数据分析系列-零售数据指标

1. 数据分析系列-零售数据指标

对零售行业最重要的是卖货，也就是销售，说到销售就会需要有人买也有人卖、有货卖、和有卖的渠道，也就是我们所熟悉的“人”“货”“场”三大概念，这里再补充一个零售数据分析很重要的指标体系：“钱”-财务，卖了还得有得赚才行。
  
 
  
  
 首先是人这部分，包括销售人员和顾客
  
 针对销售员的指标主要围绕的是销售和管理
  
 销售指标包括了：
  
 成交率=成交顾客数/客流量*100%
  
 完成率=销售网成熟/目标书*100%
  
 平均成交时长=每一位顾客成交时间总和/顾客数
  
 平均接待时长=接待每位顾客时间总和/接待顾客数
  
 投诉率=投诉的顾客总数/顾客总数*100%
  
 管理指标包括：
  
 定编满足率=实际员工总数/标准配置人数*100%
  
 员工流失率=某时间段内流失的员工总数/（（期初员工总数+期末员工总数）/2）*100%
  
 工资占比=企业支付的员工工资总额/销售额*100%
  
 对于顾客分普通顾客和会员
  
 普通顾客最主要的指标是：
  
 客单价=销售总额/有交易的顾客总人数，就是平均每位顾客的消费额
  
 件单价=销售总金额/销售总数量，就是每单卖出了多少钱
  
 连带率=销售总数量/成交总单数，就是每单卖出了多少件的意思
  
 连带率包括单品连带率的和品类连带率，分开看看就好
  
 会员的指标包括：
  
 新增会员数=期末会员数-期初会员数
  
 会员增长率=某段时间新增会员/期初有效会员数*100%
  
 会员贡献率=会员销售总金额/销售总金额*100%
  
 有效会员数=有效会员/累计会员数*100%，所谓有效会员和行业有关，可以根据自己的实际业务看在有效时间内是否有消费记录的会员来判断
  
 会员回购率=时间段内有交易的老会员数/期初有效会员总数*100%
  
 会员流失率=某段时间内流失掉的会员数/期初有效会员总数*100%
  
 会员回购频率=某时间段内所有老会员消费次数/（期初有效会员+期中新增会员）*100%
  
 会员基础属性=如平均年龄、性别比例等
  
 以上是针对人的分析
  
 
  
  
 接着是场，分析这个销售场所的质量和发展前景，主要指标包括：
  
 销售额=总的售出金额，会分月、季度、年等时间范围看是否达到阶段性的销售目标
  
 进店率=进店人数/路过人数*100%
  
 接触率=接触商品人数/进店人数*100%
  
 成交率=成交顾客数/进店人数*100%
  
 完成率=完成数/目标数*100%
  
 大宗交易占比=大宗购买订单/总销售额*100%
  
 增长率=增长数/基础数*100%，基础数可以是同期也可以是上一个周期的数据，简单来说就是自己和自己的哪个时间段比较
  
 坪效=销售额/店铺面积
  
 人效=销售额/店铺员工数
  
 还有一些看大区域的指标包括：
  
 市场占有率=这一般需要通过市场调研才能获得的数据
  
 竞品指数=（本公司销售额/量）/（竞争对手销售额/量）
  
 平均排名=也是通过市场调研获得的参考数据
  
 净开店率=（开店数-关店数）/期初店铺数*100%
  
 卖场经常会搞活动，所以也会关注促销指标，例如
  
 费效比=促销费用金额/促销期间产生的销售额*100%
  
 促销的目标完成率=促销期间销售完成数/促销目标数*100%
  
 品牌参活度=参与促销活动的品牌数/卖场所有品牌数*100%
  
 会员参与率=参与促销活动的会员数/有效会员数*100%
  
 
  
