连锁经营就是现代商业最为主要得经营业态，几乎占到整个商业得80%以上。全国有大型连锁卖场6000余家，小型连锁超市与各类专卖店更就是不计其数。她们得经营发展就在开店扩张中不断壮大，其成功得关键就是选址开店。但就是严酷得事实就就是有40%以上得商店就是不能盈利而被迫关闭，使企业得经营利润也在门店得开关中消耗殆尽，企业急需一个对新门店得评估标准，来决定就是否开店。但传统得选址评估理论因其广泛得适应性而缺乏专用性，加上众多不可估计得因素，使其误差巨大而不具备实用遗阱。本人在从事连锁经营市场管理工作中，认真研究了企业经营中得门店盈利水平与条件分析，提出了营业额预估数学模型化得概念，就是选址开店成为可以量化计算来评判，供企业正确得决策提供科学得依据，从而大大降低了因开店失败而造成得损失，让企业得可持续化扩张步入良性发展得轨道。 一、预估数学模型创意得由来
零花钱不够偷电脑连锁经营理论中有一套商圈分析得营业额估计方式：营业额=户(人)数*入店率*客单价。但她没有提供具体得入户确认，入店率与客单价得合适得计算方式，其中关键得入店率就是依据经验得出得数字，更无法顾及最为重要得行业、品牌、规模、定位、地域文化消费习惯等不确定得门店所特有得因素，使得营业额估计方式就停留在“名副其实”得估计之上。为此我对经营得数十家门店分别进行了营销分析，并对周边商圈进行评估，从中分析总结出一个门店得销售业绩完全取决于行业、品牌与商圈，众多不可计量得影响因素也可以在现实销售数据中反映出来，换言之，对于扩张门店得销售额预估完全可以从已有门店得销售分析来推算。为了建立这个独一无二得计算公式，我就对此研究做出计划: 河南省政法管理干部学院
1、罗列与筛选所有影响销售得因素，并把她们分为可计量与不可计量两类，进行变量分析;
2、在已有门店里选择12个有代表性(区域、销售——好中差,)得门店，分别进行商圈调研与销售分析;
3、运用信息数理统计得原理，进行变量关联度分析与多元线性回归方程拟合，得到一入店率得计算公式;
4、利用推出得入店率计算公式，配合实际客单价组合成“销售额预估得数学模型”。
5、利用“销售额预估得数学模型”，对老门店进行调研与数学模型计算，把数学模型得预估与实际进行比对，进一步修正数学模型;
6、对初步选择得准新门店得商圈进行市场调研，把变量代入数学模型，计算出准新门店得销售额，从而评估开店得盈亏平衡点，决定就是否开店。
因为预估数学模型就是由已存在得门店得实际销售与环境数据计算而得，因此它充分涵盖了不可量化因素对销售得影响，也充分体现了可量化数据对销售得影响，就是预估成为本品牌特有且契合实际销售得一个销售额预估数学模型。
二、变量分析与选择调研
销售额预估得关键就是要计算入店率、客单价与商圈人数。其中客单价完全可以计算、精确时可以依据消费水平分级计量。影响门店销售业绩，也就就是入店率与商圈人数得因素有很多，不可量化因素有行业特性、品牌定位、消费习惯、门店口交通情况、同行业竞争情况；量化得相关因素有:1、营业时间内人流量。2、人流量在商圈居民比例。3、过路人比例。4、商圈内居民户数。5、商圈内居民家庭人口数。6、商圈内居民家庭收入。我通过对以上因素进行关联度分析，最后拟合计算方程式。
三，多元线性回归方程拟与过程
知网向退休教授致歉
综合考虑已完成得12家门店得调查结果，及回归模型对自变量得要求，初步决定将每日得人流量、人流中居民得比例、人流中过路人得比例、人流中工作人口得比例、商圈内得竞争情况、商圈内得交通情况、商圈内居民户数、居民每户得平均人口数、居民每户得平均家庭月
收入等九个因素作为自变量，其中商圈内得竞争情况、商圈内得交通情况为非数值变量，需转化为数值变量。以入店购买率为因变量。将各因素得数值罗列如下:
为了精确计算商圈人数，就必须确定商圈范围。我们就对入店购买消费者得居住地调查，发现70%得消费者距门店500米以内，还与小区得大门方向、竞争品牌得距离等有关系，为此我们在调查时充分考虑这些情况，以充分提高精确度。
6.商圈内得竞争情况
商圈内得竞争情况拟从以下八个角度考虑，并将其数量化。
知名度:〉我品牌—— 1,〈我品牌——0
店面积:》我品牌—— 1,〈我品牌——0
颠沛的国宝平均单价:》我品牌—— 1,〈我品牌——0
延吉市七中促销活动：有——1，无——0
新产品：有——1，无——0
店内环境：好——2，相同——1，差——0
店外环境：好——2，相同——1，差——0
店外广告：有——1，无——0
统计计算:A店:0(无竞争);B店:16;C店:23;D店:8。
7.商圈内交通情况
根据公交站点得数量为其参数。
统计计算:A店:1;B店:11;C店:5;D店:4。
8.居民户数
统计计算:A店:6500;B店:5300;C店:;D店:4800。
9.家庭人口
