纠错反馈
*资源名称:
*纠错内容
 
提交 取消
完善邮箱 退出登录
*邮箱账号:
${ emailError }
您的账号-还未绑定邮箱,为了给您更优质的服务,需要填写您的邮箱账号。 尊敬的用户,我们已发送验证至您的邮箱,您可登录邮箱进行验证。
订阅优质场地推送
中国连锁品牌门店评估体系建设导论



没有衡量就没有管理,门店的精细化运营管理需要一套科学的评估体系。


本文共4725字。 


这些年连锁品牌很不容易,据联商网报道,截至2022年6月30日,共有38家服装上市公司公布了开关店细节,合计开出门店3467家,关闭门店5810家。


服装行业的绫致集团关闭1300多家思莱德(SELECTED)门店;

ZARA三姐妹Bershka、Pull&Bear和Stradivarius宣布关闭在中国地区所有线下实体店;

H&M关闭淮海路15年中国首店,计划今年关闭240家门店;

餐饮行业龙头海底捞宣布关停300家左右经营未达预期的门店。

赚钱变得越来越难,但对于运营效率高于行业水平的品牌而言,这种环境下越是能快速拉开与其他玩家的差距。

德鲁克说过,没有衡量就没有管理。谈更高效的运营管理同时,我们重点来聊聊门店经营效率的评估体系问题。



一、坪效,衡量门店经营效率的常用指标


1. 坪效是如何计算的?


坪效=销售额÷门店营业面积;

月坪效=月均销售额÷门店营业面积。


不同行业的月均坪效各不相同



2. 坪效数据的意义,或许在于依据行业坪效水平,制定开店策略


行业级的坪效较大程度上决定了该行业的开店策略,比如万元以上月坪效的品牌,大概率会密集出现在商场一楼。


2015年以来,新消费品牌经常一家高大上的旗舰店的开启后,结束他们“线下触店”尝试。很大程度上,是因为他们缺少对于自己品类整体坪效的概念。


小米是线上企业线下触店的标杆企业,看《小米创业思考》第十一章里关于小米之家的发展历程,早期小米的线下主要是服务站,第一家小米之家在商场六楼,第二家小米之家在负一楼,随着小米之家坪效提升,今天的小米之家基本都在商场一楼,小米的开店策略是伴随着坪效发展而变化的。
“快速试错”这个字眼频繁出现在小米之家这段发展历程里。


3. 坪效是个结果指标,且缺少成本关注。


对于所有连锁企业而言,门店的经营目标是获取利润,利润=收入-成本。

脱离租金成本谈坪效,问题很多;单一行业或者单一品牌内部的管理评估,至少应回归租售比指标。


而且租售比和坪效一样,都是个结果指标,它由一系列的运营举措促成,有没有更具体的、可以作为运营抓手进行过程管理的评估体系可以构建?

我们来问一问这个问题,如何获得好的开店租售比?



二、如何获得好的开店租售比?


1. 租售比=(租金+物业费)/销售额,为简化表达后面合并租金和物业费为租金。


2. 租售比的优劣标准,因行业而异。


  • 以苹果门店坪效折算,每平方每天1000元,租金若是10元,租售比1%;

  • 星巴克租金扣点基本在4-6%;

  • 服饰门店盈利的租售比底线在20%;


3. 如何优化租售比?


线上增长领域围绕流量转化构建漏斗,然后围绕各层转化率做运营优化,这已经是个普遍性的真理。

我们用同样的思路来看线下门店的流量转化漏斗。



  • 从曝光价值到体验价值

    每天经过门店的客流,会有多少因对我们产品产生兴趣而进店,大部分取决于门店所在LOCATION的人群对于产品的偏好程度,我们一般认为对于单一品牌的标准化门店而言,这个环节以上的漏斗大小,基本取决于选址。
    当然我们也有一些运营手段来提升门店进店率,比如选择更大更显眼的门面招牌,优化橱窗设计等等。

  • 从体验价值到销售价值

    进店以后会有多少人产生问询、购买,取决于我们的陈列,导购的话术,服务质量等等,包括通过会员活动运营来提升连带率、增加客单价。

  • 从销售价值到用户价值

    发生购买的同时,有多少人成为会员,会再次回到门店,或者到线上复购产品。

  • 除此以外,随着品牌全渠道能力的发展,更重视全渠道的用户LTV,在运营线下门店时越来越强调体验价值和用户价值,弱化销售成交。
    以及不少重决策产品的门店,会把用户价值这层漏斗,放在销售动作之上,比如汽车行业。
    这些特殊行业的门店流量漏斗,需要重新构建,且略有不同
    。对这批强调体验价值的门店而言,CPE是更适用的评估体系。详见《线下体验营销CPE洞察报告》本文姑且从租售比来继续展开讨论。

