1.2 零售行业常用业务场景
本节从运营、商品、会员3个板块介绍零售行业经常使用的业务场景，包括各场景的场景描述、涉及的指标及分析维度，并配以相应的可视化图表辅助读者理解。需要注意的是，每一个业务场景，其展示效果的本质都是一张或数张数据透视表，可用多种方法对其进行可视化展示，使用的指标及维度也可根据业务的需求略有不同。本节仅起到抛砖引玉的作用，辅助您梳理业务分析框架、拓展分析思路和了解分析方法。在后面的章节中，我们会精选部分业务场景，详细讲解其业务分析技术实现的方法。
1.2.1 运营板块业务场景
运营板块主要包括区域分析、单店分析、销售预测、开关店分析4个主要业务场景，如图1-4 所示。
1．区域分析
（1）区域整体销售对比
● 场景描述：对比企业各区域整体销售绩效，找到业绩贡献的相对落后成员。图1-5 展示了报表刷新日（即报表数据更新日期）各区域核心指标本期和同期的业绩表现。
● 指标：门店数、销售额、同期销售额（销售额PY）、销售额同比增长率（销售额YOY%）、销售额占比、同期销售额占比（销售额占比 PY）、销售额占比同比增长值（销售额占比 YOY）、店效、销售完成率、折扣率、同期折扣率（折扣率PY）、折扣率同比增长值（折扣率YOY）。
● 维度：区域、省份；时间区间作为切片器。
图1-4 运营板块业务场景
图1-5 区域整体销售对比
（2）区域二级指标销售对比
● 场景描述：对于销售异常的区域，通过指标拆分进一步对比影响销售额的核心二级指标，看看到底是哪些二级指标导致业绩偏差。图1-6展示了报表刷新日各区域核心二级指标本期和同期的业绩表现。
● 指标：单据数、同期单据数（单据数PY）、单据数同比增长率（单据数YOY%）、客单价、同期客单价（客单价PY）、客单价同比增长率（客单价YOY%）、件单价、同期件单价（件单价 PY）、件单价同比增长率（件单价 YOY%）、连带率、同期连带率（连带率PY）、连带率同比增长率（连带率YOY%）。
● 维度：区域、省份；时间区间作为切片器。
图1-6 区域二级指标销售对比
（3）核心指标年度各月（截至2019年8月20日）趋势对比
● 场景描述：从年度视角整体把握各核心指标在各月的变化趋势。图1-7展示了2019年1～8月公司各核心指标本期和同期的月度趋势（销售完成率无同期数据）。
● 指标：销售额、同期销售额（销售额PY）、销售完成率、折扣率、同期折扣率（折扣率PY）、客单价、同期客单价（客单价PY）、连带率、同期连带率（连带率PY）、单据数、同期单据数（单据数PY）。
● 维度：月份；年份、区域、省份、城市作为切片器。
图1-7 核心指标年度各月趋势同期对比
（4）核心指标当月日趋势对比
● 场景描述：关注核心指标在近期的变化趋势，以便在发现趋势异常的第一时间恰当应对。图1-8展示了2019年8月公司各核心指标的日趋势同期对比。
● 指标：折扣率、同期折扣率（折扣率PY）、客单价、同期客单价（客单价PY）、连带率、同期连带率（连带率PY）、单据数、同期单据数（单据数PY）。
● 维度：日期；区域、省份、城市作为切片器。
图1-8 核心指标当月日趋势同期对比
（5）门店销售排名
● 场景描述：奖励先进门店，鞭策落后门店，并进一步找到优秀门店销售业绩占比较高的商品是哪些，为落后门店提供参考。图1-9 展示了报表刷新日近30日内营销四区各门店销售排名以及销售额构成。
● 指标：销售额、销量、销售额占比。
● 维度：区域、门店名称、季节、新老品、品类、单品；时间区间作为切片器。
图1-9 门店销售额排名及销售额构成
（6）区域品类销存对比
● 场景描述：“前线打得轰轰烈烈，后勤粮草供应也要跟上”。通过各区域品类的销存对比，找到可能的缺项品类以及针对某个品类可能存在库存不足的区域。图1-10展示了报表刷新日各区域各品类销量占比及期末库存数量占比。