  
 针对货部分
  
 分了三个部分分析：入货、销售、存货
  
 入货就是采购，需要分析商品的广度，也就是所含的品类有多少
  
 广度比=采购的商品品类数/可采购的商品总品类数 * 100%
  
 分析商品的宽度，就是采购多少的sku
  
 宽度比=采购的sku数/可采购的sku数 *100%
  
 分析商品的深度，使用广度和宽度的对比
  
 商品深度分析=采购的商品总数量/采购的sku总数
  
 也就是看每个sku有多少的货，通过深度看缺货可能性和压货的风险
  
 销售看的货品指标有：
  
 货龄=商品的年龄，从生产日期开始算，主要是以防商品过期
  
 售罄率=某段时间内的销售数量/（初期库存数量+其中进货数量）*100%
  
 售罄率是个分阶段追踪的数值，一是评判商品的受欢迎程度另一个是为了防止缺货，这是个非常重要的指标
  
 折扣率=商品实收金额/商品标准零售价*100%
  
 动销率=某段时间内销售过的商品sku/（期初有库存的商品sku数+期中新进商品sku数）*100%
  
 缺货率=某段时间登记缺货的商品数/（初期有库存的商品数+期中新进商品数）*100%
  
 品类销售的结构占比=某品类销售额/总销售额*100%
  
 正价销售占比=正价商品销售额/总销售额*100%
  
 还有畅销及滞销商品排行，均按销售额/销售量排行
  
 退货率=某个周期内商品的退货数/总销售数*100%
  
 残损率=残损商品数/商品总数*100%
  
 特殊服务率=特殊服务的顾客数/总销售顾客数*100%
  
 存货部分的数据指标包括：
  
 平均库存=（期初库存-期末库存）/2
  
 库存天数=期末库存金额/（某个销售期的销售金额/销售期天数），库存天数是衡量库存滚动变化的量化标准，也是衡量库存可销售时间的追踪指标，是一个对库存管理来说非常重要的指标
  
 库销比=期末库存金额/某个销售期的销售金额*100%，一般看月库销比比较多
  
 有效库存比=有效库存金额/总库存金额*100%，所谓有效库存指给门店带来销售价值的商品库存，也就是有销售产能的商品库存。
  
 
  
  
 针对钱部分主要看以下指标：
  
 毛利率=（销售收入-营业成本）/销售收入*100%
  
 纯利率=（销售收入-营业成本-费用）/销售收入*100%
  
 交叉比率=商品毛利率*商品周转率，商品周转率=销售收入/（（期初库存值+期末库存值）/2）
  
 回款达标率（客户）=回款客户/欠款客户*100%
  
 回款达标率（金额）=回款金额/欠款金额*100%
  
 
  
  
 以上是对零售行业比较基础的数据指标总结，希望对从事此方面行业的朋友有帮助，实际还会有更深层的分析方法和权重指数，但这部分的复杂程度已经到了管理工具层面了需要更深入的学习，有机会再探讨。

