POP文案
· IP，僅作為貨架存量展示客戶，無POP文案
2. 門店擁有貨架的情況
10個貨架，分別為貨架1～貨架10，並按照真實的地理位置進行分區。
筆者這邊使用了觀遠數據平台進行一個展示：
得到筆者想要的店鋪截圖之後，我們回到陳列條件準備本身。先營造一個這樣的場景，D區上方為門店入口，所以C、B區為側廳，D區為前廳，A區為後廳。
而對於各個貨架的商品，作如下的預製陳列規則：
各區內，各個貨架對品類陳列不作差異分析，後續可參考不同區域的陳列，本文中設定的區域ABCD也僅僅為自定義的分析維度。
另外從顏色與頁簽也可以較為清楚地看出AB、BC、CD、DA是相互交叉的關係，這裡也是考慮到實際陳列的因素。
3. 時間維度
本次分析，針對8、9、10三個月進行。每月的商品提案隨機進行調整，作為後面的分析用例；默認商品所處區域不發生變動；外部數據不作為此次分析重點。
至此，我們的數據準備工作告一段落，下面我們將通過數據分析來討論不同陳列的銷量狀況。
｜數據準備
出發點是“數字”，利用數據分析，結合VMD反映當下的門店經營情況與商品銷售情況。落腳點是“陳列”，數據分析不以結果為導向，便無法影響決策，也就不能體現其創新與價值，“事件To 事件”的保守派分析，就是我們俗稱的報表，數字陳列，必須要落地到陳列，通過“指標Join 因子”的方式，體現BI的價值。這裡需要引入經典的PDCA循環，觀察數字陳列作為企業重要的數據化管理工程是如何進行質量控制的。
｜P-D-C-A過程
P - 陳列規劃
- 新品上市，VMD部門/VM/終端店長對組貨的首次陳列進行預測
- 制定陳列調整計劃
- 參考數字陳列積累的有效性驗證
D - 陳列調整
- 捕捉暢銷、滯銷、不動銷款
- 考察門店經營、消費人群
- 結合庫存情況
- 依據既有陳列調整計劃調整
下面截取兩個分析片段，進行探討
- 顏色篇
觀遠數據也提供豐富的自定義顏色配置，讓數據分析也能成為一種時尚，可視化圖表更為直觀。
這是8月份第1～4週，對ABCD分區做的雷達圖，一定程度上描述了各區的銷售情況。我們可以得出以下結論：
· A區白色、綠色的商品銷量較低。
· B區紅色商品銷量較低。
· C區銷量火爆，流量越多、可操作性就越強，需要進行更深入的分析，挖掘C區火爆的本質特性，如：對滯銷商品的推廣、換季清倉。
· D區相較C區並沒有那麼火爆，但是由圖可以分析，D區的消費者傾向於活潑亮麗的顏色，藍黑色的銷量較低，結合之前我們對各區商品陳列的定義，D區的貨架陳列的品類多為：裙子、褲子，即可將「裙類、褲類」大膽加入這些有效因素「貨架、分區、顏色、以及後面的提案、外部因素」，納入後續的精細化分析，與最終的陳列工作掛鉤。
下面我們重點看一下銷量火爆的C區，平均值、每條顏色線都表示在多線圖上，參照上面的雷達圖，我們發現綠色、白色銷量較低。
可以做一些嘗試性的思考：
1. 綠色往往與紅色成互補關係
2. 白色與紅色的購買趨勢相近
3. 本店的顧客偏愛喜歡紅色
當我們把周的顆粒度細化、時間軸拉長、多條顏色線開放，精細化分析後，其結論將更具參考價值。
1. 綠色往往與紅色成互補關係
2. 白色與紅色的購買趨勢相近
3. 本店的顧客偏愛喜歡紅色
當我們把周的顆粒度細化、時間軸拉長、多條顏色線開放，精細化分析後，其結論將更具參考價值。
- 提案篇
各SKC價格段下銷量分佈，以顏色區分各類提案：
1. 自定義輔助線一定程度可以分割出暢銷滯銷區間，輔助分析。
2. 結合扇形圖，可得出暢銷款中：打底衫D款藍色款，提案為IP，基本都是以貨架存量方式陳列，不涉及更多的視覺營銷，甚至沒有POP文案，完全依托顧客自助購買貢獻了銷量。
3. 通過放大顆粒度，本月240+的中高端定位商品的銷量排名中，打底衫銷量排名相對靠後，但是除去短外套這個暢銷款，其他大部分品類當月整體的銷量不相上下。
4. 再通過對打底衫數據鑽取，獲得本月各個貨架的銷售情況（由之前的品類/貨架的陳列圖，我們已知打底衫僅在2（A區）、3、4（B區）貨架陳列）。
5. 價位較高的打底衫，在AB區，8月第一周的銷售情況如上圖。 A區貨架2、B區貨架3產生了90%以上的銷量，此時就需要與實際場景結合，顧客更容易對AB相接的拐角處對打底衫產生興趣。
6. 第二週，我們可以考慮將貨架4的打底衫移除，轉而嘗試在尚未陳列過高端打底衫的貨架1陳列，並在貨架4填充之前銷量極佳的商品。
7. 回到提案本身，可以看出這款較高定位的打底衫（藍色款）有更大的銷貨空間，並在AB角佔據絕對的銷售佔比，這時需要把視野拉開，從拐角到門店，需要做的陳列調整，往往是保持原先有效陳列的前提下，將同品類、同款式的商品，進行一定程度的陳列推廣，
無論是IP->PoP，還是IP->PP +POP，將熱銷商品變為門店的優勢產品，實現商品價值最大化。
8. 當然最大化並不容易實現，上面的散點圖告訴我們，這樣的商品比比皆是，我們需要做好前期的加權計算，考慮得出最需要推廣、改變陳列的商品。
陳列工作，即便下放了類似數字陳列這樣的通用性分析，其最終的陳列本身並不會落在其他業務人員身上，仍然由VMD部門與陳列師定調。故，多數經典的指標分析模版，無法較為直觀地反映到用戶身上，仍需要與陳列師進行同步。
C - 調整分析
1. 實時反饋調整商品的銷售情況
2. 分析調整陳列的目標達成情況
3. 探察調整陳列無效的內外原因
4. 有效率可作為重要考核指標
作為銜接PDCA循環最為關鍵的一環。
A - 知識落地
1. 陳列調整有效性分析/排名
2. 有效調整智能存儲為調整策略
3. 無效調整對無效原因進行積累
4. 負面陳列方式預警機制。
作為企業管理來說，陳列調整、調整分析帶來的價值、引發的思考、得出的結論，可作為一個階段的里程碑，運用到下一階段的數字陳列管理中，而對於商業智能解決方案本身，得出一套知識落地的陳列方案，是將商業智能的運用從單純的調整分析，拉入到整個數字陳列PDCA循環裡面的關鍵要素。
此篇文章轉載自“遠觀數據：搶占雙十一，數字化陳列如何影響新零售門店銷量？ （一）”
如有侵權，請告知，謝謝！
🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺🔺
若喜歡我們的文章 可以幫粉專及文章按個讚唷👍也歡迎將粉專設定為搶先看 就不怕漏掉最新資訊啦🔊
DataonDemand會繼續分享各類好文給大家的
留言
張貼留言