中国鞋服行业快速发展

中国的鞋服行业非常发达，也诞生了很多耳熟能详的自主品牌(品牌太多，不一一列举)，这些企业从诞生之初的鞋服加工和生产，向下延伸到分销渠道，自营门店；向上延伸到品牌运作，产品设计。在经历了20年的高速成长之后，伴随着国人消费升级、口味变迁、个性化消费的日趋明显，今天的鞋服行业已经进入一个需要提升管理，精耕细作的时代。

从行业竞争来看，淘宝，京东的兴起，带来网上消费的趋势；移动互联网，自媒体，直播带货的兴盛，促进了个性化消费，同时大大加快了流行传播的速度。从技术驱动来看，大数据，图像识别，机器学习等新技术浪潮已经从概念走向实用化。摄像头技术，人脸识别，物联网技术的迅速迭代和低成本化，数字化门店应运而生，可以更多地捕捉消费者的消费行为，购物偏好。全渠道的智能营销，线下智能化门店，C2M，供应链协同和快速反应，设计师品牌运营都是行业的热点话题。

很多领先企业已经构建了面向高层管理的管理驾驶舱/数字化董事会， 然而作为鞋服零售行业作战在最前线的指挥官 — 门店店长，长期没有得到有效的数字化支持。本文就是探讨如何让店长更好地运作门店，提升单店绩效；更精准地理解客户，增加客户粘性；更快地赋能员工，完成日常工作。

那么一个适合店长使用的分析系统该如何设计呢？

SAP分析云鞋服行业之店长分析设计的原则是可以在电脑和移动设备上使用。店长由于是一线领导，最合适的方式还是移动设备，比如说iPad或者安卓平板。店长可以在门店里接待客户的同时，通过手持设备，迅速找到有用的信息。

我们来看店长分析的首页。这里可以看到对于店长的关键指标，比如说销量的进度，员工业绩的完成情况，门店获客的信息等。首页简洁明快地让店长知道自己的门店目前在整个公司和任务节点上处于一个什么样的位置。点击不同的进度条，可以直接跳到相关的业务分析。(点击图形可见清晰大图)

作为鞋服零售企业，最重要的就是人、货、场三个要素，而SAP分析云鞋服行业之店长分析提供了数字化的人、货、场分析。

会员分析

首先来看“人”的情况,“人”就是围绕整体顾客的情况展开。我们希望客源是稳定的，所以每个进店的顾客，都会希望他/她能够成为会员。那么在这个页面上，我们可以方便地比较会员和非会员的购买情况。

从会员维度上，我们可以一路下钻到：金卡，银卡和普通会员。点击柱状图上的金卡会员，所有的数据会自动按金卡会员进行过滤。从图上可以看到金卡会员的平均消费水平比相应的普通会员高很多。

根据现有数据，从上图右下角的顾客画像热点图里面，我们可以看到金卡会员的消费情况，45~54岁的客群，消费能力最强，其次是35~44岁的客户。在客户画像图的左边我们还可以看到这些客群在门店里停留的时间。

RFM模型和会员互动

接下来我们来看一下所有客户的RFM模型：

• 最近一次消费 (Recency)
• 消费频率 (Frequency)   
• 消费金额 (Monetary)

RFM模型可以很好地分析VIP客群的消费层次，消费频率和最近跟我们的互动。不同于传统的金，银，铜会员等级，RFM是对会员的动态分析。我们可以方便地通过RFM模型构建的分析图表，来了解我们关键用户的交易模式和行为有没有发生变化。比如我们来看左下角的图，横轴是最后一次购买距今1-3个月；纵轴是购买金额的大小。距今2个月购买超过399元的会员一共是130+40=170个，距今1个月的会员总数是50+190=240个。从会员购买的数量上有很大上升，不足之处是采购超过699元的会员数量从130下降到了50。通过RFM分析店长可以发现很多问题和机会，通过解决这些问题，抓住机会，就可以促进销售的进一步增长。

基于RFM模型我们可以从群体的角度来了解会员销售的变化情况，此外在会员管理中，我们也可以针对个体会员，根据FRM中最近一次交易的时间，安排店员进行相应的客户关怀服务。

商品的总体分析和订单分析

看完了“人”的情况，那么下一步我们来看“货”的情况。首先我们从总体上来掌握，哪些商品好卖，我们可以看商品分析。比如说品牌的销量占比，价格分类，销售情况等。我们也提供了销量，销售额，库存占比，按品牌的分析，可以很容易地相互比较。另外通过尺码颜色的对比分析，可以让我们比较好的了解客户的偏好。在这里也提供了本店爆款商品的销量排名信息。

在了解了商品的总体情况之后，我们就需要要进行相应库存调整。尤其是我们这些爆款商品，或者即将爆款的商品，现在的库存情况就尤为重要。因为对门店来说，我们的库位是有限的，要把宝贵的库位留给好卖的产品。在这个分析里面，我们也可以看到缺货商品，系统给出了附近可调货的门店情况。  