2. 零售业数据分析的商品分析

商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。

3. 零售行业数据分析

零售行业数据分析

本文从个人的角度去谈一下如何使用数据挖掘帮助零售商提升生意，让数据真正地去指导企业经营，最大限度地发挥数据提供商业决策的作用。
         第一、开展会员制能够帮助企业采集更多会员数据，更有利于开展数据挖掘的工作，同时也有利于培养客户忠诚度。
        在实施会员制的时候，必须要特别注意两个关键信息的采集：会员卡ID、客户联系号码或者邮箱，因为这两个关键信息对信息采集及后期的精准营销有很大的帮助作用。而微信、微博等社交媒体的横行，若零售商能够通过相关活动让客户关注企业的微信、微博，对培养客户忠诚度也是有很大的帮助。
        会员制有助于为企业培养众多忠实的顾客，建立起一个长期稳定的市场，提高企业的竞争力。通过会员制，可以有效稳定老客户，同时开发新顾客。因为零售商给会员提供的是优惠的价格，对新顾客吸引力很大，同时大部分会员卡是可以外借的，也给新客户提供了机会，大大增加其成为会员的可能性。
         会员制营销能够促进企业与顾客双向交流。顾客成为会员后，通常能定期收到商家有关新商品的信息并了解商品信息和商家动态，有针对性地选购商品。除此之外，企业能够及时了解消费者需求的变化，以及他们对产品、服务等方面的意见，为改进企业的营销模式提供了依据。
        第二、开展零售商的数据挖掘项目，必须要重点提供以下几个表的关键信息：
        销售表：卡号、销售店ID、销售日期、产品名称、产品价格、销售数量、销售金额、折扣等信息。
         产品表：产品ID、产品名称、建议零售价、实际销售价、一级类别、二级类别、三级类别、四级类别、品牌等信息。
 客户表：卡号、发卡店ID、城市、号码、邮箱、企业或个人标识、企业名称、所在行业、地址等。
        零售店表：店ID、店名、所属城市、店等级等。
        其中销售表、产品表、客户表比较重要，而产品表梳理对数据分析及数据挖掘团队而言，是做好项目的关键，必须要耗费大量的时间。
        第三、与零售商明确数据挖掘目的，能够让分析团队与零售商之间获得更大的信任，同时有利于项目的顺利开展。
        成熟的分析团队，比较关注零售商的商业出发点，从客户商业价值出发，抓住客户关注点，一点一点地做好相应的落地分析工作。
        客户最常见想让数据帮助其解答的几大问题：
        如何让活跃的客户购买更多的产品，最大程度地释放其价值？
        如何唤醒沉默客户，让其转化为活跃客户？
        哪些客户是我的重点客户群？其有什么样的特征？
        哪些重点客户流失了？为什么流失？后期怎样开展挽留手段？……
        第四、通过数据开展客户细分，明确各个群体的特征。
        对于零售数据而言，必须要深入零售行业两大客户群：企业及个人。企业客户的特征和个人客户的特征有很大的区别。
        企业特征主要表现：采购量比较大，经常进行团购或批发，销售量和销售额都比较大，为零售商的重点客户群。尽管数量不多，但是却贡献了零售商的60%以上的销售额。而企业的行为经常有：超大型采购、中型采购、一般采购。对企业数据挖掘，需要深入了解企业的所属行业、采购额度、采购规律、采购产品偏好、是否流失、流失的原因调查等信息，有助于帮助零售商开展相应的营销策略。
        对于个人，则需要关注哪些是活跃客户、哪些是新增客户、哪些是沉默客户、客户价值是怎样的、哪些节日是重点高峰期、偏好的产品是哪些等等，这些有助于零售商开展销售、备货等工作。
        第五、结合5W1H分析法开展零售分析与挖掘。
         What：销售情况怎么样？有多少用户？来了多少次？每次消费多少钱？买了什么东西…….
         Where：哪些门店销售最好？为什么呢？（交通、地区等） …….
         When：哪个月份销售得最好？哪个节日是销售高峰期…….
         Who：是哪些客户？有什么样的特征？偏好买哪些产品？产品规格是怎么样的…….
        Why：为什么买哪些产品？为什么买那么多?会不会继续购买…….
        How：怎样提高客户重购？怎样唤醒客户？怎么进行交叉销售？怎样帮助铺货……
        第六、协助零售商开展营销活动设计、营销活动执行、营销评估与优化。
        因为数据挖掘是一个闭环的流程，不是撰写挖掘报告、输出营销客户名单就是项目成功的，必须协助零售商开展相应的营销设计、营销活动执行、营销评估及优化工作。从而确保数据挖掘有效落地，为客户真实产生商业价值，扩大生意规模。
         营销活动设计常有：优惠打折、派发试用装、赠送礼品、多倍积分等，可以通过不同的细分客户群有针对性地开展不同的营销活动，并计算不同群体及不同活动的投入产出比，便于后期不断优化数据挖掘规则。
        第七、关键成果固化IT系统，实现数据挖掘成果固化落地。
        对于零售商而言，数据挖掘是个不大不小的投入，对于关键的成果输出，总希望能够把成果规则进行IT固化，实现自动代替手工操作，这个时候经常需要搭建一个成果固化模块或系统，让数据挖掘能够最大限度帮助企业。

