大数据培训新三板挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

销售分析:如何从数据指标发现背后的故事

于2017-04-01由小牛君创建

分享到:


销售数据

作者:姜正炜

每天我们都会面对来自终端的各种销售数据,对于销售提升我们总是兴奋不已,而面对店铺销售下滑,我们则焦急不堪。

无论是兴奋也好,焦急也好,数字本身只是代表数字,我们需要知道的是数字背后的原因。是什么导致了数字上升?又是什么导致了数字下滑?只有了解清楚这些,我们才能更好的提升终端销售业绩。

然而,这一点却恰恰是目前零售行业在终端销售管理上最大的“困难点”,在实际的工作中我们经常发现,面对门店业绩的变化,我们很多的销售管理者却只知其然,而不知其所以然。

所以今天小D想和大家来互动一下关于门店销售诊断分析的话题.

首先让我们先来看一下门店销售业绩是如何构成的?

销售分析

从上面的公式中我们看到,门店销售额其实是由两大板块构建而成,即“销售单数”与“客单价”,前者体现的是销售的“量”,后者体现的是销售的“质”,所以当门店生意上升或下滑时,我们首先要了解的是质影响了销售还是量影响了销售?

因此对于门店而言销售单数与客单价应该是每周都要关注的指标

有了第一层的问题分析,我们能够知道销售单数与客单价的表现,也就知道影响销售额的主要因素在哪。但由于影响单数和客单价的因素很多,单纯从这两个指标的数值出发去寻找问题难免繁琐复杂,于是我们将“销售单数”和“客单价”进行二次拆分,得到了

销售单数 = 进店人数*成交率

客单价 = 件单价*连带率

进而得到了

销售额 = 进店人数*成交率*件单价*连带率

因此,对于门店销售诊断分析,我们需要通过“销售单数”与“客单价”,进而结合“进店人数”“成交率”“件单价”和“连带率”的表现来分析得出。(有人说零售管理是人货场的管理,为什么不是从人货场来分析呢?主要因为人货场是个笼统的管理概念,在任何销售指标中都会有人货场的影响,因此我们选取更直观的销售指标来反应,也便于我们更精准的发现问题所在)

那么究竟是哪些因素在影响着我们上面所说的这些指标呢?当“进店人数”“成交率”“件单价”“连带率”出现异常的时候,我们又如何对症下药呢?

分析指标一:进店人数

客流从哪里来?

-品牌效应,顾客对品牌的认知和评价是其在购物过程中筛选目标店铺的依据之一

-陈列吸引,人的消费体验是从视觉开始的,一般而言,一个顾客通过一家店铺的时间是7秒钟,如果门店的视觉形象不能在7秒内引起顾客的关注,那么这个顾客也就失去了创造业绩的可能,所以好的门店陈列是吸引顾客的直接手段

氛围构造,无论男女,人都有好奇心,所以在促销期间也好,还是每天的旺场时间也好,我们要善于增加已进店顾客在门口区域的浏览时间,人为创造“聚众效应”,构建一个热闹的氛围能够吸引更多顾客进店,从而创造销售的机会

-循声吸引,当门店周边客流较少时,我们就要通过一定的手段将有限的客流引流入店,因此可以适当提升门迎喊宾的音量,通过活动或主推商品卖点的介绍,激发往来顾客的好奇心与欲望,增加进店客流,创造销售机会

面对生意不好时,终端总是反应客流少了

-我们常常想当然的认为商场客流少了,进店客流一定会少;商圈客流少了,进店客流一定会少

-如果你是这样认为的,那你永远在等顾客自己进来

-真正好的终端门店,一定是通过自己的部署来主动吸引顾客进店,创造销售机会,例如今天天气下雨,我们可以预见到商场人流会减少,我们要做的不是等,等有限的客流自己进店,而是应该针对天气进行相应运营部署的调整,门迎喊宾怎么做?入口区域陈列如何调整吸引顾客?原本平时路过10个顾客会有一个进店的,今天是不是需要努力做到路过5个就要有一个进店的?即使不能和平日的进店客流相比,但至少能挽回20%的客流、30%的客流对销售也是一个正向的带动