● 指标：销量占比、期末库存数量占比。
● 维度：区域、品类；时间区间作为切片器。
图1-10 区域品类销存占比
2．单店分析
（1）核心指标年度各月趋势对比
参照区域分析的核心指标年度各月趋势对比。
（2）核心指标当月日趋势对比
参照区域分析的核心指标当月日趋势对比。
（3）单店品类销售分析
● 场景描述：“仗打得好坏，装备的种类、质量、数量至关重要”。从商品层面深入剖析门店销售偏差到底是由哪些品类导致的，是发放的款色数不足还是发放的款本身质量较差，从而有针对性地补充和调整。图1-11 展示了2019年初至报表刷新日某门店新品动销率对比，新品款色数及销售额本期和同期的对比，其中，新品动销率对比图中的虚线代表各个品类新品的平均动销率是83.78%。
● 指标：动销率、款色数、同期款色数、销售额、同期销售额。
● 维度：品类；门店名称、时间区间作为切片器。
图1-11 某门店新品动销率对比、新品款色数同期对比、销售额同期对比
（4）单店畅销款排名
● 场景描述：聚焦门店业绩占比较大的主力单品，重点关注其库存情况，及时补货或者寻找替代品。图1-12 展示了某门店打底裤品类在报表刷新日前7日的畅销款入库、销售及库存情况。
● 指标：到店日期、首次销售日期、总销售周数、销售额、销量、累计销量、售罄率、入库数量、期末库存数量、在途库存数量、库存可销天数。
● 维度：产品ID、品类；门店名称、时间区间作为切片器。
图1-12 单店畅销款排名
3．销售预测
（1）年度销售预测
● 场景描述：年度目标的设定和完成是企业最重要的任务之一，决策者通过比较年初制定的目标和当前已完成的目标，对年度未来日期的目标进行预测和调整，实时动态拟合年度目标的达成情况，从而更加轻松、高效地管理年度目标及未来调改方向。图1-13 展示了公司截至报表刷新日的实际销售额，按照当前增长趋势到年底所能达到的销售额预测值，以及按照决策者的期望增长率到年底的销售额期望值。销售预测（客观预测）和销售期望（主观设定目标）的差距促使决策者在当前进行战略调整，从而最大限度达成销售期望。
● 指标：销售目标、销售额、同期销售额（销售额PY）、预测销售额、本年至今累计销售额（销售额YTD）、同期年度至今累计销售额（销售额YTD PY）、年度累计预测销售额-按最后报表日（销售额预测YTD按最后报表日）、年度累计预测销售额-按预期增长率（销售额预测 YTD按预期增长率）、全年销售目标（销售目标 CFY）、同期全年销售额（销售额PFY）、全年预测销售额（销售额预测 CFY）。
● 维度：月份；年份、区域、省份、城市、门店名称作为切片器。
图1-13 年度销售预测
（2）未来N天销售预测及业务调整
● 场景描述：未来N 天销售预测及业务调整给出了应该在哪些点发力，以及各个发力点应达成的目标，使得业务人员想尽一切方案实现每一个发力点的既定目标。图1-14 展示了公司报表刷新日前30天的各项指标完成情况，按照目前的增长态势预测未来 30 天的销售完成率，以及针对各项指标采取相应的业务策略后，最终可能达到的销售完成率，从而指导业务人员有针对性地采取动作。
● 指标：销售额、单据数、客单价、件单价、连带率、吊牌单价、折扣率、销售完成率、销售额同比增长率（销售额YOY%）。
● 维度：区域、省份、城市、门店名称作为切片器。
图1-14 未来N 天销售预测
4．开关店分析
● 场景描述：开关店是快速改变市场份额的重要手段，通过对比新开店数及净增店数，预测区域发展战略能否按照既定目标实现。图1-15 对比了各区域2019年初至报表刷新日的开关店及门店数详情。
● 指标：年初门店数、本期开店数、本期关店数、本期净增店数、期末门店数。
● 维度：区域、省份；时间区间作为切片器。
图1-15 开关店及门店数详情
