零售业数据化管理工具万能的加权曲线

首先声明，本方法是本人独创的，所以取名为黄氏曲线！

上面几篇博文已经写了周销售指数的两类用法：周销售指数的基本用法以及日销售目标分解，今天写一写周销售指数的更大的一个用法：加权曲线！即黄氏曲线。

从事零售业的朋友都有这种困惑：某有办法直接判断每天销售状况的好坏。只能和日目标做对比，但是有时候又没有可比性（因为目标是人为的，有是甚至是拍脑袋的结果）。即便能对比，也没有办法直接回答：“周日完成200万的销售和周一的120万的销售，谁好谁坏？”更没有办法判断整个销售的走势是向好还是走坏！更谈不上根据销售走势制定对应的策略了。

黄氏曲线解决了这个问题！如果我们给每天的销售赋予一个权重值（权重介绍参照前文：周销售指数），这样我们就有办法将高高低低的日销售数据拉平，使他们具有可对比性。下面是我为某零售商场2008年8月的销售做的分析图（数据做了修改）：

从这张图我们不太容易看得出来销售规律，只能看出2008年8月31日的销售是当月的最高点（红圈处），8月18日（绿圈处）是当月销售的最低点。如果我们把这条曲线稍作处理就变成这样：

这就是该商场2008年8月的加权曲线，它是用每天的实际销售和该商场周销售指数权重两两对应相除得来的一条曲线。很明显我们能看出奥运会对该商场的销售是有影响的（备注2008年北京奥运会是从8月8日到同月24日）。并且奥运初期影响是最大的，同时从加权值来看，加权销售额最大值变成了8月7日，最小值变成8月9日了，这两个值才是具有实际意义的极值。原来8月31日的最大值具有很大的欺骗性，它是最大，不是因为当天销售得好，是因为当天的权重值是最大。换句话来说，周日的销售本来就应该比周一的销售高不少。

曾经有位销售经理问我，我们销售目的是追求销售额的最大化，不是销售加权值的最大化，它有何实际意义？对的！追求销售绝对值的最大化是我们的终极目的，从这个层面来说，8月31日的最大值更有意义。那黄氏曲线的用处何在？

第一、判断销售走势，方便日销售追踪！如果权重值越走越低，说明该商场的销售一定发生了问题（绝对销售值可能是越走越高，但是这个值有欺骗性），可能是持续的缺货，人员安排出问题，店员在踩刹车（每月最后几天此曲线如果持续下降，80%的几率是店员在踩刹车！）......等等！如果能运用好了这条曲线，一定可以达到销售最大化的目的。同时可以做到在办公室内就发现各分店的状况。

第二、量化评估销售事件对销售的影响值。销售事件包括持续异常的天气，公共事件，促销活动等。我们把上面的那张图稍作处理，大家就可以量化的看到奥运会对该商场的影响值：

我们非常清楚的看到奥运会开闭幕前后的平均加权值接近10000，而奥运期间这个值不到8000。红色区间就是量化的差额，稍作分析就可以得出如下结论：

1、奥运期间使商场的日销售下降了28％；

2、17天的奥运会总共影响了该商场4.8万元销售，占当月总销售的13.8％

对促销活动的量化评估和奥运评估是一样的道理，只是大部分促销活动的这个图是翻转过来了，促销期间的加权值更高。当然我也见过一些零售企业的.促销档期的这个分析图和上面这个图形一样，也就是该促销不但没有促进销售，反而影响了销售，帮了倒忙！

有的朋友此时可能有个问题：我们为什么不能直接用绝对销售量来进行促销评估？我的回答是时间段不一样，大部分时间是没有可比性的。有的朋友还会继续问，那如果我变成平均每天的销售量来对比是否可以？我的回答还是，大部分情况下是不可以的。比如2010年的3月和2009年3月的可比性就差一些，今年三月是8个周六日，而去年是9个周六日，所以正常情况下今年的销售会比去年3月的销售低2%左右。

第三：量化评估新品上市是否成功；

第四：量化评估同业竞争的影响值，就是看竞争对手开业前后一段时间内的平均加权值的变化情况；

第五：黄氏曲线甚至可以做到，对关键人物的离（到）职进行评估，方法同上。如果你发现在你的企业空降一个分店店长到某店，该店的平均加权值马上下降，多半说明大部分员工对该新店长不认可，初期处于观望状态中，而不是体现新来一领导我要加倍表现给新领导看看那样。当然也不排除有原来的副店长在搞鬼的成分，但至少说明有问题！

......

最后再给大家看一张图，黄氏曲线的高级用法，只发图不说话：

黄氏曲线还有很多很多的用途，就不一一举例了。最后要说明一下，这个分析有一个注意事项，就是任何对销售的影响因素都可能是多元的，一定要找到主因，才能得出正确的结论。

via：数据化管理