可惜的是,90%以上的门店更擅长的是守株待兔

由于近几年零售行业品牌增长速度和同质化现象的日益突出,很多门店都因此产生不同程度的客流下滑,同时日常天气、商圈周边活动甚至位置更换都会造成客流的下滑,所以在分析客流问题时,不要简单的说一句客流少,所以销售不好;也不要抱怨,而是要制定改善方案,如何解决和提升客流进店

分析指标二:成交率

从销售单数的两个拆解指标来看,进店客流一般情况不会出现太大的波动,除非位置换了、门店形象改了或是店员引客能力突飞猛进了,一般客流都能维持在一个稳定的区间,所以当销售额变化时,如果是由于销售单数引起的,绝大多数情况下都是由于成交率的波动。

销售分析

员工销售技巧对成交率的影响

当门店成交率有所下滑时,在人的问题上,我们总能听到终端管理人员反馈,员工销售技能太弱,但究竟是哪里弱,似乎又说不出个所以然。其实员工的销售技巧种类繁多,但对生意成交最直接关联的大致包括3项:

判断顾客需求的顾客属性分析技巧

激发顾客试衣欲望的产品描述技巧

促成交易的应对顾客异议技巧

所以当成交率下滑时,我们在人员技能上的评估应该集中在这3点,而不要纷繁复杂笼统的检测

货品熟悉度对成交率的影响

所谓货品熟悉度指的是员工对于门店产品款式、库存及位置的清晰程度。在实际销售过程中,经常会出现这样的问题:

1.店员不熟悉店铺货品款式,未能根据需求找到适合顾客的产品

2.店员不了解库存情况,造成推荐给顾客的产品无尺码,使顾客产品失落感,影响顾客购物欲望

3.店员不能快速及时找到顾客想要的产品,顾客因不愿等待而流失

因此货品熟悉度是员工一个非常重要的技能指标,它也间接影响着顾客成交率,同时货品熟悉度也是成交率变相改善的提升机会点

货品属性对成交率的影响

什么样的货卖给什么样的人,同样什么样的人来买什么样的货。当成交率出现下滑时,我们也需要评估门店货品组合是否符合消费者属性,是否能够支撑生意的需求。货品组合属性的合理性影响着顾客的欲望激发及消费体验。在门店销售过程中,货品属性最主要关注的:

1.产品风格属性与消费者属性的匹配度;

2.产品品类属性与消费者属性的匹配度;

3.产品价格属性与消费者属性的匹配度;

如果货品属性完全不能与消费者属性相匹配,那成交率低也就成了顺理成章

畅销款深度对成交率的影响

除了货品属性合理外,从货品角度而言,对成交率贡献最大的还是每个店铺的畅销款或主推款。但在实际运营中,畅销款缺货是一个普遍现象,这也就成为另一个影响成交率的原因。因此在库存可以满足的情况下,我们要尽可能保证店铺畅销款齐码齐色,但这里要注意的是

1.畅销款基本在各个店铺都畅销,畅销款的补充不能简单拍脑袋从小店集中到大店,这样容易造成零和效应的结果

2.因此我们所谓的畅销款补充应该更聚焦在店铺TOP6-10的产品上,这部分产品通常在不同店铺会有差异,我们可以利用区域货品整合来满足不同店铺的TOP6-10产品的销售需求

服务效率对成交率的影响

服务效率与我们通常所说的服务不同,它是服务的量化体现,比如取货是服务的一点,那服务效率就要规定几秒内取货算是效率高,但这些恰恰在我们很多品牌制定服务标准时被忽略,这也就解释了为什么很多品牌服务最终不是老板想要的,因为老板更关注结果,但我们更擅长制定过程

那么在销售过程中,哪些服务效率能影响成交呢?

1.顾客到区率,也就是通过店员主动引导,顾客实际能浏览店铺百分之多少的区域?小D曾在多个品牌做过测试,最好的品牌也不过67%,也就意味着一个顾客进店至少有33%的区域无法关注到,那你的生意从一开始就只能在67%的范围内完成,所以强化店员对于顾客购物动线的引导非常重要,它也成为影响店铺成交率的最主要因素之一

2.取货/收银速度。说到这点相信很多人会单纯认为服务速度慢了,顾客会不耐烦,生意可能流失了。确实如此,但小D想让大家知道的是,取货/收银速度慢,最直接造成的结果是留给顾客思考犹豫的时间多了,人买东西总是习惯“递减思维”。从满分开始,对所有的疑问、对比实际都是在做购买决定的减法,我们之前讲到的员工技能中应对顾客异议等,都是为了避免顾客的这种“递减思维”,所以提高取货/收银速度,既是一项服务又是促成成交的重要因素,希望引起各位的注意

所以影响成交率的因素很多,面对销售成交的困惑,千万不要拍脑袋认为是哪一方面的问题,而是要从人货场的角度综合评估。

如果你是管理者

请让你的下属告诉你成交率下滑的原因是什么?(从人货场角度回答)同时请你的下属告诉你准备如何解决?