1.2.2 商品板块业务场景
商品板块主要包括采购入库分析、销售结构分析、新品售罄分析、畅销款分析、关联性分析5个主要业务场景，如图1-16 所示。
图1-16 商品板块业务场景
1．采购入库分析
（1）新品采购宽度/深度分析
● 场景描述：宽度是指产品的款色数，表示产品的丰富程度，深度则是指产品单款的平均采购数量。一个相对成功的产品配置方案是在保证产品丰富程度的基础上确保核心产品备货充足。图1-17展示了2019年春夏两季各个品类本期和同期的入库款色数及单款平均入库数量。
● 指标：款色数、同期款色数（款色数PY）、单款平均入库数量、同期单款平均入库数量（单款平均入库数量PY）。
● 维度：品类。
图1-17 新品采购宽度/深度同期对比
（2）入库数量分析
● 场景描述：品类累计入库数量趋势对比。图1-18展示了新品总仓累计入库数量趋势对比。
● 指标：入库数量、同期入库数量（入库数量PY）。
● 维度：日期；品类作为切片器。
图1-18 新品总仓累计入库数量趋势对比
2．销售结构分析
（1）季节销售额占比分析
● 场景描述：商品是应季的还是反季的，季节交替时是否能够根据气温变化灵活高效进行相应产品的配置。图1-19展示了2019年8月当月各季节产品本期及同期的销售额占比。
● 指标：销售额占比、同期销售额占比（销售额占比PY）。
● 维度：季节；区域、省份、城市、时间区间作为切片器。
图1-19 季节销售额占比同期对比
（2）品类销售额分析
● 场景描述：对比各品类本期销售额和同期销售额是否存在较大偏差，快速锁定异常品类。图1-20展示了2019年8月当月各品类产品本期及同期的销售额。
● 指标：销售额、同期销售额（销售额PY）。
● 维度：品类；区域、省份、城市、时间区间作为切片器。
图1-20 品类销售额同期对比
（3）新老品销售额占比分析
● 场景描述：既要充分发挥新品价值，也要合理利用老品，使合适的商品出现在合适的门店，保证新老品都能发挥自身价值。图1-21展示了2019年8月当月新老品的销售额占比。
● 指标：销售额占比。
● 维度：新老品；区域、省份、城市、品类、时间区间作为切片器。
图1-21 新老品销售额占比对比
（4）各品类ABC分类款色数占比分析
● 场景描述：快速诊断各品类销售结构是否符合健康的“二八法则”。图1-22展示了2019年春夏两季各品类商品整体的销售额以及品类内部 ABC分类商品的款色数占比（X轴长度代表销售额大小）。
● 指标：销售额、款色数占比。
● 维度：品类、ABC 分类；区域、省份、城市字段作为切片器。
图1-22 各品类ABC分类款色数占比对比
（5）价格段分析
● 场景描述：对比各价格段的款色数占比及销售额占比。图1-23展示了2019年连衣裙品类各价格段产品的款色数占比及销售额占比。
● 指标：款色数占比、销售额占比。
● 维度：价格段；区域、省份、城市、品类作为切片器。
图1-23 各价格段款色数占比及销售额占比对比
3．新品售罄分析
（1）新品销量及区域售罄率结构对比
● 场景描述：横向对比各个品类本期及同期的销量及区域售罄率，快速锁定区域售罄率偏差较大的品类。图1-24对比了2019年春夏两季各品类商品本期及同期的销量和区域售罄率。
● 指标：销量、同期销量（销量PY）、区域售罄率、同期区域售罄率（区域售罄率PY）。
● 维度：品类；区域、省份、城市作为切片器。
图1-24 新品销量及区域售罄率同期对比
（2）新品区域售罄率周趋势对比
● 场景描述：关注具体品类区域售罄率变化趋势，出现拐点时及时予以关注。图1-25展示了2019年半身裙品类本期和同期的区域售罄率趋势。
● 指标：区域售罄率、同期区域售罄率（区域售罄率PY）。
● 维度：周数；年份、品类、区域、省份、城市作为切片器。
图1-25 新品区域售罄率周趋势同期对比
