2021年如何預(yù)估營業(yè)額

**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07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)營發(fā)展就在開店擴張中不斷壯大，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)化擴張步入良性發(fā)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)，入店率和客單價的合適的計算方式，其中關(guān)鍵的入店率是依據(jù)經(jīng)驗得出的數(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)十家門店分別進行了營銷分析，并對周邊商圈進行評估，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，我就對此研究做出計劃：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，進行變量分析；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，分別進行商圈調(diào)研和銷售分析；3、運用信息數(shù)理統(tǒng)計的原理，進行變量關(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”，對老門店進行調(diào)研和數(shù)學(xué)模型計算，把數(shù)學(xué)模型的預(yù)估和實際進行比對，進一步修正數(shù)學(xué)模型；6、對初步選擇的準(zhǔn)新門店的商圈進行市場調(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，也充分體現(xiàn)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、精確時可以依據(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行關(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）列舉影響購買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。以入店購買率為因變量。將各因素的數(shù)值羅列如下：為了精確計算商圈人數(shù)，就必須確定商圈范圍。我們就對入店購買消費者的居住地調(diào)查，發(fā)現(xiàn)70%的消費者**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07*歐陽光明*創(chuàng)編2021.03.07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，以充分提高精確度。1.炙店購買率；〔%空這里選擇4組差異大的數(shù)據(jù)作展示°屮慮店門B店初C店羊0店口周四0.74494502.00^351..92908SS-315020周五0.70416702：40903S'2.'2997033.61S'6^周犬0.571735^2：03S429'2.0631191^333302.每日流功人口mA店口B店aC拓屮「〕.；門+周四112761065410886&為5周五120711-203894畑7102周六111931T97.09旳D5870**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.073.人流中居民的比例劉A店訶B店審C店心周四11276106541083$6-395倜五120?1：120389436^71Q2S周天1111陽H9Z09791^'58704.過路人比例把HPA店戶&店4C店屮；■■■'■店*周四1127610654108S&6395周五1207112038門用周六11195;11970■37925870'5.人流中工作人口比例屮A店心E店QC店J店*周四11'276：1065410386逐5周五12€711203S9436^'710^周六11195;119709791^587Q'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，相同——1，差——0店外環(huán)境：好——2，相同——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對上述各因素與購買率之間的關(guān)系進行偏相關(guān)分析，確定回歸方程的自變量，剔除相關(guān)程度低的變量。運行結(jié)果如下：**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07*歐陽光明*創(chuàng)編2021.03.07VariablesEntersd/Reinoved〔目變量進入與剔除）卩itiode1Vai'iablsEentered+JVariablesremovedmethod2人流量，居民比例，過路人比例交通系數(shù)，家庭人口，家庭收工作人口比例心競爭度］居民尸數(shù)enter*3通過偏相關(guān)分析，將所有自變量按照與購買率的相關(guān)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)與購買率的相關(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：**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07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)庫進行多元線性回歸分析，結(jié)果如下：ModelSuiniDary（模型慨述和ModelRsquareAdjustudRSquareSt*d-iErroroftheestimate1尸0.9^10.98^?962^0.186783870-p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買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，那么R2等于1；如果自變量與因變量之間沒有回歸關(guān)系，那么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買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說明購買率變化的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)測的購買率與實際購買率之差的平方的算術(shù)平均數(shù)的開平方正根。Coefficients回歸參數(shù)心Models1'Instandardi.zedcoefficientsStandai^iz已d亡口已fficientsVMVWMVWXAAA/XAAXVXAAXVXA/WWVStd.errors』如.?譏?譏“2譏?』.?叫畑betanp1(constant)-160.523p[5.6：367^人流里屮].l4纜-05ao'.000^0.0274J居民比例屮-0.針加氤9&2-0.046+J過路人比例屮-5.463p'1.486-v-0；550+1交通系數(shù)屮CJ.366+j0.198+j3.41如家庭人口屮45674p-15.471^3.104+J家庭收入屮3.157E-0343'；0.001431.125^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B1Xs/Sy所得（其中B1是回歸系數(shù)，Xs為自變量標(biāo)準(zhǔn)差，Sy為因變量的標(biāo)準(zhǔn)差）由此可以得到購買率的回歸方程：購買率%=-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ANOVAF方差分祈屮modelsSumofsqurai'esVY^VWYWWVv*dfWY^rMeansquaresig^1Regression10.022*J1.670*j47.S770.000Residual+J0.174^3：4S9E-02^tcital心10.19丹11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基礎(chǔ)上進行的。我們將因變量y的離差平方和Lyy=X(yi-y)2稱為總平方和，即總變差，在本模型中是實際購買率與實際購買率算術(shù)平均數(shù)的差的平方和，用Total表示。它由兩部分組成，一是估計購買率與實際購買率算術(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，而是實際購買率與估計購買率的離差平方和，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**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07*歐陽光明*創(chuàng)編2021.03.07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。具體為多少可以進行F檢驗。對回歸方程的置信度進行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**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07**歐陽光明*創(chuàng)編2021.03.07中，我們已得到回歸方程的標(biāo)準(zhǔn)誤a為0.0，它表明當(dāng)用上述回歸方程來預(yù)測購買率時，實際購買率落在｛預(yù)測購買率+-0.0｝區(qū)間內(nèi)的概率0.6826，實際購買率落在｛預(yù)測購買率+-2a｝區(qū)間內(nèi)的概率0.9545。實際購買率在｛預(yù)測購買率+-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，樣本量要達到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)的人流量進行統(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(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)公司發(fā)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”進行評分，主要從以下幾個方面：1、門店原來經(jīng)營項目，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，市場部就開始安排評估調(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