《精编》AC尼尔森零售研究方法与数据解读

《《精编》AC尼尔森零售研究方法与数据解读》由会员分享，可在线阅读，更多相关《《精编》AC尼尔森零售研究方法与数据解读（99页珍藏版）》请在金锄头文库上搜索。

1、AC尼尔森零售研究培训课程 2002年5月14日顶新国际集团 日程安排 AC尼尔森公司简介AC尼尔森零售研究的方法及数据解读Advisor零售研究快报 AC尼尔森公司简介 AC尼尔森公司核心目标 为客户提供市场讯息 帮助他们更好地了解市场 并获得全球性成功 世界最大的专业市场研究公司 专长于快速消费品品类研究 唯一涵盖三种市场研究服务的公司 全球利润 18亿美金 年覆盖国家 120个员工总数 19 000中国 7 00 AC尼尔森 全球市场研究服务的领导者 AC尼尔森公司核心业务 AC尼尔森三项核心业务 媒介研究 零售研究 专项研究 AC尼尔森零售研究方法及数据解读 对零售市场进行连续性的跟踪

2、调查 分析零售数据 了解产品发展趋势和竞争环境 什么是零售研究 为什么需要零售跟踪调查 出厂的数据信息不足以说明 消费者的购买量厂家努力的效果零售商支持的情况例如 每年出货量增加10 那么一切就正常吗 年份198919901991199219931994出货100110121133146161 10 0 100 200 300 400 500 600 1989 1990 1991 1992 1993 1994 自有品牌 竞争对手 未必 内部销售数据忽略市场竞争 而零售核数则监测整个市场 为什么需要零售跟踪调查 零售核数有什么好处 识别优势 劣势 认清威胁并发现机会客观 独到的见解两月一次系列报

3、告监测同类商品的所有品牌作为销售和市场促销决策的基础与零售商用一致的角度理解市场作为其他研究 数据应用程序的基础 零售跟踪调查的五个步骤之一 确定零售研究范围 设计并建立具有代表性的零售样本 采集样本数据 推算样本数据 发送信息 零售跟踪调查的研究范围 城市 城镇 标准服务覆盖的城市和城镇 华北 河北 山东 河南 山西 北京东北 黑龙江 吉林 辽宁西北 陕西华东 江苏 浙江 安徽 福建 上海华中 湖北 江西 湖南华南 广东 广西 广州西南 四川 贵州 云南 成都 哈尔滨 长春 沈阳 北京 天津 石家庄 太原 济南 郑州 上海 南京 杭州 合肥 武汉 西安 南昌 福州 长沙 广州 南宁 桂阳 成

4、都 昆明 青岛 深圳 大连 重庆 宁波 厦门 无锡 海口 苏州 三亚 零售跟踪调查覆盖的城市零售市场 城市市场研究覆盖三十多个城市 零售跟踪调查只监测特定的分销渠道的活动 零售跟踪调查覆盖的分销渠道 超市 卖场 百货店杂货店 售货亭其他类型店铺 其他类型的商店 化妆品店理发店药店香烟专卖店 零售跟踪调查使用的商店类型定义 酒类专卖店软饮料 冰淇淋店一般商店其他杂货店 零售跟踪调查的五个步骤之二 确定零售研究范围 设计并建立具有代表性的零售样本 采集样本数据 推算样本数据 发送信息 ACNielsen零售市场普查 开始于1994年ACNielsen每年在中国20个省的100多个城市进行零售市场普

5、查 2001年完成了第6次普查 零售市场普查旨在了解零售市场规模 结构和销售额 为建立零售研究样本奠定基础 覆盖范围是中国的城市和城镇中所有快速消费品售卖点 农村除外 使用分层 非比例 系统随机抽样方法 分层抽样 相似商店分在一组提高抽样效率非比例抽样 从重要的分层样本中抽取更多的单个样本店可尽量减少重要分层中的错误系统随机抽样 确保抽样具有随机性和代表性 零售跟踪调查的样本设计 分层抽样 百货商店 超级市场 杂货店 售货亭 杂货店 分层标准 同类商店分在同一层次 分层 促使样本健全 按商店类型和地区进行实际分层 相同类型和同一地区的商店按单元分类 西部乡镇的大型百货商店 北部 东部 南部 西