4. 零售行业数据分析 用数据发现更多商机

零售行业数据分析：用数据发现更多商机
随着智能时代的到来，智能商业的思想日益深入人心。零售行业数据分析越来越常见，近日，在在2018中国互联网+产业创新发展论坛上，就再度认同了零售数据可视化的重要性，零售企业如果能实现数据可视化，将发现更多的商机，走在更多行业前端。


　　近日，麦可思研究院发布的一份中国在校大学生手机使用调查显示，大学生的消费习惯，除去基本伙食费外，大学生最爱“吃吃吃”，零食、饮料和营养品等其他食品是最主要的支出项。男生每月主要消费在其他食品（51%）、社交和娱乐（46%）、生活日用品（37%）方面，女生每月主要在其他食品、形象消费（均为62%）和生活日用品（48%）方面消费。男生将钱用在通讯/上网费（32%）和数码电子产品方面（19%）的比例分别比女生高12个和15个百分点。
　　从这个调查报告中可以看出，其实站在消费者的角度，消费者的需求十分明显，那么企业想要抓住，就必须具备几个必要条件：第一，企业必须可以掌握充足的数据，并且这些数据可以随时被利用，并且形成数据反馈闭环，这也就是零售行业数据分析的过程；第二，企业必须拥有一套算法模型，可以通过已知数据，算出你想要的结果，并且可以根据数据回流，不断更新算法模型；第三，算法和数据必须融入企业的经营场景。
　　其实随着智能时代的到来，智能商业的思想日益深入人心。智能商业的核心是越来越多的决策由机器完成，实行更多的零售数据可视化分析，数据成为企业的重要资产；快和准是智能商业时代的主要特点，快是快速，准是精准；企业经营的地域限制被打破；工业时代以厂商为中心的B2C模式，将被智能商业时代以用户为中心的C2B模式所取代。
　　在2018中国互联网+产业创新发展论坛上，再次强调了企业零售行业数据分析的不凡前景，“智公司”是未来零售企业的发展目标，即对智能商业具备洞察，并实现模式创新的公司，他们将在智能商业时代先行一步。智公司具备三大特点：更聪明，更了解消费者;反应更快，以更快的服务迭代产品、服务，以及模式的快速推陈出新;同时具备不断学习、不断自我优化的能力。

