啤酒与尿布
山姆沃顿说：Retail is detail.
我们把找出购物篮中商品之间的关系的方法称为“美式购物篮”分析法，这种分析法适合大卖场，用于找出不同陈列区域商品之间的关系。日本的7-Eleven便利店营业面积小，找出商品关联关系不是便利店的重点，他们关注的是影响商品销售的关联因素，比如天气、温度、时间、事件、客户群体等“商品相关性因素”，我们称之为“日式购物篮”分析法。日本人对所有影响商品销售的关联因素研究得非常透彻，比如气温-碳酸饮料指数、空调指数、冰激凌指数，7-Eleven设置了专门的气象部门，要求门店每天5次将店内外的温度、湿度上传回总部，供总部与商品销售进行对比分析。
7-Eleven总部会向气象台购买未来3天的星云图用以预测天气的变化趋势，然后按照不同商品与天气之间的对应关系，组织门店的商品进货、商家及销售。
台湾零售业有个“753感冒指数”，指一天中最高与最低气温相差7度昨天与今天温度相差5度、湿度差大于30%的话，代表感冒的人会增加，商家就要考虑把感冒药、温度计和口罩之类的商品上架。台湾零售业有一个公认的温度与商品的相关关系：气温在24-27℃时，鳗鱼、冷冻食品和防晒乳会大卖；温度在22-25℃时，冷饮、冰咖啡和杀虫剂就不可少；温度在17-20℃时，补丁、色拉和酸奶则很受欢迎。
客户群体划分：要找商品之间关联时，不需要会员卡，照样可以分析啤酒与尿布、啤酒与花生米之间的关系。
商品之间的关联关系具有单向性，“啤酒与尿布”不等于“尿布与啤酒”。年轻的父亲去超市是为了购买尿布，顺便考虑购买啤酒。零售业也会采取“尿布->啤酒”的方式来表达商品关联关系，方向是从尿布到啤酒，反过来不一定对。
在进行购物篮分析时，不仅要分析POS机数据，同时也要通过现场观察（在收款台设置的摄像头对客户进行观察）、综合分析，才可以得出完成的购物篮结论（通过数据去猜测购买某商品的客户群的特征不一定对）。
门店客户观察法可以发现客户下意识的购物行为，比如有个客户进店15分钟，拿过9个商品起来看，最终什么都没有买就离开了。
7-Eleven采用“假说-实行-验证”法来发现有价值的商品关联关系，其特点是：1）管理人员制定一个假说，比如假定单身族与饭团之间存在着关联关系；2）通过门店走访询问门店人员，这种关联关系是否存在；3）在门店推行假说，比如在单身族出现的主要时间将饭团上架；4）分析POS机数据以及向门店店长验证这种假说是否成立；5）如果假说成立且具有商业价值，则将此策略贯彻到所有的门店。
零售业是一个深受季节性影响的行业，零售从业者必须通晓这些关联因素，例如日期、节日、事件、客群消费水平、卖场的气味、灯光亮度、心理暗示（宜家的样板间）。
沃尔玛将商品分为三类：1）主力商品是销售额排行靠前的商品；2）辅助商品是从品种的深度、广度对主力商品进行补充的商品，通过这些商品可以增加主力商品的销售额，并吸引客户的光顾，辅助商品对主力商品起到了辅助作用；3）关联商品是与主力商品有关联作用的商品（帮助客户达到一站式购物的目的，丰富客户的购物篮，提升销售额）。
沃尔玛对三类商品的销售额、品种比例分配如下表：
关联陈列法：交叉陈列、二次陈列、重复陈列（加大陈列面）、一天多次改变陈列（7-Eleven一天改变4次食品的陈列，针对不同客户群）、就近陈列（女鞋与化妆品）。
零售企业向供应商收费的名目多达50多种，例如进场费、堆头费、促销费、条码费、过节费、海报费、货架费、新店开业费，这些费用压得供应商叫苦连天。
沃尔玛的Retail Link系统
沃尔玛在每周六高级会议上都要对世界范围内销售量最大的15种商品进行分析，然后确保在正确的时间、正确的地点有正确的库存。通过零售数据分析，沃尔玛对销售的每步增长，库存货物百分比的每点上升和通过削价而提高的每一份销售额都了如指掌。
为了能够预测出季节性销售量，沃尔玛要检案100,000种商品一年的销售数据量。目前世界上数据量最大、处理能力最强的零售数据商业智能分析系统就是沃尔玛的零售分析系统。沃尔玛通过这套数据分析系统，可以了解到4000多家门店每天的购物篮情况，并根据这些购物篮分析报告，制订商品组织及陈列计划沃尔玛的。
