最新推荐服装营销数据的报表格模板分析Word版26pWord文档格式.docx
《最新推荐服装营销数据的报表格模板分析Word版26pWord文档格式.docx》由会员分享，可在线阅读，更多相关《最新推荐服装营销数据的报表格模板分析Word版26pWord文档格式.docx（21页珍藏版）》请在冰豆网上搜索。
6）问卷标识包括：
年份、地区、问卷编号，用于年度、地区对比分析。
根据以上调查目的，设计的调查问卷见第一章表1-2所示。
本案例提供的分析数据库的名称为“服装市场调查数据库sav”，数据库中给出了两年的调查数据样本。
调查问卷的变量编码见第一章表1-3所示。
1、市场份额的分析
对该问题的分析涉及到问卷中的第4个问题，由于调查问卷给出的数据是分组数据，为了估计平均消费金额，需要使用数据重编码功能，将分组答案代码转化，生成新的、用消费金额表示的变量，这样才可使用分组汇总功能来计算不同地区的平均消费金额。
在分组代码转化时，每组取中间值，两头取临界值。
为了描述方便，下面给出了该分析过程的Spss语法（操作过程见前面有关章节，以下相同），如表7-1（a）所示。
生成的分析结果包括分年度、分地区的年均消费情况，如表7-1（b）所示。
从该表可以得到休闲服、其他服装近两年来不同地区的平均消费额、消费次数，根据这些数据可进行市场份额分析、市场份额的地区对比分析、市场份额的两年来的变化对比分析。
表7-1（a）市场份额分析语法
语法
过程说明
RECODE
q4_1_1
（1=1000）（2=1250）（3=2000）（4=2500）INTOqq411.
VARIABLELABELSqq411'
休闲服年均消费额'
.
EXECUTE.
q4_1_2
（1=500）（2=750）（3=1500）（4=2000）INTOqq412.
VARIABLELABELSqq412'
其他服装年均消费额'
数据重编码
SUMMARIZE
/TABLES=qq411qq412q4_2_1q4_2_2BYyearBYdqbh
/FORMAT=NOLISTTOTAL
/TITLE='
CaseSummaries'
/MISSING=VARIABLE
/CELLS=MEAN.
数据分组汇总
说明：
如果将这些语法复制到SPSS的语法窗口中，并打开相应的分析数据库，可执行并得到分析结果，以下相同。
2、品牌倾向分析
对该问题的分析涉及到问卷中的第1、6二个问题，这第1题是一个排序题，使用频数分析，第6题是一个复合题，采用综述计算。
分析思路如下：
第1题：
采用平行变量频数表的方法，统计第一喜欢品牌、第二喜欢品牌、第三喜欢品牌的分年度分地区的心理份额即频率，然后将这些数据复制到Excel中，按0.5、0.3、0.2的权重，计算各个品牌分年度、分地区的品牌综合心理份额（Excel计算过程在此不述）。
该分析过程的Spss语法如表7-2（a）所示，执行结果包括各品牌分年度分地区的心理份额，如表7-2（b）所示。
从该表可以得到各个品牌近两年来不同地区的心理份额，根据这些数据可进行品牌心理份额的地区对比分析、年度变化对比分析及竞争对比分析。
表7-2（a）品牌倾向分析
*TableofFrequencies.
TABLES
/FTOTAL$t'
Total'
/FORMATBLANKMISSING（'
.'
）/TABLES
（year>
dqbh）>
（q1_1+q1_2+q1_3）BY
（LABELS）>
（STATISTICS）+$t
/STATISTICS
CPCT（（PCT7.1）'
%'
:
yeardqbh）
表7-2（b）品牌心理份额分析结果'
调用平行变量频数表功能。
第6题：
采用多变量交叉分组报表的方法，统计各个品牌分年度、分地区的满意度评分的平均值。
该分析过程的Spss语法如表7-2（c）所示，执行结果包括各品牌分年度分地区的品牌满意度，如表7-2（d）所示。
从该表可以得到各个品牌近两年来不同地区的品牌满意度，根据这些数据可进行品牌满意度的地区对比分析、年度变化对比分析及竞争对比分析。
表7-2（c）品牌倾向分析
*BasicTables.