5. 【零售数据】| 关键性指标-日权重指数和周权重指数

该篇零售数据指标内容是根据《数据化管理》一书中理论概念，结合学习和实践的内容撰写。如果了解零售行业的基础知识，可以参考《数据化管理》一书。
  
 零售业规律是按照以 周 为单位不断循环过程，当然还有法定节假日，非正常销售日，行业特殊日子，周年庆等，无论是线下店铺零售行业还是电子商务大概都会遵循这些规律。
  
 一般线下零售店铺范围包括有，百货商场，ShoppingMall，便利店，超市，娱乐服务行业的KTV，电影院，餐厅等。
                                          
 日／周权重指数是指以某段销售周期内的历史销售额数据为基础，以日／周为单位，计算销售额权重分析的管理工具。其中周权重指数就是日权重指数的一个星期相加得到的指数。
  
 1）可以根据权重指数预测分店预销售额
  
 2）可以根据一周权重指数分析最近销售状况是否是销售规律运营，盘查销售原因。
  
 1）收集最近一整年所有店铺日销售额数据，最好为一整年，如果没有也可以先收集完整的几个月，时间越长越好，可靠性越高。
  
 2）各个店铺的每日销售额数据对应相加得到每日企业销售额数据。
  
 3）剔除节日数据，行业特殊数据，更好的反应正常日期的销售规律数据。
  
 4）以周为单位计算店铺每日的平均销售额数据
  
 5）找到销售额最低的当天作为日权重指数为1.0，其余每日的权重除以这个最低值，得到该周的每天的日权重指数。
  
 6）一周的日权重加起来为周权重指数。
  
 举一个栗子：
  
 假设下图数据为某连锁专卖店的年销售额汇总后的日平均数据。
                                          
 其中可以看出星期一的销售额最少，星期六和星期天的销售额最多，这个数据也比较符合一般零售店铺的规律。星期二是会员日，所以较其他工作日销售额更高。   
                                          
 按照计算方法第5步，则可以得到企业的日权重，则日权重相加可以得到企业周权重为7.65。
  
 企业周权重和日权重作为企业标准的数据，是衡量其他店铺销售情况的一杆秤。根据企业周权重的标准则，作为所有店铺的周权重数据，计算出每个门店的日权重数据，来预测门店店铺的销售轨迹。
  
 其中分店的日权重指数公式为：
                                          
 假设店铺一的日销售额平均值，根据恒定的企业周权重数据得到每日日权重数据，因此根据每日销售额比例不同，可能存在小于1.00的情况。
                                          
 * 日权重计算时还需要考虑促销系数 2级促销 日权重×1.2，3级促销 日权重×1.3 。
  
 *月权重就是根据企业理论日权重和月权重相加。 比如下图一月份，1个月有4-5个星期，其中4个星期 4×7.65 +1.09 + 0.93 + 1.05（星期一到星期三的日权重值） =  33.67。 暂不考虑1号是元旦节日假期。
                                          
 假设店铺一2018年1月1日到1月20日总销售额是33796，根据日期计算1日-20日的日权重为21.86，月权重为33.67。
  
 因此可以计算出理论率 = 21.86/33.67 = 0.65
  
 月销售预测值  =33796 / 0.65 = 51993
  
 这个数据可以和平时的月销售额进行比对，是否是营销额有提高。
  
 权重值曲线是 当天销售额 / 当天的权重指数 得到的系数的曲线。如果当日销售额完全符合周权重规律，则这条曲线应该是水平直线，但是往往会因为一些人员关系或者其他原因会导致曲线并不和周权重一致，因此可以用来盘查哪些天销售有问题。
                                                                                  
 假设店铺一10月底到11月初的销售额和权重曲线如图，其中突变的低点有10月29日星期日，11月4日星期六，高点有10月31日星期二和11月3日星期五。
  
 按照原来日权重的规律星期六星期日是较高的权重，销售额却不如平常，则存在问题点需要调查员工是否月底有怠慢，或者那几天环境存在恶劣情况，或者存在退款退货问题等。根据连续发生的突变状况及早调查现实情况。
  
 黄氏曲线是权重曲线在一段时间内的平均值，用于看波动范围。
  
 可以用于：
  
 1）对商品短缺或的影响
  
 2）其他竞争对手促销的影响
  
 3）人员的关系，比如离职，新任等接洽问题。
  
 4）动线，陈列的调整的影响。

6. 零售业数据分析的供应商分析

通过对供应商在特定时间段内的各项指标，包括订货量、订货额、进货量、进货额、到货时间、库存量、库存额、退换量、退换额、销售量、销售额、所供商品毛利率、周转率、交叉比率等进行分析，为供应商的引进、储备、淘汰（或淘汰其部分品种）及供应商库存商品的处理提供依据。主要分析的主题有供应商的组成结构、送货情况、结款情况，以及所供商品情况，如销售贡献、利润贡献等。通过分析，我们可能会发现有些供应商所提供的商品销售一直不错，它在某个时间段里的结款也非常稳定，而这个供应商的结算方式是代销。好了，分析显示出，这个供应商所供商品销售风险较小，如果资金不紧张，为什么不考虑将他们改为购销呢？这样可以降低成本呵。

