あなたが最後に小売店に関して大きな決断を下したときのことを思い出してください。 何か知識に基づいた推測をしましたか? もしそうなら、そうすべきではありません。 たとえあなたの直感が正しかったとしても、それは会社を経営する上で危険な方法です。 大多数の小売業者はそうではありません。 8.64 億 XNUMX 万ドルと評価される世界的な小売分析部門は、小売業者がより適切な意思決定を行うために必要なデータを提供することで小売業者を支援しています。 データを使用して収益性の高い小売業を管理することで、次の店舗の場所の決定から在庫補充の優先順位付けに至るまで、あらゆることから当て推量が排除されます。 どこから始めればよいかわかりませんか? この記事では、意思決定の際に参照すべき小売分析の種類と、実際の各統計を示すツールと例について説明します。
小売データ分析とは何ですか?
小売データ分析とは、傾向を特定し、結果を予測し、より適切で収益性の高いビジネス上の意思決定を行うために、小売データ (販売、在庫、価格設定など) を収集および分析する行為です。
データ分析が正しく行われれば、小売業者は店舗、製品、顧客、ベンダーのパフォーマンスについてより深い洞察を得ることができ、その理解を利用して収益性を向上させることができます。
ほとんどすべての販売業者は、Excel で売上高を調べるだけであっても、何らかの方法でデータ分析を使用しています。
ただし、Excel を使用してスプレッドシートを精査するアナリストと、専用の AI を使用して数十億のデータ ポイントを同時に評価するアナリストとの間には、大きな違いがあります。
この違いを理解するには、まず小売データ分析の XNUMX つのカテゴリを理解する必要があります。
小売データ分析の種類
小売データ分析には XNUMX つの基本的なタイプがあります。XNUMX つは過去のパフォーマンスを反映して説明する記述分析です。 診断分析。特定の問題の中心的な原因を特定します。 予測分析。将来の結果を推定します。 そして次の行動を示唆する規範的な分析。 XNUMX つの手法のそれぞれについては、以下で詳しく説明します。
#1.記述的分析
記述的分析は、以下に示すような、より高度なタイプの分析の基盤として機能します。 「いつ、どこで、何を」などの基本的なクエリに答えます。これは、毎週の売上と在庫の統計を提供する基本的なビジネス インテリジェンス ツールとダッシュボードの内容です。
＃2。 診断分析
診断分析は、小売企業が業績を妨げる可能性のある問題を特定して分析するのに役立ちます。 小売業者は、消費者からのフィードバック、財務実績、業務分析などの多数のソースからのデータを統合することで、経験する問題の中心的な原因をより徹底的に理解できます。
#3. 予測分析
予測分析は、販売者が天候、経済動向、サプライチェーンの中断、新たな競争上の課題などのさまざまな要因に基づいて将来の出来事を予測するのに役立ちます。 この戦略は、多くの場合、what-if 分析の形をとり、小売業者が製品に対して 10% 割引と 15% 割引を提供した場合に何が起こるかを計画したり、以下の条件に基づいて在庫がなくなる時期を予測したりできます。特定の代替アクションのセット。
#4. 規範的な分析
処方的分析は、予測分析結果を取得してアクションを処方するための AI とビッグデータのアプリケーションです。 たとえば、規範的分析では、以前の購入履歴に基づくアップセルや、新しい顧客の問い合わせに答えるためのクロスセルなど、消費者にその場で伝えることができる提案オファーをカスタマー サポート エージェントに提供できます。
小売データ分析のアプリケーション例
意思決定を促進するためにデータ分析を利用する最も重要な理由の XNUMX つは、誰かの現実の見方ではなく、実際の真実 (冷静で具体的な数字) に基づいて結論を導き出すことです。
分析は、他の方法よりもはるかに詳細に自社を理解するのにも役立ちます。
実際、ショップはデータ分析を次の目的で利用できます。
- 一般的な注文の金額と販売された製品の数量を理解します。
- どの製品が最も売れているのか、最も売れていないのか、そしてその間のすべての製品を特定します。
- 最も価値のある顧客を特定します。
- 本当の需要と過去の見逃し販売を発見します。
- 最適な注文数量を決定し、購入数量と割り当てに関する推奨事項を作成します。
- 特定の地域ごとに特定の製品の最良価格を決定します。