沃尔玛的Retail Link系统在20世纪90年代投入使用，集中了沃尔玛自己对于商品采购、配置、定价、上架、促销、销售及毛利、库存管理等一系列零售管理的核心思想，沃尔玛通过 Retail Link将自己的零售管理理念全面开放地提供给供应商，并为供应商提供成熟的、多角度的商品分析方法和工具，使沃尔玛的供应商们能够与公司的采购部门密切合作，根据需要管理分店中的销售预测、库存计划、生产和商品配送。
沃尔玛的 Retail Link系统是一个极其废大的系统，包含了大量的与供应商进行沟通的管理信息，比如商品计划、订单、品质、条码、物流，销售、购物篮、价格、库存等等。
沃尔玛通过 Retail Link给自己的供应商提供了关于商品销售、库存及价格管理等方面的极其详尽的分析报告，这些分析报告包括：Sales and Margin（商品销售及毛利分析）、Supply Chain（供应链管理）Category／Customer Insights（品类洞察消者洞察）、Membership Analysis（会员分析，限于Sam‘s Club山姆会员店）、Scorecards and Summaries（积分卡及汇总）、Market Basket Analysis（购物篮分析）、Price Management（价格管理）。
沃尔玛的购物篮分析应用领域包括：1）商品配置分析：哪些商品可以一起购买，关联商品如何陈到、促销；2）客户需求分析：分析顾客的购买习惯、顾客购买商品的时间，地点等；3）铺售趋势分析：利用数据仓库对品种和库存的趋势进行分析，选定需要补充的商品，研究顾客购买趋势，分析季节性购买模式，确定降价商品；4）帮助供应商改进老产品及开发新品：通过购物篮分析，根客户的需求，开发新的产品、改进老产品及产品包装。
Retail Link的购物篮分析包含如下内容：
1.Item Unit Quantity Analysis（商品购物蓝数量分析）：分析商品在购物篮中的表现，不仅告诉供应商，商品销售了多少个？卖了多少钱？还明确地告诉供应商，你的商品在门店中出现在多少个购物篮中。
2.Sales By Hour（商品售时段分析）：让供应商知道自己的商品都是在什么时间卖的。
3.“ Tender Analysis”（营业收入支付方式分析）：向供应商介铝客户交款时的支付方式，比如现金、信用卡、支票、礼券、赠券等等。
4. Purchase Quantity（商品购物蓝销售状况分析）：向供应商提供商品销售数量、商品与其他商品在同一购物篮的概率（商品关联度）。使得供应商可以道自己商品在门店中的真实地位：商品在门店里的人缘越好（关联度强）、带动的购物篮业绩就越好、供应商在门店里的地位就越牢靠。
5. Purchase Frequency（客户购买频率分析）：Retail Link系统中保存了会员52周的消费记录，在隐去会员私的前提下，沃尔玛可以帮助供应商对客户购买行为的周期性进行分析。
6.What sells with My Category？（供应商的商品销售分析/品类销售分析）：输出特定商品在相关商品大类和不同大类的关联度（购物篮比例），是了解商品在卖场中的作用（主力/辅助/关联）的重要工具。
7.Market Basket Detail Analysis（购物篮细节分析）：商品相关性细节分析。
8.Missed Sales Opportunity（损失销售机会分析）：运用商品关联性对缺货损失进行分析。
日本7-Eleven的相关性分析
与空旷的沃尔玛大卖场相比，日本7-11便利店是“螺蛳壳里做道场”。因此，在日本7-11便利店的购物篮分析中，商品之间的关联关系不是重点，它们的重点是找出所有影响商品销售的关联关系。比如，在日本711便利店，客户与商品之间的关系始终是重点，这就是日本7-11便利店的客层分析。
