数据分析师熬夜整理：最全「零售业」数据指标和使用技巧

如果要问数据分析需求最多的行业是什么？那一定是零售业。作为数据分析师，最担心的就是分析报告没有价值，那老李今天就来给大家分享一下零售行业指标使用的技巧和方法。加深大家对数据的认识，切实解决企业面临的问题。

首先，我们来捋一下逻辑。不管是线上还是线下，零售始终不变的就是：把商品给用户进行价值交换，“场”连接着“人”与“货”。所以，零售的本质就是：人、货、场。

指标体系的建立对于数据分析有着举足轻重的作用，有了框架性的指标体系，后面的分析也就变得容易得多。我将分“人、货、场”三个框架，搭建起分析指标。

不论是实体零售还是电商，最需要关注的人是顾客和员工。

没有顾客，货和场都失去了意义。而员工作为商品和顾客的连接，也起着非常重要的作用。顾客分析，只要是搞零售的，一定会去做。但员工分析，是很多人都会忽略的，但我要提到的是，员工是非常重要的。举个例子，如果李佳琦是你的销售，你们的营收会怎么样？

（1）顾客分析

客单价：销售额÷客户数，反映了客户的平均消费水平，对于产品定价、促销、组合出售有很大帮助。
件单价：销售额÷销售量，反映商品的平均出售价格，对于衡量商品是否有利可图以及定价都有很大帮助。
连带率：销售量÷成交次数，反映顾客单次消费件数，对销售额有很大影响。
会员增长率：新增会员数÷期初会员数，会员增长率对回购有很大帮助。
会员贡献率：会员销售总额÷总销售额，这与客户关系管理有很大关系。
会员流失率：某段时间内流失的会员数÷期初会员总数，重点关注和维护。
会员平均年龄：某个时间段店内会员年龄总和÷有效会员总数，有利于构建用户画像。
（2）员工分析

平均成交时长：后一次成交时间-前一次成交时间，反映员工工作产出情况。
投诉率：投诉人数÷总人数，能够衡量员工服务能力。
成交率：成交次数÷接待次数，便于统计个人的销售能力。
完单率：这有一定时间期限，如周完单率、月完单率，是指付款之后没有退款的单子，是真正反映个人销售能力的指标。
离职率：离职人数÷一定周期内员工数，反映人员流动情况，与运营情况也有很大关系。
工资占比：员工总工资÷销售额，反映员工配置是否合理。
货
货就是指商品，零售主要涉及的部分是采购-供应链-销售和售后。下面的微笑曲线描述了物品从研发生产变为商品的全过程。

（1）采购分析

广度：品类数
宽度：SKU数
深度：采购的商品总数量÷采购的SKU总数
覆盖度：有某款货品类产品销售的店铺数÷适合销售该产品的总店铺数。
匹配度：这不是一个具体指标，是通过品类、型号、价格去判断商品的销售进度。
（2）供应链分析

订单满足率：订单中能够供应的商品数量总和÷订单商品数量总和
订单执行率：能够执行的订单数量÷总订单数量
准时交货率：准时交货的订单数÷能够执行的订单总数
订单响应周期：系统中收货时确认的时间-系统中下单的时间
库存周转率1：出库数量÷[(期初库存数量+期末库存数量) ÷2]
库存周转率2：销售数量÷[( (期初库存数量+期末库存数量) ÷2)]
客户投诉率：客户投诉订单批次*订单总数
库存天数：期末库存金额÷(某个销售期的销售金额÷销售期天数)
库销比：期末库存金额÷某个销售期的销售金额
（3）销售分析

售罄率：销售数量÷（期初数量 + 期中新进数量）
折扣率：商品实收金额÷商品零售价
动销率：某时期内销售过的商品SKU数 ÷（期初SKU+期中新进SKU）
品类结构占比：某品类销售额÷总销售额
价位段占比：某价格段销售额÷总销售额
正价销售占比：正价商品销售额÷总销售额
价格弹性指数：价格弹性指数是商品价格变化1%时，商品销量变化的百分比
（4）售后分析

