PNY美商公司之Black Friday 預測需求與分析

Presentation on theme: "PNY美商公司之Black Friday 預測需求與分析"— Presentation transcript:

1 PNY美商公司之Black Friday 預測需求與分析
組員 謝岱高 廖鎔熠 黃雅莉 郭奇龍 2007/12/28

2 大綱 一、案例背景介紹 二、文獻探討 三、研究方法 四、記憶體零售連鎖通路產業分析 五、結論與建議

3 案例介紹 美商必恩威科技股份有限公司PNY 通路遍及歐美的主要零售大賣場、網路購物零售商、郵購與大型經銷商。為提供更全球化/全方位的服務，PNY 於2002年於台灣設立據點，成為PNY集團運籌營運中心，並於2005年正式揮軍亞洲市場，經營亞太地區之所有市場與銷售業務，目前業務涵蓋大中華地區、馬來西亞、韓國、菲律賓、新加坡、印度…等。 全系列記憶體產品。

4 Black Friday 案例介紹 由於這一天是感恩節（11月第4個星期四）後開業的第一天，
同時人們通常由此開始聖誕節大採購，很多商店都會顧客盈門 從而有大額進帳，而傳統上用不同顏色的墨水來記賬，紅色表 示虧損即赤字，黑色表示盈利，所以把這個星期五叫做黑色星 期五，用以表示這一天期待會有盈利；而商店的員工則使用黑 色星期五這一名字來自嘲，表示這一天會忙得要死。而雖然黑 色星期五這一天一般都會是一個大的採購狂潮，但基本還只能 算是一年中銷售額第二或第三高的一天，通常聖誕節前夜或之 前的一個星期六才是最高潮。

5 案例介紹 在黑色星期五這天，絕大多數商店都會清晨五、六點鐘就開門，商家更 會採取提前在感恩節幾天前的報紙上刊登廣告、發放優惠券、對商品大
幅降價等措施來吸引顧客，而很多消費者把這一天看作準備聖誕禮物或 買到便宜貨的黃金時刻，更由於降價商品數量有限，很多熱門商店（如 Wallmart)門前在前一天晚上就會排起長隊。而商店開門的一刻也偶爾會 由於過於擁擠爭搶而釀成踩踏事件。通常依照往例各商家要到最後一刻 才公佈自己的降價商品清單，並把此看作商業秘密，而網路上往往在幾 個星期前就出現了從各個渠道搞到的降價信息，從而引發了一些法律糾 紛。有一些商家（如ToysRus與Best Buy）為了避免黑色帶來的負面意義 與聯想，通常會採用「綠色星期五」的叫法，這裡的綠色指的是美元鈔 票的顏色，此外，一些抗議消費至上主義的團體也特意選擇這一天為不 消費日，來表達對於美國現代物質消費主義的不滿。

6 背景介紹 探討產品:USB隨身碟 市場日趨擴大，因此如何準確預測此市場即成為企業首要的目標。USB隨身碟是一種用NAND快閃記憶體來進行資料儲存的介質，通常使用USB插頭，且其體積極小、重量輕、可熱插拔也可以重複寫入，容量大小因為快閃記憶體目前的密度而被限制，容量越大，則每MB的成本可能因為較貴的的組件而提高。

7 背景介紹 本研究即採用P公司作為案例，而由於資訊產品為季節性之產品，自然而然此類型的消費也具有顯著的季節性，特別是近年來，USB隨身碟的淡旺季的現象有逐漸提升的趨勢，產品的生命週期也越來越短，季節指數的評估也日漸重要，預測季節趨勢的波動更成為了無可避免的要務，採用合適的方法進行預測，才能夠幫助達成目的。 此研究的主要目的在於如何能在Black Friday時，能夠準確的預估其銷售量，以利鋪貨和出貨的數量評估，而不至於出貨數量太少或太多。因為前者狀況發生將導致公司利潤無法最大化，沒有有效利用現有的資源；後者則造成存貨堆積，而使資金積壓，存貨成本上升，無法達成最合理的產出，因此必須極力避免這兩種情形發生，因此，適當的評估出貨數量，以及進行有效且合理的預測，即為此研究的主要課題。