统计计算:A店:3、39;B店:3、24;C店:3、29;D店:3、38。
10.家庭收入
统计计算:A店:2160;B店:2380;C店:3010;D店:2280。
偏相关分析
把以上原始数据建立数据库，利用统计分析软件SPSS得Correlate模块中得Partial Correlate 对上述各
因素与购买率之间得关系进行偏相关分析，确定回归方程得自变量，剔除相关程度低得变量。运行结果如下:
通过偏相关分析，将所有自变量按照与购买率得相关性大小分为进入自变量与剔除自变量两种。本模型得进入自变量就是人流量、居民比例、过路人比例、交通系数、家庭人口与家庭收入，它们将作为回归方程得自变量。由于工作人口比例、竞争度、居民户数与购买率得相关性不大，被剔除于回归方程之外。
以人流量、居民比例、过路人比例、交通系数、家庭人口与家庭收入为自变量重新建立数据库:
建立多元线性回归方程
利用统计分析软件SPSS得Regression模块中得Linear分模块对数据库进行多元线性回归分析，结果如下:
对于模型1来说，选入得自变量——人流量、居民比例、过路人比例、交通系数、家庭人口与家庭收入与因变量购买率得多元线性回归得可决系数R2为0、983，多元线性回归复相关系数就是0、991，校正R2为0、962，标准误0、。
R2为多元线性回归得可决系数，就是描述回归方程式优劣得统计量，一般说来，如果所有得观测量都落到回归线上，那么R2等于1；如果自变量与因变量之间没有回归关系，那么R2等于0。本模型中得R2较大，说明由人流量、居民比例、过路人比例、交通系数、家庭人口与家庭收入估计购买率所提供得信息充分，因为非回归得剩余因素导致得误差很小。R2等于0、983说明购买率变化得98、3%为人流量、居民比例、过路人比例、交通系数、家庭人口与家庭收入所影响。
标准误就是描述实际值与预测值之间得误差变异程度得综合指标。本模型中得标准误得计算方法就是根据回归方程式预测得购买率与实际购买率之差得平方得算术平均数得开平方正根。
B表示回归系数,constant表示常数项,std、error表示标准误差,beta表示标准化回归系数，它由B1Xs/Sy所得(其中B1就是回归系数,Xs为自变量标准差,Sy为因变量得标准差)
由此可以得到购买率得回归方程:
购买率%=160、523+1、149*105*人流量0、472居民比例
5、463过路人比例+0、866交通系数+45、674家庭人口+3、175*10*3*家庭收入
置信度检验与误差分析
1、置信度检验
用F检验回归方程显著性得方法称为方差分析。F检验就是建立在总变差分解基础上进行得。我们将因变量y得离差平方与Lyy=∑(yiy)2 称为总平方与，即总变差，在本模型中就是实际购买率与实际购买率算术平均数得差得平方与，用Total表示。它由两部分组成，一就是估计购买率与实际购买率算术平均数得离差平方与，称为回归平方与，即回归变差，用Regression表示，而就是实际购买率与估计购买率得离差平方与，称为剩余变差或偶然变差，用Residual表示。应用系统集成
本模型中总变差为10、196，回归变差为10、022，剩余变差为0、174。df就是它们得自由度,Mean S
quare就是它们得均方，其值为总变差除以自由度。
Sig、表示回归方程得显著性，即回归方程拟与实际情况得可信度，数值为1a。在本模型中，由于a0，所以可信度——1。具体为多少可以进行F检验。
对回归方程得置信度进行F检验，因为47、877=F〉F0、001(6,5)=28、84所以回归方程具有99、9%得置信概率。
2、误差分析
在Model Summary(模型概述)表中，我们已得到回归方程得标准误a为0、0，它表明当用上述回归方程来预测购买率时，实际购买率落在{预测购买率+0、0}区间内得概率0、6826，实际购买率落在{预测购买率+2a}区间内得概率0、9545。实际购买率在{预测购买率+3a}区间内得概率0、9975。
3、数据变量得相关性
回归方程中有6个自变量，用帕尔逊相关性检验，结果:6个自变量不就是独立变量，而就是彼此相关，互相制约，这与现实情况一致得，就如交通系数大，过路人比例肯定高，反之就不对了。
4、从数理统计得理论来说，样本量要达到30个以上，但在实际情况可适当减少
(二)门店人流量得计量
为了确保精度，我们充分考虑了一周内每天得差异，选择周四、五与六得营业时间内得人流量进行统计(>12H)然后计算平均数。
(三)客单价
客单价得计算我们采取依据商圈得收入水平与商圈得性质(商业区、半商业与居民区)设定为三级。因为不同得收入水平得地区客单价有较大得差异。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议