（3）新品销售额/区域售罄率/折扣率综合分析
● 场景描述：根据销售额、区域售罄率及折扣率对各品类进行定位，为各品类的调整计划提供参考依据。图1-26展示了对2019年春夏两季各品类新品按照销售额、区域售罄率及折扣率进行的综合分析。其中，X轴表示区域售罄率，Y轴表示销售额，散点大小表示折扣率。
● 指标：销售额、区域售罄率、折扣率。
● 维度：品类；区域、省份、城市作为切片器。
图1-26 新品销售额/区域售罄率/折扣率综合分析
4．畅销款分析
（1）品类销售额前N 排名
● 场景描述：不仅要找到畅销品，而且要清楚其库存现状，是否存在门店缺货风险或是总仓库存不足，需要补单或者寻找替代品的情况。图1-27展示了半身裙品类报表刷新日销售额前10的单品，并对比了其累计销量、入库及库存情况等。
● 指标：入库日期、到店日期、首次销售日期、总销售周数、销售额、销量、累计销量、折扣率、公司售罄率、区域售罄率、入库数量、总仓库存、门店库存。
● 维度：品类、产品ID；区域、省份、城市、时间区间作为切片器。
图1-27 品类销售额前10排名
（2）畅销款门店销售明细
● 场景描述：对于某款畅销品，检查其在各个门店的销售和库存分布情况，重点锁定有销售但库存不足及无销售但库存充足这两类异常门店，及时进行店间调拨。图1-28 展示了某款畅销品本周至今的销量在各个门店的分布明细，以及入库、库存情况。
● 指标：到店日期、销售额、销量、累计销量、折扣率、区域售罄率、门店库存数量、门店入库数量。
● 维度：产品ID、门店名称；品类、区域、省份、城市、时间区间作为切片器。
图1-28 畅销款门店销售明细
5．关联性分析
（1）品类关联分析
● 场景描述：购买了某个品类的顾客或单据中，同时购买另一个品类的概率。重点探索品类间的相关性关系。图1-29以置信度、支持度和提升度的具体数值展示了各品类与女士防寒服的关联性。
● 指标：单据数、置信度、支持度、提升度。
● 维度：品类；区域、省份、城市、时间区间作为切片器。
图1-29 品类关联分析
（2）单品关联分析
● 场景描述：购买了某个单品的顾客或单据中，同时购买另一个单品的概率。通过单品关联分析，找到和目标单品关联性较大的商品。通常选择主推品或者畅销品进行单品关联分析。图1-30展示了防寒服品类的某款畅销品与其关联性较高的单品。
● 指标：单据数、置信度、提升度。
● 维度：品类、产品ID；区域、省份、城市、时间区间作为切片器。
图1-30 单品关联分析
1.2.3 会员板块业务场景
会员板块包括会员结构分析、新增及复购分析、会员转化分析、RFM 分析4个主要业务场景，如图1-31 所示。
图1-31 会员板块业务场景
1.会员结构分析
（1）会员性别、年龄分布
● 场景描述：展示门店会员基础信息。图1-32 展示了会员整体的性别及年龄分布。
● 指标：会员数量占比。
● 维度：性别、年龄区间；区域、省份、城市作为切片器。
图1-32 会员性别及年龄分布
（2）会员消费等级分布
● 场景描述：分析会员对门店的历史价值贡献，将更多的精力用在贡献度较大的顾客上。图1-33 展示了会员的消费等级分布。
● 指标：会员数量占比。
● 维度：会员消费等级；区域、省份、城市作为切片器。
图1-33 会员消费等级分布
（3）会员生命周期分布
● 场景描述：门店会员活跃程度，在很大程度上决定了门店的销售潜力。图1-34 展示了会员的生命周期分布。
● 指标：会员数量占比。
● 维度：会员生命周期；区域、省份、城市作为切片器。
图1-34 会员生命周期分布
2．新增及复购分析
（1）新增会员趋势分析
● 场景描述：拉新是会员管理的关键指标，需要监控各时间区间新增会员的变化趋势。图1-35展示了2019年各月（截至8月）新会员数量本期和同期的变化趋势。
