Trax深度洞察|解构货架数据对于商品销量的影响

发布时间:2022年05月06日
       大数据年代的数据多具有量大、类型多、价值密度低、时效性高的数据特征, 而驱动添加的重要引擎之一, 便是对数据价值的发掘及使用。品牌方一到月末、季末、年底, 面临各式各样不同大区、不同途径汇总的数据表格, 目不暇接, 单依汇总、数据透视恐怕很难取得及时和多维度履行层面的洞悉,

作出影响战略布局的决议计划。门店数据作为洞悉职业趋势和市场动态的柱石, 其重要性显而易见。在履行初期, 作用进步显着。到了履行中后期, 作用进步远没有初始那般迅猛, 乃至阻滞的状况也时有发生, 但是越到后期, 对管理层的战略部署越有深远的影响。货架数据关于履行层的影响是最直观的, 如产品面位、销量的体现。当数据量累计达必定程度则可进行竞品剖析、产品组合剖析、新式趋势辨别如单品或许新式品牌的兴起,

终究量化投入目标, 然后进步出售额和出资报答效益。依据全球每月辨认10亿产品的巨大体量, 并结合Trax十年来服务于品牌商和零售商的成功经历。咱们将环绕如下四个方面来深入剖析货架数据如安在日常门店履行中发挥更多效能。产品空间弹性剖析产品的摆放空间与销量添加是否成正比?答案是否。货架空间使用率大多由产品特点以及市场需求决议, 如薯片、饮料等能够依托加大排面拉动销量添加, 而如文具、学习用品等产品则不适用这一准则。在弹性剖析中, 咱们一般会依据产品特点, 门店的归纳特点如规划、人流量等, 来定位货架弹性空间临界值, 然后平衡产品在货架上的散布与产品发生的额定收入之间的联系。临界值之内是产品销量快速添加区, 临界值之外是产品销量陡峭区域。经过定位临界值, 反推同类型门店投入与产出的联系, 假如超越临界点, 则替换成其他弹性产品, 到达品类的ROI最优值。图1-产品空间弹性剖析:临界点的判别经过这种简略的改动, 将空间分配给弹性添加的SKU, 能够带来十分明显的出售添加时机, 也得以使得履行费用在整体费用中占比下降, 到达最大化。某跨国日化品牌商经过Trax进行继续货架本相监测, 鉴别出在临界点邻近的弹性SKU, 将22%的货架空间重新分配, 然后添加了3, 800万年度出售时机。图2-产品空间弹性剖析:货架空间重新分配价值剖析视野层对产品销量的影响依据顾客均匀身高的视野辐射规模, 视野层被界说为坐落140-170cm之间的货架高度。在大卖场中, 视野层一般占有两层, 而在便利店或许食杂店, 过道比较窄的状况下, 只要一层吉星高照视野层。因为视野层是第一时间触摸顾客, 与其他层数比较将会带来更大的购买志愿和消费动力。那么是否中心产品必定就在视野层呢?依据Trax服务的某客户门店数据剖析成果, 其间心产品只要在少量门店才出现在视野层, 其间大型门店人云亦云不高于36%, 中型门店人云亦云不高于22%。图3-视野层对产品销量的影响:中心SKU在视野层的人云亦云经过更进一步的深入剖析发现, 七层货架中, 中心SKU放置在倒数第二层和倒数第三层时, 产品销量比均匀值低28%, 而放置在最基层时, 产品销量比均匀值比低45%。经过改动中心SKU的货架方位, 特别将中心SKU置于视野层和中层方位, 对产品销量发生了十分活跃的影响, 比均匀值高4.3%。图4-视野层对产品销量的影响:改动中心SKU货架方位对销量带来的影响会集陈设对产品销量的影响会集陈设中最常见的是色块陈设, 在货架上的SKU假如呈现出亮堂的色彩、对比色以及必定人云亦云的调配, 特别是同一色系的会集陈设, 会更简单招引顾客停步逗留, 添加购买愿望。影响销量的要素除了色块的会集陈设, 会集陈设在视野层的人云亦云也至关重要。
       不同品牌、不同品类、不同产品都有共同的偏好。
       形象陈设如笔直散布或许横向散布, 关于门店履行要求有较强的前瞻性。
       图5-某品牌会集陈设实践作用图Tips:陈设小好方法依据Trax的经历, 除了新品发布、促销陈设之外, 品牌商在视野层排面上给与的重视度较高。依据视野层的空间本钱考量,

除了经过添加产品的排面进步顾客的视觉冲击之外, 依据相似品类产品独有的特征设定陈设摆放也能起到意想不到的作用。例如, 在整排货架都摆放洗衣液、洗衣粉产品的状况下, 在其间置入芳香凝珠这类新品, 对顾客的招引力将会成倍添加, 当顾客拿起产品看一下, 关于品牌商来说便是一个巨大的打破, 添加潜在购买时机。地堆规划对产品销量的影响二次陈设无疑是抢占出售人云亦云的绝佳时机, 怎么充分使用这一时机到达销量添加的最大化?某日化品牌商光亮顾客购买行为的影响要素, 关于地堆摆放规划做出了新的测验, 在原有根底地堆造型的根底上, 新增二层空间, 摆放当季新品, 使用新的延伸空间影响顾客的视觉感官。怎么判别新地堆形象的作用并量化其对产品销量的影响成为了该品牌商不得不面临的难点。此时, Trax来支招。
       经过挑选试点门店对新二层地堆的促销履行摄影上传和AI辨认、继续监测, 一起经过主动层数辨认、地堆面积和面位辨认, 并将所取得的门店二陈数据与POS数据结合进行剖析, 成果发现, 在履行监测时段内, 新二层地堆形象与以往一般的地堆比较带来8%出售额添加。用实在的陈设数据监测履行体现, 从而反哺陈设规划的可行性与优势, 品牌商就此对试点门店的新二层地堆形象体现有了全方位的了解, 大规划推行至一切同类门店, 并监测一切门店履行, 深度把握陈设体现, 取得更进一步的洞悉。写在最终货架数据的剖析与洞悉历来都不是一蹴即至, 而是一个不断堆集的进程。而从门店层面来看, 需求结合门店组群区分、出售添加率等其他相关要素进行归纳剖析。以上的洞悉都是建立在很多数据的根底上, 寻觅因变量和自变量之间的联系, 而且判别这些关联性是否严密、是否牢靠, 经过模型科学剖析而得出。货架深度数据, 如详细层数、会集陈设、过道方位、本品与竞品是否相邻、价格方位次序等均能够经过更高维度的门店数字化得到。Trax继续深耕实体零售数字化,

助力品牌商经过货架数据的力气,

深度洞悉未来零售机会!