啤酒与尿布？

“啤酒与尿布”的故事诞生于20世纪90年代的美国沃尔玛超市，沃尔玛的超市管理人员分析销售数据事发现了一个令人难以理解的现象：在某些特定的情况下，啤酒与尿布这两件看上去毫无关系的商品会经常出现在同一个购物篮中，经过调查发现，这种现象出现在年轻的父亲身上。

这个故事揭露了零售卖场中一个全新的管理观念，即商品之间是具有关联关系的，发现和利用这些商品之间的关联关系，可以在无法大幅增加门店客户数的前提下，通过增加购物篮中的商品数量达到增加销售额的目的，从而获得更大的经营收益。

本书的案例都是从购物篮出发，然后通过分析数据从而得出商业决策。

购物篮分析方法主要有两种：

美式购物篮分析方法（沃尔玛）：分析购物篮内商品之间的关联信息。

沃尔玛卖场面积巨大，商品种类繁多，通过购物篮分析找出淹没在不同区域商品之前的关联关系，并将这些关联关系用于商品关联展示、促销、货品选择、包装、甚至研发产品等具体工作中。

商品配置分析

通过分析购物篮数据，进而测算商品之间的相关性，假如啤酒与尿布的关联性是60%（购买啤酒的有60%购买了尿布），则当该店啤酒脱销之后，自然会影响尿布的销量。这是正相关。除此之外，还有负相关，主要是互相替代产品之间存在的关系，比如豆浆与牛奶。根据商品之间的相关性可以做出很多商业决策，比如设置陈列位置、打包促销等。

关于商品分类也比较值得一说，沃尔玛将商品在卖场中的表现，分为主力产品、辅助产品与关联商品。合理搭配主力商品、辅助商品、关联商品三类商品属性在商品结构中的分布比例，确保商店整体业绩的提升。

客户需求分析

通过购物篮分析，还可以对客户群体认识得更加清楚，通过对购物篮数据进行用户群体划分，建立用户画像。比如发现门店下午的哈根达斯卖的特别好，推断出门店周边有一大批白领上班族，从而继续上架更多针对这一人群的适宜商品，从而增加经营收益。

产品分析

通过购物篮分析，还可以完善产品。比如通过分析得出，某商品在购物篮中大概率出现的个数是4个，那么就可以生产5个的组合包装，用户稍微跳一跳就能够得着，自然会促进销售数量。

销售趋势分析

通过数据仓库对品种和库存的趋势进行分析，选定需要补充的商品，研究客户购买趋势，分析季节性购买模式，确定降价商品。

日式购物篮分析方法（7-11便利店）：分析影响商品销售的所有因素。

7-11便利店经营面积一般相对狭小，所以找出商品关联关系并非是重点。分析重点是所有影响商品销售的关联因素，比如天气、温度、时间、事件、客户群体等商品相关性因素。

商品销售与天气因素有非常大的关联性，在西方产业界，很多行业都有自己的商品气象指数。7-11便利店总部会向气象台购买3天内的卫星云图，用以预测3天内天气的变化趋势，然后按照不同商品与天气之间的对应关系，组织门店的商品进货、上架及销售。还要求门店每天5次将门店内外的温度、湿度上传回总部，供总部与商品销售进行对比分析，可见其研究程度之深。

对于影响门店商品销售的所有关联因素，日本人研究得非常详细。

从购物篮海量的数据，书中提出了数种不同角度的分析方法。看完此书，第一感觉是惊叹，从小小的购物篮视角就可以洞察各种影响销售的条件，进而通过分析数据，得出商业决策，感受得到“由小见大”的哲学观，任何看似简单的事情下都拥有不简单的智慧。

除此之外，感叹零售行业，经过半个世纪的发展历史(假定从世界上第一家超市1952年诞生开始算起)，已积累如此深的管理智慧，在商业方面从对人的研究（可靠性低）转向对数据的研究（可靠性更高）。又站上了一个全新的高度。

从产品竞争层面，再来看看商品竞争的发展阶段。

第一阶段：卖方市场（有了就买，商品短缺）

第二阶段：功能、价格、稳定基础因素等（开始注重功能、价格、稳定等因素的综合竞争优势）

第三阶段：体验性（功能啥的都差不多，开始进行体验性竞争，注重产品）

第四阶段：定位（体验性都做的好，开始进行用户定位竞争，比如细分群体、用户认知、注重运营、情怀）

第五阶段：接近（你的信息接触到用户，你就赢了）

快消类产品由于产品更加同质化，远远比刚发展20多年的互联网行业更早的走入定位时代（早在新千年之前）。看完了本书，更加让我对互联网思维的优越性更加不敢苟同，互联网思维并非是一个全新的认知模式，而是基于互联网的基础特征并结合之前传统行业的经验积累而产生的一种解决问题的理论指导而已。传统行业经过漫长的历史悠久，在产品、商业方面已经积累了丰富的知识与经验。比如丰田的精益生产、快消品的定位竞争、以及本书的购物篮分析。互联网行业从业人员更应该俯下身子，虚心从传统行业取取经。

一即一切，一切即一。

书籍豆瓣链接：《啤酒与尿布》

作者简介：A货，一位不仅仅产品经理。公众号：zjwnote

关注领域：创业、心理学、哲学、个人成长、思考。请长按下图点击关注。