导读：市场不确定性增加、竞争加剧，零售商更趋以精细化经营实现销售、利润上升，做好品类管理是关键。
叠加疫情的新消费环境下，飞速发展的线上渠道与社区拼团等新模式正在蚕食区域龙头超市的市场份额。
品类管理方面，线上超市立足于坚实的品类定义，基于顾客需求的商品功能属性，再加之先进的算法和大数据，已大幅领先线下。2017年电商巨头更是提出了大数据品类管理思想和技术，取得了不俗战绩，许多线下传统品牌愈加重视线上。所以，线下超市做好品类管理迫在眉睫。
尤其是扎根区域多年的规模性连锁商超，这部分企业有一定实力，且乐于吸收先进理念、做出改变，但囿于多年形成的做事观念与习惯，往往很多改革像品类优化管理推进缓慢，真正有效落地者寥寥。
龙商网&超市周刊了解到，目前业内在品类管理方面大体呈现以下三种情况：
一是传统被动做法，滞销品依靠自然淘汰，新品引进倚仗已有供应商推荐，淘汰率高；二是已有对品类进行规划管理的意识，但仍是基于企业现有品类结构进行调整、改进，产生的变化有限；三是缺乏市场数据支撑，落地周期长。
零售的内核是商品，商品以SKU为最小单位，普通大卖场动辄上万支单品，如果管理没有条理，商品掌握不够透彻，很可能事倍功半，效益没产生，反而浪费了资源。
“商品管理是千头万绪的，涉及商品本身、定价、营销甚至陈列位置等，如果单凭企业自身销售数据便定‘生死’，未免显得武断。”从事多年数据分析的昂捷数据总经理曲晓旭表示，企业需要从多方面着手，对商品流通运营的各环节进行分析，而不是简单以数据说话。
他举例称，像网红商品，本该是在夯实自身品类结构的基础上，起到锦上添花、吸引客流的作用，但很多企业是看市场上哪些商品概念火进哪些卖，没有进行包括自身品类适配度在内的多方分析，结果可能“存活”下来的少之又少，这样前期投入的人员、配送、库存、货架等资源就都打了水漂。
01
传统品类分法与实际场景不再匹配
通常来说，传统的商品分类体系是垂直的，而实际的分类体系是垂直和水平相结合。
品类定义属于舶来品，通常日本将其细分为5级，以食品类别为例，依次往下分为食品处、酒饮课、饮料类、饮用水、纯净水，国内亦沿袭使用至今。不过，实际操作上，零售企业发现上述这一传统分法颗粒度还不够细，又往下切分了很多级分类。
比如，纯净水，按包装可分为小包装（<550ml）、中包装（1L-1.5L）、大包装（>4L）3种规格，而具体包装方式上，又可分为瓶装、听装、桶装等3种，同时依据产地属性，可以分为进口和国产。此外，还可以从品牌、价格、品质档位等其他层面进行切分。
可是传统ERP系统的品类定义是垂直的，那就会任意出现以下3种分类的划分：瓶装-550ml以下-国产纯净水、550ml以下-瓶装-国产纯净水、国产-550ml以下-瓶装-纯净水。3种划分方法都有一定依据，但实际都不完全对，这是由于包装方式、包装规格、是否进口3个商品属性之间并非垂直隶属关系。
所以曲晓旭认为，在包装饮用水这一层级需要进行水平切分，这样的品类定义才更符合企业现状，更术语一点讲，水平切分的部分，实际是顾客购物时的决策因素，也叫做商品的功能属性。
举例来说，如果一个人上午出去办事，买一瓶550ml的水就可以满足需求且携带方便。而会议用水，用不了550ml，一个人一次会议大概330ml就足够。一家人一天用水量1.5L差不多，也比较实惠，但4L以上性价比最高。
02
与品类角色相符的品类经营策略
除了传统的品类定义，还有一个大家都听说过，但很少实践过、ERP系统也没量化过的概念--品类角色，品类角色是真正的跨品类分析，通常情况下，门店经营品类分为目标性品类、常规性品类、季节性品类和便利性品类4种角色，不同的品类角色意味着不同的品类策略和品类优化目标运用的战术不同，从品类角色角度出发优化商品组合，可以起到事半功倍的效果。
从主动和被动的角度看，一方面超市致力于把门店打造成什么样的品类形象，另一方面在交易数据中反映出门店的品类形象是怎样的。
目标性品类一般是一家门店的标志性品类，起到创造形象、吸引客流、增加销售的作用，比如华润Olé超市，消费者潜意识里对它的印象是进口商品丰富，买进口商品可能就会选择到Olé。还有盒马的鲜活水产、伊藤洋华堂的生鲜加工品等，都是他们的代表性品类。
那么如何判定品类角色？需要从顾客、零售商、市场三方进行着手分析，昂捷通过理论与数据相结合，精简出购买频率、普及程度、销售占比、毛利率、市场增长率及门店增长率6项指标判定，处于前列的分类便称之为目标性品类，一般占比在10%左右。目标性品类是企业重点打造和维护的品类，但很遗憾的是大部分门店目标性品类毛利率较低。
