目前的問題

一直以來，企業缺少執行綜合SKU（單品）合理化計劃所需的結構化和詳細的信息�？偟恼f來，各種系統無法擴展，不足以提供準確的SKU、客戶或渠道贏利數據，因此企業不能一直對信息進行系統的驗證。此外，很難獲取到足夠的信息來解釋特定的SKU“如何”及“為何”不能創造利潤。最后，企業不能提供一個監控與評估合理化決策的環境。

除以上問題外，SKU贏利性通�？紤]的是毛利，而沒有考慮到貿易成本、促銷或折扣等。此外，一般的SKU合理化工作也沒有考慮到供應鏈差異。例如，假定我們有兩種SKU，它們具有相同的銷量和毛利。其中一種SKU為特殊訂單，不能通過EDI訂貨，需要專門的倉儲處理，占據很大的貨架空間。而另外一種SKU有全年的貿易安排，完全融入訂單/補貨流程中，經常越庫作業（cross docked），占據貨架空間很少�？紤]到以上所有因素，第一種SKU的贏利性遠遜于第二種SKU。

SKU的合理化對于所有零售企業來說都是一個不斷發生的重要問題。一個簡單的事實是，所有SKU的壽命均超過它們有用處的時間，有些SKU甚至根本就不應該存在。如果將80/20法則運用于零售企業的SKU，這個問題就顯得尤為重要。

                   20％的業務                          20％的業務

•           周轉慢（壓住了資金）

•           銷量低

•           處理費用大

•           退貨率高（次品多、過期等）

•           容易被其他SKU替代

•           品種組合少

如今，SKU的合理化比以前更重要，而且，SKU的合理化不僅僅是減少SKU數量而已。遏制SKU激增是切入點。消除不能創造利潤的SKU，集中改進有利可圖的SKU，這是目標。從考慮單個SKU的贏利性出發，但也要考慮到其他因素的影響，有時候，即使某個SKU不能贏利，也要予以保留。

SKU的合理化有許多種解決方案。咨詢公司紛紛提供店鋪層次、基于品類的SKU贏利性調查報告。問題在于，將單個商店（或商店的一些中心品類）的調查結果運用于整個零售連鎖的決策，這似乎不大可行。從這些調查報告出發，零售企業也許只能對少數幾個品類進行有限的改進。根據地理差異或旗號/業態差異來進行調研似乎很難。這類調研需要做大量、大規模的調查工作，成本非常高昂。此外，調查結果也許只適用于調查所發生的時間和地點。如果將來要進行另外的SKU合理化，又必須進行新的調研，又要花許多錢。

有效的SKU優化顯然也包括了品類管理。必須結合準確可靠的凈到岸成本（net landed cost）來考慮品類的作用。例如，一家零售商發現，按照凈經營利潤（net operating profit）來看，牙膏普遍無利可圖，但是，不能從貨架上撤下牙膏。不過，可以在牙膏品種方面仔細考慮，盡量減少在口味、大小、添加成分等方面的重復，由此使得牙膏這一品類所占的貨架空間盡量減少。此外，還要仔細考慮價格彈性方面的因素，既可以適當提高售價，同時又不會影響到這一品類的周轉率。

關于有效的SKU合理化方面的文章很少，提出解決方案的就更少了。雖然許多BI（商業智能）公司將“SKU合理化”列為其能夠提供的應用之一，但是，他們其實除了提供信息之外什么也沒有做。沒有一家公司提供用來生成信息所需的基礎應用。零售商需要的是一個可擴展的解決方案，能夠根據零售商的具體需要來擴展，適合管理2萬至10萬以上的SKU以及數百家或數千家商店。正確的解決方案應該能夠將各種復雜流程模塊化（包括多個倉庫、合并周轉慢的商品、商品在供應鏈的各種流動途徑、DSD、庫房倉儲和零售貨架存貨成本等等）。理想的解決方案還必須支持準確的采購行為。

必須明確那些組件需要具備可擴展性。數據庫管理系統很容易擴展到足以滿足全球最大的那些零售商的要求。BI（商業智能）工具提供各種可同時支持1000位用戶的架構。但是，我們缺少一個將這些復雜環境進行模塊化的引擎，缺少一個在商店/SKU層面準確及時反映資源耗費情況的引擎。關鍵的可擴展組件應該是：綜合利用海量數據源（會計分類賬、EPP、供應鏈系統、商店POS系統等）的能力。

SKU管理的另一重要方面是，提供一種能夠不斷生成信息的環境。決策必須始終處于監控之下，以實現最大的價值，這意味著，必須能夠一直獲得信息以實現最大的效果。實際上，為了得到一種可持續的解決方案，SKU合理化決策無須等到付出重大代價之后才做出。這些決策可以在品類管理的過程中做出，從而讓零售商能夠更好地避免SKU增生的膨脹/削減循環。最后，零售商能夠不斷地實現SKU最優化而不僅僅是合理化。

