大数据时代的数据多具备量大、类型多、价值密度低、时效性高的数据特征，而驱动增长的重要引擎之一，就是对数据价值的挖掘及应用。
品牌方一到月末、季末、年末，面对林林总总不同大区、不同渠道汇总的数据表格，应接不暇，单依汇总、数据透视恐怕很难获得及时和多维度执行层面的洞察，作出影响战略布局的决策。
门店数据作为洞察行业趋势和市场动态的基石，其重要性不言而喻。在执行初期，效果提升明显。到了执行中后期，效果提升远没有初始那般迅猛，甚至停滞的情况也时有发生，然而越到后期，对管理层的战略部署越有深远的影响。
货架数据对于执行层的影响是最直观的，如产品面位、销量的体现。当数据量累计达一定程度则可进行竞品分析、商品组合分析、新兴趋势鉴别如单品或者新兴品牌的崛起，最终量化投入指标，从而提高销售额和投资回报效益。
基于全球每月识别10亿商品的庞大体量，并结合Trax十年来服务于品牌商和零售商的成功经验。我们将围绕如下四个方面来深入分析货架数据如何在日常门店执行中发挥更多效能。
商品空间弹性分析
商品的摆放空间与销量增长是否成正比？答案是否。
货架空间利用率大多由商品属性以及市场需求决定，如薯片、饮料等可以依靠加大排面拉动销量增长，而如文具、学习用品等商品则不适用这一原则。
在弹性分析中，我们通常会根据商品属性，门店的综合属性如规模、人流量等，来定位货架弹性空间临界值，从而平衡商品在货架上的分布与商品产生的额外收入之间的关系。
临界值之内是商品销量快速增长区，临界值之外是商品销量平缓区域。通过定位临界值，反推同类型门店投入与产出的关系，如果超过临界点，则替换成其他弹性商品，达到品类的ROI最优值。
图1－商品空间弹性分析：临界点的判断
通过这种简单的改变，将空间分配给弹性增长的SKU，可以带来非常显著的销售增长机会，也得以使得执行费用在总体费用中占比下降，达到最大化。
某跨国日化品牌商通过Trax进行持续货架真相监测，甄别出在临界点附近的弹性SKU，将22%的货架空间重新分配，从而增加了3,800万年度销售机会。
图2－商品空间弹性分析：货架空间重新分配价值分析
视线层对商品销量的影响
基于消费者平均身高的视线辐射范围，视线层被定义为位于140-170cm之间的货架高度。在大卖场中，视线层通常占据两层，而在便利店或者食杂店，过道比较窄的情况下，只有一层属于视线层。
由于视线层是第一时间接触消费者，与其他层数相比将会带来更大的购买意愿和消费动力。
那么是否核心产品一定就在视线层呢？基于Trax服务的某客户门店数据分析结果，其核心产品只有在少数门店才出现在视线层，其中大型门店比例不高于36%，中型门店比例不高于22%。
图3－视线层对商品销量的影响：核心SKU在视线层的比例
通过更进一步的深入分析发现，七层货架中，核心SKU放置在倒数第二层和倒数第三层时，商品销量比平均值低28%，而放置在最下层时，商品销量比平均值比低45%。
通过改变核心SKU的货架位置，尤其将核心SKU置于视线层和中层位置，对商品销量产生了非常积极的影响，比平均值高4.3%。
图4－视线层对商品销量的影响：改变核心SKU货架位置对销量带来的影响
集中陈列对商品销量的影响
集中陈列中最常见的是色块陈列，在货架上的SKU如果呈现出明亮的颜色、对比色以及一定比例的搭配，特别是同一色系的集中陈列，会更容易吸引消费者驻足停留，增加购买欲望。
影响销量的因素除了色块的集中陈列，集中陈列在视线层的比例也至关重要。不同品牌、不同品类、不同商品都有独特的偏好。形象陈列如垂直分布或者横向分布，对于门店执行要求有较强的前瞻性。
图5－某品牌集中陈列实际效果图
Tips：陈列小妙招
根据Trax的经验，除了新品发布、促销陈列之外，品牌商在视线层排面上给与的关注度较高。
基于视线层的空间成本考量，除了通过增加商品的排面提升消费者的视觉冲击之外，根据类似品类商品独有的特征设定陈列摆放也能起到意想不到的效果。
例如，在整排货架都摆放洗衣液、洗衣粉商品的情况下，在其中置入芳香凝珠这类新品，对消费者的吸引力将会成倍增加，当消费者拿起商品看一下，对于品牌商来说就是一个巨大的突破，增加潜在购买机会。
地堆设计对商品销量的影响
二次陈列无疑是抢占销售份额的绝佳机会，如何充分利用这一机会达到销量增长的最大化？
某日化品牌商参考消费者购买行为的影响因素，对于地堆摆放设计做出了新的尝试，在原有基础地堆造型的基础上，新增二层空间，摆放当季新品，利用新的延伸空间刺激消费者的视觉感官。
如何判断新地堆形象的效果并量化其对产品销量的影响成为了该品牌商不得不面对的难点。
此刻，Trax来支招。
通过选择试点门店对新二层地堆的促销执行拍照上传和AI识别、持续监测，同时通过自动层数识别、地堆面积和面位识别，并将所获得的门店二陈数据与POS数据结合进行分析，结果发现，在执行监测时段内，新二层地堆形象与以往普通的地堆相比带来8%销售额增长。
用真实的陈列数据监测执行表现，进而反哺陈列设计的可行性与优势，品牌商就此对试点门店的新二层地堆形象表现有了全方位的了解，大规模推行至所有同类门店，并监测所有门店执行，深度掌握陈列表现，获得更进一步的洞察。
写在最后
货架数据的分析与洞察从来都不是一蹴而就，而是一个不断积累的过程。而从门店层面来看，需要结合门店组群划分、销售增长率等其他相关因素进行综合分析。
以上的洞察都是建立在大量数据的基础上，寻找因变量和自变量之间的关系，并且判断这些关联性是否紧密、是否可靠，通过模型科学分析而得出。
货架深度数据，如具体层数、集中陈列、过道位置、本品与竞品是否相邻、价格位置顺序等均可以通过更高维度的门店数字化得到。Trax持续深耕实体零售数字化，助力品牌商通过货架数据的力量，深度洞察未来零售机遇！