● 指标：新会员数量、同期新会员数量（新会员数量PY）、新会员数量同比增长率（新会员数量YOY%）。
● 维度：月份；年份、区域、省份、城市作为切片器。
图1-35 新会员数量趋势同期对比
（2）新会员/老会员/非会员消费人数趋势分析
● 场景描述：对比各时间区间消费顾客中，新会员、老会员、非会员的占比趋势。图1-36展示了2019年各月（截至8月）新会员、老会员及非会员的数量占比变化趋势。
● 指标：新会员数量占比、老会员数量占比、非会员数量占比。
● 维度：月份；年份、区域、省份、城市作为切片器。
图1-36 新会员/老会员/非会员数量占比趋势对比
（3）老会员复购人数及复购率趋势分析
● 场景描述：复购是业绩增长的动力，门店要想尽一切办法通过产品及服务提升复购率。图1-37展示了2019年各月（截至8月）复购人数及复购率的变化趋势。
● 指标：年平均动态复购人数、同期年平均动态复购人数（年平均动态复购人数PY）、年平均动态复购率、同期年平均动态复购率（年平均动态复购率PY）。
● 维度：月份；年份、区域、省份、城市作为切片器。
图1-37 年平均动态复购人数及复购率趋势同期对比
（4）会员区域销售对比
● 场景描述：综合对比各区域拉新及复购的效果。图1-38展示了2019年各区域会员数量、拉新及复购业绩。
● 指标：有消会员数量、同期有消会员数量（有消会员数量PY）、有消会员数量同比增长率（有消会员数量 YOY%）、新会员数量占比，同期新会员数量占比（新会员数量占比 PY）、新会员数量占比同比增长值（新会员数量占比 YOY）、会员消费占比、年平均动态复购率。
● 维度：区域、省份；时间区间作为切片器。
图1-38 会员区域销售对比
3．会员转化分析
（1）会员消费次数转化分析
● 场景描述：消费N次的会员，有多少会员会进行第N+1 次消费，通过转化率的趋势分析，找到提升转化的关键发力点。图1-39展示了某门店会员的消费次数转化率。
● 指标：会员数量。
● 维度：消费次数；区域、省份、城市作为切片器。
图1-39 会员消费次数转化漏斗
（2）会员首次消费与二次消费间隔天数分析
● 场景描述：进行二次消费的会员中，通过分析首次消费与二次消费的时间间隔是如何分布的，找到一个相对合适的时点对未二次消费的会员进行触达。图1-40展示了某门店会员首次消费与二次消费的时间间隔分布。
● 指标：有消会员数量、首次消费与二次消费间隔天数累计人数占比。
● 维度：首次消费与二次消费间隔天数分组；区域、省份、城市作为切片器。
图1-40 会员首次消费与二次消费间隔天数累计人数帕累托分析
4．RFM分析
（1）RFM 各等级会员数量及销售额分布
● 场景描述：根据会员的最近一次消费距今时间、历史消费频率及历史消费金额对会员进行等级划分，针对不同等级的会员采取不同的营销策略。图1-41 展示了RFM 各等级会员的数量分布及销售额分布情况。
● 指标：会员数量占比、销售额占比。
● 维度：RFM 分类；区域、省份、城市作为切片器。
图1-41 RFM各等级会员数量占比及销售额占比
（2）会员消费次数分布
● 场景描述：分析门店会员的消费次数主要集中在什么范围，找到需要重点触达的客群。图1-42 展示了各消费次数的会员数量占比及销售额占比。
● 指标：有消会员数量占比、销售额占比。
● 维度：消费次数；区域、省份、城市作为切片器。
图1-42 会员消费次数分布
（3）会员最后一次消费距今月数分布
● 场景描述：通过会员最后一次消费距今月数分布反映门店会员的活跃度水平。图1-43 展示了会员最后一次消费距今的月数分布情况。
● 指标：有消会员数量、有消会员数量累计占比。
● 维度：最后一次消费距今月数；区域、省份、城市作为切片器。
图1-43 会员最后一次消费距今月数分布