商品可以到A类门店销售，A、B类商品可以到B类门店销售（A类商品占比下调一些），A、B、C类商品可以到C类门店销售（A、B类商品占比下调一些），这种方法适用于商品众多、门店多且经营的商品因为区域有较大差异的情况，比如服装零售商。

图4-15　门店与商品等级组合法

服装零售行业在用这种方法时，除了按照商品销售等级分类，还可以按照总部订货量等级分类。由于服装产品的加工周期长，往往在季节前需要生产好一部分货量（具体多少取决于供应链的供应周期），总部按照订货量大小，把商品分为A类（货量在品类内占比大于或等于60%）、B类（货量在30%左右）、C类（货量在10%左右）。接着规定门店商品组合的比例，比如订货量大的A类款，所有门店都得配备，剩下部分品类门店可以灵活选择，再如40%的门店可商品可以到A类门店销售，A、B类商品可以到B类门店销售（A类商品占比下调一些），A、B、C类商品可以到C类门店销售（A、B类商品占比下调一些），这种方法适用于商品众多、门店多且经营的商品因为区域有较大差异的情况，比如服装零售商。

图4-15　门店与商品等级组合法

服装零售行业在用这种方法时，除了按照商品销售等级分类，还可以按照总部订货量等级分类。由于服装产品的加工周期长，往往在季节前需要生产好一部分货量（具体多少取决于供应链的供应周期），总部按照订货量大小，把商品分为A类（货量在品类内占比大于或等于60%）、B类（货量在30%左右）、C类（货量在10%左右）。接着规定门店商品组合的比例，比如订货量大的A类款，所有门店都得配备，剩下部分品类门店可以灵活选择，再如40%的门店可以从总部提供的B类、C类商品目录里进行选择。这背后的原理是订货量代表了服装公司内部的设计、商品、销售专家对商品销售的预判，预判销售量大的就多订一点，订得多的自然就需要覆盖更多的门店。

为了发挥规模采购的经济效益，大型连锁超市的总部往往会制定商品清单，对需求量大的头部（比如60%左右）商品进行集中采购，接着下放部分（比如20%左右）权力给区域进行区域性集中采购，剩下的是超市门店可以在当地采购的区域性商品。这样能够做到，大批量的商品有规模优势，小批量当地化的商品本地供应商可以快速响应。当然也有极端的，比如沃尔玛几乎所有商品都集中起来采购，它在全球各地成立了集中采购中心，把全球各地的商品批量地采购进来，然后分发到各个区域、各个门店，但笔者相信，对于生鲜等品类沃尔玛肯定也是门店层面进行采购的，这涉及时效性的问题。

第三种是区域与商品层级组合法，它把门店按照区域分成层级（全国—区域—省—市），把商品分成层级（如大类—肉，中类—猪肉类、牛肉类、鸡肉类，小类—500g、1kg），选择门店的层级和商品的层级进行组合，如图4-16所示。比如选择省和牛肉，那么某个省下面所有的城市的门店都将销售牛肉类下面所有的商品。这种方法便于管理，总部可以从中类甚至大类上将商品与门店所在区域关联，同时不同区域商品负责人也可以依据自己的判断在总部的基础上微调。这种方法在超市或便利店比较常见。

第四种是，对门店进行分组，按照门店分组来关联不同的商品，如表4-7所示。这种方式基于单个商品的角度，适用于聚焦品类零售商，比如咖啡店、手机店、服装专卖店等。以从总部提供的B类、C类商品目录里进行选择。这背后的原理是订货量代表了服装公司内部的设计、商品、销售专家对商品销售的预判，预判销售量大的就多订一点，订得多的自然就需要覆盖更多的门店。

为了发挥规模采购的经济效益，大型连锁超市的总部往往会制定商品清单，对需求量大的头部（比如60%左右）商品进行集中采购，接着下放部分（比如20%左右）权力给区域进行区域性集中采购，剩下的是超市门店可以在当地采购的区域性商品。这样能够做到，大批量的商品有规模优势，小批量当地化的商品本地供应商可以快速响应。当然也有极端的，比如沃尔玛几乎所有商品都集中起来采购，它在全球各地成立了集中采购中心，把全球各地的商品批量地采购进来，然后分发到各个区域、各个门店，但笔者相信，对于生鲜等品类沃尔玛肯定也是门店层面进行采购的，这涉及时效性的问题。

第三种是区域与商品层级组合法，它把门店按照区域分成层级（全国—区域—省—市），把商品分成层级（如大类—肉，中类—猪肉类、牛肉类、鸡肉类，小类—500g、1kg），选择门店的层级和商品的层级进行组合，如图4-16所示。比如选择省和牛肉，那么某个省下面所有的城市的门店都将销售牛肉类下面所有的商品。这种方法便于管理，总部可以从中类甚至大类上将商品与门店所在区域关联，同时不同区域商品负责人也可以依据自己的判断在总部的基础上微调。这种方法在超市或便利店比较常见。

第四种是，对门店进行分组，按照门店分组来关联不同的商品，如表4-7所示。这种方式基于单个商品的角度，适用于聚焦品类零售商，比如咖啡店、手机店、服装专卖店等。图4-16　区域与商品层级组合法

表4-7　按门店分组做组合

我们把线上零售和线下零售做个对比，线上零售所谓的前店千面，本质上是因为门店里陈列的是信息（视频、图文），运用数据和运算能力就能够让每个人登录门店后看到各不相同的商品组合。线下零售门店陈列的是实实在在的商品，如果每个门店都有自己的陈列方式，会导致标准不统一，品牌形象不一致，管理复杂度高。在数字化时代也出现了更高级的方法，比如基于运筹优化的方法。想要把合适图4-16　区域与商品层级组合法