日本711便利店的客层分析日本零售企业并没有像美国同行那样普遍实行会员卡管理，要想了解客户群体的基本状况，存在一定的难度。对此，日本7-11便利店采取了“客层分析”，即将客户划分为不同的客户群体，集中分析各个客户群体的消费行为及消费习惯，从而制订不同的营销策略。便利店业态很多客户都是流动客户，而且日本7-11便利店销售的“主力商品”都是盒饭、面包、饭团、乳制品等保鲜期、保质期短的商品，随时了解客户出现的时间、了解客户的性别、年龄，职业收入，购物消费行为，对于7-11便利店来说具有十分重要的意义。7-11便利店在POS按键上，加了一个“客层键”按钮进行客层分析数据采集。在日本7-11门店进行收款时，将商品的条码扫描完成后，收眼员对客户进行目测，然后通过“客层键”按钮，把每一个交款的客户进行性别、年龄段、职业概要描述（学生、上班族、家庭主妇）、收入预测等特征快速地录入P0机中，这时收款机的眼箱才可以打开，收银员才可以完成收款。通过这种方法，7-11形成了完整的、含有客户基本特征的购物篮信息。
通过客层分析，7-11便利店明确了自己服务的到底是哪些客户群体，这些客户群体的购物篮构成是什么，从而可以知道这些客户群体到底需要什么（将客户的深层消费心理及需求挖据出来）。这为日本7-11便利店获得很极大的竞争优势。
日本7-11便利店会将所有影响商品销售的关联因素通过销售报表列出来，这些报表可以显示在POS机的屏幕上，供门店有关人员自主分析、参考。这些相关性分析报表主要有：
-促销商品因素：对于促销离品的销售进行跟踪，寻找促销对于商品销售的影响；
-商品陈列特征因素：对于不同陈列方式的商品进行销售对比，便于找出最合适的商品陈列方式；
-商品不同包装因素：对于不同包装规格的商品进行销售对比；
-DM宣传册商品销售状态分析：对于刊登DM广告的商品进行跟踪，用以分析DM广告的有效性；
-POP商品销售分析报表：对于在卖场悬扯POP的商品销售状况进行跟踪分析，评估POP的张贴是否有效；
-贩卖时间点报表：即“销售时段”报表，通过这个报表找出不同销售时段的客户群体及消费者持征；
-陈列位置因素；按照商品在门店的不同布局位置，分析销售状况的变代，从而寻找最佳的商店布局；
-天气、温湿度报表：对于便利店而言，温、湿度的变化会对门店的销售形成重大的影响，在找到温湿度对于门店的销售量、单品表现的影响规律后，日本7-11便利店可以为门店的商品配送、商品上架提供科学的依据。将购物篮应用与天气变化建立联系，日本7-11便利店是第一家。
7-11需要分析哪些商品是客户最有希望一起购买的。通过每天3次收集的购物篮信息，日本7-11便利店的购物篮分析主要包括如下内容：
-分析客户的购买习惯：主要是分析不同年龄，性别、职业、收入的购买的商品，现的时间、主要的购物习惯；
-不同销售时段的各个客户层面的销售特征；
-特定客户群体主要购买的商品清单（比如7-11便利店发现男性客户主要出现晚上7：00-9：00，他们购买的商品主要是盒饭，因此7-11便利店的门店可这个时间组织货架摆放盒饭）；
-不同客户群体的销售额及毛利贡献分析；
-商品不同货位的销售对比分析（销售排行）；
-根据购物篮，分析购物者在门店的路线图，评估门店的商品布局；
-根据某类商品的客户群体特征，分析该类客户的商品偏好，为开发新品提供科学依据，比如单身食品的开发，就是针对未婚的年轻人特地开发的；
-分析商品购买的相关性，了解不同的商品在一起购买的概率，即支持度（Support）；
-通过商品在购物篮中的相关性分析结果，制订向上销售（Up Sell）及交叉销售（Cross Sell）的策略，从而达到挖据客户的购买力的目的；
-分析商品的活跃度（销售排行），以及这些活跃商品的关联商品是哪些商品；
-将活跃度商的商品作为主商品，按照商品关联性的特征，组织商品的最佳结构以及商品的最佳布局；
-根据购物篮分析结果，对门店的DM宣传册投递准确性、POP广告张贴的促销效果进行评估；
-根据购物篮分析的结果，对门店的销售进行季度、月度预测。
