加载中…
你的城市比上海商业发展落后几年？消费数据测出了“时间差”
(2017-10-09 21:15:14)
标签：
杂谈 |
作者：数据侠 查琳彦
这几年电商行业如火如荼，给诸多线下零售业态带来了冲击，但这并不意味着线下没有新的机遇。面对全国不同线级城市的零售市场，怎样找准定位精准布局？又如何在混沌之中找到一套清晰的城市商业量化评估方法？来自第一财经商业数据中心（CBNData）的高级数据分析师查琳彦，在数据侠实验室为我们带来了一场基于城市消费数据研究方法论的分享，干货满满，本文为其演讲实录。
实体零售真“下滑”了么？
今天分享的主题是运用线上的电商零售大数据来分析不同城市的一些特性，从而发现在这些城市的零售新机会。
首先介绍一下这个主题的背景：
其实大家也知道，近几年来电商的高速发展，对线下实体零售产生了一定的影响和冲击。
同时，也有一些媒体开始唱衰实体零售业。比如经常会爆出一些百强企业的销售增幅持续放缓或者出现负增长，一些企业的净利润率有些下跌等情况。
实际上，虽然有一些企业的利润有所下降，但消费者的消费意愿其实也并不是都向电商转移了。
如下图，从消费者的个人消费成交额来看，实体消费还是在稳步增长的一个状态。再看右边，其实也有一些新兴的线下消费渠道，比如便利店或者是专卖店，在电商冲击比较明显的阶段也能保持着销售额年增15%以上的一个态势。
所以，电商是永远不可能取代实体零售的，相反，这两者会寻找一个动态的平衡点。这其实也就是我们现在不断在提的o2o的一个完善的过程。也就是说，线下的实体消费真正面临的挑战其实是一个结构上的调整。
以美妆行业为例来看，电商确实是减少了产品买卖中间的一些流通环节，从而降低了它的销售价格，但这真的就全部都是好事情吗？
其实也不完全是这样。
下面左边的这张图，是截止到2016年一些品牌的单品牌店开设的情况，它们的门店数量还是十分惊人的。这些品牌中既包括了单品牌店模式为主的国产和韩国品牌，也包括了百货商场专柜为主的欧美、日本品牌。
为什么会在这样一个实体零售增速放缓的时间段，品牌方还要不断地开设这些单品牌店呢？
其实是因为有一些体验式的服务和内容的需要。比如说像品牌形象的展示或者是产品功能的体验，或者是一些良好的售前售后服务等等，这些都是现在电商所无能为力、需要依靠线下才能有力的实现。
因此，我们也就可以看到现在单品牌店发展开始呈现出两大趋势：一是注重数量，二是强调体验。
注重数量的品牌，像是菲诗小铺、植物医生、Innisfree这些平价品牌，目前它们在大量地开设单品牌店，以保证品牌的渗透率。
而强调体验的品牌，主要是像雅诗兰黛、兰蔻这样的一些中高端品牌的代表，它们现在是以强调品牌形象的体验类旗舰店为主，但目前来说这样的店铺整体数量还是比较少。
我们以Innisfree为例，它在2004年首次进入中国市场，在百货商场开设专柜。但是由于水土不服，2006年退出了中国市场。
到了2012年，它又再次进入中国市场，这个时候调换了品牌战略，改以单品牌店为主。之后几年迅速扩张，到了2016年它的单品牌店的数量已经达到了200家以上。完成了我们之前所说的注重数量的渗透。
到了今年，它又开始逐步转换策略，为了进一步提高消费者的购买体验，在成都开设品牌体验店，进一步完善了它线下的一个注重体验的布局。
基于以上的背景，大数据如何能够帮助这些美妆品牌怎么样进一步优化它们线下的城市布局呢？
我们结合手边的一些数据做了一些宏观层面的分析。这个分析主要围绕店铺数量布局这一层面展开，目的是希望帮助品牌提高在线下的渗透率。而前面提到的强调体验这一点，并不在今天我要讲的内容范围，由于时间有限，接下来我主要会围绕下面的三个问题展开：
1、消费数据如何识别出重点城市
2、消费数据如何还原不同城市发展的“时间差”
