如何預估營業(yè)額

-.z.連鎖經(jīng)營是現(xiàn)代商業(yè)最為主要的經(jīng)營業(yè)態(tài)，幾乎占到整個商業(yè)的80%以上。全國有大型連鎖賣場6000余家，小型連鎖超市和各類專賣店更是不計其數(shù)。他們的經(jīng)營開展就在開店擴張中不斷壯大，其成功的關鍵是選址開店。但是嚴酷的事實就是有40%以上的商店是不能盈利而被迫關閉，使企業(yè)的經(jīng)營利潤也在門店的開關中消耗殆盡，企業(yè)急需一個對新門店的評估標準，來決定是否開店。但傳統(tǒng)的選址評估理論因其廣泛的適應性而缺乏專用性，加上眾多不可估計的因素，使其誤差巨大而不具備實用遺阱。本人在從事連鎖經(jīng)營市場管理工作中，認真研究了企業(yè)經(jīng)營中的門店盈利水平和條件分析，提出了營業(yè)額預估數(shù)學模型化的概念，是選址開店成為可以量化計算來評判，供企業(yè)正確的決策提供科學的依據(jù)，從而大大降低了因開店失敗而造成的損失，讓企業(yè)的可持續(xù)化擴張步入良性開展的軌道。一、預估數(shù)學模型創(chuàng)意的由來連鎖經(jīng)營理論中有一套商圈分析的營業(yè)額估計方式：營業(yè)額=戶(人)數(shù)*入店率*客單價。但他沒有提供具體的入戶確認，入店率和客單價的適宜的計算方式，其中關鍵的入店率是依據(jù)經(jīng)歷得出的數(shù)字，更無法顧及最為重要的行業(yè)、品牌、規(guī)模、定位、地域文化消費習慣等不確定的門店所特有的因素，使得營業(yè)額估計方式就停留在"名副其實〞的估計之上。為此我對經(jīng)營的數(shù)十家門店分別進展了營銷分析，并對周邊商圈進展評估，從中分析總結出一個門店的銷售業(yè)績完全取決于行業(yè)、品牌和商圈，眾多不可計量的影響因素也可以在現(xiàn)實銷售數(shù)據(jù)中反映出來，換言之，對于擴張門店的銷售額預估完全可以從已有門店的銷售分析來推算。為了建立這個獨一無二的計算公式，我就對此研究做出方案：1、羅列和篩選所有影響銷售的因素，并把他們分為可計量和不可計量兩類，進展變量分析；2、在已有門店里選擇12個有代表性〔區(qū)域、銷售——好中差，〕的門店，分別進展商圈調研和銷售分析；3、運用信息數(shù)理統(tǒng)計的原理，進展變量關聯(lián)度分析和多元線性回歸方程擬合，得到一入店率的計算公式；4、利用推出的入店率計算公式，配合實際客單價組合成"銷售額預估的數(shù)學模型〞。5、利用"銷售額預估的數(shù)學模型〞，對老門店進展調研和數(shù)學模型計算，把數(shù)學模型的預估和實際進展比對，進一步修正數(shù)學模型；6、對初步選擇的準新門店的商圈進展市場調研，把變量代入數(shù)學模型，計算出準新門店的銷售額，從而評估開店的盈虧平衡點，決定是否開店。因為預估數(shù)學模型是由已存在的門店的實際銷售和環(huán)境數(shù)據(jù)計算而得，因此它充分涵蓋了不可量化因素對銷售的影響，也充分表達了可量化數(shù)據(jù)對銷售的影響，是預估成為本品牌特有且契合實際銷售的一個銷售額預估數(shù)學模型。二、變量分析與選擇調研銷售額預估的關鍵是要計算入店率、客單價和商圈人數(shù)。其中客單價完全可以計算、準確時可以依據(jù)消費水平分級計量。影響門店銷售業(yè)績，也就是入店率和商圈人數(shù)的因素有很多，不可量化因素有行業(yè)特性、品牌定位、消費習慣、門店口交通情況、同行業(yè)競爭情況；量化的相關因素有：1、營業(yè)時間內人流量。2、人流量在商圈居民比例。3、過路人比例。4、商圈內居民戶數(shù)。5、商圈內居民家庭人口數(shù)。6、商圈內居民家庭收入。我通過對以上因素進展關聯(lián)度分析，最后擬合計算方程式。三，多元線性回歸方程擬和過程〔一〕列舉影響購置率因素綜合考慮已完成的12家門店的調查結果，及回歸模型對自變量的要求，初步?jīng)Q定將每日的人流量、人流中居民的比例、人流中過路人的比例、人流中工作人口的比例、商圈內的競爭情況、商圈內的交通情況、商圈內居民戶數(shù)、居民每戶的平均人口數(shù)、居民每戶的平均家庭月收入等九個因素作為自變量，其中商圈內的競爭情況、商圈內的交通情況為非數(shù)值變量，需轉化為數(shù)值變量。以入店購置率為因變量。將各因素的數(shù)值羅列如下：為了準確計算商圈人數(shù)，就必須確定商圈范圍。我們就對入店購置消費者的居住地調查，發(fā)現(xiàn)70%的消費者距門店500米以內，還和小區(qū)的大門方向、競爭品牌的距離等有關系，為此我們在調查時充分考慮這些情況，以充分提高準確度。6．商圈內的競爭情況商圈內的競爭情況擬從以下八個角度考慮，并將其數(shù)量化。知名度：〉我品牌——1，〈我品牌——0

