对于传统零售商而言，品类管理与门店执行曾是其传统优势，但在数据科技时代的冲击下，这一优势正逐渐减弱。在新的背景下，零售商需重拾优势，借助数据与科技全面理解消费者，提供满足其需求的类与品，并为自身带来真实价值提升。

数据与科技在零售各环节中累积沉淀，并被应用到品类管理的分析决策中，即顾客洞察、品类空间分配、商品选择与陈列、执行与回顾。

愈加高要求的消费者

回到零售的核心——消费者，其追求优质商品和服务的消费诉求一直不曾改变，只是在核心诉求上的要求和期待越来越高。我们观察到消费者如下三大核心诉求和趋势。

诉求一 ：对便捷性的更高要求，从单纯要求时效到要求全流程的无障碍体验。便捷的购物体验一直是消费者的重要诉求，在这个快节奏的时代，时间与效率格外宝贵，消费者愈加期待无障碍的全流程消费体验以省时省力省事。这也对零售商提出了更高的要求，比如从要求更快网购时效，发展到要求更便捷的店内体验结合配送到家的全流程体验。

诉求二 ：愈加偏爱变化，且追求优质产品和服务，从主要关注价格和品牌到关注高端优质和高性价比的产品和服务本身。消费者始终是偏爱变化的，一方面，驱动其变化的因素变得更加复杂；另一方面，随着消费触点的增多、商品丰富性以及产品可获得性的提高，客户的转移成本变得更低，忠诚度也随之降低。消费者愿意高价购买特别的体验与服务，但也不介意低价购买同质化的高性价比商品。

诉求三 ：打造“个人品牌”的意识不断提升，从被动接受产品信息到愿意为喜爱的产品进行主动宣传。消费并不是单纯的购买行为，而是个性和自我概念的差异化体现。在当前的背景下，消费者在消费过程中塑造“个人品牌”的意识越来越强，其在全流程的主导性和控制权也正逐渐增强。当面临选择时，消费者更希望自己掌控购物决策和活动，提升参与感。

传统品类管理面临的挑战

基于中国零售市场的独特背景，我们观察到零售商在品类管理各流程上面临如下主要挑战。

挑战一：不同门店，不同顾客的购物目的和决策偏好各不相同，顾客行为和需求难以被准确分析和应用

顾客需求洞察是品类管理的前提。一方面，中国零售市场的地域性差别明显且店铺业态多样，消费特征有明显区别，因此在品类管理时需要充分考虑差异性。店铺分群可以有效解决这一问题，然而传统零售商往往缺乏店铺分群的科学方法，难以实现品类价值的最大化。

另一方面，即使是同一类门店，顾客行为仍然千差万别，然而传统零售商在此面临诸多挑战。不同顾客的购物目的和购买决策树千差万别，零售商依靠传统手段难以对顾客行为进行抽丝剥茧，无法实际应用到品类管理中。

挑战二：门店空间有限 ，空间分配需符合消费特征，且及时调整以满足动态的顾客需求

门店类型复杂，且门店空间有限，因此门店的空间分配需要体现差异性，符合消费特征，且应根据时间季节进行动态调整，如：中午以即食类商品为主，晚市则以半成品为主。然而传统零售商往往缺乏有效方法实现合理的空间分配，主要依靠店长和品类管理人员的经验，科学性和灵活性不足。

挑战三：商品种类繁多，消费者行为复杂且非线性，商品真正贡献难以衡量

面对有限的货架空间和繁多的商品种类，如何选择最符合消费者偏好且能带来最大价值的商品成为零售商面临的难题。然而在衡量商品价值时，零售商往往只考虑销量和利润率等直接指标，容易导致错误的商品决策。从消费者角度出发，其消费行为从来不是线性的，简单以销售结果来衡量商品价值并不可行。零售商应根据顾客购物路径，综合衡量商品的真正价值。

挑战四：可用于分析决策的有效数据有限

如今的时代下，数据对于零售商的重要性不言而喻。然而对于多数传统零售商，零售各环节的数据并未有效打通，通常系统维护的只有基本的交易数据和顾客数据，数据的广度和深度都严重不足，难以实际应用到顾客洞察和运营优化中。以商品属性数据为例，相关数据通常以商品名的方式进行基本记录，而未对完整的商品属性进行充分挖掘整理，且往往未在系统中进行维护。