3、消费数据如何量化城市的商业氛围
帕累托分析方法识别重点城市
我们采取的是帕累托分析方法，也称为ABC分类法。
它是由意大利经济学家帕累托所创，1879年，帕累托在研究个人收入的分布状态时，发现少数人的收入占了全部人收入的大部分，而多数人的收入只占了很小一部分，用图表示出来就是著名的帕累托图。
我们经常说的二八法则，也是符合这样的一个原理的。
这样一个理论后来被一些管理学家应用到库存管理当中，现在已经被推广到了经济管理的方方面面。
这个理论的一个核心思想其实就是在决定一个事物的众多因素当中，要首先分清楚主次，然后识别出少数的、但是对事物起决定性作用的这样一些关键因素，以及多数的、但是对事物影响较少的这些次要的因素。
在ABC分析法的分析图当中，我们可以看到横坐标轴代表着影响质量的各项因素，然后我们会将这些影响按照影响力从大到小，由左向右排列。
曲线表示的是各种影响因素的累计的百分比，一般我们会将曲线的累计频率分为三级，与之相对应的因素分为三类：A类因素、B类因素、C类因素。
A类因素是指发生累计频率在0%到80%之间，这被我们称为主要的影响因素；B类因素是指发生频率在80~90%之间，这是次要的影响因素；C类因素是指发生累计频率在90%到100%之间，这也就是我们所说的一般的影响因素。
站在品牌方的角度来说，它在线下城市的布局扩张也并不是说越多的城市越好，而是应该利用有限的资源入驻到一些主要的城市，从而在整体上取得更理想的一个市场覆盖率。
在这里我们以华东地区的美妆行业为例，首先我们根据线上消费数据以及一些公开资料，比如线上的消费者规模、人均消费水平、线上渗透率、线上支出占比等等，通过我们的方法推算、搭建模型，得到了华东地区各城市预估的年度的消费者规模以及人均消费金额，从而去推算不同城市的市场容量。
然后我们将华东地区所有的城市按市场容量的大小，从大到小进行排序，得到了下图所示的一个结果。接着，我们对这些城市进行了划分并对它们所代表的类型进行命名。
我们根据帕累托图，画了下面这幅华东地区的美妆集中度的图。为了方便大家阅读，我们对帕累托图做了横纵轴的转置。纵轴是指品牌方需要入驻的城市的数量，横轴是对应的这些城市能达到的的市场覆盖率。
同样地，可以运用ABC法则来解读这张图。
我们将这些城市看作是一些比较重要的影响因素，我们之前提到的占到0%到80%的A类因素，在这里就是指这些排名前13名的城市。B类因素，也就是我们之前说到的80%到90%之间的，这里就是指排名14到19名的这些城市。而剩下的排名20到45名的城市，就是我们之前提到的C类因素。
对应到具体的商业决策，2017年美妆行业的零售企业或是消费品牌，如果是计划覆盖华东地区50%的美妆消费者市场，其实需要入驻上海、杭州、南京、苏州四个城市就可以了；但如果计划覆盖华东地区80%的美妆消费者市场，还需要再进入其它的九个城市。当然我们说的都是在理想的状态下所产生的情况。
在这里我们也会考虑到城市扩张需要一个过程，而我们美妆行业的帕累托图其实也会随着时间发生一些变化。
针对这一问题，大家在做相关分析的时候可以根据城市的预估市场容量增速，预测2020年或者是更往后的数据，然后依靠那些数据来绘制未来的帕累托图。
时间轴分析还原城市发展“时间差”
需要指出的是，企业或者是品牌方在线下选址或是选择城市时，往往要考虑到非常多的复杂因素，这里我再介绍另外一种方法——时间轴分析。
。。。
。。。
。。。
查看完整文章，请关注微信公众号：数据化管理（ID：sjhglwx），查看历史消息，还有更多干货等着你。
节后工作第一天，找回状态就来学习Excel动态图表学习课程吧：
跟着Excel图表界的大神-刘万祥老师，系统学习动态图表！
直接点击链接：干货：ppt也能玩动态图表了
喜欢
0
赠金笔