商品与购物篮之间的7种关系：直接购买、促销购买、替代购买、交叉购买、向上购买、被放弃的购买、向下购买。
品类管理的缺陷：以供应商为导向，只在货架上保留个别强势品牌，认为客户需求是同质化的，忽略了客户的感受。
能在卖场中充分发挥自己优势的商品，就是好商品。
日本零售业认为，门店经营关键是要有“商品力”。商品结构有“君臣佐使”（中医的药物原则）四类，君是主力商品、形象商品；臣是辅助商品、关联商品；佐是毛利商品；使是特价促销品。中医对“君臣佐使”有一句总结：药有个性之专长，方有合群之妙用。卖场中每一件商品发挥的作用各不同，必须将这些商品搭配组成使用，才能达到最大效益。
为了全面评估商品在卖场中的作用，零售业目前采用了商品重要度指标（Product Significant Index，PSI）。
商品动销率=商品实现销售的品种数量/总品种数量。某超市有20种啤酒，在某个月只销售了10种，我们称该超市的啤酒动销率为50%。动销率分析要素：价格带分布、月份、品种数、动销率。
决定门店命运的四个数字：客流量（路过门店的总客户人数）、捕获量（进入商店的人数）、成交率（购物人数）、客单价（每次购买的平均金额）。
决定商品命运的三个数字（客户动线三大指标）：通过率（特定区域通过的客户数量/门店所有的客户数量）、停留率（特定柜台停留的客户数量/特定柜台、货架通过的客户数量）、成交率（特定柜台购买的客户数量/特定柜台、货架停留的客户数量）。
购物篮渗透率=该商品购物篮数量/该类商品在同一卖场购物篮数量
衡量商品人气度的PI值（Purchase Index，千人购买率/购买指数/聚客指数）：商品在单位时间内购物篮中的销售数量/单位时间所有的购物篮数量*1000
与商品的销售量不同，商品的PI值用来衡量商品被客户关注的程度（商品在卖场的活跃程度），PI值体现了商品与客户的关系。当PI值出现变化时，零售业经营者要寻找原因，制定商品品类策略。
PI值可以以天为单位进行分析，例如，一个门店一天有1000个顾客购物，其中有80张购物小票出现了可口可乐，则可以认为可口可乐的PI值为80.
在进行商品销售预测时，可以使用日本零售业的方法：
-PI值（金额）=商品在单位时间内的销售金额/单位时间所有的购物篮数*1000
-销售预测金额=（商品的销售金额PI值*单位时间的购物篮总数）/1000
PI值与价格敏感度关系密切，PI值高的商品旺旺是价格敏感商品。PI值与商品的定价、毛利率往往呈现反比关系。
购物篮系数（Basket Size），指的是购物篮中商品的数量多少。
沃尔玛衡量一个供应商的商品好坏，不仅看商品的销售额，也看该商品的购物篮系数。
1.同一个商品的购物篮系数
当购物篮只有1件商品时，系数为1。某商品的购物篮洗漱为2.3，表示该商品在购物篮中一般会有2.3件。
2.不同商品的购物篮系数
通常而言，购物篮系数是指不同类别商品的购物篮中的数量。比如一瓶啤酒与一包尿布共同构成了一个购物篮，我们可以说啤酒/尿布的购物篮系数为2。系数越大，说明商品与其他商品的关联度越强，容易与其他商品一起销售。比如，某超市的雪碧的平均购物篮系数为2.6，说明有雪碧的购物篮中，平均会有2.6个商品（含雪碧）同时出现。
为什么香烟要单独销售，而成品蔬菜、水果、牛奶要摆在一起？
什么时间的购物篮里商品最多？
商品包装规格与消费行为的关系
同一个商品的购物篮系数，可以作为商品捆绑销售、改进包装的决策依据
不同商品关联数量及关联金额——一代牛奶对着几个面包
以购物篮的获利能力而非购物篮金额作为购物篮质量（分级）的衡量标准
分析一天中购物篮获利能力最强的时间
群体定义及分析：零售企业把客户分为不同的群体加以分析的方法。其含义是，特定的客户群体会出现在相同的购物时间或购买类似的商品，这种具有相同的购物篮特征及购物行为的客户可以定义为同一类客户。比如上午的中老年、中午的白领、下午的后勤人员、傍晚的下班客户。英国的Safe Way连锁超市根据客户的购物篮消费金额、商品构成特点将客户分为13种类型，并制订了针对性极强的营销计划。
