TraxRetail|助力零售企业完善品类组合，Trax洞察货架数据对于零售业而言

对于零售业而言，选取正确的商品组合对零售成功至关重要。以空间和销量为基础，拥有解读门店状况的能力，可以帮助品牌提高SKU生产力，获得更高的单货架空间收益，并取得零售商的信任。
商品组合有两个维度：商品广度和商品深度。
库存中不同的产品线数量决定了商品广度，而深度是指每个产品线的商品单位数量。
举个例子：一家主营精品葡萄酒的酒类商店会有很多品种可供选择，因为他们的客户倾向于选购新颖的、独特的商品。而另一家规模类似的商店则是选择大量储存最畅销的葡萄酒。两家门店的商品组合基本相当，但一家着重广度，一家着重深度。
为什么货架数据对商品组合和空间规划如此重要？
零售空间并不便宜。因此，作为一家消费品厂商，你希望确保销量最高的SKU放在最重要门店的最恰当位置。
消费品公司一般以单位销量或利润来确定最佳商品，以此为基础优化分类。实际上，基于商品类型、大小、颜色、价格或库存单位等一系列商品特征来分析销售情况，能使品类规划人员拥有更清晰的洞察，但也有很多问题亟待解决：
我的精选迷你套装都在货架上吗？
我的品牌/SKU/品类在主要客户细分市场中的份额是多少？
不同门店间我的SKU销售速度有何不同？
哪些品牌和SKU被高估或低估了？
随着时间推移，商品组合的盈利/亏损情况如何？
竞争对手正在侵占我的空间吗，还是我的品牌在互相蚕食？
要回答这些问题，就需要货架智能，这意味着收集准确、细粒化和实时的数据。人工现场采集数据既费时又容易出错，而计算机视觉技术大大改变了这一局面。固定摄像头拍摄图片，现场人工操作智能手机，甚至是智能机器人，都能提供品牌所需的“商店里的眼睛” 。
将这类货架数据流和其他数据集融合，再将其直观地体现在交互式的仪表盘上，品牌商可以优化排面和商品列表，从消费者角度辨别哪些商品是多余的，并保留对某个类别真正重要的产品。
以下是一些真实案例，关于Trax的客户通过货架数据，取得更好的货架智能和零售洞察。
1.货架合规性与上架率
一家国际领先的酒类制造商，利用一个简单的仪表盘就能查看不同店铺类型和销售渠道中“必备库存商品”的上架情况。
Trax的“区间”KPI能显示不同KPI区间门店的数量。运用一个简单的交通灯颜色编码方案，与ePOS数据连接后，就能识别区间差异以及潜在的SKU亏损。

文章图片
2.货架空间质量
SKU层级货架数据的一大益处就是展示你的商品占据了同类商品空间的多少份额。 “货架份额”对品牌或品类经理来说是一个关键指标。
不过现在，厂商能够进一步评估自己品牌和商品所占据货架空间的质量。将单个品牌或SKU的货架份额与其销售贡献值进行比较，能够帮助品牌了解是否达到公平份额。
一家领先的快消品公司据此发现，其最大货架空间威胁来自零售商的自有品牌产品，而非传统的竞争对手。将商品排面数和相应的销量对比后发现，该公司的商品所占的货架份额低于公平份额。基于以上事实与零售商交涉后，最终帮助品牌获得了货架的公平份额，并带来10.8%的销售增长。

文章图片
货架的公平份额的可视化提升了品牌与零售商的议价能力，最终达到优化空间使用、提升销量的目的。
3.品类重置的影响
对厂商而言，出现以下情况，就意味着应该跟大客户沟通了：
货架重置改变了你的货架空间和你对品类增长的贡献，或者货架分配方式更加低效的公司却得到了比实际应得的更多的空间份额