7. 如何分析零售数据

零售数据分析主要是指哪方面?
一，如果是大数据分析，因为数据量很多很杂，想要在中间发现自己想要的点很难。
所以一般采用对比分析法。比如永辉发布10月前零售销售额是400亿，利润是20%，我们要想看他在行业里怎么样就对比家乐福的数据。双方一对比就能看出差距。
如果想要看我们和行业的相差情况，就是算成单店产出然后进行对比就可以了。
二，如果你要分析的是单品销售数据，最好的方法就是商品ABC分析法。具体的方法，网上可以查到。
希望能够帮助到你！谢谢！

8. 最全的零售行业指标体系详解！再不收藏就来不及了！

如果要问数据分析哪个行业的需求最大，估计所有人都会说是 零售行业 。但是该如何分析零售行业的数据业务场景，就需要一些技巧和方法了，下面总结一些我在零售电商行业的经验！
  
 首先我们要了解零售行业的业务逻辑，电商的本质其实还是零售，二者的本质业务模式其实就是 客户-渠道-商品 
                                          
 我们通过在各种渠道上吸引客户来购买我们的商品来实现盈利的目的，其中这三点也就构成了零售业务当中最关键地三环—— 人、货、场 
  
 这三个字能化解零售行业遇到的绝大多数的问题，例如：怎么能去提高销售额？
  
 影响销售额的因素非常多，在我们运营的每个环节都可能影响到销售额，不是一个简单的几点因素就可以判断。它需要一个立体化的思维才能找到影响销售额的因素
  
 因此，指标体系地建立就显得十分必要了，下面先给大家介绍一套指标体系：
                                          
  人的因素 
  
 这里的人其实指的是客户与员工，很多时候我们都过度关注了客户的指标，但是很少会去关注员工的指标，其实线下零售的员工相当程度上担任了运营与销售的角色，所以其实是很值得关注的。
  
  （1）员工的指标 
  
 一个员工想要实现最终的盈利，大致的过程是： 服务-销售-管理 。员工用服务行为促进客户进行交易，我们再通过管理行为去促进员工提供更好的服务行为。
                                          
 值得关注的指标：
  
  平均接待时长  ： 反应员工工作投入的指标
  
  平均成交时长  ： 反应员工工作产出的指标，通常用两次成交的间隔时间表示；
  
  投诉率 ：投诉人数/总人数，通过客户对员工的服务能力进行评判；
  
  考核绩点 ：很多零售企业都喜欢时不时搞点销售知识大考核、产品考核，目的是为了从理论层次检测员工的能力；
  
  成交率 ：成交次数/接待次数，计算门店的成交率需要用成交次数/门店流量
  
  完单率 ：我们成交之后需要跟踪订单，在一定周期内完成付款并未退货的订单数/成交数，根据实际情况使用周完单率、月完单率等；完单率与成交率相比，我们更应该关注完单率，因为实际上员工的成交率是很容易造假的；
  