基于这样的线下流量漏斗,我们可以构建销售额结果=过店客流*进店率*转化率*客单价;于是门店租售比的目标函数就可以拆解为:

租售比=(单位面积租金*面积)/(过店客流*进店率*转化率*客单价)


直观的解读:要获取好的租售比,需要好客流、低租金、高转化率;这似乎是显而易见的废话。但纵观各个连锁品牌的开店实践,这句话可能不仅不是废话,反而是关键问题所在。


客流、租金、转化率,我们过去聊了国内大批连锁品牌,看到在门店不同阶段的评估场景下(如拓店阶段、规划阶段、开业后阶段),存在不少怪现状,都和这三个变量的真实关注度有关。


接下来我们会分成几篇来聊这些问题,今天我们先来重点聊聊拓店阶段门店评估。



三、拓店阶段的门店评估现状


大部分企业内部审批开店时,会用这样一个审批表,我们来展开聊聊。


1. 表里的客流数据,是怎么填的?


一种情况是拓店人员现场踩点,掐表数人头,然后人工填进表里。然而拓店团队的指标往往是开店数量,掐表数字和所填数字的准确性无从验证。


还有一种情况是以商圈人口替代过店客流。前几天小马宋和李翔的访谈的一个观点:我们对星巴克的忠诚度不超过500米的距离。归根结底,商圈人口和门店经营效率之间的因果关系越来越弱。


显然精准可信的点位级客流数据是个很重要的基础,然而因为技术挑战、组织惯性、投入重视程度的问题,实践层面却被几乎整个行业忽视了。


2. 每个项目评分的权重是怎么生成的?


比如竞品开店情况,到底是要避开竞品开店,还是盯着竞品门店跟随开店。

同样的数据,似乎可以有截然相反的决策。

所以,「附近有无竞品门店」这个标签,其权重的正负,只是老板一念之差。


3. 这些评分的项目,即标签体系是怎么生成的?


大部分品牌在面向市场时,肯定有自己的初始STP定位。所以当他们来到线下开店,就会有一个初始的、关于人群定位的选址倾向。

而实际上,品牌发展的过程必然伴随着用户的泛化。这甚至是关乎品牌长期发展,一定要迈过的关键鸿沟。因此客户洞察绝非一劳永逸的事。




4. 标签体系不论用什么字段、什么权重,归根结底是为转化率服务。


我们先看两组真实门店的对比案例(数据已脱敏):




简单说,A、B两个门店过店客流悬殊,订单量却相似;C、D两个门店过店客流量相近,订单量却存在巨大差异。


A、B、C、D的场地背后有不同浓度的人群标签,结合品牌自身已开业门店的订单/客流 或者 进店客流/过店客流 获取转化率数据,就可以构建出该品牌门店转化率与某些人群标签的相关性。


我们可以看看门店转化率的归因分析的生产过程。

通过对门店周边客群的男女比例、年龄、学历、婚姻状况、子女状况、是否有车、居住房价、所属行业、APP偏好、到访偏好、手机价格、消费水平(酒店/餐饮)等大量标签进行回归,发现餐饮消费水平在100-150元、居住房价在4w-6w、年龄在25-40岁、子女年龄在0-5岁这四个因素与门店转化率相关性最强。


这也意味着,门店辐射范围内,符合这四个标签的客群浓度越高,销售转化率就会更高。


人群标签问题,归根结底是转化率预测问题,人类的大脑,只要超过三个因子,就已经无法很好识别因果,更无从做好转化率预测了。


这个案例,展示了一种关乎品牌门店流量转化率的标签体系和标签权重的构建过程。

但作为决策者,把所有的标签问题,都归于一个简单的数(转化率)即可。


5. 拓店阶段的评估问题的解法


假设A、B、C、D四个店已开,我们大部分连锁品牌有的是这个店的销售结果,以及租金等成本。


我们准备开第5家店,我们获取了一批机会点,有租金和成本,当我们做这个第5个店的拓店决策时候,想要知道的是这批机会点,未来会有多少销售额



如上图所示,回到这个公式租售比=(单位面积租金*面积)/(过店客流*进店率*转化率*客单价),我们的拓店决策问题,就从销售额预估问题,转换为拓店机会点的过店客流、还有转化率的求解问题。