如果你是终端执行者

请告诉你的领导,你店铺成交率下滑的原因是什么?(从人货场角度回答)以及你准备如何解决?

分析指标三:件单价

销售分析

件单价的问题及改善机会点

从商品角度而言,影响件单价的因素主要有2个:

①商品价格的结构管理;根据门店历史商品数据及近期销售数据,合理配置高单价商品的宽度与深度;

②高单价商品的款式、风格、颜色等属性与门店客群喜好的匹配度。只有当上述两点同时具备时,我们才能说门店的商品对于件单价的贡献是正向的,反之则会造成件单价过低或高单商品库存积压的问题

从陈列角度而言,影响件单价的因素主要在陈列核心区域(即顾客视觉最容易达到的区域)的价格呈现上。我们许多店铺在实际陈列过程中,往往只注重好不好看,而忽略了高单价商品的陈列展示。销售的前提是顾客要能看到关注到产品,因此在核心陈列区域有意识的增加高单价商品的陈列也有助于推动门店件单价的提升。同时在陈列搭配时,也要注意高低价商品的结合,通过整体陈列搭配的优势,带动高单价商品的销售

从人员角度而言,影响件单价的因素主要是

①主动推荐意识;可能是因为普通商品或低价商品在销售成交概率上更有优势,很多店员在销售过程中都喜欢过滤高价商品而主推更有把握的中低价商品,这就导致了高单价商品不易被顾客接触或了解,因此要想提高件单价,首先要保证所有员工都具备主推高单价商品的意识和信心;

②高单价销售技巧,通常应用于高单价商品销售的技巧包括a)递进磊高法,从一般商品开始不断通过试穿抬高推荐商品的价格;b)高低组合法,以整套搭配的方式,让顾客先接受款式再接受价格

分析指标四:连带率

不同于销售单数的两项指标进店人数和成交率特性区分那么明显,客单价分解的两个因素件单价和连带率从影响因素的角度分析其实是雷同的,正如上面我们讲到件单价时所列的问题一样,影响连带率的因素主要包括

销售分析
连带率的问题及改善机会点

从商品角度而言,影响连带率的原因主要在于商品的可搭配性。很多时候在小D走访各品牌门店时会发现这样一个现象,就是品类不完整,即有的店铺以上装为主,下装SKU基本很少,由于顾客一般很少会在同一品类购买多件重复商品,因此连带率更多时候还是体现在成套的搭配销售,但因为没有可搭配款式,白白浪费了提升连带率的机会。

从陈列角度而言,影响连带率的原因主要在于整体搭配效果的展示,说的直白就是好看,这个就不用小D赘述了。

从人员角度而言,影响连带率的原因主要还是在于①员工的意识;这里所说的意识体现在销售服务的三个环节

a)推荐商品时店员是否有意识的按搭配款思路成套推荐;

b)顾客试衣时店员是否有意识的备选搭配款供顾客整体试穿体验效果;

c)收银时店员是否有意识的利用顾客买到心仪商品的需求满足感进行额外商品的连带推荐;

②员工的附加销售技能,通常运用于附加销售的技巧包括

a)定性引导法;

b)价格组合法(适用于促销打折期间);

c)对比法;

通过上面内容的讲解,我们对销售额的两大构成因素“销售单数”“客单价”以及他们的拆分因素“进店人数”“成交率”“件单价”“连带率”进行了分析,还是那句话,当销售上升或下降时,我们一定要知道造成这个结果的背后原因是什么。正所谓有的放矢,我们才能有效的解决销售存在的问题。希望小D今天的文章能给到你一定的启示。

如果你对小D的文章感兴趣,推荐关注他的公众号:jzwpeixunpingta。

End.