|
引言：
商品数据的支撑与执行：
透过数据看营运这是管理高层看的，往往见的是结果。
而数据的预警与支撑再到修正处于被动。
看动销率、售罄率、上市波段sku、陈列面、主推款、调拨周期与及时性……
营运人员能把这类问题归结出来，且修正执行就已经很了不起了。工具系统强大不一定是最有用的，然贵在执行。
模式让品牌更有竞争力：
若让善于期货操作的经销商经营海鲜生意，是否吃力非常?
重点还是在于模式：
1、有没有快速的市场反应与应对措施，
2、货品波段性与生命周期性把握难控，
3、快速补货与滞销出清滞落，
4、重点，别还想用纯期货模式套经销商现金。
这是多变时代，并非所言，需抛弃期货，而是需多模式并融，展现一个多模化的全模式营销(终端与工厂链接走向一体化)。
让产业焕发全新的生命力。
思考题①：库存、资金、积压、期货的压力
库存，服饰行业最为头痛问题。那库存的产生来至于哪里?
有市场、客群、商品、渠道、定价是否匹配等诸多客观因素。
但70%以上的因素来至于订货。
在纯期货代理制模式主导的品牌，在业绩指标面前，在追求自然增长率的同时强压拓店增长指标，从而获得业绩指标最大化。
这即传统的批发导向：若无强势的组货能力，数据支撑(品类占比、上下装占比、色彩规划、系列规划、主推款规划、尺码规划、价格带规划)含金额占比及件数占比等等清晰思路，那在订货会现场的你，将是糊涂订货的开始。同时笔者还未分析老货、陈货占比。
订货都糊涂了，危险库存在这，就已经产生。
故在纯期货模式，数据化管理必须精细方能支撑零售。
存货的资金积压：
订货会结束，经销商2周内预付30%的期货订金款(品牌公司拿到现金，采买面料找代工厂下单生产);期货交割期，客户缴纳剩下70%余款，现款提货。
于是上货开始销售，慢慢的开始赚回租金、水电、人员工资、货款等等的基础成本。
然如此之长的交割期，市场早已变化，资金已被货品等占据，丧失了极大的周转空间。做期货的客户，压力大否?
绝大部分的回答，不是大，而是非常大。
思考题②：订货数据 分析 支撑 订货总量
订货的核心理念是什么：
一切为了零售。
故即便传统订货批发模式，也需以零售导向来组织订货思路。下面以单店订货模型分享：
“订货总量”
需要做多少的销售，才能支撑单店的盈亏平衡至获得理想利润?
这个是规划订货量的第一要值。
达到理想的利润值，又需要多少的订货量来做支撑。故所谓有多大的胃，盛多少的饭。
例：
某店计划全年销售200万，全年平均折扣率8.8折，售罄率85%，春夏与秋冬的占比分别是32%与68%，供货折扣5折，不考虑老货等情况，秋冬需要定多少的货来做支撑。
1、200万÷8.8折=227万 (零售吊牌总额)
2、227万÷85%=267万 (全年订货总吊牌)
3、267万* 68%=181万 (秋冬订货总吊牌)
4、181万* 5折= 90万 (秋冬订货进货额)
故此店秋冬需要90万的进货价，方可支撑全年200万的销售值。
思考题③：订货数据 分析 支撑 订货结构
分享订货总量的概念，获得颇多朋友的争论，且主要衍生到，在诸项成本均高昂的背景下，做期货生意赚不赚钱的探讨，蛮好的。
但本人写的订货系列较适合初入职场涉及商品工作的人员。因组货订货并非大家想象的那么简单，其涉及到当店商圈渠道结构、单价提升、商品系列组合、实际陈货、单店自然增长率……
同时订货中还涉及到“理性”和“感性”两面的契合，但基本的订货理性数据模型还是需要有的。
分享“订货结构”
说到商品订货结构，结构是多纬度的，大体分为如下：
1、年级段：客群的匹配划分，及客群间比例;
2、性别：男女消费比例;
3、系列：同一品牌主推有不同系列，各系列占据商品企划的占比，同时依据渠道实况划分占比(消费市场、商圈等级及店铺陈列面等)，各波段上货时间点的系列组合性;