）
/OBSERVATIONq6_1q6_2q6_3q6_4q6_5q6_6
/TABLESyear>
（q6_1+q6_2+q6_3+q6_4+q6_5+q6_6）
BYdqbh>
（STATISTICS）
mean（）
表7-2（d）品牌满意度分析结果'
按年份地区交叉分组汇总
3、选购因素分析
对该问题的分析涉及到问卷中的第2个问题，这个问题有三个频数变量。
其分析思路与品牌心理份额的统计分析相似，可计算选购因素综合份额进行分析。
下面给出了该分析过程的Spss语法，如表7-3（a）所示。
生成的分析结果包括分年度、分地区频数表，如表7-3（b）所示。
从该表可以得到消费者近两年来不同地区的选购因素份额，根据这些数据可进行选购因素心理份额的地区对比分析、年度变化对比分析。
表7-3（a）选购因素分析
（q2_1+q2_2+q2_3）BY
表7-3（b）选购因素分析结果'
如果以该问题的10个答案对消费者进行分类，但答案不计较顺序，可形成C103=120类消费者，而实际上并没有这么多，如果用这三个变量计算出一个新的变量并代表实际组合，并对该变量进行频数统计，发现有大约20类消费者类型占了全部消费者的80%，应该说这20类消费者是重点的研究对象，20-80原则在这里充分体现。
该分析过程的语法如表7-3（c）所示，由于分析结果较长，在此不在列出。
表7-3（c）选购因素组合分析
COMPUTEqq2=max（q2_1,q2_2,q2_3）*100+（sum（q2_1,q2_2,q2_3）-max（q2_1,q2_2,q2_3）-
min（q2_1,q2_2,q2_3））*10+min（q2_1,q2_2,q2_3）.
VARIABLELABELSqq2'
选购因素组合'
SORTCASESBYyeardqbh.
SPLITFILE
SEPARATEBYyeardqbh.
FREQUENCIES
VARIABLES=qq2
/FORMAT=DFREQ
/ORDER=ANALYSIS.
OFF.
计算由三个变量形成的选购因素组合变量
按年、地区切分文件
生成分年度、地区的选购因素变量的频数表。
4、购买习惯分析
对该问题的分析涉及到问卷中的第3、5两个问题，这两个问题均为频数变量，但第5个问题为多选题。
下面给出了该分析过程的Spss语法，如表7-4（a）所示。
生成的分析结果包括分年度、分地区的贵宾卡持有率，如表7-4（b）所示，分年度、分地区的消费者选购地点的频数表，如表7-4（c）所示。
表7-4（a）购买习惯分析
*MultipleResponseTables.
'
）/MDGROUP$qqq5_1q5_2q5_3q5_4q5_5q5_6
（1）
/GBASE=CASES
/TABLE=$qqBYyear>
dqbh
cpct（$qq（F6.1）'
Column%'
/TITLE'
表7-4（b）贵宾卡持有情况分析结果'
按年及地区统计贵宾卡的持有情况。
CROSSTABS
/TABLES=q3BYdqbhBYyear
/FORMAT=AVALUETABLES
/CELLS=COLUMN.
多变量交叉频数表。
表7-4（c）购买地点统计分析结果
5、样本特征数据
对该问题的分析涉及到问卷中的第7、8、9三个个人资料问题，这些问题对应的变量均为频数变量，一方面可用来了解样本的特征，与目标顾客特征进行比较，判断样本数据所代表的消费者是否反映了目标市场的消费群体。
另一方面，它可作为分组变量，来考察不同组在各个调查问题中是否存在差异，这种差异是否需要在营销中采取差别化的策略。
下面给出了样本特征分析的Spss语法，如表7-5（a）所示。
生成的分析结果包括分年度、分地区的频数表，如表7-5（b）所示。
表7-5（a）样本特征数据分析
/TABLES=q7BYq9BYq8
表7-5（b）样本特征数据分析结果
上面给出了5个方面的分析思路，每方面都有两年及不同地区的对比数据。
在实际分析中，如果不需要分年度或分地区，上述分析结果就会简化，如果需要更多的信息，还可根据分析的目的，用原始数据中的变量设计出一些新的、中间分析变量（如上面提到的选购因素组合）。
在对数据结果进行解释时，一方面要能清楚地描述目前市场的情况，指出现在市场的一些特征，另一方面也要注意进行比较分析，包括时间上的对比，分地区的对比，以此获得更多有用的信息，为后面的调查结论或建议提供依据。
根据上面给出的分析思路，可以得到很多预期的分析结果或调查结果，最后要以报告的形式将这些结果反映出来。
一份市场调查分析报告应包括以下三个部分：
1、市场调查概况