これら (およびその他) の洞察は、会社の指標をより深く理解し、目的地に到達するための戦略を開発するのに役立ちます。
会社が成長するにつれて、意思決定を改善し、効果的な小売戦略を開発するために、データ分析は重要な要素となるはずです。
したがって、小売分析ソリューション部門が大きく、急成長しているのも不思議ではありません。 これらのアプリのいくつかとその仕組み、そしてそれらを利用することで得られるメリットについて説明します。
＃1。 ビジネス・インテリジェンス
多くの企業は、ビジネス インテリジェンス ツールを使用してデータを適切に管理および整理しています。 BI ツールは、データを整理して視覚化するのに役立つため、記述的分析の一例です。
多くの店舗では、ネイティブの ERP (エンタープライズ リソース プランニング) システム機能を利用したり、データを Microsoft Excel に直接インポートしたりして、基本的なビジネス インテリジェンス (BI) を実施しています。
もう少し洗練された小売業者は、次のような BI ソフトウェアを採用するでしょう。
- Microsoft パワー BI
- タブロー
- SAP
- QlikView
- Apacheによるスパーク
これらのアプリケーションは、多くのデータ ソースへのアクセス、魅力的なビジュアル、および一部のデータ操作を提供します。
最も複雑な BI は通常、データ処理、視覚化、モデリングの自由度を高めるプログラミング言語 (Python など) を使用するデータ サイエンティストで構成されます。
上記の例の多くは便利ですが、かなりの量の人的介入が必要であり、管理に時間がかかります。 これは、数百または数千の店舗 (および数万から数十万の商品) を持つ中規模から大規模の小売業者に特に当てはまります。 このため、多くの小売業者は、レポートを作成するために各部門に割り当てられたアナリストを雇用しています。
Retalon などの高度な分析ツールは、その高度な機能により、標準的な BI 手法に関連する手動の反復手順の大部分を通常自動化できます。
＃2。 販売予測
小売業におけるデータ分析のもう XNUMX つの一般的な用途は、売上予測です。
簡単に説明すると、売上予測は、売上を見積もるために、過去の売上データを分析し、傾向を特定し、将来に予測する行為です。
これにより、在庫購入や OTB 予算管理から組織の高レベルの財務目標の定義に至るまで、販売者があらゆることを支援できます。
売上予測は、その名前が示すとおり、本質的に予測的なものであり、小売業者が採用する最も基本的な種類の予測分析です。
企業は何世紀にもわたって売上を予測しようとしてきたため、売上を予測するための手法は数多くあります。
- 昨年の売上高を使用して今年の売上を予測する
- 調査、観察、その他の形式の市場調査
- 専門家からの推定
- Excel 統計モデル
- 専用ソフトウェア
多くの店舗は、将来の売上を予測するための独自の社内ソリューションを開発しており、通常は数十 (数百ではないにしても) の Excel シート、ERP 機能、専用ソフトウェア、アナリスト チームを統合しています。
売上予測は多くの小売計画プロセスの基礎ですが、おそらく改善が必要なデータ分析の最も重要な領域です。 これは、売上予測が頻繁に誤り、小売業界の複雑さを考慮していないという事実によるものです。
たとえば、小売業者が昨年商品を完売した場合、従来の売上予測手法では、たとえ大幅に多く売れる可能性があるにもかかわらず、誤りを繰り返すように指示されてしまいます。
その結果、ほとんどの売上予測は支持されなくなり、より複雑な予測分析がそれに取って代わりました。
＃3。 需要予測
前述したように、需要予測は、販売業者が採用するはるかに高度な種類の予測分析です。
需要予測では、過去の売上データのみを使用して売上を見積もろうとするのとは対照的に、はるかに広範囲のデータを使用して、各店舗の各製品の需要を正確な時間間隔で計算します。 したがって、需要予測は通常の売上予測よりもはるかに正確です。
売上予測と需要予測の比較の詳細については、こちらをご覧ください。
要約すると、この形式の小売分析の主な利点は次のとおりです。
- ビジネスの将来の状況をより正確に予測
- シミュレーションまたは「もしも」のシナリオを作成する
- 地上の状況が変化した場合にその場で適応する能力
- 重要な小売機能の統合 (プロモーションや在庫管理など)