SKU最優化是一個持續不斷的循環過程。廠商在不斷地推出新產品。為了滿足消費者多變的需求，產品的持續創新是非常有必要的。但是，零售商必須自己決定利潤率和品類組合。過去，零售商依靠廠商來對品類進行調研，以確定最優的品類/SKU組合。但是，這類調研往往委托給一些調研公司（如Nielsen或IRI）來進行，調研結果往往偏向提出分析請求的廠商。只有個別零售商能根據完整而及時的SKU周轉情況及準確的凈到岸成本來評估商店及全連鎖內每個SKU真正的贏利性。

解決方案

進行品類評估的基礎是品類內各SKU的凈贏利性。許多時候，人們都使用毛利來進行評估，但這種做法忽略了非常重要的供應鏈成本因素，有時候，貿易成本和其他可變成本也會對贏利性產生很大影響。意識到這個問題的企業通常采用某種作業成本法來估計單個SKU的凈到岸成本。問題是，這種做法也只是估計而已。此外，大多數作業成本法均不具備可擴展性，也不適用于大型零售商。結果，SKU的合理化往往在整個連鎖的層面上進行，僅限于那些在整個連鎖有普遍適用意義的SKU，而忽略了地理差異和商店特性。而SKU的合理化必須要更具體一些才行。

此外，這些成本往往根據SKU“承受成本”的能力來分攤，即根據收入來分攤，而這種分攤方法不是很精確。例如，卡夫食品公司的奶酪通心粉都是用整個貨盤輸送到倉庫和商店，經常越庫作業，尺寸統一，而且一年的貿易交易量很大。另外一種商品――椰菜奶酪湯，它不能用貨盤來送，在倉儲和送到商店的時候容易打翻，周轉率很慢，占了商店的庫房，交易量也不是很大。因此，這種湯品每單位的處理成本遠遠高于奶酪通心粉，但這種差別卻可能不能夠被準確地反映出來。

公司需要更為詳細的贏利性測量方案。連鎖企業應能評估每家門店的品類，優化每家門店的商品流動和贏利性，并且確保這些決策不會與全連鎖的發展態勢相沖突。在商店層面上使用凈到岸成本，能夠前所未有地提高準確性，從而提高數據及決策的可信度。

我們舉一個簡單例子來說明成本詳細化的重要性。一家公司將其客戶細分為7個部門，據此評估客戶對公司服務的使用情況。針對這7個部門進行了一段時間的營銷之后，該企業決定按部門來評估他們的客戶。評估結果出來后，幾乎80％的客戶被重新劃分到新的部門！也就是說，他們把營銷投入花在錯誤的客戶身上，傳達了錯誤的信息。詳細成本分析會揭示出完全不同的實際情況。同樣的道理也適用于SKU的合理化。

通過引入極其準確而詳細的新一代測量軟件，零售商能夠以結構化的方式來準確決定SKU的成本和凈利潤，了解品類內每一個SKU的貢獻，評估連鎖、地區、商店或其他層面的產品組合，決定每個品類應包含哪些產品，監控不同業務成分的利潤效果。

準確評估SKU成本及凈利潤的步驟

          細分             分析                執行            監控和測量

第一步：細分

評估過程的第一步就是對SKU進行有效細分，以便將SKU進行正確分類和處理。一般根據銷量、利潤、品類角色和策略來細分。這些細分應適用于品類管理。

對于每種細分標準，均從大到小設定價值范圍。然后構建矩陣，將SKU歸入可識別的組。

銷量

產品銷量大致代表了SKU的受歡迎度與重要程度。如果您已經將自己的SKU歸為A、B、C三類，您可以繼續沿用這種分類。也可構建一個算法規則來執行細分。

SKU根據其占總銷量的百分比來劃分。例如，所有“A類”商品占總銷量的80％，“B類”商品占15％，“C”類商品占5％。

策略

就零售業而言，策略始于商品的品類角色，指該角色范疇內的種種策略。例如，軟飲料的品類角色為“目的地角色（destination role）”，它的兩個策略是既要產生“交易量”又要引來“客流量”。這些品類角色及策略可用于SKU的正確劃分。將這些品類－策略分成“必須有”、“重要”及“可有可無”三組，再據此進行分析。

將SKU按“角色－策略狀況”分組的一種替代方法是使用預測。應該考慮那些還來不及產生銷量的新商品或者對品類形象轉型具有重要作用的新產品，對每一個SKU進行策略分析和預測分析，將預計未來12個月內其需求有極大增長潛力的商品專門劃分為一類。


（聯商）