简明扼要地介绍市场调查的目的，调查任务的承担组织、调查的组织工作（如调研程序、调查线路、工作量分配等）、调查人员的构成及调查时间。
2、调查结论和建议
这是市场调查最重要的成果，调查结论应能涵盖调查过程重要的发现，对于一些无意义的调查结果不必考虑，调查建议则是根据调查中发现的问题或规律提出的建设性意见。
3、调查结果
调查结果是按照调查问卷的结果或调查目的，采用平铺直叙的方法，将调查的结果展现出来，也包括一些扩展的分析：
如相关分析等。
第二节服装销售数据综述分析
对销售数据的综述分析有两个基本的目的，一是将销售现状用综述表的形式表达出来，让经营者了解销售业绩或计划的完成情况，同时通过历史对比、竞争对比、地区对比等比较分析方法，分析销售过程中的优势和差距，以便采取管理措施。
二是应用相关分析的方法，研究目标市场中营销参数的常模及其变化，从而为制定营销方案提供依据。
建立全面、有效的销售数据库是进行销售数据分析的前提。
服装企业的销售数据库的结构，应根据分析的需要和企业的经营实力来定。
数据库越复杂，分析的信息量越大，但原始数据的收集成本就越高，对数据维护与管理的要求也越高。
本案例分析提供的数据库名称为“明细销售数据库.sav”，数据库中的变量结构如表7-6，共有9个变量，分别记录了每笔销售金额所对应的销售地区、店铺、日期、品种特征、销售额、颜色、尺码、性别等销售特征参数，这些特征参数用来描述市场销售特征，在后面的数据分析中将发挥重要作用。
表7-6销售数据库变量清单
变量代码
变量名称标签
order
流水号
sale
销售额
地区
ncolor
颜色
nstore
店号
size
尺码
date
销售日期
sex
性别
product
产品货号
销售汇总报表是指企业管理层出于了解整体市场销售情况及计划完成情况，制定管理措施的需要而编制的销售汇总报表，按照时间的长度分为年报、月报、日报，按照销售额汇总使用的分类变量不同，分为地区报表、店铺报表、产品报表、款式报表、颜色报表、尺码报表等。
通过这些报表的分析，有助于管理层了解销售计划完成情况及市场构成特征与变化，制定相应的管理措施和营销措施。
1、地区报表
地区报表的作用是及时了解不同地区的销售情况及销售计划的执行或完成情况，以便制定相应的促销措施或调整地区销售计划。
地区报表也是企业划分重点销售区或非重点销售，制定有区别的销售战略的主要依据。
地区报表有以下三种形式：
1）地区销售年报。
主要是汇总各地区年度销售额，以此了解各地区的年度销售计划完成情况，同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力。
2）地区销售月报。
主要是汇总各地区每月销售额，以此了解各地区的每月销售计划完成情况，同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力。
3）地区销售日报。
主要是汇总各地区每日销售额，以此了解各地区的每日销售情况，同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力。
要利用原始销售数据库编制以上各类报表，需要指定以下几个参数：
一是汇总变量：
销售额或销售量。
二是分类汇总采用的分类标志：
地区分类标志。
三是汇总时段：
指定汇总的年、月、日。
在SPSS中，以上几个参数的指定通过以下指令完成：
首先用数据筛选功能，选出符合指定年、月、日的销售数据；
其次，应用数据综述统计功能，指定汇总变量和汇总地区分类变量，选择输出汇总统计指标。
下面给出了利用本案例数据库生成以上各种报表的语法（具体操作见前面有关章节，以下相同），如表7-7（a），执行这些语法，生成三张不同时段的分地区的销售汇总报表，如表7-7（b）、7-7（c）、7-7（d）。
表7-7（a）地区销售报表分析
USEALL.
COMPUTEfilter_$=（XDATE.YEAR（date）=2001）.
VARIABLELABELfilter_$'
XDATE.YEAR（date）=2001（FILTER）'
VALUELABELSfilter_$0'
NotSelected'
1'
Selected'
FORMATfilter_$（f1.0）.
FILTERBYfilter_$.
/TABLES=saleBYdqbh
表7-7（b）2001年销售汇总表'
/CELLS=SUMSPCT.
FILTEROFF.
指定年报统计年份为：
2001年
按地区对销售额分组汇总，并计算不同地区的销售比重。
COMPUTEfilter_$=（XDATE.MONTH（date）=12）.
