從傳統的線下零售（百貨商店-連鎖商店-超級市場），到前幾年火熱的線上電商零售（綜合、垂直電商-社交電商），再到這幾年線上線下結合的新零售模式，零售行業的運營模式發生了巨大的變化。

大資料時代下的零售行業，面對眾多的顧客和複雜多變的市場需求，想要及時適應市場變化，掌握市場動態，就需要對零售各個環節的資料進行分析，得到科學有效的結論來指導決策。本文將介紹新零售模式下零售行業資料分析的指標體系和方法論。

無論商業模式如何變化，無論是傳統零售還是新零售，都離不開“人、貨、場”這三個核心要素，新舊模式的變化，本質上其實就是“人、貨、場”三要素的進化，從原來商品為王的“貨、場、人”時代，變成了如今使用者為王的“人、貨、場”時代。

圍繞“人、貨、場”這三個核心要素，新零售資料分析指標體系可以分成線上、線下兩個部分：

線下的“人、貨、場”

1. 資料分析提升“人”效

這裡的人效有兩個方面，一是指企業員工，二指消費者。在這個消費者掌握主動權的時代，想做好零售，除了加強員工管理，提升人員效率之外，更重要的是提高消費者忠誠度、充分挖掘客戶終身價值。

企業員工管理中的資料分析一般分為兩個方面，一是員工效能分析，一是員工結構分析，員工效能分析主要關注的就是員工的銷售指標和服務效能指標，員工結構分析主要關注企業員工的流失率、人力結構、薪資結構等等，防止出現人力分佈不均勻、薪資不合理的情況。

顧客管理是零售行業資料分析中相當重要的一部分，尤其是其中的會員顧客的管理。會員顧客的分析，可以從客戶群體的消費行為特點、等級劃分、活動管理等方面入手，越豐富越好，越細緻地瞭解到會員群體的特徵，越有利於客戶關係的維護和發展，這裡簡單地列一些可參考的分析指標，實際的分析過程中還可能會衍生出更多的指標

2. “貨”——商品分析

貨就是指商品，商品資料分析的核心就是圍繞“進銷存”展開，重點就是商品結構的分析和商品消化跟進分析，結構分析常用指標有各類結構佔比指標，商品消化跟分析常用指標有售罄率、存銷比等，詳細的指標結構如下：

3. 資料分析提升“場”效

場指的是消費場景，所有連線消費者和商品的終端，都是“場”，比如線下門店、線上的購物網站、APP、小程式等。“場”效的分析，核心是業績與各項運營指標的監控，店鋪的銷售指標、銷售追蹤指標、效率指標等等

對線下門店來說，有一個關鍵的指標叫做“坪效”，指的是每平方米麵積創造的年收入

坪效=銷售額/店鋪面積， 銷售額=流量x轉化率x客單價x復購率

流量是制約坪效率的重要因素，當流量新增緩慢時，企業的坪效就會難以增長，此時企業就會增加線上銷售額，增大線上流量

線上電商資料分析指標

從使用者註冊、瀏覽商品、加購商品、到最後的下單、確認收貨，這中間有五個關鍵的資料分析指標：活躍使用者量、轉化、留存、復購、GMV。

線上電商的商品品類眾多，首頁商品更新速度快，因此在電商的商品分析中，要重點關注商品的轉化率，根據根據轉化率，結合業務經驗，調整運營策略，來提高我們的轉化率和GMV

另一個重要部分就是使用者資料的分析，通過對使用者資料的分析實現精細化運營。

做好使用者精細化運營關鍵有兩點：一是關注使用者留存，二是通過對使用者分群，實現針對性的運營策略。

除此之外，線上電商經常會有各種各樣的線上促銷活動，通過營銷活動過程中的資料，分析監控某次營銷活動給帶來的效果、以及廣告的投放效率

零售行業常用資料分析方法

理清楚了零售行業的資料指標體系，接下來介紹幾個在零售資料分析中常用的資料分析方法

1. ABC分析法

ABC分析法又稱帕累託分析法，是商品管理中常用的資料分析方法。通過一段時間內商品銷售情況的分析，把商品分為A、B、C類，調整不同類別商品的管理策略。

舉個常見的ABC法則在商品庫存管理中的應用，假如我們打算對庫存商品進行年銷售額分析，第一步要先收集各品類商品的年銷售量、商品單價資料，然後對資料進行處理，計算出銷售額、累計銷售額、累計銷售額百分數等，將商品按照銷售額的大小降序排列，將累計銷售額佔比累計佔比0至50%為A類商品，50%-90%為B類商品，90%-100%為C類商品，然後根據分析結果，對ABC三類商品採取不同的管理策略。

2. RFM分析模型

RFM模型在會員價值分析中經常用到，把客戶按最近一次消費(Recency)、消費頻率(Frequency)、消費金額 (Monetary)三個維度分成八個等級，判斷客戶價值。

據RFM的分析結果，調整運營策略，維護好重要價值的客戶，關注流失的客戶，分析客戶流失的原因，減少流失率。

3. 關聯分析法

關聯分析是分析兩組隨機變數間關聯關係的方法，在零售行業中最典型的應用就是商品關聯分析，商品關聯分析又叫做“購物籃分析”，通過分析使用者消費資料，將不同的商品之間進行關聯，並挖掘兩者之間的聯絡，制定商品打包促銷策略。

除此以外，關聯分析還可以用在分析商品數量與銷售額的關係、員工數量於企業銷售額之間的關係等等

4. 漏斗分析法

漏斗分析法在資料分析中的應用場景有很多，典型有的營銷漏斗、AARRR模型等等。它的核心思想是分解和量化，比如下面的營銷漏斗，包含了使用者從選購商品到最終購買的整個流程，然後通過計算各個流程之間的轉化率來衡量每一個流程的表現，通過對每個環節之間的使用者轉化情況的檢測，尋找電商各個環節可以優化的點，從而提升購買轉化率