店面積："我品牌——1，〈我品牌——0

平均單價："我品牌——1，〈我品牌——0

促銷活動：有——1，無——0

新產品：有——1，無——0

店內環(huán)境：好——2，一樣——1，差——0

店外環(huán)境：好——2，一樣——1，差——0

店外廣告：有——1，無——0

統(tǒng)計計算：A店：0〔無競爭〕；B店：16；C店：23；D店：8。7．商圈內交通情況根據(jù)公交站點的數(shù)量為其參數(shù)。統(tǒng)計計算：A店：1；B店：11；C店：5；D店：4。8．居民戶數(shù)統(tǒng)計計算：A店：6500；B店：5300；C店：；D店：4800。9．家庭人口統(tǒng)計計算：A店：3.39；B店：3.24；C店：3.29；D店：3.38。10．家庭收入統(tǒng)計計算：A店：2160；B店：2380；C店：3010；D店：2280。偏相關分析把以上原始數(shù)據(jù)建立數(shù)據(jù)庫，利用統(tǒng)計分析軟件SPSS的Correlate模塊中的PartialCorrelate對上述各因素與購置率之間的關系進展偏相關分析，確定回歸方程的自變量，剔除相關程度低的變量。運行結果如下：通過偏相關分析，將所有自變量按照與購置率的相關性大小分為進入自變量和剔除自變量兩種。本模型的進入自變量是人流量、居民比例、過路人比例、交通系數(shù)、家庭人口和家庭收入，它們將作為回歸方程的自變量。由于工作人口比例、競爭度、居民戶數(shù)與購置率的相關性不大，被剔除于回歸方程之外。以人流量、居民比例、過路人比例、交通系數(shù)、家庭人口和家庭收入為自變量重新建立數(shù)據(jù)庫：建立多元線性回歸方程利用統(tǒng)計分析軟件SPSS的Regression模塊中的Linear分模塊對數(shù)據(jù)庫進展多元線性回歸分析，結果如下：對于模型1來說，選入的自變量——人流量、居民比例、過路人比例、交通系數(shù)、家庭人口和家庭收入與因變量購置率的多元線性回歸的可決系數(shù)R2為0.983，多元線性回歸復相關系數(shù)是0.991，校正R2為0.962，標準誤0.。R2為多元線性回歸的可決系數(shù)，是描述回歸方程式優(yōu)劣的統(tǒng)計量，一般說來，如果所有的觀測量都落到回歸線上，則R2等于1；如果自變量與因變量之間沒有回歸關系，則R2等于0。本模型中的R2較大，說明由人流量、居民比例、過路人比例、交通系數(shù)、家庭人口和家庭收入估計購置率所提供的信息充分，因為非回歸的剩余因素導致的誤差很小。R2等于0.983說明購置率變化的98.3%為人流量、居民比例、過路人比例、交通系數(shù)、家庭人口和家庭收入所影響。標準誤是描述實際值與預測值之間的誤差變異程度的綜合指標。本模型中的標準誤的計算方法是根據(jù)回歸方程式預測的購置率與實際購置率之差的平方的算術平均數(shù)的開平方正根。B表示回歸系數(shù)，constant表示常數(shù)項，std.error表示標準誤差，beta表示標準化回歸系數(shù)，它由B1*s/Sy所得〔其中B1是回歸系數(shù)，*s為自變量標準差，Sy為因變量的標準差〕由此可以得到購置率的回歸方程：購置率%=-160.523+1.149*10-5*人流量-0.472居民比例-5.463過路人比例+0.866交通系數(shù)+45.674家庭人口+3.175*10*-3*家庭收入置信度檢驗和誤差分析1、置信度檢驗用F檢驗回歸方程顯著性的方法稱為方差分析。