通常のことですが、需要を予測する方法は数多くあります。 小売業者は、洗練度の高い順に以下を利用できます。
- 統計モデルを含む Excel スプレッドシート
- 一般的な分析および統計モデリング ソフトウェア
- AI を活用した小売分析ソフトウェア
また、 オンライン小売: 知っておくべきこと
最初の XNUMX つの代替案は中小企業には適切ですが、非常に大規模なデータ セット (中規模から大規模の小売業者など) では採用が (不可能ではないにしても) 困難になります。
これは、需要予測では販売データ以外のソースのデータが使用されるためです。
- 価格設定履歴
- 過去の在庫
- 品揃えの幅広さと豊富さ
- 製品グループとファミリー
- 季節性
- サプライチェーンの不一致
- 競合他社の活動
- 消費者の好み
- 等
何十億もの個別のストア / SKU の組み合わせについて、このデータすべてを手動でコンパイル、分析、モデリングすることを想像してください。
小売業者が需要予測を採用するための最良の方法は、各業界で小売業者との取引で実績のある小売予測分析ソフトウェア ベンダーを見つけることです。
このようにカスタマイズされたソフトウェアを使用すると、ショップに多くのメリットがもたらされます。
たとえば、製品の価格、新店舗のオープン、新製品の発売などのさまざまな変数を試して、それらが最終的な KPI にどのような影響を与えるかを確認し、それに応じて在庫、価格、またはマーケティング戦略を変更できます。
#4. 統合された高度な小売分析
これは最も強力なタイプの分析であり、適切に使用すると最高の ROI が得られます。
XNUMX 番目のタイプの分析 (処方的分析) に分類される統合高度な分析は、ビジネス インテリジェンス、強力な診断、正確な需要予測の利点を、ビジネス全体で最も収益性の高い活動を提案するインテリジェントな自動化と組み合わせることを目指しています。
まともな統合分析ソフトウェアは次のことを行います。
- レポート作成とデータの視覚化を自動化します。
- 特定の時間におけるすべての店舗のすべての製品の需要を予測します。
- 新製品の発売、小売店の開店、その他同様の状況における柔軟なシミュレーションと「仮定」のシナリオを可能にします。
- 選択、割り当て、価格設定などにわたる数千 (数百万ではないにしても) の微細な最適化が自動的に推奨されます。
- すべての変更と更新は、すべての部門とデータ ソースにわたって調整する必要があります。
この形式の分析は、その複雑さと専門性により、高度な小売分析を専門とするソフトウェア サプライヤーによってのみ提供できます。
何百もの反復的なプロセス (レポートの作成、部門間でのデータの統合、評価など) を自動化するだけでなく、人間のアナリストでは太刀打ちできない粒度で最適化も行います。
このタイプの高度なデータ分析は、Retalon の小売分析プラットフォームを含むさまざまなソリューションによって提供されます。このプラットフォームは、高精度の需要予測と高度な AI を使用して、収益を向上させる数百、数千、さらには数百万ものきめ細かい改善を実現します。
さらに、この種のソフトウェアは適応性が高く、特定の提案を自動的に受け入れる一方で、より詳細に制御するために他のソフトウェアには人間の許可を必要とするように設定されている場合があります。
小売分析をアップグレードする時期はいつですか?
長期的に成功を収めたい中規模から大規模の小売業は、何らかのデータ分析を使用する必要があります。 適切な製品を、適切な場所、適切なタイミング、適切な量で提供するには、正しい洞察を積極的に取得する必要があるからです。
すでに分析を使用している場合でも、競合他社に先んじるために、遅かれ早かれ更新する必要があるでしょう。
通常、会社が成長するにつれて、データの量も増加し、それに伴う意思決定も複雑になります。
しかし、データが多すぎてどうすればよいかわからない場合はどうすればよいでしょうか?
データ分析ツールを最新化する時期が来たかどうかを判断するには、まず次の質問をしてください。
- データをどこまで掘り下げるべきですか? 私の困難の解決策は明らかですか?
- 例外に遭遇して手動で予測を修正しなければならないことはよくあることですか?
- さまざまな小売部門の分析ツールは相互に考慮されていますか?
- 私は毎年同じ間違いを犯している可能性がありますか？
- 販売損失、過剰在庫、在庫切れなど、在庫の歪みに関する懸念はまだありますか?