居于目标性品类之后的是常规品类，一般占比50%-60%，是零售商销售和利润的主要来源。季节性品类品种比较少譬如应季水果、节庆商品等。便利性品类主要满足顾客“一站式”消费需求，销售不高占门店10%左右如消费升级品类鲜花等。
市场上也有把品类划分为民生品类、重点品类、趋势品类等，只是叫法有所不同。各个品类在门店承担的角色不同，相应匹配的陈列、营销等资源比重也不一样，目标性品类毫无疑问需要门店投入大量资源，但常规性品类、便利性品类，投入资源比重大小就需要根据业态、商圈、实际销售情况进行实时调整。
另外，同一个品类在不同业态中也可能有不同的品类角色，还需要通过算法甄别出不同业态的目标性品类，又称作优先性品类，这涉及到跨品类分析，与传统的同品类分析像比较食品销售的同比、环比情况有差别，所有单品销售数据都拉出来比较，没有品类之分，仅看实际数据，然后进行分析、调整。
03
切忌为“赶时效”无差别引新品
新品引进上，很多商超存在的一个明显误区是“赶时效”，认为网红商品重在响应速度，越快响应，越有可能成为吃到第一波红利的那个人。
于是很多企业在网红商品出现的第一时间，就迅速引进，如此周而复始，引进的网红商品越来越多，占据的陈列、营销等各方面资源也就越多，不可避免地挤压或错过了其他真正能产生效益的品类。
“网红商品很多只是昙花一现，生命周期很短，可能100个单品里最终幸存的也就只有20个左右，很多投入的资源也就浪费掉了。”曲晓旭认为，网红概念商品和其他商品在品类管理中是一样的，如果没有筛选就全盘引进网红新品，还不如不引进。这一点，京东做的最好，京东扶持的以区域特色商品为主，网红商品只有真正留下来的很少一部分商品会在京东上架，我们实体超市和竞争对手血拼，有没有注意到京东其实开在了我们所有实体超市的隔壁。
新品引进失败所耗费的资源是巨大的，而这些资源放在其他品类如目标品类上出来的销售大概率比新品多，那何必要去做费力不讨好的事情？
根据昂捷20年积淀下来的数据积累，加上数据的实时迭代分析，得出一个结论即在新品出现2-3个月以后再引进，产生的成本最小，也是最有效的。“因为行业内新品试销期一般在3个月左右，能不能经受住市场考验，这期间就能出结果。”曲晓旭说道。
还有新品的定义也不只局限于新开发的商品，企业本身商品结构内所缺的品类或由于市场条件不成熟而没有引进的商品也都是新品。
这方面昂捷数据今年重磅推出的大数据品类优化平台--品类宝，基于垂直于水平分类结合的品类定义和品类角色，不仅能有效解决企业新品引进不畅销的问题，还可以快速诊断企业品类的宽度，自动引进缺失的品类，一键引进畅销品替代原有滞销品，而且能够出具针对性的品类优化报告，梳理企业商品结构，弥补企业现有的商品结构性缺陷。
04
浓缩品类优化报告
经过与品类专家和相当部分商超企业的携手，昂捷推出的咨询版《品类优化报告》，从企业全局、业态、门店、品类角色等维度进行优化分析，以此帮助腰部企业实现快速落地。
具体操作上，昂捷品类宝定期会把品类优化报告发送给合作企业，逐步对企业商品品类结构进行调整、完善建议，先是目标性品类，再是常规性品类，最后是常规品类后端和便利性品类。
“实际上，只要把目标品类和头部常规品类优化好，基本可以保证门店60%的销售，这样有重点地从品类的宽度再进行优化，基本上一年左右时间我们就可以帮助企业很好地落地。”曲晓旭分析称。
同时，为减少不必要的资源浪费，昂捷从企业的内循环扩展到内外双循环角度，来决定新品去留。如果在市场与企业中，这个单品销售都不如意，也就是全面输的商品，那就可以淘汰，反之就是全面赢的商品，则继续运营。
除此之外还存在市场和超市销售表现相反的两种现象，如果市场表现好、超市表现弱为市场赢，相反则超市赢，与之对应不同的去留操作。市场赢单品，超市应该给予更多资源，带动其在门店的销售；超市赢则超市可以对其中原因进行分析，然后尝试如此运作其他类似品。
当然，不同品类淘汰比例不同，以100%比例计，目标性品类仅10%可淘汰，常规性品类20%，便利性30%。不同的品类角色引入的要求也不同，比如目标性品类要求一线品牌完整，而常规性品类重点放在第二梯队的品牌。
品类报告还可以从利润角度进行品类优化，比如CTM指标（从下级分类对上级分类的综合毛利率贡献度）和毛利回报率GMOROI指标（比如某品类年度GMROI=10，含义是企业投资1元钱可以赚10元）来优化品类。
作为立足零售行业20年昂捷信息旗下昂捷数据自主研发的品类宝，也是行业内首个专门针对连锁商超进行品类优化的大数据平台。
有别于其他类似产品，品类宝是精准的落地工具，连接品类管理全过程首尾两端，首就是标准品类定义和品类角色定义，企业经营的商品自动匹配50%分类，余下部分AI匹配进行品类定义。品类角色，也是基于顾客、零售商、市场角度的算法自动计算；通过平台找到商品力强的商品，代替人工找品。
