博客

1. 案例背景

果多吃水果连锁超市是华北地区的热门线下水果超市。该超市覆盖华北5个省份，且在京津冀地区门店超过90家；与其他动辄SKU过百的水果连锁超市相比，公司专供60种热门水果，其中由果多吃自建供应链的具有自主商标的高品质产品在数量上逐年增加，为企业提供了丰厚利润。自2015至2018年，其年净利润涨幅保持在10%以上，其中2018年的净利润额达7835万。



作为一家线下连锁水果超市，果多吃通过直营+加盟的模式铺开连锁网络。通过标准化的储存方式、仓库的创新设计、高效能的设备以及与供应商的同步数据来确保物美价廉。其长期的稳定盈利，一方面得益于有针对性的店面规划和商品规划，另一方面得益于完备的会员制度和有效的会员激励方案。公司设计了一套商品分配系统，能够依据各个地区的商品销售特点自动划分该地区的水果供应配比，而总公司一般只需要按照整体需求安排水果采购即可；2019年，公司发现季度利润有下降趋势，下图是近年来的企业季度利润表现。从图中可以看出，2019年Q1和Q2的利润同比都为负数。连续两个季度无法维持利润增长，如果保持现有利润增幅，将无法满足公司董事会设定的利润目标，企业领导十分着急。

2. 目标

通过与老板沟通，得知个现有的目标有1个：

对比去年达到5%的年净利润增长

按照前几年的Q1、Q2季度利润占比和近年的实际利润情况，估计全年利润为7600万左右，如果需要对去年保持5%的利润增长，则需要达到约8200万利润（7835万 * （1+5%）），还需要填补600万的利润缺口。按去年的季度利润占比，第三季度的利润平均占全年的28%，第四季度占全年的18%，我们预估第四季度的利润提高难度要大于第三季度。所以我们给第三季度分配400万利润提高额，给第四季度分配200万利润提高额。

3. 问题确认与指标拆解（业务逻辑图）

4. 问题解决思路（流程图）

方案1：未盈利店铺Q3承担100万毛利额增长额

我们通过店铺的盈利状况，发现接近有23家店铺未盈利（约占92家店面的25%）。我们将25%的毛利额增长任务分配至这25%的未盈利店铺，利用部分商品打折促销的营销推广方式，让店铺增加客流量，提高打折水果销量，同时也提高非打折水果的销售概率。以这个方式来达到店铺毛利额增长的目标；通过25%的毛利额增长任务拆解单店的日均毛利额增长任务：

亏损店铺本季度承担毛利额增长总额为：400万 * 25% = 100万

每店铺平均每日承担的毛利额增长额为：100万 / 90天 / 23店铺数 = 483元

为了将目标设置得稍微高一些，我们将目标从483元 提高到了 500元

方案2：利用高销量高利润商品带来300万毛利额增长额

我们将75%的毛利额增长任务分配至所有店铺，分析热销水果，预测水果的销量变动趋势，改变不同水果的进货配比，从而达到增加毛利额的目标；

通过75%的毛利额增长任务拆解单店的日均毛利额增长任务：

所有店铺本季度承担毛利额增长总额为：400万 * 75% = 300万

每店铺平均每日承担的毛利额增长额为：300万 / 90天 / 92店铺数 = 360元

5. 整体知识点

6. 利用分组分析找到亏损店铺做营销优化，实验验证结论

我们在本阶段完成以下几个任务：

1. 拆分出亏损店铺
   
   其中亏损店铺的划分为：日毛利额小于4000的店铺；
   
   关于我们日毛利额4000的标准，我们的计算标准如下：
   
   租金成本：我们水果店铺单店的面积在80㎡左右，按每平米8元的日租金，每日租金为：640元
   
   人员成本：水果店单店的员工数平均8人，每人每月平均工资4000元，折合每日工资为：1067元
   
   税：水果店的单店税收平均到每天约为：1000元
   
   水电及其他成本，每日约为：300元
   
   装修及设备分摊成本，每日约为：1000元
2. 从亏损店铺中抽取部分店铺做精细化销售方案实验
   
   其中精细化销售方案指线下店铺常用的部分商品打折促销的活动
3. 分析实验效果，前后对比，确定是否将该方案推广到其他亏损店铺

数据介绍

92家店铺 店铺ID 日均销量等4个维度（每个字段的介绍）



数据处理：

1. 对店铺亏损程度排序，查看大致亏损情况–按日均毛利升序排序
2. 找出日均毛利小于4000元（亏损店铺）–筛选出日均毛利小于4000的店铺
3. 抽取3个样例店铺（id 为23 ，39， 64） 进行推广实验并与之对比，数据如下
   
   营销方案（运营人员）
   
   降价营销（运营人员）
   
   
4. 计算推广前后的利润对比
   
   1.对比日均毛利额是否增长
   
   2.每日每斤平均利润 = 日均毛利额度/日均销量
   
   
5. 23号店是否关店决策
   
   按现有日均毛利额增长速度，23号店预计未来3个月都无法达成盈利的状态，可以考虑关店；
   
   3个月后预估的毛利 = 日均毛利*(1 + 增长幅度)^3
   
   
   