- シーズンの終わりに向けて値下げが多すぎるのでしょうか？
- 販売実績のない新製品への適切な対応策はあるのでしょうか？
これらの質問に対する答えは、分析アプローチを改善する必要があるかどうかを判断するのに役立ちます。
ただし、あまりにも一般的な小売分析麻痺の落とし穴は避けてください。
高度な分析に投資する小売業者は、まだ意思決定ができていない小売業者から市場シェアを盗んでいます。 コマースのデジタル時代に近づくにつれて、強力なデータ分析と小売 AI はもはや「欲しいもの」ではなく「必要なもの」になっています。
小売分析の利点
小売分析は、売上を向上させ、諸経費と人件費を最小限に抑え、利益を向上させるために小売業者が使用するツールのコレクションです。 小売分析は、次のようなさまざまな方法でこれらの目標を達成するのに役立ちます。
#1. 在庫切れと値引きの必要性を減らす
小売分析は、ユーザーが需要傾向を理解して、十分な量の製品を手元に置きながら、余剰在庫を処分するために大幅な値引きに頼らなければならないほどにならないようにするのに役立ちます。 製品がどのくらいの速さで消費されるかを判断するために分析を使用するのが一般的です。
#2. パーソナライゼーションの改善:
分析により、販売業者は消費者の好みをより深く理解できるようになり、その結果、競合他社よりも多くの需要を獲得できるようになります。 たとえば、書籍小売業者は購入履歴を使用して、歴史家ロン チャーナウによる新しい本が予約注文可能になったときに、アメリカの歴史に興味を示している消費者に通知できます。
#3. 価格決定の改善
データ分析は、放棄されたショッピング カート、競争価格情報、販売された製品のコストなどのさまざまな指標を統合することにより、企業が商品の理想的な価格を設定するのに役立ちます。 小売業者は、市場が負担する価格よりも高い価格、または顧客が支払う用意がある価格よりも低い価格を設定しないことで、利益を最大化できます。
#4. 製品配分の改善
分析は、小売業者が地理的地域、流通施設、店頭全体に製品を割り当てる方法を決定し、不必要な輸送コストを削減するのに役立ちます。 たとえば、スポーツ アパレル ショップは分析を利用して、気温の XNUMX 度の変化が防寒アンダーシャツの売上にどのような影響を与えるかを確認し、特定の冬に気温が低いと予想される場所に最も近い流通施設にそのような商品をより多く割り当てることができます。
小売分析ソフトウェア
小売分析は、実店舗や Web サイトなど、さまざまな方法で収集されたデータに基づいています。 使用されたツールの一部は次のとおりです。
- 販売時点管理 (POS) システム ショップが消費者の取引を追跡および管理するために使用されます。 POS システムは消費者の購入に関するデータを収集し、販売および顧客傾向レポートを提供できます。
- 顧客関係管理 (CRM) ソフトウェア: このカテゴリのアプリケーションは、販売、マーケティング、顧客サービス、および e コマースのプロセスを管理します。 小売業者はこれらのプログラムを使用して顧客とのやり取りを監視し、特定の消費者に関するデータを保存し、そのデータに基づいて販売、マーケティング、顧客サービスの可能性を明らかにします。
- ビジネス インテリジェンス ツール: 小売業者は、主に顧客ロイヤルティ、在庫回転率、セルスルー率、在庫日数などの主要な業績指標を追跡するために、ビジネス インテリジェンス (BI) ツールを利用して、膨大な量で多様なデータ セットから収集した情報を統合します。 これらのツールを使用すると、小売業者がレポートを作成して CEO やその他の意思決定者に送信することが簡単になります。
- 在庫管理システム: このソフトウェアは、小売業者が在庫品目を追跡し、倉庫や流通施設の在庫レベルを監視し、需要を予測するために使用されます。 また、販売者が輸送コストを削減し、顧客の需要を満たす商品を確実に入手できるようにするために、特定の物品を保管する最適な場所を決定するのにも役立ちます。
- 予測分析： この種の分析では、以前のトランザクション、インタラクション、その他のイベントのデータを使用して、将来の傾向や行動を予測します。 小売分析の最も一般的な XNUMX つのタイプは、記述的、診断的、予測的、処方的 (上記で概説したとおり) であり、これらは新しい顧客セグメントと成長の見通しを明らかにするために使用されます。
小売分析プラクティスのベスト プラクティス
#1. 顧客データを幅広く活用します。
顧客は、自分の要望や意図について、明示的および暗黙的に大量の情報を提供しており、小売分析のトップ実務者は、そのデータを使用して傾向を特定し、それらの顧客をより深く理解します。 大手小売業者は、自社のロイヤルティ プログラムからの顧客データを、e コマース、POS システム、その他のソースからのデータ、ブローカーから取得したデータと組み合わせます。