表4-7　按门店分组做组合

我们把线上零售和线下零售做个对比，线上零售所谓的前店千面，本质上是因为门店里陈列的是信息（视频、图文），运用数据和运算能力就能够让每个人登录门店后看到各不相同的商品组合。线下零售门店陈列的是实实在在的商品，如果每个门店都有自己的陈列方式，会导致标准不统一，品牌形象不一致，管理复杂度高。在数字化时代也出现了更高级的方法，比如基于运筹优化的方法。想要把合适的商品放到合适的门店，可以通过数学模型精密地测算单个门店的商品组合应该怎么配置，这样的方法人工很难操作，非常依赖于数据与算法。

有了这么多种方法，具体怎么决定每种商品应该去哪些门店呢？如果是全新的门店，可以参考类似门店的商品组合来进行设定，比如分析门店所处区域、商圈的类型、客流的分布、门店的大小，找到接近的门店然后复制它的商品组合。如果没有可参考的门店，那就先凭借经验来制作一个商品组合结构，再在销售的过程中根据销售的情况逐步调整。

如果是已经在经营的门店，可以通过挖掘销售数据，找到不同门店、不同类型门店销售上的特点，这些特点是指导未来商品组合的重要参数。实践中在门店数量比较多（比如大于20家）的情况下，假如按照单店来做商品组合，在没有技术手段支撑时，想让每个店都有自己独特的商品组合，会带来很高的管理复杂度。比如你不知道门店是否遵守了总部制定的商品组合策略，而要进行督察就非常耗时耗力。实践中就需要对门店进行分类，按照不同分类的门店进行商品组合的设定，这样在同样的门店组合内进行标准化的管理。门店分类也有很多种方式，比如按照门店本身的特性，如面积、营业额、门店的位置（社区店、商圈店、购物中心店等）。

我们以餐饮连锁零售商为例，做门店分类不是为了分类而分类，而是需要根据影响销售的因素来做分类。这时第一件事是分析历史销售数据与门店属性的相关性。可以借助数据挖掘技术来识别销售与门店属性的相关性。一般只需要1～4种影响权重最大的属性，属性太的商品放到合适的门店，可以通过数学模型精密地测算单个门店的商品组合应该怎么配置，这样的方法人工很难操作，非常依赖于数据与算法。

有了这么多种方法，具体怎么决定每种商品应该去哪些门店呢？如果是全新的门店，可以参考类似门店的商品组合来进行设定，比如分析门店所处区域、商圈的类型、客流的分布、门店的大小，找到接近的门店然后复制它的商品组合。如果没有可参考的门店，那就先凭借经验来制作一个商品组合结构，再在销售的过程中根据销售的情况逐步调整。

如果是已经在经营的门店，可以通过挖掘销售数据，找到不同门店、不同类型门店销售上的特点，这些特点是指导未来商品组合的重要参数。实践中在门店数量比较多（比如大于20家）的情况下，假如按照单店来做商品组合，在没有技术手段支撑时，想让每个店都有自己独特的商品组合，会带来很高的管理复杂度。比如你不知道门店是否遵守了总部制定的商品组合策略，而要进行督察就非常耗时耗力。实践中就需要对门店进行分类，按照不同分类的门店进行商品组合的设定，这样在同样的门店组合内进行标准化的管理。门店分类也有很多种方式，比如按照门店本身的特性，如面积、营业额、门店的位置（社区店、商圈店、购物中心店等）。

我们以餐饮连锁零售商为例，做门店分类不是为了分类而分类，而是需要根据影响销售的因素来做分类。这时第一件事是分析历史销售数据与门店属性的相关性。可以借助数据挖掘技术来识别销售与门店属性的相关性。一般只需要1～4种影响权重最大的属性，属性太多也很难有实际的用处，反而干扰计算。该例子中餐饮连锁零售商重要的影响因素包括门店销售面积、门店当地中等收入水平、户外平均温度、平均降雨量，如表4-8所示。

表4-8　餐饮连锁门店属性数据示意

以销售面积、门店当地中等收入水平、户外平均温度为门店分类依据，可以得到如图4-17所示的矩阵。它把门店分成四大类：①代表门店当地中等收入水平低，户外平均温度高，门店销售面积大，且销售额大的门店；②代表门店当地中等收入水平高，户外平均温度高，门店销售面积大，销售额中等的门店；③代表门店当地中等收入水平高，户外平均温度中等，门店销售面积中等，销售额大的门店。④代表门店当地中等收入水平居中，户外平均温度中等，销售面积中等，销售额小的门店。多也很难有实际的用处，反而干扰计算。该例子中餐饮连锁零售商重要的影响因素包括门店销售面积、门店当地中等收入水平、户外平均温度、平均降雨量，如表4-8所示。

表4-8　餐饮连锁门店属性数据示意

以销售面积、门店当地中等收入水平、户外平均温度为门店分类依据，可以得到如图4-17所示的矩阵。它把门店分成四大类：①代表门店当地中等收入水平低，户外平均温度高，门店销售面积大，且销售额大的门店；②代表门店当地中等收入水平高，户外平均温度高，门店销售面积大，销售额中等的门店；③代表门店当地中等收入水平高，户外平均温度中等，门店销售面积中等，销售额大的门店。④代表门店当地中等收入水平居中，户外平均温度中等，销售面积中等，销售额小的门店。