   分析结果
   
   三店平均日均净利润增长额：1176元
   
   23号店铺：净利润增额205元（未达目标）
   
   39号店铺：净利润增额2262元
   
   64号店铺：净利润增额1061元
   
   
   
   

7. 运用对比分析法解决哪类产品销售好的问题

拆分出不同销量的水果，尝试对水果做销量对比

使用对比分析方法完成任务

数据介绍

数据为一具体店铺17天抽样的507条销售记录，数据维度包括销售日期 产品ID 折扣 数量等10个维度。

分析结果：

通过对比销量分析，发现葡萄和荔枝的销量明显高于其他品类；

为了进一步分析销量和利润的综合效果，需要结合利润维度做矩阵关联分析；

同时为了决策进货量，需要进一步进行趋势分析。

数据处理：

1. 为各品类绘制对比图
   
   
2. 计算每天的总销售额，每单的总销售额
   
   
   
   

8. 利用矩阵关联法找到销量好和利润高的品类

拆分出不同销量和利润的水果，为接下来的进货量调整做准备。

找到利润高，销量高的水果

1. 利润高 ：平均利润高（因为水果每次进价不一样，售价也不一样）
2. 平均利润 = 总利润/总销量
3. 总销量 = 数量的总和
4. 总利润 = 利润的总和
5. 求利润 = 销售额 – 成本 * 数量
6. 销售额 = 单价 * 数量 * 折扣
   
   矩阵分析法
   
   是指将事物的两个重要指标作为分析的依据，进行分类关联分析，找出解决问题的一种分析方法，也称为矩阵关联分析法，简称矩阵分析法。
   
   只要两个指标之间线性无关且放在一起有意义都可以用象限分析 。如：转化率和客单价， 售罄率和单款产出，单款库存深度(数量）和 上新款数等。
   
   作用：
7. 将有相同特征的事件进行归因分析，总结其中的共性原因
8. 建立分组优化策略
   
   象限分析
   
   销量高和平均利润都高：重点对待
   
   销量高但是平均利润少：一般保持
   
   销量低但是平均利润高：重点发展
   
   销量和平均利润双低：需要查明原因或减少进货量的品类
   
   分析结果
   
   处在重点对待象限的品类是荔枝，可以增加进货量
   
   处于需要查明原因或减少进货量的品类是芒果，可以减少进货量
   
   
   
   #9. 运用趋势分析法分析水果总需求如何

• 挑选出毛利额较高的品类和毛利额较低的品类，预测两者的后续销量趋势，使用趋势分析法预测销量趋势
• 根据预测的销量趋势判断是否需要增加进货量或者减少进货量，并判断为了完成利润目标需要增加多少进货量
• 趋势分析法，趋势是市场表现的方向，趋势分析可以帮助我们把握市场大方向，不犯原则性错误。
  
  趋势有三种方式：上升，下降和平稳
  
  纵向分析:不同时间的段指标进行比较
  
  
  
  分析结果
  
  荔枝的趋势预测小幅上升，说明顾客对于荔枝的需求正在增长，可以提高荔枝进货量。同样，利润较低的芒果趋势预测小幅下降，说明顾客对于芒果需求正在降低，可以减少芒果进货量。
  
  数据处理
  
  荔枝、芒果销量趋势图
  
  
  
  
  分析7月每周各类水果的需求情况
  
  
  
  计算每日的客单价 客单价 = 总销售额/订单数
  
  

9. 结论分析报告
   
   1.各店的精细化销售方案能将亏损店铺日均毛利额提高1176元

• 通过三店的精细化销售推广，23号店日均毛利额提升205元，提升幅度达23.85%；39号店铺日均毛利额提升2262元，提升幅度68.17%；64号店铺日均毛利额提升1061元，提升幅度30.07%；三店铺日均毛利额提高1176元；

• 按三店的最低提升幅度23.85%估计23家亏损店铺的整体日均利润提升额为1.6万，平均每个店铺712元，大于目标500元；

• 后续可以对24个亏损店铺推广，按每个店铺712元的毛利提升，预计整体一个季度可以提升143万利润。可完成36.8%毛利额增长目标。
  
  
  
  2.调整水果进货后能将店铺的日均毛利额提高

• 通过矩阵关联法，分析出荔枝属于高销量高利润商品、芒果属于低销量低利润商品；

• 通过预测两者销量趋势，可以预测到荔枝销量呈上升趋势，芒果销量呈下降趋势。我们决定增加荔枝进货量，减少芒果进货量。结合矩阵关联法，可以看出，这种调整组合可以有效提高店面整体毛利额；

• 假设我们的进货调整方案为：
  
  

• 可以计算得出需要增加荔枝量在230斤到330斤之间
  
  后续可按相同方式预测其他水果销量，可以综合地提高其他品类的进货量，而非单一提高一个品类的进货量，从而使我们达到目标的策略更加稳妥可行。