画“客户-商品关联关系图”。关键客户经常购买的商品是门店的关键商品。企业需持续跟踪关键商品，一旦出现异动，很有可能造成关键客户的流失（也有可能是客户的购买行为发生了替代转移）。
商品在门店表现往往不是一个单独的个体，一个商品的销售会影响到其他商品的销售，一个商品的缺货可能会带来其他商品销售机会的缺失。
零售业是一个极其讲求细节的行业，必须争取每一名客户，损失一名客户会带来更多的关联损失，最终可能导致门店整体经营业绩下降。
商品缺货分析非常复杂，与其进行事后分析，不如在事前积极准备好必备商品。在可能出现缺货时，积极安排替代商品的上架。有些商品（如日化品牌效应强的商品）替代性差，注意不要出现缺货。
客户“心理目标购物篮”：消费者心目中不同业态的购物篮特征是不同的。
零售中会存在大量商品与销售时间之间的关联关系，比如夏天喝啤酒、冬天喝黄酒、早餐吃面包牛奶、中午吃盒饭酸奶是很多白领的日常餐饮习惯。不同人群购物时间也不同，家庭主妇喜欢上午购物，专职太太喜欢洗漱完毕后下午才出来买东西，上班族只有在傍晚下班路上才会路过超市顺便买点吃的。
日本7-11会把每天分为几个敏感时段，比如早上上班时段、中午午饭时段、下午下班时段、晚餐时段、半夜加班族宵夜时段，根据这些时段针对的不同客户准备不同的商品。
通过购物时间分辨门店的客户群体消费行为。
收银台收款时间由商品条码扫描时间、整理商品放入塑料袋时间、收款时间构成。
屈臣氏规定收银员与付款客户数量比例是1：4，当出现超过5个客户排队买单，就必须马上呼叫其他员工帮忙。
便利店的营业员应该在什么时间吃饭？
收银小票关联商品促销
讨论购物篮时必须涉及商品的价格关联因素：商品的价格组合、价格弹性指数、价格交叉弹性指数
商品价格双峰带分析
商品价格带及价格点：一家门店的葡萄酒从8月到1888元，8-1888元是该店葡萄酒的商品价格带。该店的商品价格带会在某个价格区域倾斜，体现在价格点上。有两种：1）商品陈列价格点：比如堆头、POP价格等宣传只集中在20-30元的葡萄酒上；2）商品销售价格点：商品已经实现销售后，商品主要集中的价格点，比如原先想突出的的葡萄酒价格点集中在120元左右，可惜客户不买账，最终卖出去的普通酒价格都集中在32元左右，说明商品销售价格点是32元，而非原来想象的120元。
促销与购物篮
学促销：百货店学日本伊藤洋华堂；大卖场、大型超市学家乐福；小超市、便利店学日本7-11便利店。
日本超市一年做104次促销，做促销的目的是聚客。日本零售企业的促销主要通过DM广告册、卖场POP为宣传手段。
用户59%的购物行为是即兴的、无计划的，70%的购物行为是受卖场POP影响导致的。
发现“劈开购物篮的用户”，避免他们大量出现（把握促销力度）。这些客户的购物行为只受价格因素的影响，他们根本不购买非促销商品。
如何发现劈开购物篮的用户：1）在促销商品销售额大增的情况下，该促销商品所在的购物篮系数下降；2）在促销商品销售额大增的情况下，该促销商品购物篮系数为1的购物篮（即购物篮中只有促销商品）数量是否有所增加；3）某个销售时段的促销商品销售量大增，经常出现的情况是早上一开门，大批购物促销商品的客户排队购物，导致该促销商品的时段销售量大增，到了其他时段反而平平。
屈臣氏的“满50元加10元选购3种特惠商品”
消费者与购物篮
对于回头客的价值，采取RFM模型来分析。
RFM模型的群体划分方法：十等分法
采用R/F值综合评估客户流失：
-R/F值≤1.00时，客户的购买周期处于正常状态
-1.00＜R/F值≤1.50时，客户有流失危险，但是概率并不高
-R/F值＞1.50时，客户流失的危险很大
客户再次购买概率分析法——T的n次方法（注意要与RFM结合使用）
举例：A先生12个月内从1月到8月共购物4次，T=8/12=0.6667，n=4，则A先生再次购物的可能性是0.6667的4次方，即0.198，约20%的可能性。
