零售生意的成功，不仅仅依赖于“铺货”和“卖货”，而是要深刻理解商品本身的价值和潜力。在众多商品中：
- 哪些是推动增长的核心？
- 哪些是无形负担？
- 哪些又是未来的增长点？
这些问题是每个零售商都需要解决的难题。
今天，九数云BI给大家带来4种实用的商品分析模型，让你透彻理解每一款商品的表现，并精准把握哪些商品值得重点投入，哪些需要优化。
01
波士顿矩阵（BCG）
在很多公司，产品一多就开始乱：
新品不知道推不推，老品舍不得下架，爆款卖得好，但库存压得更大。
老板问：“哪些该重点投放？哪些要砍？”没人能答。 其实这时候最需要的，就是波士顿矩阵。
波士顿矩阵，其实就是我们熟知的四象限分析；通过市场增长率和相对市场占有率两个维度，将企业的所有商品划分为 4 种类型
- 明星产品：高市场占有率、高增长率；增长快、竞争力强；需要大量投入维持领先
- 金牛产品：高市场占有率、低增长率；增长慢、竞争力强，利润稳定且高；无需过多投入
- 问题产品：低市场占有率、高增长率；增长快但竞争力弱；需大量投入试错
- 瘦狗产品：低市场占有率、低增长率；双低，增长慢、竞争力弱；考虑缩减或淘汰
这样你就知道哪些商品值得投入，哪些商品需要淘汰。
需要注意的是，产品在波士顿矩阵里的位置不是一成不变的，它会随着市场和产品生命周期不断变化。
今天的明星业务，市场增速放缓后可能变成现金牛； 原本不温不火的问题业务，只要方向对、机会来，也能逆袭； 所以企业要定期复盘、动态调整策略，才能跟上市场节奏。
02
帕累托分析
成百上千个SKU，不是每个都赚钱的，有些虽然销售额高，但是利润低，忙活一年没钱赚；
有些虽然销售数量上不去，但是利润很高，开单吃半年；
怎么抉择资源的投入？这就靠帕累托分析。
也叫ABC分析、二八法则；其核心也非常简单：拎重点，区别对待
我们可以通过分析商品的销售额累计值，将商品分为 ABC 三类：
- A 类产品：贡献了 80% 销售额的少数 SKU。
- B 类产品：贡献中等。
- C 类产品：销量小但数量多的尾部。
这样你就知道，A类是给你赚钱的，要重点抓，把库存、陈列、营销资源都拉满；而B 类产品可以适当维持。 而 C 类产品，你就要考虑要不要淘汰、合并、打包卖，避免库存积压。
03
TGI分析
同一款商品在不同地区销量差异很大，到底是市场偏好不同，还是人口基数差异导致的？
这时候就得用TGI分析。
TGI，全称目标群体指数（Target Group Index）
本质是比较目标群体特征占比和整体市场特征占比的关系
帮你找出哪些群体或区域对某商品最感兴趣。简单说，就是帮你精准定位“核心用户和热销区域”。
TGI公式：
- TGI > 100 → 目标群体更偏好该特征
- TGI = 100 → 和整体市场无差别
- TGI < 100 → 偏好低于平均水平
我们可以根据大量的历史销售数据，计算TGI值，来明确：
- 哪个商品在哪个区域最受欢迎？
- 哪个特征的人群最热衷于购买此类商品？
- 怎么打广告，才能最中这些区域和人的心趴？
这样，商品销量数据背后的“人群偏好”就更加清晰，每一次推广和商品布局也能更精准。
04
购物篮分析
总觉得客单价太低。
陈列改了几次，搭配商品也试过，但效果不大。 为什么？
——因为你都是凭感觉的，实际上你并不知道顾客到底怎么组合购买。
购物篮分析就是帮你找到顾客天然的购买组合的分析工具。
通过计算销售数据中的3个指标的计算来看顾客喜欢哪些商品一起购买：
- 支持度：两个商品一起被购买的频率。
- 置信度：买了A商品的人，有多大概率也买B商品。
- 提升度：A和B的组合关系判定，是真的有关系，还是碰巧？提升度>1说明是真的有关。
这个方法最经典的例子就是沃尔玛的“啤酒和尿不湿”。
沃尔玛超市在分析购物数据的时候，发现年轻爸爸买尿不湿时常顺手买啤酒，于是干脆把两者摆一起卖，结果销量暴涨。
通过购物篮分析：
- 超市可以用它来优化货架，把高关联度的商品摆在一起；
- 电商平台可以用它做“猜你喜欢”“搭配购”推荐；
- 餐饮门店可以用它设计套餐，提升客单价。
别看原理简单，但真把它用起来，你就会发现：数据能帮你看见那些肉眼看不出的销售机会。
★
通过九数云BI，轻松完成商品数据分析
这些分析方法的背后，离不开强大的数据支撑。九数云BI为零售行业提供精准、全面的数据分析能力，帮助企业快速掌握商品运营动态。无论是波士顿矩阵、帕累托分析、TGI分析，还是购物篮分析，九数云BI都能助你快速实现，提升运营效率，推动销售增长。
立即体验九数云BI，轻松应对商品分析难题！
/END/