4、品类：作为商品组合各大类的占比，为货品规划的支撑柱，
例：棉服和羽绒在单店的陈列规划不可能一样，即便长江南北区域更完全不可能一样;
5、款数：品类的规划不一样，在各大类的款数规划上与上货时间点，销售周期，店铺实际面积及陈列面等实情作为采买款数规划;
6、上下装比例、套装比例、价格带、尺码、色彩比例规划……
以上说的占比规划，区域级别及往年销售数据采集与规划均能为采买提供基础的数据模型参考。早先年作商品数据分析及采买规划时多以“吊牌零售金额”在各所需数据中的占比来做分析;但笔者告诉大家再加一个“件数占比”作为多纬度的参考依据，为订货精准，提供强而有力的参考依据。
思考题④：订货数据 分析 支撑 SKU
订货前需清晰单店商品规划思路，SKU的宽度与深度是单店极其重点的平衡把控。
SKU=Stock Keeping Unit(库存量单位)，即最小存货单位。一个SKU通常表示规格、颜色、款式。
SKU数与款数易混淆，举例说明区分。
例：某店秋冬进13款的羽绒服，有4款均有2色不一样，比如这4款各有2色，那这家店铺的羽绒服品类的SKU为17个(13-4+4*2)，这17个SKU就是宽度。
那这17个SKU羽绒服中，有6个SKU是主推款销售量占比较大，有4个款是陈列款，另外其他7个款是常规基础款。这17个款依据款型适应客群及价格带中高低划分区间定义后，各款的销售量绝对不一的，那就必须进行以下推导进行羽绒服类的商品规划：
(预估订货总量——羽绒服类销售占比——羽绒服各段价格带——羽绒服SKU数——羽绒服基本款、主推款、陈列款的深度)
例：
依据28日写的例题，得到预估全年销售200万销售流水的店铺，秋冬订货金额(5折价)90万，其中羽绒服占秋冬订货占比的32%，羽绒服平均进货价650元(5折价)，那羽绒服的进货件数是多少?零售吊牌价3个价格带段1299-1499元(基本款)占比45%，1599-1799元(主推款)占比35%，1899-2099元(陈列款)占比20%，那主推款的SKU平均深度是多少?
1、90万÷5折=180万 (秋冬进货总金额零售吊牌)
2、180万*32%=58万 (羽绒服品类进货零售吊牌)
3、58万÷(650元÷5折)=446件 (预估进货件数)
4、446件*35%=156件 (主推款总件数)
5、156件÷6个SKU=26件 (主推款平均深度)
主推款26件再依据 M、L、XL、XXL、XXXL尺码原始销售数据占比划分下订单。自然具体依据订货会现场的货品再进行深度调节，但框架必须是在以上分析里面的。
思考题5：订货数据 SKU 售罄率 动销率
对于SKU有了清晰的了解，有人问到对一个单店来说到底多少的SKU是比较合理的?
这涉及到以下6个因素：
1、品牌总部的商企规划(风格、消费群)
2、各品类的订货规划与主价带分布;
3、店铺所处级别(商圈及渠道级别：商场、地铺、商超、综合体……);
4、实际板墙结构(陈列量);
5、上货波段及销售周期;
6、历史可参照数据(各品类售罄率与动销率)
先前笔者说，订货是一个“理性”+“感性”的契合。
因为一切获悉的数据分析模型是订货参考的前提，自然它代表的过去式，而客群和消费品类与风尚是时刻发生变化的。
例：2009年那会儿，笔者姐姐和妻子争相的要买西装小皮衣，在那时点的风尚(市场上皮衣类确实卖疯了)，但万不可能在做来年商品订货规划时，依旧将西装小皮衣作为来年的订货重点或主力，若这样订货就将严重偏差(市场存在饱和及客户消费品类发生变化)。
当然各大品类的售罄率，在订货规划中起到极其重要的参考依据。
例：某单店“西服类”品类整体售罄率偏低，这就要深纬度调研分析偏低的原因是什么?
