新零售業(yè)產品銷售量影響因素分析

摘要：隨著人們生活水平提高，零售業(yè)產品不斷創(chuàng)新，人們不止?jié)M足產品的性價比，更多追求個性化、時尚性，使得預測銷售量的不確定性增加，因此分析影響產品銷售量的因素在零售行業(yè)顯得尤為重要。本文選取了6個影響因素從定性與定量兩個角度進行雙重相關分析，最終得到影響新零售產品因素排序為：庫存數 > 標簽價 > 折扣率 > 季節(jié)指數 > 產品種類 > 節(jié)假日。

關鍵詞：新零售產品;影響因素;雙重相關分析

一、精準預測產品銷售量

由于經濟的不斷發(fā)展，我國消費市場越來越趨于“顧客化”，即市場越來越注重顧客的需求。物美價廉不再是消費者考慮的唯一因素，消費者將更多的需求放在了“美觀”“潮流”等方面。新零售市場的產品種類越來越多，且越來越小眾這樣的市場情況，給零售行業(yè)的庫存管理帶來了極大的困難。所以當前的新零售企業(yè)應當將更多的精力投入到如何分層級、分區(qū)域管理零售產品，如何精準的預測各類產品的需求情況上。精準預測產品的銷售量是企業(yè)持續(xù)健康發(fā)展的重要因素，了解哪些因素影響產品銷售量可以降低企業(yè)生產成本，幫助企業(yè)合理地管理庫存數量，最終增加銷售數量，獲得最大收益。本文通過分析大數據對影響新零售產品的銷售量進行了相關分析，得出有效的因素排序與結果。

二、因素分析

通過實地考察與查閱資料，本文選擇了庫存數量、折扣率、季節(jié)指數、標簽價、產品種類、節(jié)假日這6個對產品銷售量有影響的因素進行分析。

（一）庫存數量：當產品想要持續(xù)銷售就必須要有大的庫存數量，這樣在銷售中才不會斷貨導致銷售中斷，但如果產品銷量不好，也可能會很多產品的擠壓，導致較大的庫存量。因此產品的庫存數量與銷售量是相互影響與制約的，新零售企業(yè)想要產品銷量高，就必須合理確定庫存數。

（二）折扣率：當出現一些節(jié)假日或是折扣日，如雙十一、國慶節(jié)等，人們就會大量購買打折促銷商品，大大增加購買力度，這時產品的銷量就會上漲。為了研究在節(jié)日中折扣對銷售量的影響，本文引入折扣率，即當前價格/標簽價，折扣率取值<1，若折扣率越小，則商品促銷力度越大。

（三）產品的季節(jié)性：由于一些產品會受旺季或淡季的影響，因此產品的季節(jié)性也會影響當月的銷售量。為了定量分析每種產品季節(jié)性因素，本文引入季節(jié)指數，即當月銷售量/一年內平均銷售量，以此來確定每種產品的季節(jié)因素。該指數將1作為臨界條件，并在每個月都會發(fā)生相應變化。當季節(jié)指數大于1，表明該季節(jié)對產品銷售量呈積極作用。如果季節(jié)指數銷售量很大，說明積極作用越強，以每個月為單位。

（四）標簽價：在購買產品時，人們會注意比較產品的價格，因此產品標價可能會影響產品的銷售量。

三、雙變量相關分析

本文利用SPSS軟件進行雙變量相關分析，得出庫存數量對銷售量的影響最大，相關系數為0.59，其次是標簽價，相關系數為-0.215，說明當商品的標簽價越低時，人們越愿意購買產品。另外折扣率與銷售量的相關系數為0.092，產品的季節(jié)指數為0.017。

（一）偏相關分析

由于在做雙變量相關性分析時，往往會有變量之間相互影響，無法確定單個因素對銷售量的影響，會造成不準確的結果。因此再利用偏相關分析，在分析某個影響因素時，控制其他因素在一定的范圍內，只考慮該變量的影響，這樣可以消除其他變量之間的互相干擾。由結果可知，庫存數與銷售量相關系數為0.566，標簽價的為-0.093，折扣率為0.026，季節(jié)指數為0.021，相比于相關性分析結果各因素的庫存數、標簽價和折扣率相關系數都有所減少，只有季節(jié)指數相關系數略有增加。

（二）結果分析

綜合相關性分析與偏相關分析兩種方法全面分析，得出影響新零售產業(yè)產品銷售量的相關性排序。其中庫存數與銷售量密切相關，其次是標簽價。對于分類變量產品種類也會影響產品的銷售量，不同款式的產品，其銷售量也會不同，另外節(jié)假日與非節(jié)假日依然對銷售量存在影響，最終排序如下：

庫存數 > 標簽價 > 折扣率 > 季節(jié)指數 > 產品種類 > 節(jié)假日

未來新零售產業(yè)想要精準地預測零售產品的銷售量，并進行產品的生產與銷售，必須要不斷縮小預測單位，從月、周到天，雖然隨著預測單位的減小，預測效果降低，但是通過不斷的合理優(yōu)化，可以得到很好的預測效果。比如以區(qū)域層級、產品類別層級、產品款式層級等多個層級給出精準的需求預測，這樣將給新零售企業(yè)未來發(fā)展帶來很好的幫助。

參考文獻：

[1]黃鴻云，劉衛(wèi)校，丁佐華.基于多維灰色模型及神經網絡的銷售預測[J].軟件學報，2019，30（4）：1031-1044. DOI：10.13328/j.cnki.jos.005510.

[2]史曉.基于灰色關聯(lián)度網絡購物商品銷量影響因素研究[D].云南：云南財經大學，2017.

[3]曹潔，宋君遠.新零售背景下的消費者行為影響因素分析[J].淮南師范學院學報，2018，20（2）：22-25，45. DOI：10.3969/j.issn.1009-9530.2018.02.005.

作者簡介：

王雨晨（1999—），漢族，江西省南昌市，江西財經大學本科在讀，統(tǒng)計學方向。