ABCD四个门店如果有采集沉淀精准点位客流,进而结合销售结果,就可以得出ABCD四个已开门店客流转化率。

此时如果拥有ABCDE几个不同地点的不同标签特质,就可以进行转化率的预测和计算。


甚至ABCDE的标签特质获取,也未必要如今天市面上很多第三方大数据公司搞得那么玄乎,类似上面我们说的年龄、性别、婚姻、消费水平等,如果成本能接受质量可靠,那么更好。

如果没有这些,回归我们自己拓店时候的信息采集表字段也是足以,有无竞品、楼层、店铺门头等等,也已经可以回归出自己很好的预测模型,帮助生成一个有实践意义的E店的转化率预测了。

这类标签从计算逻辑来说,更像是专家系统,获取成本低、质量确定,相关性也更强


在我们根据流量漏斗构建租售比公式的时候,我们得出“高客流、高转化率、低租金是好的租售比”这个结论,刚才觉得这句话是句废话的伙伴,可以回头看看自己的门店评估体系,在客流、转化率这些地方做了多少投入和探索。


比如未开业门店E的精准点位客流数据,因为计算机视觉技术发展,整体实现成本已经非常低,市面也已经出现很好的解决方案。


即刻开启科学选址之旅!


当然了,上面的叙述为了便于理解,做了很多简化。

比如结合前面谈的门店流量转化漏斗,应该把转化率拆解为进店率、购买率等来构建目标函数进行讨论


再比如说,租售比本身也是一种简化,今天很多连锁门店经营已经是全渠道,利用本地生活同城物流,或者店仓一体接电商物流,再或者有直营和经销体系之间的店仓联通,这需要把具体模型进行一些修订。


详细的展开聊的话,在实践层面真正的门店评估,大部分还是应该回到资产回报率作为目标函数。

资产回报率=年度净利润/总投入=(销售额*毛利率-各项成本)/总投入

资产回报率=(客流*进店率*购买率*客单价*毛利率-单位面积租金*面积-人力-水电物业费)/(单位面积投入*面积)


本文的所有讨论,把租售比修订为资产回报率使用,同样适用。


四、评估体系的建设,重点是能力建设,而不是数据采买


像这种超过4000字,还有大量公式的公众号推文,基本上就没有考虑传播。如果一定要简化成一句话,我们聊的不外乎是文章开头聊小米之家开业历程里提的四个字:快速试错

建设一套能够快速试错的门店评估体系


我们总结了一个开店模型UCR,UNIT-CHECK-REPEAT,总结起来就是:

利用已开业门店沉淀效率数据,预测未来门店的转化率。再通过未来门店销售结果进行校验,进而进一步优化单店模型,以此往复,支撑品牌规模化开店。


快速试错背后的另一个意义:任何第三方都永远无法替代自己做出决策,与其10倍成本采买第三方数据,不如花1倍成本建设自己的一数据沉淀习惯和能力。


在过去,老板定策略,底下做执行,是自上而下的。那么,快速试错背后还有一个意思:老板需要有这样的觉悟,也要反过来允许执行层面自下往上的形成策略的自我进化,而这种允许,体现在行动上,老板需要做的,就是”中国连锁品牌门店评估体系建设“的发起。


后面我们会请团队伙伴再来聊聊规划阶段品牌冷启动问题、或者开业后的门店评估体系的一些问题和思路,包括门店背后零售空间从供给到需求两端产业链的一些变化趋势和机会。



写在最后:


目前行业内有一批第三方产品,没有深入做连锁品牌门店评估场景的需求洞察,甚至混淆规划、拓店、开业等不同阶段,没有精准客流数据,就对拓展阶段的门店进行评估。

这批产品在过去十多年来,甚至构成了一张网,把整个中国大部分的连锁行业从业者包围在中间,我们看到里面不少品牌方正在努力从这些现状里挣脱出来,但也看到大批第三方从业者在里面越陷越深。

Saas产业和传统IT产业最大的差异,不在私有化与否,更不在是否订阅制收入,主要在我们是依据深刻的需求洞察还是依据甲方招投标的Brief来做产品,主要在是否能输出一些领先于市场的最佳实践。

很多时候,最难获取的不是答案,而是对于问题的清晰的定义。把这些问题的理解po出来,是衷心希望大家一起在这种线下越来越难的大环境下,帮助连锁企业真正创造出价值,帮助他们真正地提升赚钱效率。



本文作者:大琳

深耕品牌零售行业十余载,曾任金蝶软件、伯俊科技中台事业部负责人,为全国百余家中大型零售企业提升数字化管理能力。

现任LOCATION事业部负责人