商品分析的基本方法

1、直接數據的分析

對直接數據進行分析，在現階段的零售也已經非常普通了，從中很容易找出數據分析的結果進而調整策略，譬如銷售周期分析，如何來分析周轉天數，也就是說，周轉天數高和低哪個好？最合理的周轉天數是多少？從商品庫存周轉率（次數）和周轉天數兩個效率指標中，可顯示商品的“新鮮”程度。

商品周轉率高（周轉天數短）的好處是：每件商品的固定費用（成本）降低，相對降低有損壞和失竊引起的虧損；能提供新鮮的商品，能有彈性的進貨，應變自如，能以少量的投資得到豐富的回報，減少存貨中不良貨品的機會。

商品周轉率過高（天數太短）帶來的危機是：容易出現斷貨 ，陳列不夠豐滿，進貨次數增加使得進貨程序和費用相應增加；進貨次數增加也使運送費用相應增加。

2、間接數據的組合分析

間接數據的組合分析就是將直接數據分析中得到的分析結構進行有效的組合和數據關聯，并且在統一的數據模型數據模型下進行鉆取以及進行關聯交叉分析，逐漸發現并縮小分析的范圍。在間接數據的分析中常用到的是銷售綜合分析，庫存分布分析、商品結構分析、商品毛利帶分布分析、商品價格帶分布分析、商品暢滯銷分析等，在這些分析中我們可以互相交叉進行組合分析。

1）銷售綜合分析

銷售綜合分析的分析指標是銷售額、毛利額、毛利率、庫銷比、售罄率；分析條件是時間段（任意時間段、自然時間段）、經營方式；分析層次是總部-門店-大類-款式-價位帶-單品。

2）關聯分析（同比/環比分析）

將上一級分析的報表條件傳遞給同比分析，用同比分析的結構來檢驗我們對毛利調整策略的結果，看一下數據變化趨勢，以便進行下一階段的商品調整。

通過對上面的銷售綜合分析報表和關聯分析，層層數據鉆取后，對毛利的偏差已經可以精確的定位問題的所在，并通過數據分析來制定策略的調整。同時還可以將更多的報表進行傳遞展現，一層一層地深入，建立企業的經營數據模型，用比較分析法找出差異，做到數字化的運營管理，提升企業的競爭力。

3）顧客數與客單價

有效提升銷售額的兩個途徑是：提高實現消費的顧客人數、提高每位顧客購買的金額數。有效顧客（即實現消費的顧客）數高，說明你的商品、價格和服務能吸引、滿足消費者的需求，客單價高，說明你的商品寬度能滿足消費者的一站式購物心理、商品陳列的相關性和連貫性能不斷地激發消費者的購買欲望。

商品分析部門的基本架構