XDATE.MONTH（date）=12（FILTER）'
表7-7（c）12月销售汇总表'
指定月报统计的年、月为：
2001年12月
COMPUTEfilter_$=（date=DATE.DMY（27,12,2001））.
date=DATE.DMY（27,12,2001）（FILTER）'
表7-7（d）12月27日销售汇总表'
指定日报统计的年、月、日为：
2001年12月27日
2、店铺报表
店铺的报表也可按照年、月、日不同时段分别汇总，旨在了解各个店铺在不同时段的销售情况，以便及时了解各店铺销售变动，对各个店铺的销售业绩进行评价。
要利用原始销售数据库编制店铺销售报表，同样需要指定以下几个参数：
店铺分类标志。
显然店铺报表不同时段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变量“dqbh”改为店铺变量“nstore”即可（用编辑中的替换功能可将上面的语法变为生成店铺报表的语法），该过程的语汇不再列示。
执行这些语法，生成三张不同时段的分店铺的销售汇总报表，如表7-8（a）、7-8（b）、7-8（c）。
3、产品分类报表
产品分类报表可按照年、月、日不同时段分别汇总，旨在了解各个产品在不同时段的销售情况，以便及时了解各产品销售变动，对各个产品的市场销路变化进行评价，以便对不同的产品进行存货决策或促销决策。
要利用原始销售数据库编制产品分类销售报表，需要指定以下几个参数：
产品编码标志。
显然产品分类不同时段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变量改为产品编码变量即可。
执行这些语法，生成三张不同时段的分产品类别的销售汇总报表，如表7-9（a）、7-9（b）、7-9（c）。
4、款式报表
款式报表可按照年、月、日不同时段分别汇总，旨在了解各个款式在不同时段的销售情况，以便及时了解各款式销售变动，对各个款式的市场销路变化进行评价，以便对不同的款式进行存货决策或促销决策。
要利用原始销售数据库编制款式销售报表，需要指定以下几个参数：
款式分类标志。
显然款式不同时段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变量改为款式变量即可。
执行这些语法，生成三张不同时段的分产品类别的销售汇总报表，如表7-10（a）、7-10（b）、7-10（c）。
5、颜色报表
颜色报表可按照年、月、日不同时段分别汇总，旨在了解各个颜色在不同时段的销售情况，以便及时了解各颜色销售变动，对各个颜色的市场销路变化进行评价，以便对不同的颜色进行存货决策或促销决策。
要利用原始销售数据库编制颜色销售报表，需要指定以下几个参数：
颜色分类标志。
显然颜色不同时段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变量改为颜色变量即可。
执行这些语法，生成三张不同时段的分颜色的销售汇总报表，如表7-11（a）、7-11（b）、7-11（c）。
6、尺码报表
尺码报表可按照年、月、日不同时段分别汇总，旨在了解各个尺码在不同时段的销售情况，以便及时了解各尺码销售变动，对各个尺码的市场销路变化进行评价，以便对不同的尺码进行存货决策或促销决策。
要利用原始销售数据库编制尺码销售报表，需要指定以下几个参数：
尺码分类标志。
显然尺码不同时段的报表与地区报表的生成方法完全相同，只是将汇总分组变量改为尺码变量即可。
实际上，对尺码数据的分析，时段可长一些，如按月、季进行分析。
执行这些语法，生成三张不同时段的分尺码的销售汇总报表，如表7-12（a）、7-12（b）、7-12（c）。
服装销售分类报表是指企业管理层出于了解各个细分市场特征及其差异性，以便制定差异化营销方案的需要而编制的一定时期的（通常用一年、一个季度或一个月）差异性分析分类报表。
进行市场差异化分析首先必须选择合理的市场细分标准及描述这些细分析市场的特征参数，然后比较不同子市场在这些特征参数方面的差异，并给出相应的营销建议。
比较常用的确定市场细分参数包括地区、性别、款式、颜色、尺码、销售时段（如季、月、星期等）、气候、店铺面积、开店时间等，下面主要是针对不同地区在款式、颜色、尺码方面的差异、不同颜色在尺码分布方面的差异而编制的市场差异性分析报表
1、按地区款式分类的销售报表及差异性分析
该类销售报表是按照年或月汇总对销售额按地区、款式两个分类指标交叉分类汇总，旨在了解不同地区在款式销售方面的差异，为企业对不同地区的款式差异性配货提供依据。
要利用原始销售数据库编制地区款式差异性报表，需要指定以下几个参数：
地区分类标志与款式分类标志。
指定汇总的年或月。
下面给出了利用本案例数据库进行地区款式差异性分析的语法，如表7-13（a）。
执行这些语法生成一张地区款式销售差异报表，如表7-13（b）所示。
该报表给出了不同款式、不同地区横向与纵向对比数据。
根据这些数据，可以分析同一地区不同款式的销售比重及同一品种在不同
升级会员 