6、部 城市 百货商店 镇 大型超市 乡村 小型超市 大型杂货店 中等杂货店 小型杂货店 其他 样本单元 分层抽样设计 分层抽样的好处 缩小样本尺寸但提高抽样的准确性和代表性提高抽样的效率 核数 商店数量 销售额 重要性 不按比例抽样样本 占样本的 32 58 10 20 35 45 25 40 35 百货商店 超级市场 杂货店 小卖部 其他类型店铺 非比例抽样 说明 这仅是一示例 并不表示AC尼尔森样本商店的实际分配情况 为什么要用非比例抽样 根据店铺的数量 完全运用比例抽样 会导致在样本中有太多的小店铺根据店铺的销售额进行比例抽样 会使样本中有太多的大店铺综合考虑以上两个因素 运用非比例抽样可

7、以使样本更准确地反映总体的情况 系统随机抽样 商店编号零售额商店12 000 000商店21 999 975商店31 999 950商店41 999 925商店51 999 900商店61 999 875商店71 999 850商店81 999 825商店91 999 800商店101 999 775 系统随机抽样 随机确定起点 在样本母体内 每N个商店抽取一次样本 抽样标准 商店须排序 例如 按零售额排序 为什么要用系统随机抽样 避免在抽样过程中夹杂主观因素当样本量足够大时 可以非常客观真实地反映总体的情况 零售跟踪调查的五个步骤之三 确定零售研究范围 设计具有代表性的零售样本 采集样本数据

8、 推算样本数据 发送信息 数据采集共覆盖50多个商品类别 数据由200个专职核数员收集 核数员每两月收集一次数据 零售跟踪调查的数据采集 每家商店每两个月核数一次 需花费三至四周完成所有商店的核数 数据采集周期 2月1日 3月1日 4月1日 5月1日 6月30日 2月 3月核数在2月进行 4月 5月核数在四月进行 第一家受核数商店的销售额表示12月1日至2月1日期间的交易量 而最后一家受核数商店的销售额则表示12月31日至2月28日期间的交易量 因此 1月 2月受核数商店的四分之一销售额代表12月的销售额 核数员访问每家商店时 计算 存货水平 铺面存货 后备存货 缺货情况 商店销售情况 销售额

9、 销售量 铺货情况 数值 加权 销售价格进货等 数据采集类型 2月1日 3月1日 4月1日 4月30日 上期存货 本期存货商店进货情况退货情况销售价格 计算销售量 上期存货量200 进货量500 本期存货量300 销售量400 零售跟踪调查的五个步骤之四 确定零售研究范围 设计具有代表性的零售样本 采集样本数据 推算样本数据 发送信息 例如 样本总体ACV 1000样本商店ACV 100推算系数 10 将样本商店数据推算到整个样本总体时 应考虑 1 样本单元的ACV 2 样本总体的ACV 该样本单元的核数结果乘以10 得到的值即为它所代表的样本母体的值 样本数据推算 零售跟踪调查的五个步骤之五

10、 确定零售研究范围 设计具体代表性的零售样本 采集样本数据 推算样本数据 向客户递交调查报告 零售跟踪调查信息 消费量及销售额 份额零售商进货 份额平均零售价格零售存货水平 份额 总计 仓库库存 陈列库存 分销 占零售网点百分比 对产品类别重要程度 缺货情况 向客户递交调查结果 零售核数是了解以下问题的基础 消费者购物情况竞争对手的情况市场情况 如 风味 包装 尺寸 趋势等 促销的影响定价零售商支持 如 货架占有率 缺货等情况 零售跟踪调查的数据的用途 零售跟踪调查是了解市场的有利工具营销我们应有多少不同品种 需求因地区而有何变化 消费者在什么地方购买我们的商品 新产品是否正在挤掉老产品的销售

11、额 我们的竞争对手表现如何 其它品牌产品对我们产品有何影响 商品整体表现如何 谁在推动品类的增长 零售跟踪调查的数据的用途 销售我们按地区的分销情况如何 关于分销问题 我们可以在哪些方面予以改善 供应问题是否在阻碍我们的发展 确立目标 例如 我们的竞争对手的分销情况 零售跟踪调查数据的用途 零售跟踪调查报告数据类型定义及解读 销售量与销售额 两个月内零售商卖给消费者的商品量可以用金额 数量或转化过的单位表示 主要用于分析整体市场容量 增长趋势以及季节性变化 销售量 销售额数据解读案例一分析整体市场容量和增长趋势 SO99 ND99 JF00 MA00 MJ00 JA00 SO00 ND00 J