顧客データは、専門家によって、人口統計、取引、行動、さらには心理学的ポイントの組み合わせとして分類されることがよくあります。 さまざまなタイプの顧客データの収集、集約、活用は、多くの場合、幅広い人口統計範囲から始まる論理的なパスに従います。 小売業者はまた、「顧客」（すでに取引を行っている人）と「消費者」（有望な見込み客）を区別します。 消費者データは、「類似モデリング」の情報を提供するのに役立ちます。たとえば、小売業者がマークを素晴らしい顧客として認識した場合、同様の特徴を持つさらに多くの人々を検索し、特別オファーの対象にします。
#2. 視覚化ツールを活用しましょう。
チャート、グラフ、ダッシュボードなどの BI ソフトウェアの視覚化ツールは、データを解釈し、知識に基づいた意思決定を行うために重要です。 知識を把握するために単にデータの行や列を見つめるよりもはるかに効果的です。 また、BI 視覚化ツールを使用すると、ビジネス ユーザーは、IT 部門がレポートを作成してクエリを実行するのを待たずに、分析にアクセスできるようになります。
#3. いくつかのデータソースを調べる
販売データ、過去の顧客データ、在庫データなどの複数のデータ ソースは、特に KPI が頻繁に相互接続されている場合に、販売業者が自社のビジネスをより微妙に理解するのに役立ちます。 たとえば小売業者は、商品属性分析を店内分析と組み合わせて使用し、買い物客を有料顧客に変えるために実店舗のレイアウトを最適化する方法を発見できます。 在庫分析は、小売業者が商品レイアウトをサポートするのに十分な商品を手元に確保するのに役立ちます。 (小売業者は、アプリケーションごとにデータ型の定義が異なる可能性があることにも注意する必要があり、これを修正しないと不正確な分析につながる可能性があります。これは、いわゆる最良のプラットフォームを採用するのではなく、小売分析に単一のプラットフォームを使用することを支持する議論です。 -異種アプリケーション)。
#4. KPIを監視する
主要業績評価指標の追跡は、販売者が自社の業績を測定し、発展の機会を特定するのに役立ちます。 成功している販売者のほとんどは、毎週の KPI 概要 (バランス スコアカードとも呼ばれます) を使用して、最新の指標を前週の指標と比較します。 これは通常、何が起こったのかを検討することから始まり (たとえば、特定の商品の売上が急減した)、続いて、なぜそれが起こったのか (たとえば、在庫切れ) をさらに調査します。
#5. 目標に優先順位を付けます。
測定できるものをすべて測定する必要はありません。 小売業者は新しい分析ツールと大量のデータにアクセスできますが、測定内容に注意しなければ、意思決定者を推奨事項に溺れてしまう危険があります。 小売業者は、すぐに商業効果が得られる優先度の高い機会を特定することから始める必要があります。 マッキンゼーによると、最も優れた分析とは、特定のビジネス上の問題に取り組み、測定可能な結果を生み出すものです。
小売分析の専門家であるマーク・ローレンス氏によると、上記に挙げた 20 つの推奨プラクティスはすべて相互に関連しています。 彼のアドバイスは、まず目標を 15 つ考え、次に XNUMX つまたは XNUMX つの基本的な目標を設定することです。 彼は、このレベルの開発に情報を与える KPI を「主要な」KPI と呼んでいます。 XNUMX つの目標が「顧客に近づく」ことである場合、KPI は「顧客生涯価値を XNUMX% 向上させる」、「消費者コンバージョン率を前年比で XNUMX% 達成する」、「顧客中心主義をサポートするために在庫レベルを最適化する」などになります。目標。」 視覚化ツールを使用すると、ビジネス リーダーはこれらの目標の達成に向けた進捗状況を追跡し、新しいプロモーションや製品の品揃えの変更などの是正措置を促すことができます。
小売分析の未来
小売業の将来は不確実ですが、小売業の現状は不確実ではありません。 ユーザーとアプリケーションは、スマートフォンがユーザーのニーズを満たすために常に位置追跡を使用しているのと同様に、分析を絶えず、多くの場合意図せずに使用することになります。
小売分析は、単に週次レポートの作成やレビューに使用されるだけでなく、ビジネス ユーザーの日常プロセスにさらに統合されるようになるでしょう。 たとえ意識していなくても、日々のビジネス活動の中でAIの成果に触れる人が増えるでしょう。 AI を活用したデータ分析はもうもてはやされなくなります。
関連記事
- E コマース ビジネス保険: 最適な補償と知っておくべきすべてのこと
- 売上予測: 定義、例、ソフトウェア ソリューション
- オンライン小売: 知っておくべきこと
- 小売業: 定義、種類、開始方法
- 小売業界: どのように機能するのか?
参考文献