1、SKU是否过深?(量是否太多?码是否偏差?)
2、SKU是否过宽?
(西服类依据版型分：
套装类：企领西服、正统西服、韩版西服;依据面料划分：毛料西服、仿毛西服;依据单品又分为套装类，单西类……)以上大类中的子类又如此之多，且价格带的划分跨度极大。故要分析售罄率低，第一要素，是不是SKU太宽了?若太宽，其中针对某各子类过低的售罄率规划次年订货是否砍伐?进而提高强势品类的集中度，从而提升售罄?
3、SKU的售罄率、动销率情况如何?
售罄率，表达的是某品类或某款货品在单位上货销售周期内的销售表现，它可以是一周也可以是10天，甚至是一个月的货品销售表达。
早先导入售罄率的概率是观察货品表现，为货品调拨及销售出清提供参考依据，现在在商品管理中，延伸的越来越多了，也是大家比较熟悉的商品管理术语。
动销率，这个概念是除了售罄率外，作为订货管理对早先数据采集的关键分析数据。它表达的是某品类货品在整盘货中的上货周期内的动态销售表现，对无效品类无效款的发掘起到极其重要的支撑。
思考题⑥：订货数据 SKU 售罄率
有朋友问到售罄率这个基础问题，有必要拉出来，好好细说，重新梳理售罄率这个概念。
售罄率是指：某款货品，单位时间内上货销售得的“正价比例”。
2个星期之内的售罄率是分析该货品是否需要补货还是列入降价，列入降价货品必须制作降价的预警信息。1个月之内的售罄率是验证2周内对该产品的判断，完整周期的售罄率是表明该产品是否盈利并指导明年当季产品的订货。
公式：售罄率=指定期间正价销售量÷到货量
P.S 售罄率在商品管理中也可分为：零售金额售罄率和件数售罄率，两者在动态数据上会有1%到2%的偏差。在单品分析上笔者个人比较推崇“件数售罄率”，在大类及整盘货品分析上那“零售吊牌售罄率”较合适。)
售罄率计算期间通常为一周，一个月或一个季。
例： 某款连衣裙G32950-N，Q2货品，4月1日上货，到货量100件，第一个月(4月份)销售40件，第二个月(5月份)销售30件，第三个月(6月份)销售15件;分析其各月的售罄率及总售罄率是多少：
4月份售罄率40%，5月份售罄率30%，6月份售罄率15%;Q2季度总售罄率为85%
售罄率反映了货品的销售速度——是否受欢迎，要充分关注新货上市的售罄率，进而依据售罄率的动态变化，加单、补货或降价出清。
从售罄率可看出营运是否良性。
当售罄率<65%，则库存大量积压;大量打折导致亏损。
当售罄率>85%，则说明进货量太少，出现脱销，销售利润不能最大化。
思考题⑦：订货数据 SKU 动销率 平均折扣率
动销率在先前的文字中有叙述，一盘货，在适季若某大类的动销欠佳，就需充分深究是否货品规划偏差问题(此文不深讨陈列、销售技巧等经营问题)。
在拥有售罄率(大类、子类等)与动销数据的前提下，进一步要有“各子类”的平均折扣率作为分析支撑。
例：某品类售罄率极高，但是它是通过削价促销出清后而获得的，在整个店铺的销售毛利占比是极低。
对此，我们就要很好的理性的定位，这新的一盘货品的组合及深度调节。
其后若再加入存销比、库存结构分析等等，可能会对新手来说，会越来越复杂;若各定义再延伸会越说越远了，回到我们订货数据分析规划根本点，如第一篇所说的。
订货的核心理念：一切为了零售。
这一订货系列暂且到这，告一个段落，各大品牌也都将迎来订货会，原始的期货操作模式，在现今大环境的压力下，艰难行走;不论是说铺货制、订货制或现女装流行的配货(销)制，其核心均是一样的，不一样的地方就是压力流向罢了。
|