12、F01 MA01 MJ01 JA01 SO01 1600 3600 5600 7600 9600 销售量 销售额数据解读案例二季节性分析 销售量 市场份额 销售额 销售量 某一产品的销售量 额在某地区占该类别产品销售总量 额的比例 销售额 销售量市场份额应用 品牌份额品类细分重要性 某细分品类占整体品类销售量 销售额份额 地区重要性 某地区占全国销售量 销售额份额 渠道重要性 某渠道占某地区销售量 销售额份额 市场份额数据解读案例 地区重要性 MATDJ02销量重要性 MATDJ02销售额重要性 与去年销售量重要性比较 与去年销售额重要性比较 东北 华北 西北 华东 华中 华南 西南 11 8

13、 33 7 5 9 26 2 7 2 11 2 4 12 3 25 6 4 8 29 2 8 9 12 8 6 5 1 1 2 7 1 3 1 5 0 0 8 0 3 0 7 1 4 0 8 0 9 0 7 1 0 1 大卖场 超市百货店 杂货店 售货亭 其他 市场份额数据解读案例 渠道重要性 平均价格计算公式 市场的价格结构如何 我们的价格是否有竞争力 我们的定价策略是否得到了贯彻 价格对销售量 销售额的影响怎样 零售跟踪调查数据应用 2 零售价格 1 0顶新袋面 1 0统一袋面 1 0其他袋面 1 0顶新袋面 1 0统一袋面 1 0其他袋面 2 2 4 5 16 6 65 4 4 6 6

14、7 2 1 4 2 16 4 63 3 4 8 8 9 FM01 FM02 MAT 平均价格数据解读案例 1 销售量重要性 占袋面整体 价格优势较弱品牌 平均价格数据解读案例 2 0 9 3 9 4 2 2 1 4 2 1 7 1 8 0 9 13 9 6 7 12 3 2 1 0 7 23 7 2 8 0 7 1 7 0 3 0 5 102 98 92 89 82 81 77 77 76 71 67 60 50 50 45 44 32 22 21 14 销售额份额 平均价格 人民币 公斤 伊卡璐 玉兰油 舒肤佳 多芬 樱雪 澎澎 滴露 花牌 舒蕾 力士 碧柔 强生婴儿 东洋之花 夏士莲 六神

15、 妮维雅 孩儿面 滋采 碧婷 黛丽 零售商存货 在核数当天 该产品存在于某商店包括店面库存及后库库存数据既显示全部库存 同时也反映店面库存既有绝对数值 也有库存份额 数值型及权重型存货分布率 如果品牌A在这4家店里有存货 那麽它有 数值型存货分布率 40 100 10 10 10 10 10 10 10 10 10 10 商店数量比例 数值型和权重型缺货分布率 如果品牌A核数当天在这4家店里缺货 但是在此之前的4个月里有存货 那麽它有 40 的数值型缺货分布率70 的权重型缺货分布率 100 10 10 10 10 10 10 10 10 10 10 商店数量重要性 100 30 20 10

16、10 5 5 5 5 5 5 产品类别重要性比例 缺货率表示在核数当天 核数员在店面及库存均找不到该产品 但该产品在上次核数的确有库存 如果一个商品连续两期均无销售 库存 则被认为是丢失了铺货率 而非缺货 同样地 我们可以定义数值缺货铺货率和加权缺货铺货率 缺货铺货率 产品目前的市场渗透程度如何 我们的铺货广度情况如何 我们的铺货质量如何 我们所有的单品是否得到了平等的铺货支持 我们是否错失了铺货机会 我们的销售队伍是否实现了铺货目标 零售跟踪调查数据应用 6 数值铺货率和加权铺货率 数值 加权铺货率应用案例 1 数值铺货率 上海 北京 香口胶 糖果 干脆小食 干脆面 泡泡糖 棒棒糖 80 75 49 41 30 29 70 45 53 62 37 24 16 172 11 283 ACNielsen零售核数覆盖地区上海 55 766家北京 47 014家 问题 在有销售我们产品的商店中 有多少店有缺货的 这些商店对于品类的销售有多大的重要性 在自己品牌SKU范围内与竟争对手对比 估计由于缺货而造成的销售损失 缺货率的应用 缺货率应用案例 品牌A旧品 MJ00 JA00 SO00 ND