退货率：月退货数÷总销售数
月残损率：月残损商品数÷商品总数
场
场具象来说是我们产生购买的场所，像商店、超市、商场、餐厅以及网店等等。

销售人效：销售额÷店铺面积
利润人效：利润额÷店铺面积
租金倍率：销售额÷租金
竞品指数：本公司销售额/量÷竞争对手销售额/量
费销比：促销费用金额÷促销期间产生的销售额
目标完成率：促销期间销售完成数÷促销目标
同比增长率：同比增长数÷同期销售额
促销爆发度： (促销期间的平均权重销售额- 促销后的平均权重销售额) ÷促销前的平均权重销售额

想看更多行业的指标体系梳理，可以在评论区留言，请多点赞转发支持～

数据分析师熬夜整理：最全「零售业」数据指标和使用技巧相关推荐

「Azure」数据分析师有理由爱Azure之二-立即申请帐号开始学习之旅
目前关于Azure的学习资料不多,除了官方的文档和Microsoft Learn频道外,几乎没有什么中文性资料可学习,就算有,也是以IT的思维方式来展开介绍,对没有IT背景的数据分析师来说,非常难于适 ...
「Sqlserver」数据分析师有理由爱Sqlserver之二-像使用Excel一般地使用Sqlserver
大家一谈数据库,就觉得非常高深莫测,深不见底,非凡人敢去触摸.但Excel的话,没人敢说自己不会使用吧(相反一大堆人的简历上写着精通OFFICE所有软件套件).换作其他非微软厂商的数据库,的确很容易产 ...
「Azure」数据分析师有理由爱Azure之五-Azure Analysis Services服务实操
为了对得起数据分析师这个称号,最近又重新拾起统计学的课本,发现又是一场被虐的过程. 行业里总说统计学是数据分析的基础,是分析师的必备能力.但真正学习下来,应用的场景又有几个?除了科研性严谨的结论需要统 ...
「Sqlserver」数据分析师有理由爱Sqlserver之九-无利益关系推荐Sqlserver书单
在前面系列文章的讲述下,部分读者有兴趣进入Sqlserver的世界的话,笔者不太可能在自媒体的载体上给予全方位的带领,最合适的方式是通过系统的书籍来学习,此篇给大家梳理下笔者曾经看过的自觉不错值得推荐 ...
「Sqlserver」数据分析师有理由爱Sqlserver之三-最值得使有低投入高产出的Sqlserver功能...
数据分析师群体,有别于一般的传统开发群体和数据库运维群体,对Sqlserver的功能需求上也各不相同,本篇以笔者的亲身经历,用一种有别于一般性教程的角度来讲解Sqlserver值得我们学习,投入产出比 ...
CDA数据分析师高级师资研修班在重庆仙桃大数据学院顺利开班
7月22日,由CDA数据分析(成都)研究院.重庆仙桃大数据学院联合筹备及招生的"CDA数据分析师高级师资研修班"在重庆仙桃大数据学院顺利开班. 本次培训由CDA数据分析(成都)研究 ...
Transformer全靠数据堆？那没有数据怎么办？LUT告诉你「冇问题」｜AAAI 2021
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达作者:叶蓉编辑:好困 [导读]我们有一个梦想,那就是有一天看剧能有实时翻译字幕.然而 ...
「Sqlserver」数据分析师有理由爱Sqlserver-好用的插件工具推荐
在此系列中,笔者为大家带来一些以数据分析师视角去使用Sqlserver的系列文章,希望笔者走过的路能够给后来者带来一些便利. 背景介绍在数据分析师的角色下,使用数据库更多的是为了从数据库中获取数据, ...
我最讨厌哪种数据分析师？这四点全中就可以辞职走人了
一.对业务一知半解,结论脱离实际第一个习惯是70%的数据分析师都会有的"习惯",这点在展示数据分析报告时表现得尤为明显.在汇报数据分析结论时,只是简单把数据分析结果说了一通,得出 ...

数据分析师熬夜整理：最全「零售业」数据指标和使用技巧

数据分析师熬夜整理：最全「零售业」数据指标和使用技巧相关推荐

最新文章

热门文章