大數據時代的數據多具備量大、類型多、價值密度低、時效性高的數據特征，而驅動增長的重要引擎之一，就是對數據價值的挖掘及應用。

　　品牌方一到月末、季末、年末，面對林林總總不同大區、不同渠道匯總的數據表格，應接不暇，單依匯總、數據透視恐怕很難獲得及時和多維度執行層面的洞察，作出影響戰略布局的決策。

　　門店數據作為洞察行業趨勢和市場動態的基石，其重要性不言而喻。在執行初期，效果提升明顯。到了執行中后期，效果提升遠沒有初始那般迅猛，甚至停滯的情況也時有發生，然而越到后期，對管理層的戰略部署越有深遠的影響。

　　貨架數據對于執行層的影響是最直觀的，如產品面位、銷量的體現。當數據量累計達一定程度則可進行競品分析、商品組合分析、新興趨勢鑒別如單品或者新興品牌的崛起，最終量化投入指標，從而提高銷售額和投資回報效益。

　　基于全球每月識別10億商品的龐大體量，并結合Trax十年來服務于品牌商和零售商的成功經驗。我們將圍繞如下四個方面來深入分析貨架數據如何在日常門店執行中發揮更多效能。

　　商品空間彈性分析

　　商品的擺放空間與銷量增長是否成正比?答案是否。

　　貨架空間利用率大多由商品屬性以及市場需求決定，如薯片、飲料等可以依靠加大排面拉動銷量增長，而如文具、學習用品等商品則不適用這一原則。

　　在彈性分析中，我們通常會根據商品屬性，門店的綜合屬性如規模、人流量等，來定位貨架彈性空間臨界值，從而平衡商品在貨架上的分布與商品產生的額外收入之間的關系。

　　臨界值之內是商品銷量快速增長區，臨界值之外是商品銷量平緩區域。通過定位臨界值，反推同類型門店投入與產出的關系，如果超過臨界點，則替換成其他彈性商品，達到品類的ROI最優值。

　　圖1-商品空間彈性分析：臨界點的判斷

　　通過這種簡單的改變，將空間分配給彈性增長的SKU，可以帶來非常顯著的銷售增長機會，也得以使得執行費用在總體費用中占比下降，達到最大化。

　　某跨國日化品牌商通過Trax進行持續貨架真相監測，甄別出在臨界點附近的彈性SKU，將22%的貨架空間重新分配，從而增加了3,800萬年度銷售機會。

　　圖2-商品空間彈性分析：貨架空間重新分配價值分析

　　視線層對商品銷量的影響

　　基于消費者平均身高的視線輻射范圍，視線層被定義為位于140-170cm之間的貨架高度。在大賣場中，視線層通常占據兩層，而在便利店或者食雜店，過道比較窄的情況下，只有一層屬于視線層。

　　由于視線層是第一時間接觸消費者，與其他層數相比將會帶來更大的購買意愿和消費動力。

　　那么是否核心產品一定就在視線層呢?基于Trax服務的某客戶門店數據分析結果，其核心產品只有在少數門店才出現在視線層，其中大型門店比例不高于36%，中型門店比例不高于22%。

　　圖3-視線層對商品銷量的影響：核心SKU在視線層的比例

　　通過更進一步的深入分析發現，七層貨架中，核心SKU放置在倒數第二層和倒數第三層時，商品銷量比平均值低28%，而放置在最下層時，商品銷量比平均值比低45%。

　　通過改變核心SKU的貨架位置，尤其將核心SKU置于視線層和中層位置，對商品銷量產生了非常積極的影響，比平均值高4.3%。

　　圖4-視線層對商品銷量的影響：改變核心SKU貨架位置對銷量帶來的影響

　　集中陳列對商品銷量的影響

　　集中陳列中最常見的是色塊陳列，在貨架上的SKU如果呈現出明亮的顏色、對比色以及一定比例的搭配，特別是同一色系的集中陳列，會更容易吸引消費者駐足停留，增加購買欲望。

　　影響銷量的因素除了色塊的集中陳列，集中陳列在視線層的比例也至關重要。不同品牌、不同品類、不同商品都有獨特的偏好。形象陳列如垂直分布或者橫向分布，對于門店執行要求有較強的前瞻性。

　　圖5-某品牌集中陳列實際效果圖

　　Tips：陳列小妙招

　　根據Trax的經驗，除了新品發布、促銷陳列之外，品牌商在視線層排面上給與的關注度較高。

　　基于視線層的空間成本考量，除了通過增加商品的排面提升消費者的視覺沖擊之外，根據類似品類商品獨有的特征設定陳列擺放也能起到意想不到的效果。

　　例如，在整排貨架都擺放洗衣液、洗衣粉商品的情況下，在其中置入芳香凝珠這類新品，對消費者的吸引力將會成倍增加，當消費者拿起商品看一下，對于品牌商來說就是一個巨大的突破，增加潛在購買機會。

　　地堆設計對商品銷量的影響

　　二次陳列無疑是搶占銷售份額的絕佳機會，如何充分利用這一機會達到銷量增長的最大化?

　　某日化品牌商參考消費者購買行為的影響因素，對于地堆擺放設計做出了新的嘗試，在原有基礎地堆造型的基礎上，新增二層空間，擺放當季新品，利用新的延伸空間刺激消費者的視覺感官。

　　如何判斷新地堆形象的效果并量化其對產品銷量的影響成為了該品牌商不得不面對的難點。

　　此刻，Trax來支招。

　　通過選擇試點門店對新二層地堆的促銷執行拍照上傳和AI識別、持續監測，同時通過自動層數識別、地堆面積和面位識別，并將所獲得的門店二陳數據與POS數據結合進行分析，結果發現，在執行監測時段內，新二層地堆形象與以往普通的地堆相比帶來8%銷售額增長。

　　用真實的陳列數據監測執行表現，進而反哺陳列設計的可行性與優勢，品牌商就此對試點門店的新二層地堆形象表現有了全方位的了解，大規模推行至所有同類門店，并監測所有門店執行，深度掌握陳列表現，獲得更進一步的洞察。

　　寫在最后

　　貨架數據的分析與洞察從來都不是一蹴而就，而是一個不斷積累的過程。而從門店層面來看，需要結合門店組群劃分、銷售增長率等其他相關因素進行綜合分析。

　　以上的洞察都是建立在大量數據的基礎上，尋找因變量和自變量之間的關系，并且判斷這些關聯性是否緊密、是否可靠，通過模型科學分析而得出。

　　貨架深度數據，如具體層數、集中陳列、過道位置、本品與競品是否相鄰、價格位置順序等均可以通過更高維度的門店數字化得到。Trax持續深耕實體零售數字化，助力品牌商通過貨架數據的力量，深度洞察未來零售機遇!