下一步，我们要看一下我们整体的订单履约情况。现在线上线下一体化会越来越多，很多的线上订单可以预约门店取货，甚至可以预约无货订单。有些订单存在缺货商品的情况，一旦补货动作完成，我们就可以通知客户来取货。

精准化库存调节和补货

在今天精细化管控的时代，我们门店的每个商品，每一个SKU(Stock Keeping Unit/最小存货单位), 都可以设定一个目标库存。并且这个目标库存，随着产品的销售过程，也可以不断地调整来更加符合门店的实际需求。根据目标库存，我们可以计算出我们未来的补货需求。对一些特殊的商品，比如说爆款的产品，我们更需要关注目标库存。

进入目标库存调节分析，通过这个页面，门店店长可以对目标库存进行调节。比如这款产品 FB0387008, 最近一段时间销量大涨,导致门店经常断货。它的原定目标库存相对保守了，需要重新调整。

打开调节面板，我们可以看到门店、商品号、目标库存调节系数、库存积压界限、库存缺货界限等可调节的参数。我们在这里简单调节一下目标库存调节系数。假设由原来的1改成2，这样目标库存由原来的150件，就变成了300件，这样可以比较好地避免库存的不足。最终这些调节系数会写入后台系统。当每个店长都精心完成他们不同SKU的目标库存调节，那么这些参数都可以参加到未来销量预测和库存补充的运算中去，总部的系统在预测产品的未来销售和补货，也会变得更加的精准。

在完成了库存分析、订单履约情况分析和门店目标库存调节分析之后，最后我们可以来到补货分析页面，这里给出了需要补货商品的一览表。通常我们可以按一周或者几天的频次进行补货，这么多的货品包括尺码和颜色，我们的店长也没有办法完全记住，电脑可以自动生成所有的补货清单，店长只要审核这些数据，并进行一定的调整就可以了。

后台的机器学习引擎通常负责生成这样的补货清单，尤其是针对每个SKU，由AI(人工智能)来预测下周的销量，对比门店的现有库存，AI可以列出补货预测。同时我们还给了店长人工调节的权力。如果店长觉得某些SKU的补货太少或者太高，都可以做一些人工干预。店长完成了数据的审核工作，就可以提交，系统会自动把这些数据发给后台的补货系统，在下一次配货的时候，就会把这些需要的物品一并送到门店。

最后我们进入“场”的分析。在“场”的分析里，我们主要是看门店的这些关键指标，比如销售额、销量的完成情况、门店的存销比、毛利率等。对于总公司来说“场”有很多的内涵，我们在全国如何布局，门店如何分层，装修风格的设计，即便是同一层级的门店，也越来越个性化了，千店千面是现在的潮流。

但是作为特定的门店店长，很多因素是不可控的，可控的就是门店的业绩，门店的员工和进货权利。店长就是要把手上可控的资源完全整合起来，不断地提升业绩，升级打怪，把门店变成公司的金牌门店。所以店长会很关心当前门店在公司所有门店里的综合排名情况。

一般来说财务的关键指标是一个滞后的指标，代表了一段时间的努力和最后的业绩考核结果。所以店长观察门店的各种指标是了解我们现在所处的地位，以及团队在哪些方面存在优势，哪些方面存在不足， 然后调动门店资源在客群和货品的方向上做出更多的努力。 企业的员工是我们最大的能动因素，如果能够把员工培养好，做到有心有力，那么客户都会喜欢跟这样的门店打交道。

通过门店员工分析，店长可以全面了解门店员工的情况。新的产品，新的服务体系和新的IT系统，都需要员工掌握更多的技能，通过一页式导览，店长就可以全面掌握员工的动态情况。对优秀的员工更多鼓励，对需要提升的员工更多帮扶。员工也可以通过公司配备的培训资源不断地学习，提升业务能力，加上IT系统和导购系统的支撑，可以更好地让顾客满意，提升自身的业绩，达成让员工和企业都满意的结果。

最后店长还需要关心门店的装饰和布局。千店千面中，每个特定的门店都代表着这个门店的风格。根据顾客的购买情况，店内人流的走向，逗留时间的长短，不断地对货架和布局做出调整，给客户以新鲜感。那么这些新的布局照片也代表着门店特色，可以回传给总部生成丰富的门店画册。

有了SAP分析云鞋服行业之店长分析，店长将不再是一个人的战斗，系统就是店长的智囊团和后援团。

总结

上面给出了一个针对鞋服行业店长基于门店管理的分析场景，围绕典型的人、货、场的数字化重组，给出了场景示例，希望对读者有所启发，如果感兴趣，欢迎给我留言评论和转发。