挑战五：选品流程多基于人工操作，费时费力且往往不够合理

在品类管理的具体执行落地上，大多数零售商依然严重依赖人工判断与操作。从效率上看，人工选品耗时长且效率低下，举例而言，一家大型超市一年用于选品的时间可达48,000工时；从质量上来看，由于人员能力参差不齐，选品结果往往不够准确、不够贴合消费者需求和潮流趋势。

数据技术背景下的品类管理优化

借助大数据和新技术，零售商对不同挑战都有了更深入的“解法”，比如：

应用一：更懂消费者——透过大数据理解消费者的购物目的和购买决策偏好

通过大数据分析手段，零售商可以透过消费者行为梳理其购物目的和购买决策树，并以此为依据进行更有针对性地品类管理优化。

门店分群通常是读懂消费者的第一步，用以刻画门店集体画像。除考虑购物目的外，还需要考虑店铺业态、竞争态势以及人口特征等维度。

但门店集体画像并不能完全描述顾客行为，更深层次的是消费者购买商品时的决策偏好。通过测算商品不同属性之间的替代性，可以衡量顾客在选择商品时考虑因素的重要性，从而构建购买决策树，并应用于空间优化和选品中。

应用二：更符合消费者喜好的品类分布——通过品类边际效益比较优化品类空间

品类空间优化的核心是增加边际效益搞的品类的空间，并动态调整货架分配。通过对比每一品类在同类店铺中的相对边际效益和货架空间，可以有针对性地帮助零售商确定品类空间优化的方向和力度。更重要的是，即使是同一家店，消费者的品类偏好喜好是随着时间变化的，需根据季节时间的动态优化方案。

应用三：更具价值的 SKU选择——基于消费者购买需求以及产品真正贡献进行SKU优化

零售商在进行品类内的商品选择时，需要思考两个关键问题，即选择的商品是否能够满足顾客需求，以及是否能给零售商自身带来真正的价值增量。

从顾客需求出发，商品组成需要分层，包含全国性、区域性和该类别店铺专有的商品，同时结合消费者决策偏好进行SKU的选择和陈列优化。

从零售商自身的价值提升来看，在进行商品增加、替换或下架等决策时，零售商需要评估商品的真正贡献，其主要考虑因素包括SKU的销售额、利润率、替代效应、光环效应以及商品生命周期等。

其中，替代性体现满足顾客特定需求的程度。以茶类饮料为例，尽管某款黑乌龙茶的销售额要低于另一款凉茶，但由于其是货架上唯一的黑乌龙茶商品，替代性较低，对零售商的真正贡献反而更高，因此在面临商品“二选一”决策时，黑乌龙茶可能更具吸引力。

应用四：更广泛的数据——应用数据分析方法，收集更多类型的数据用于分析决策

以上所有应用都离不开数据，除交易数据外，商品属性和市场舆情是品类管理重要的两大核心数据。零售商的现实情况是数据虽多，但有效数据稀缺，数据质量更是有待维护。

借助数据科技，零售商可获取更多有效数据，如：通过自然语言分析SKU名称，整理商品基本属性，并通过抓取电商数据，添加更多商品标签；再比如：监控社交媒体数据，寻找潜在爆款。

应用五：更高效的流程——打造自动化选品工具

机器学习等技术使自动化选品工具成为现实，可帮助品类管理相关负责人进行有效的品类管理规划、执行和监控，提高效率的同时减少误差。节省>20,000工时的工作量，且更一致与合理。

结语

在新的背景下，传统零售商急需重拾品类管理和门店执行优势。顾客洞察是品类管理的前提，大数据和新技术则为品类管理插上了科技的翅膀，使零售商可以更全面地读懂消费者、智选类与品。零售商不妨自我审视，是否已经准备好迎接数据技术时代的品类管理了呢？

本文作者

Richard McKenzie 马恒析，奥纬咨询董事合伙人，亚洲零售及消费品业务联合主管。他拥有近20年的咨询行业经验，主要专注于与消费者相关的领域，为众多行业领先的零售商、休闲娱乐、餐饮服务及消费品公司制定企业愿景、市场营销与流通战略、定价与商品组合管理策略等。

王星艺，奥纬咨询资深咨询顾问。

特别鸣谢

刘允侃对本文的贡献。