如何預(yù)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(kuò)張中不斷壯大，其成功的關(guān)鍵是選址開店。但是嚴(yán)酷的事實就是有40%以上的商店是不能盈利而被迫關(guān)閉，使企業(yè)的經(jīng)營利潤也在門店的開關(guān)中消耗殆盡，企業(yè)急需一個對新門店的評估標(biāo)準(zhǔn)，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(yīng)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(rèn)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(yù)估數(shù)學(xué)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(xué)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(kuò)張步入良性開展的軌道。一、預(yù)估數(shù)學(xué)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(rèn)，入店率和客單價的適宜的計算方式，其中關(guān)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(xí)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(jìn)展了營銷分析，并對周邊商圈進(jìn)展評估，從中分析總結(jié)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(kuò)張門店的銷售額預(yù)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(jìn)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(jìn)展商圈調(diào)研和銷售分析；3、運(yùn)用信息數(shù)理統(tǒng)計的原理，進(jìn)展變量關(guān)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(yù)估的數(shù)學(xué)模型〞。5、利用"銷售額預(yù)估的數(shù)學(xué)模型〞，對老門店進(jìn)展調(diào)研和數(shù)學(xué)模型計算，把數(shù)學(xué)模型的預(yù)估和實際進(jìn)展比對，進(jìn)一步修正數(shù)學(xué)模型；6、對初步選擇的準(zhǔn)新門店的商圈進(jìn)展市場調(diào)研，把變量代入數(shù)學(xué)模型，計算出準(zhǔn)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(yù)估數(shù)學(xué)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(dá)了可量化數(shù)據(jù)對銷售的影響，是預(yù)估成為本品牌特有且契合實際銷售的一個銷售額預(yù)估數(shù)學(xué)模型。二、變量分析與選擇調(diào)研銷售額預(yù)估的關(guān)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(zhǔn)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(xí)慣、門店口交通情況、同行業(yè)競爭情況；量化的相關(guān)因素有：1、營業(yè)時間內(nèi)人流量。2、人流量在商圈居民比例。3、過路人比例。4、商圈內(nèi)居民戶數(shù)。5、商圈內(nèi)居民家庭人口數(shù)。6、商圈內(nèi)居民家庭收入。我通過對以上因素進(jìn)展關(guān)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(diào)查結(jié)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(nèi)的競爭情況、商圈內(nèi)的交通情況、商圈內(nèi)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(nèi)的競爭情況、商圈內(nèi)的交通情況為非數(shù)值變量，需轉(zhuǎn)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(zhǔn)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(diào)查，發(fā)現(xiàn)70%的消費者距門店500米以內(nèi)，還和小區(qū)的大門方向、競爭品牌的距離等有關(guān)系，為此我們在調(diào)查時充分考慮這些情況，以充分提高準(zhǔn)確度。6．商圈內(nèi)的競爭情況商圈內(nèi)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(chǎn)品：有——1，無——0

店內(nèi)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(nèi)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(guān)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(guān)系進(jìn)展偏相關(guān)分析，確定回歸方程的自變量，剔除相關(guān)程度低的變量。運(yùn)行結(jié)果如下：通過偏相關(guān)分析，將所有自變量按照與購置率的相關(guān)性大小分為進(jìn)入自變量和剔除自變量兩種。本模型的進(jìn)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(guān)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(jìn)展多元線性回歸分析，結(jié)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(fù)相關(guān)系數(shù)是0.991，校正R2為0.962，標(biāo)準(zhǔn)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(guān)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(dǎo)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(biāo)準(zhǔn)誤是描述實際值與預(yù)測值之間的誤差變異程度的綜合指標(biāo)。本模型中的標(biāo)準(zhǔn)誤的計算方法是根據(jù)回歸方程式預(yù)測的購置率與實際購置率之差的平方的算術(shù)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(biāo)準(zhǔn)誤差，beta表示標(biāo)準(zhǔn)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(biāo)準(zhǔn)差，Sy為因變量的標(biāo)準(zhǔn)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(jìn)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(shù)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(shù)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(jìn)展F檢驗。對回歸方程的置信度進(jìn)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(biāo)準(zhǔn)誤a為0.0，它說明當(dāng)用上述回歸方程來預(yù)測購置率時，實際購置率落在{預(yù)測購置率+-0.0}區(qū)間內(nèi)的概率0.6826，實際購置率落在{預(yù)測購置率+-2a}區(qū)間內(nèi)的概率0.9545。實際購置率在{預(yù)測購置率+-3a}區(qū)間內(nèi)的概率0.9975。3、數(shù)據(jù)變量的相關(guān)性回歸方程中有6個自變量，用帕爾遜相關(guān)性檢驗，結(jié)果：6個自變量不是獨立變量，而是彼此相關(guān)，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(dá)30個以上，但在實際情況可適當(dāng)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(nèi)每天的差異，選擇周四、五和六的營業(yè)時間內(nèi)的人流量進(jìn)展統(tǒng)計〔>12H〕然后計算平均數(shù)?！踩晨蛦蝺r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(zhì)〔商業(yè)區(qū)、半商業(yè)和居民區(qū)〕設(shè)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(zhǔn)門店評估流程及銷售額預(yù)估〔一〕準(zhǔn)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(chǎn)信息，按"新門店信息評估〞進(jìn)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(zhuǎn)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(zhǔn)門店，市場部就開場安排評估調(diào)研。有調(diào)研公司評估調(diào)研所有6個自變量——1、營業(yè)時間內(nèi)人流量。2、人流量在商圈居民比例。3、過路人比例。4、商圈內(nèi)居民戶數(shù)。5、商圈內(nèi)居民家庭人口數(shù)。6、商圈內(nèi)居民家庭收入。通過3-6天的全面調(diào)查，除去異常數(shù)據(jù)，得到完整的相關(guān)平均數(shù)據(jù)?！捕充N售額預(yù)估模型利用得到的相關(guān)根底數(shù)據(jù)，開場計算銷售額預(yù)估需要的三要素：1、入店購置率%=-160.523+