如何预估营业额

1、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8 0 %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汁苴数。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，来决左就是否开店。但传统得选址评估理论因英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

2、是选址开店成为可以量化汁算来评判，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。a、预估 数学模型创意得由来a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、垃位、 地域文化消费习惯等不确立得门店所特有得因素，使得营业额估计方式就停留在"名副英实” 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 分析总结岀一个门

3、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岀来,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il划：3、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上、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 得计算公式严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"。

4、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，耙变量代入数学模型,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讣算而得，因此它充分涵盖了 不可量化因素对销售得影响，也充分体现了可呈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

5、平分级il鱼、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，不可疑化因素有行业特性、品牌左位、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。上三，多元线性回归方程拟与过程亠（一）列举影响购买率因素亠综合考虑已完成得12家门店得 调査结果，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

6、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 为因变疑、将各因素得数值罗列如下亠为了精确讣算商圈人数，就必须确立商圈范羽。我们就 对入店购买消费者得居住地调査，发现70%得消费舌距门店500米以内，还与小区得大门方 向、竞争品牌得距离等有关系，为此我们在调査时充分考虑这些情况,以充分提高精确度。A店口B店a |c店QD店口周四0.74494502. 0086351. 9290833. 315090慣|土0.70416702. 409038”. 2997033.618

7、699周犬0.57178592. 0384292. 0631192.5383301.入店购买率灯这里选择4组差异大的数据作展示。*2. 每日流动人口人）aA店q B店卩海0店周四1127610654108866395阔土12071120389436“7102阖六1119311970979258703. 人流中居民的比例。A店卩B店“C店心D店周四1127610654108866395阖五12071120389436®7102阔六1119311970979258704. 过路人比例壇A店QB店aC店心D店*周四1177610654108866395阖五12071120389436

8、74;7102阖六1119311970979258705. 人流中工作人口比例“A店QB店QC店QD店周四117W10654108866395阖五12071120389436a7102阖六111931197097925870丄6商圈内得竞争情况A商圈内得竞争情况拟从以下八个角度考虑，并将其数量化。a知名度: 我品牌1,我品牌-0店面积:我品牌一-1,我品牌-0平均单价:我品牌一-2,我品牌一一3促销活动:有一一1/-0新产品:W1,无一一0上店内环境:好一-2,相同一一1,差-3店外环境:好一-2,相同一一1,差 O店外广告:有一-1,无0统计计算:A店:0（无竞争）;B店:1 6 ;C店:2

9、3;D店:8。7. 商圈内交通情况根据公交站点得数量为其参数。a统计计算:A店:1;B店:H;C店:5 ；D店:4。8. 居民户数统计计算:A 店:6 5 00; B 店:5300; C 店:;D 店:480 0。9. 家庭人口a统计计算:A店:3。39;B店:3. 2 4; C店:3、2 9;D店:3、38。1 0.家庭收入统计计算:A店:216 0;B店:2 380;C店:301 0 ; D店:2280。a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Part i a 1 Corre 1 at e对上述各 因素与购买率之间得关系进行偏相关分析，

10、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：Variables Entered/Removed（自变量进入与剔除）卩modelVariables enteredVariables removedmethodIp人流量，居民比例，过路人比例交通系数，家庭人口，家庭收入工作人口比例2竞争度，居民户数门enters丄通过偏相关分析，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

11、之外。a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上利用统汁分析软件SPSS得R e gres sion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Model Suinriary （模型慨述）*>ModelR squareAdjusted R SquareStdo Error of the estimate订0. 983p .962卩0.186783870下：.*a对于模型1来说,选入得自变疑一-人流量、居民比例、过路人比例、交通系数、家庭人口与 家庭收入与因变疑购买率得多元线性回归得可决系数R2为0.

12、983,多元线性回归复相关系数 就是0。99 1，校正R2为0、962,标准误0、祁2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0.98 3说明购买率变化得9 8、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。如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

13、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。Coefficients 回归参数QModels题惑憩歸或慫© coefficients Standardized coefficientsbeta-p1 (constant)-160. 523u56.36Jd人流量Q1.14缆-05心0. 00030. 027居民比例屮-0. 4720. 96-0.046a过路人比例“-5. 463心1.486心-0. 550则交通系数屮0. 8咖0.19具3.4134-'家庭人口屮45. 67415.4713.103家庭收入43.157E-03

14、P0.001431.1254»B表示回归系数/Con s t a n t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Bixs/S y所得(其中B1就是回归系数,X s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：购买率二_160、5 2 3+1、1 49* 1 0-5*人流量一 0 ° 472居民比例5亠4 6 3过路人比 例+0、866交通系数+45、674家庭人口+3。17 5 *10*-3#家庭收入置信度检验与误差分析AN0VAF方差分析modelsSum of sauriesdfMean square2sig

15、®1 Regressi on10. 022卩1.67047. 8770. 000Residuals0.1745卩3. 489E-02卩totals10.196 卩11置信度检验口金a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L yy=I(yi- y )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To t al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Regres s ion表示，而就是实际购买率与估计购买率得

16、离差平方与，称为剩余变差或偶然变差，用Res i du a 1表示。亠本模型中总变差为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,Me an Square就是它们得均方戻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l-a»在本模型中，由于a-0,所以 可信度一仁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、8 77=F F0、00 1（6,5）=2 8。84所以回归方程具有9 9。9%得置信概率。门、误差分析Model Summary（模型概述）表中，我们已得到回归方程得标准

17、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. 6 82 6,实际购买率落在预测购买率+2a区间内得概率0。9 545。实际购买率在预测购买率 +-3a区间内得概率0、9 975。必3、数据变量得相关性a回归方程中有6个自变疑，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 肯立髙，反之就不对了。4 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 可适当减少亠（二）门店人流量得计鱼为了确保精度,我们充分考虑了一周内每天得差异，选择 周四、五与六

18、得营业时间内得人流量进行统计（1 2 H）然后计算平均数。（三）客单价亠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）设左为三级。因为不同得收入水平得地区客单价有较大得差异。金四、准门店评估流 程及销售额预估（-）准门店评估流程根据公司发展规划，有门店开发部提供房门店产信息，按"新门店信息评估"进行评分,主要从 以下几个方面：4、门店原来经营项目，经营状况，转让原因。2亠、店而信息:地址、而积、长宽比例、朝向、租金、租期、租金递增率、电力容量等。必3、周边情况:同行业商店、 销售状况、距离、店貌、店牌视觉效果、周边办公楼状况、周边小区状况等。a初评合格后 提交总经理审核,经审核通过得准门店，市场部就开始安排评估调研“有调研公司评估调研所 有6个自变戢一一1、营业时间内人流呈:、2、人流量在商圈居民比例。3