我们的商品画像

关于人货场的一些内容：
我们的用户画像
我们的RFM
我们的商品画像

前几天简单整理了一下用户相关的一些东西，还是先说说我们当初的计划吧。

就零售行业来说，主要的就是“人货场”三点，对于我们来说，人就是用户了，广大的消费者，货就是商品，场就是我们的终端，我们有两种场景，一个是货架（智能设备），一个是便利店。所以我们当初是想着先把用户画像、商品画像、货架画像、门店画像先搞完，然后在上层通过知识图谱来进行三者的关联分析。

这三个里面，商品画像看上去简单，但实际上是最复杂的，商品贯穿了整个后台系统，什么采购系统，仓储系统，物流系统，到最后的售卖，涉及到的指标非常非常多。单品管理，我感觉也是属于商品画像的一部分，只是侧重点略有不同。

通过商品画像，我们可以对当前商品有更好的定位和了解，哪些卖得好，哪些利润高，哪些库存高，哪些该进货。

基础信息
商品的基础信息其实非常多，我们系统正常在维护的比较少，只有品类信息，商品编码，是否日配，日否常温，是否冷链，商品状态，是否bom商品，保质期天数，商品负责人，而其他的像我们平时购买还会关注它的一些口味信息，品牌信息，功能信息，是否健康食品，是否季节商品，流行度，热量等等，这些数据系统中都没有，当初有想是不是可以完善下，没有找到什么好的办法，系统中也就几千个SKU，人工处理下其实也还好，只不过没这么干。
还有商品的价格信息，售价、最近1次采购价、移动平均价。
采购场景
这块儿就是整理商品采购相关的指标，比如订货次数、订货金额、订货数量、入库金额、入库数量、欠货次数、欠货金额、欠货数量，从商品来说，主要就是看进销存，这个进就是采购端了。

在采购端，单独看商品的话，主要就是关注它到底订购了多少，周转怎么样（周转更多是在大仓看）。欠货情况主要是用来考察供应商的，是不是频繁欠货，送货完成度怎么样。

仓储场景
这就是那个“存”了，主要关注指标有：总库存数、总库存金额、可用库存数、可用库存金额、不良品区库存、已出库预警数（出库预警时间）、日均出库数、出库满足率、需求数量、缺货数量、预警数量（结合库存和日均出库估算的是否预警）、周转天数。
大仓是存的一部分，接收供应商送来的货，门店场景下，还是有店内库存的，货架场景也有架上库存，这个可以考虑要不要加上一起考虑。
配送场景
商品从供应商送到大仓，再从大仓到门店，这一路走的就是配送了，我们这边考虑的比较简单，只包括的订货和验收场景，指标只看了订货次数、订货门店数、订货数量、验收次数、验收数量，按道理，大仓的出库和门店的验收是一样的，但是可能中途出现破损这种情况。

消费场景
这个就是销了，和其他场景的消费指标都差不多，什么订单数、用户数、销量、GMV、优惠金额、实付金额、成本，这里有一点需要注意的是商品的报废，尤其是日配商品，效期较短的商品，每天都会产生报废，我们可统计报废数量、报废金额。
从商品角度，我们会算一个毛利，一般会使用移动平均价来算；
其他的还有日均销量、人均购买PCS、人均GMV、销售排名、销售占比等。