F檢驗是建立在總變差分解根底上進展的。我們將因變量y的離差平方和Lyy=∑〔yi-y〕2稱為總平方和，即總變差，在本模型中是實際購置率與實際購置率算術平均數(shù)的差的平方和，用Total表示。它由兩局部組成，一是估計購置率與實際購置率算術平均數(shù)的離差平方和，稱為回歸平方和，即回歸變差，用Regression表示，而是實際購置率與估計購置率的離差平方和，稱為剩余變差或偶然變差，用Residual表示。本模型中總變差為10.196，回歸變差為10.022，剩余變差為0.174。df是它們的自由度，MeanSquare是它們的均方，其值為總變差除以自由度。Sig.表示回歸方程的顯著性，即回歸方程擬和實際情況的可信度，數(shù)值為1-a。在本模型中，由于a-0，所以可信度——1。具體為多少可以進展F檢驗。對回歸方程的置信度進展F檢驗，因為47.877=F〉F0.001〔6，5〕=28.84所以回歸方程具有99.9%的置信概率。2、誤差分析在ModelSummary(模型概述〕表中，我們已得到回歸方程的標準誤a為0.0，它說明當用上述回歸方程來預測購置率時，實際購置率落在{預測購置率+-0.0}區(qū)間內的概率0.6826，實際購置率落在{預測購置率+-2a}區(qū)間內的概率0.9545。實際購置率在{預測購置率+-3a}區(qū)間內的概率0.9975。3、數(shù)據(jù)變量的相關性回歸方程中有6個自變量，用帕爾遜相關性檢驗，結果：6個自變量不是獨立變量，而是彼此相關，互相制約，這和現(xiàn)實情況一致的，就如交通系數(shù)大，過路人比例肯定高，反之就不對了。4、從數(shù)理統(tǒng)計的理論來說，樣本量要到達30個以上，但在實際情況可適當減少〔二〕門店人流量的計量為了確保精度，我們充分考慮了一周內每天的差異，選擇周四、五和六的營業(yè)時間內的人流量進展統(tǒng)計〔>12H〕然后計算平均數(shù)。〔三〕客單價客單價的計算我們采取依據(jù)商圈的收入水平和商圈的性質〔商業(yè)區(qū)、半商業(yè)和居民區(qū)〕設定為三級。因為不同的收入水平的地區(qū)客單價有較大的差異。四、準門店評估流程及銷售額預估〔一〕準門店評估流程根據(jù)公司開展規(guī)劃，有門店開發(fā)部提供房門店產信息，按"新門店信息評估〞進展評分，主要從以下幾個方面：1、門店原來經(jīng)營工程，經(jīng)營狀況，轉讓原因。2、店面信息：地址、面積、長寬比例、朝向、租金、租期、租金遞增率、電力容量等。3、周邊情況：同行業(yè)商店、銷售狀況、距離、店貌、店牌視覺效果、周邊辦公樓狀況、周邊小區(qū)狀況等。初評合格后提交總經(jīng)理審核，經(jīng)審核通過的準門店，市場部就開場安排評估調研。有調研公司評估調研所有6個自變量——1、營業(yè)時間內人流量。2、人流量在商圈居民比例。3、過路人比例。4、商圈內居民戶數(shù)。5、商圈內居民家庭人口數(shù)。6、商圈內居民家庭收入。通過3-6天的全面調查，除去異常數(shù)據(jù)，得到完整的相關平均數(shù)據(jù)。〔二〕銷售額預估模型利用得到的相關根底數(shù)據(jù)，開場計算銷售額預估需要的三要素：1、入店購置率%=-160.523+