  销售额  ： 直接反映员工销售情况的数据，根据实际情况还可以延伸出日均销售额、月均销售额、销售率等；
  
  定编率： 实际人数/编制人数，比例高于100%说明超编，可能存在冗余；低于100%说明人效太低；
  
  离职率 ：离职人数/一定周期内的员工数，反映员工流失的情况，比如月离职率、年离职率；
  
  工资占比 ：员工总工资/销售额，只能纵向对比、不能横向对比，可以反映店员人数配制的合理情况与否；
  
  （2）客户的指标 
                                          
  客单价 ：销售额/客户数，反映客户的质量、消费水平。
  
  件单价 ：销售额/销售量，反映客户的购买商品的平均单价；
  
  客单件 ：销售量/客户数，反映客户的购买力，购买多少商品的数量；
  
  连带率 ：销售量/成交单量，也叫作购物篮系数，连带率和人、场有关。
  
  新增会员数 ：新增会员数=期末会员数-期初会员总数
  
  会员增长率 ：会员增长率=某短时间新增会员数/期初有效会员数
  
  会员贡献率 ：会员贡献率=会员销售总额/总销售额
  
  有效会员占比 ：有效会员占比=有效会员总数/累计会员总数
  
  会员流失率 ：会员流失率=某段时间内流失的会员数/期初有效会员总数
  
  会员活跃度 ：会员活跃度=活跃会员数量/会员总量
  
  平均购买次数 ：平均购买次数=某个时间段内订单总数/会员总数
  
  会员平均年龄 ：会员平均年龄=某个时间段店内会员年龄总和/有效会员总数
  
  货的因素 
  
 一件商品从生产出来到卖给消费者，在零售这部分需要经历三个过程： 采购-销售-售后 
  
  （1）采购 
                                          
  广度： 采购的商品品类数
  
  广度比： 采购的商品品类数÷可采购的商品总品类数
  
  宽度： 采购的SKU总数
  
  宽度比： 采购的SKU总数÷可采购的商品SKU总数×100%
  
  深度： 采购的商品总数量÷采购的SKU总数
  
  深度比： 深度÷采购目标深度×100%
  
  覆盖度： 有某款或品类产品销售的店铺数÷适合销售该产品的总店铺数。
  
  （2）销售 
                                          
  库存周转率： 销售数量(金额) /平均库存（金额）。库存周转率是库存商品需要销售的天数，也反映了商品销售时长。
  
  库存周转天数 ：30（月）/ 库存周转率。库存周转天数表明商品的周转周期，是从存货开始，至消耗、销售为止所经历的天数。
  
  货龄 ：表示商品年龄。一般快消品是出产年龄，没有严格保质期的商品则是上架年龄。
  
  月动销率 ：月周期内销售过的商品SKU数 / （期初SKU+期中新进SKU）。月动销率属于追踪管理指标，传统零售比较注重这个指标，电子商务则比价追求长尾。
  
  月售罄率 ：月销售数量（金额） / （期初数量（金额） + 期中新进数量（金额））
  
  毛利率 ：（销售收入-销售成本）/ 销售收入
  
  毛利 ：销售收入 - 销售成本。
  
  （3）售后 
  
  月退货率 ：月退货数 / 总销售数
  
  月残损率 ：月残损商品数 / 商品总数。残损商品以及过期商品表明是店铺的仓储损耗，针对这指标的大小，追踪残损原因，可以改善仓库环境，保存方法，运输条件。
  
  场的因素 
  
  （1）效率指标： 
  
  增长率 ：增长率=增长数÷基础数×100%=（报告期数-基础数）÷基础数×100%
  
  坪效 ：销售坪效=销售额÷店面面积，利润坪效=利润额÷店铺面积
  
  人效 ：销售人效=销售额÷店铺员工数，利润人效=利润额÷店铺人工数
  
  每平米租金 ：每平米租金=租金÷面积
  
  租金倍率 ：租金倍率=销售额÷面积
  
  （2）竞争状态： 
  
  市场占有率 ：通过市场调查获得
  
  竞品指数 ：竞品指数=本公司销售额/量÷竞争对手销售额/量
  
  （3）促销指标： 
  
  费销比 ：费销比=促销费用金额÷促销期间产生销售额×100%
  
  目标完成率 ：目标完成率=促销期间销售完成数÷促销目标数×100%
  
  同比增长率 ：同比增长率=同比增长数÷同期销售数×100%
  
  促销爆发度 ：促销爆发度=（促销期间平均权重销售额-促销前平均权重销售额）÷促销前平均权重销售额×100%
  
  促销衰减度 ：促销衰减度=（促销期间平均权重销售额-促销后平均权重销售额）÷促销前平均权重销售额×100%
  
  品牌参活度 ：品牌参活度=参与促销活动的品牌数÷卖场总品牌数×100%
  
  会员参与率 ：会员参与率=参与促销活动的会员数÷有效会员数×100%