粗略查看了本文的数据集,确认为随机生成,不具有现实意义。本文重点展示思路和可操作性。我曾服务于小县城众多通讯设备店店主,本文差不多就是平日工作缩影。
数据来自Kesci。中国移动终端销售数据集
数据说明
本数据集包括了4万多条移动终端销售订单数据,包括具体的手机型号、地区和用户信息等。
数据完整,字段有:订单日期 年 月 地区名字 省份名字 城市名字 品牌 型号 运行内存 机身内存 数量 用户姓名 年龄 性别
观察这份数据。不太像针对普通消费者的销售记录,因为销售数量每个订单都是>2,普通消费者应该不会一次买那么多手机吧。更像是针对经销商代理商的数据。
项目目的
那么兴趣就来了,基于这份数据,如果我是经销商,向这家公司采购手机,我会选择在哪个省开店。因为资金有限,开店只能是个小店,而且不能品牌太杂,分散资金利用,开个专卖店吧。更因为资金有限,我只能选择某些型号,专挑生命周期长,卖的比较多的,别人卖什么,我也卖什么,踩着石头过河总不会错。
专省 专品牌 个别型号。
项目思路

在哪开?
先来看一下全国销量的同比、环比情况。(tableau绘图)

手机市场从19年年初开始销量就大幅度的提升,针对经销商嘛,过年物流之前肯定要囤货,二月继续囤直到物流停止。三月迎来新品手机发布潮,开始进新货。上学季有短暂的淡季,减少进货。六七月迎来学生购机潮,使劲销售和进货。9月又迎来新品发布潮,又一波新机需要采购大麦。10-12月稳定销售。2020年疫情,不能外出,减少了手机的终端消费,也使得经销商减少了采购。很符合实际情况的曲线。
全国情况可以看做整体的大环境,能跑赢全国的一定很值得投资。

对全国和各个省份环比的标准差进行排序,标准差越大的,环比振幅越大,可以间接反映市场也越不稳定,淡季和旺季的销量相差很多。作为一个没多少资金的小店主,能想到的就是快速回本,让资金流起来,决不能让因为淡季产品卖不出去,进多了货而占用资金。全国上下,也就北京和上海比全国的标准差更小了,相对稳定,淡季旺季不是特别明显。

对全国和各个省份的同比按照中位数进行了排序。同比中位数高的,不考虑其他现实意义的因素的话,市场爆发力一定高,同时标准差也小于全国的话,就是相当稳定的爆发力。作为小店主,希望顾客都是有钱人,买手机和买菜一样。
但观其数据, 北京和上海的中位数较全国低很多,也就是说,这两个城市的18年和19年差不多,更偏向于稳定。最终选定,还是北京吧。
让我看看图表吧

选定城市之后,我就要选定品牌。
选哪个品牌?
先来看看全国的品牌占比。


从上两个图看,vivo是手机品牌力的主力军,小米其次。

同时,vivo品牌的销量稳定性却不高。作为一个小店主,首先考虑的就是资金的周转率,一是要销量大,二是要销量稳定,能预计得到接下去动用的资金,能预计的到大概多久能将货卖完,不占库存。


经过对北京市场各个品牌同比和环比的描述统计,满足销量大而且销量稳定的要求的品牌,只有小米了。
选哪些型号?
接下去就是选择型号。
在手机采购和操盘上面没有经验,最简答的方法就是看别人卖什么,那就采购什么。结合这些型号的生命周期看,哪些型号复购率高,哪些型号回购率高,那就证明这个型号很有市场,消费者比较喜欢。

如果数据真实的话,所呈现的效果应该是,在一款手机上市之前,全部是白色,为0。新款上市之后,特别的红,随着时间的推移,颜色慢慢淡下来,数量慢慢减少直到为0。也有可能就是产品不受消费者欢迎,店主很少采购,一开始就不多不红,突然之间就变0了,之后再无。
虽然数据源真实性不高,但是我要做的事仍可以继续。

展示复购率,发现全部都为0;难道是因为客户每个月只进一次货。所有的货都固定一天内采购。对于一些大企业来说,这个是有可能的。


回购率。仅仅只有个别产品在个别月份有客户回购。
回望数据集,看样子虽然有4万多条,但几乎没有重复。框架是针对普通消费者的,填充的数据却是像针对经销商的。
根据以上复购率和回购率情况,最终选定红米NOTE8和红米NOTE8 pro来卖。(别吐槽,数据决定的,我太难了)
总结
基于这份数据,我最终决定在北京开一个小米店,由于资金少,我选择生命周期长且其他客户近期回购相对较高的红米NOTE8和红米NOTE8 pro来卖。
数据分析能够基于过往数据,针对指定的目标提供相对正确的选择。在我以往的工作中,更多的店主基于自己的经验甚至是个人喜好,采购了并不一定深受消费者欢迎的产品,占用了很多时间和资金。或者,有些店主想要转型,丰富产品,但不知道未知领域的产品该如何配比。数据分析都能够给出相对正确的选择。

在完成上面步骤之后,要确定销售目标的,也就是每个月的采购量,分析其他客户单一型号每个月采购量的均值、中位数等,可以相对应的调整(比如他们是一个月进一次,我分成两次三次),然后进行采购。但由于数据源的问题,没有办法做这一步。实在可惜。
网友评论