今天来分享一个销售分析最常用的模型：人货场模型。
这是来源于传统零售业的经典分析模型，在电商环境里其实也能用。大家一起来看一下。
一、何为“人货场”
人货场，是指影响销售的三个重要因素（不是三个指标哦）。
人：来自销售人员、顾客的因素
销售人员：人员是否足够，素质是否满意，执行是否到位？
顾客：是否有足够顾客到来，是否有成交，成交消费力如何？
货：商品因素
商品质量：种类是否丰富、款式是否够吸引、有没有爆款。
商品数量：商品备货是否充足，畅销品是否短缺，滞销品有多少。
场：卖场/门店/销售渠道因素
卖场数量：线下门店数量/位置、线上引流渠道数量/类型。
卖场质量：线下门店装修、面积、陈列，线上引流渠道的转化路径，页面设计。
不需要做很多解释，单纯从字面上，就能看出来，这三个因素会影响销量。因此人货场模型被非常广泛地用于诊断销售情况。具体操作时，根据销售形式的不同（实体门店/线上店铺/APP站内转化/电话销售……），人货场指标会有区别。
二、如何量化“人”的因素
最简单的方法，就是算平均值。
业务员平均生产力=销售业绩/总人数
顾客平局购买力=销售业绩/有消费顾客数
通过监控平均值在不同月份的变化，识别：是否“人”因素出现问题。
不过这样太过粗糙，想做得更细致，可以用分层分析法，区分业务员/消费者的层级。因为二八法则普遍存在于各个领域，因此区分出谁是A级销售，谁是大客户，能更有效地监控“人”的因素。
如果出现：A级销售离职/大客户不到店消费，就重点进行关注。
如果出现：销售成交都少/整体客流下降，则考虑用普遍激励的办法。
（如下图）
三、如何量化“货”的因素
与人不一样，货需要具体到每一个款式（SKU），具体看这个货物到底销售情况如何，是否有缺货/滞销迹象。
不同货物保鲜期不一样，瓜果肉菜保质期很短，一旦出现积压，就得快速进行清货；桌椅板凳几乎不会损坏，可以多存放一段时间（但是也不能存很久不卖，会占用流动资金）。因此，需要分类型识别活动畅销，滞销情况。
常用的指标有这些：
- 动销率：一个品类货物，有多少款有销售。
- 库龄限制：一个商品入库XX天后，必须销售，不然会有问题
- 剩余库存使用天数：使用天数越短，越需要补货/越长越考虑清货
货物分析有自身的一套逻辑，比如商品分类（爆款、流量款、利润款、补充款、防御款）、商品销量分层（ABC商品），商品生命周期（孵化、上市、推广、稳定、衰退）等等。因此，商品分会有一套单独的分析模块。
在做销售分析的时候，只要能定位到以下情况即可，再多的分析留给商品分析去做。
- 是否因XX商品缺货，导致销售受阻
- 是否因XX新品不受欢迎，导致销量不达标
- 是否因XX商品质量问题/退货，导致销售不佳
四、如何量化“场”的因素
与“人”“货”都不一样，卖场的因素，主要靠打标签来分析。
因为卖场的特征大多难以量化，需要用标签解决，比如：
- 实体店开在哪里（商业街？写字楼？CBD？老街区？郊外大型小区？）
- 实体店定位（旗舰店、品牌店、普通店、社区小店）
- 实体店装修水平（豪华、普通、简约）
这些都不是数字可以直接描述的。
有一些可以用数字描述，比如店铺面积、开店时间。但是还是处理成标签，使用起来更方便。比如处理成：大店、小店；新店、老店。
之所以做这种处理，是因为：不同类型店铺，担负的任务本身就不一样。比如品牌店就是做得高大上，提升品牌档次，没啥销量也行。旗舰店就必须扛起销货大旗。
区分类型，更容易进行管理。另一个原因，是不同标签店铺，有不同经营目标。比如大店就要负担更多销售收入，比如新店头一年还在回本期，销售任务不应压太多，可以多做活动聚人气等等。
同商品分析一样，场因素如果单独拆开，可以独立一个渠道分析出来，专门对上边的问题加以研究。
在做销售分析的时候，只要能定位到即可，再多的分析留给商品分析去做。
- 是否因XX地区实体店不能正常运作，导致销量不佳
- 是否因XX渠道流量出问题，导致线上销售不佳
五、如何综合利用“人货场”进行分析
在综合利用人货场进行诊断的时候，需要按照从大到小，逐级排查的原则，播洋葱一样，一层层深入。比如发现本月销量下降，可以先从人货场三大因素中，每一个挑选出一个最优代表性的进行分解：
- 人：客户等级、销售等级
- 货：商品大类
- 场：大区
然后先看：哪一块发生的问题更严重？
注意：人货场因素之间，可能存在交集。比如某些高等级客户，只消费高价商品（人与货关联），某些区域，就是特定商品畅销（货与场关联）因此往下一级拆解时，可以看问题是关联性发生，还是普遍发生（如下图）：
当然，实际诊断起来，情况会很复杂，这个要具体问题具体分析了。
六、模型不足之处
人货场模型产生于传统零售业，而传统零售业里，“场”才是最主要因素。占据了有利旺铺位置，就能有源源不断的客流。
但互联网消费不是这样，促销活动、明星带货等效果更明显。销量受这些运营手段的影响，会出现明显地大起大落。因此需要对运营活动单独分析，请大家期待哦，今天的分享就到这里。
