AC尼尔森零售研究培训
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。”

AC尼尔森-全球市场研究服务的领导者

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






AC尼尔森公司核心业务
AC尼尔森零售研究方法 及数据解读
什么是零售研究?
对零售市场进行连续性的跟踪调查;分析零售数据;
了解产品发展趋势和竞争环境

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 1989 1990 1991 1992 1993 1994
出货 100 110 121 133 146 161 +10%
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
零售跟踪调查的研究范围---城市+城镇

零售跟踪调查覆盖的分销渠道
零售跟踪调查只监测特定的分销渠道的活动.
零售跟踪调查使用的商店类型定义
零售跟踪调查的五个步骤之二
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

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


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，运用非比例抽样可以使样本更准确地反映总体的情况

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
零售跟踪调查的数据采集
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。
数据采集周期
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。


数据采集类型
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/销售量）
铺货情况（数值/加权）
销售价格
进货等
计算销售量
零售跟踪调查的五个步骤之四
样本数据推算

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
零售跟踪调查的五个步骤之五
向客户递交调查结果
零售跟踪调查的数据的用途
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?


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


销售量/销售额数据解读案例二 季节性分析
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
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?

平均价格数据解读案例（2）
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
数值型和权重型缺货分布率

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


- 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?

数值/加权铺货率应用案例（1）

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.

缺货率应用案例
缺货率应用案例

问题 :
在销售我的产品的商店里我的市场份额如何?
我们市场份额的变动是受铺货率还是单点销量的影响？
通过单点销售份额，可以向零售商显示我们品牌在这个销售领域的强度。
什么是我潜在的市场份额?
方法 :
品牌或SKU的市场份额除以当前的加权铺货率再乘以100。

例如:
SKU 1 DJ FM AM JJ AS ON
加权铺货率 90 85 80 80 80 80
市场份额 3.5 3.2 3.0 3.2 3.5 4.0
单点销售 3.9 3.8 3.8 4.0 4.4 5.0
单点销售份额分析案例

SIH是有一个有效的指数, 但他不应单独使用，应把铺货率
水平相应的不同品牌或SKU比较。
在解释这些结果时应小心，因为并不能保证最新增长的铺货
率有一个相似的销售率。
提高铺货率需要有额外成本，但考虑该因素时，应权衡随之
产生的利润增长。
在品牌的销售过程周期早期得以实现铺货率主要是在较大规
模的商店,当铺货率延伸至较小规模的商店,将表现为SIH下
降。

问题 :
如果铺货率的差距减小，品牌可产生多少的销售量?
方法 :
计算SKU的单点销售能力 (销售/ 铺货率).
测定潜在的铺货率 (品牌铺货率– SKU 铺货率)。
将单点销售量乘以潜在铺货率。


问题 :
什么是单点销售单品数?
单点销售平均品牌数是增加，减少还是保持稳定?
与竞争对手相比，我们的单点销售单品数处于什么样的水平?
我们最近推出新的SKU是否能增加我们的单品数量?
方法:
把单个SKU的数值铺货率相加并除以此品牌的数值铺货率。

例如 :
数值铺货率
品牌 A
- SKU 1 35%
- SKU 2 45%
- SKU 3 50%
- SKU 4 65%
品牌 A 总体 65%
平均 = (35+45+50+65) / 65 = 3.0

解释 :
销售品牌 A的SKU单点销售品牌数是3.



问题 :
我的零售库存是否充分?
我如何与竞争对手进行比较?
方法 :
库存份额除以销售份额然后乘以100 。例如 :
库存份额 % 销售份额 % 比例
SKU 1 5.0 7.5 67
SKU 2 5.0 5.0 100
SKU 3 5.0 3.5 143

解释:
SKU 2 的库存份额和销售份额一致，因此指数为100。
SKU 1 表现出相对地库存不足, 同时 SKU3的库存过剩。


值得注意的几点 :

当店面库存与销售份额的比率低于100时，要考虑增加货架陈列。

当销售较快的品牌或主要销售品牌库存周转速度较高，可能导致库存低于销售份额。但是当比率远低于100时，可能会导致缺货情况出现的危险，从而产生销售损失的结果。.


进入Personal Advisor界面 直接点击WSV文件,或找到WSV文件所在路径 我们会看到下面的界面
打开File,Report Book,Report
菜单及工具栏
工具栏按健功能介绍
翻页阅览
在Table状态下可任意改变4个Dimension位置
在Table状态下Page Bar可变为1个和2个
在Table状态下Page Bar2个变为1个 (实例)
改变Panel类型
在Chart中选择 需显示的数据项
在Chart中选择 显示和隐藏数据
Table中改变字体及背景颜色
Table中调整行宽及列宽

数据输出--Generate 步骤1
数据输出--Generate 步骤2
数据输出--Generate 步骤3
数据输出--Generate 步骤4
数据输出--Generate 步骤5
数据输出--Generate 完成
数据输出--Export Panel 步骤1
数据输出--Export Panel 步骤2
数据输出--Export Panel 步骤3

打印



AC尼尔森零售研究培训