8 文獻探討 主要回顧「3C 零售連鎖通路」、「顧客關係管理」對產業的重要性，以及瞭解「資料採礦技術」如何建立企業與顧客間良好之互動關係進行三方面探討。所謂「3C」，係指結合消費性電子產品(即家電類產品)、通訊產品(Communication)，與資訊產品(Computer)等三類產品之英文字首字母統稱之。 本章主要用以回顧「3C 零售連鎖通路」、顧客關係管理對產業的重要性，以 及瞭解資料採礦技術如何建立企業與顧客間良好之互動關係進行三方面的探討， 共分成五節：第一節「3C 零售連鎖通路」，包括3C 零售通路的定義與相關研究 文獻回顧；第二節開始至第五節則分別針對資料庫行銷、資料探勘、顧客價值，以及決策樹之主題說明探討之。 而「3C零售通路」是指將3C產品販賣給消費者的零售通路，目前大多採店面型式進行販賣— 「實體通路」，且皆以連鎖經營的方式，以求規模經濟降低成本、增加競爭優勢，且積極透過品牌的塑形，以快速擴大市場佔有率；但由於近年來電子商務臻至成熟，3C產品不單只透過實體通路來銷售，消費者也漸能接受上網— 「虛擬通路」採購3C產品(通常多為資訊與通訊類產品)。近來，在數位化資訊技術倍數發展的帶動下，使得3C產品的發展更為豐富多元。因此，過去以傳統經銷專賣店為主的通路模式，已逐漸轉變為複合式為主的連鎖販售系統；未來的3C產品通路更將朝向複合與傳統專賣並存的方式，強調專業化與品牌化來延展，另外，值得注意的是，隨著電子商務的成熟，實體通路與3C 購物網站的競爭與結合更是值得注目的趨勢。

9 文獻探討 國內3C 零售通路相關研究內容 邱進福 (2003)
游濬遠 對3C流通產業而言，顧客異質性分析的確可以有效協助其顧客分群，並了解每位顧客之屬性，進而提供一完整有效之顧客分群機制。 陳彥芳 (2004) (1)、不同價格促銷的呈現方式對消費者認知價值有正向的影響效果，(2)、商店形象對消費者認知價值有正向的影響效果，(3)、消費者認知價值對消費者購買意願有正向的影響效果，(4)、認知價值對價格促銷活動、商店形象與購買意願具有中介效果。 呂振溢 (1)、3C連鎖店的顧客可以從重視家庭、獨立自主和社群參與等生活型態特質及注重商店印象中的商品完備、人員服務、促銷訊息與位置適宜，來判斷出其較高或較低忠誠度。(2)、較高忠誠度群中的顧客，以31-40歲男性已婚者最多；職業則以從商的受訪者居多；受訪者的教育程度以大學最多，而36.9%受訪者之個人每月所得為40,001－50,000元。(3)、具有「喜歡和家人一起旅遊或購物」的生活型態特質及商店印象重視於「商品貨源充足」與「服務人員能適時處理顧客問題」之顧客，其對這家3C連鎖店的忠誠度較高。(4)、「教育水準」愈高者，其對這家3C連鎖店的忠誠度較高。(5)、「個人每月所得」愈高者，其對這家3C連鎖店的忠誠度較高。

10 文獻探討 國內3C 零售通路相關研究內容 (續) 劉至強 (1996)
在選擇商店購買家電產品時，消費者最重視的前七項屬性為「商品品質好」、「售後服務 好」、「送貨服務好」、「商品標價清楚」、「店員的專業知識豐富」、「店員的服務態度 好」、「商店的聲好」，消費者對資訊來源的重視程度上，不論是哪一個消費群對自身經驗及 習慣，以及親朋好友的介紹都是最為重視 趙盈傑 (1998) 3C連鎖經營的成效，賣場大小並非主要因素，「經營策略」才是重要關鍵，3C 產品雖然生命 週期短，對消費者而言卻是耐久財，業者應加強價值鏈的活動，以提昇顧客滿意度。 蔡振豪 (2001) (1)、國內資訊家電流通業的關鍵成功因素是規模經濟、範疇經濟、庫存管理、店面租金管理、 清晰的定位與品牌聯想，資訊技術的有效應用以及人員質與量的管理。(2)、要用全員經營、全 員分享的方法，來解決資訊家電流通業最不具規模經濟的人員問題，以分享的機制來激勵員工 減少用人並降低代理成本。(3)、家電製造商以電子商務的方式，進行向前整合，資訊家電流通 業者宜儘早因應，以在新的產業價值鏈中，站上一個有利的位置。 李章偉 本篇研究主要以3C流通業者為研究對象，運用統計方法進行資料庫中個別顧客的購買歷史記錄 進行平均購買期間分析、顧客活躍性分析、顧客價值分析、靜態產品關聯性分析，以及動態產品關聯性分析。依據其分析結果來擬定符合其所需的行銷策略。

11 文獻探討 McCorkell(1997)利用RFM 來評估顧客終生價值，所謂RFM 表示近期(Recent)、頻率(Frequency)及金額(Monetary Value)，即顧客最近一次來店的消費行為距今多久、某一預定的時間長度內，顧客消費的頻率／次數、在此時間內，顧客花了多少錢。Kahan(1998)指出RFM行為分析技術，不僅可以用來分析公司的顧客，更可以提供給企業有關顧客的消費資訊。利用這三種變數來作為分析工具來判定每位顧客的價值性，可使企業更有效率的來擬出行銷策略或企業整體策略之發展。因此，本研究將運用RFM 分群模式找出不同顧客價值之客群進行更進一步的顧客分析。

12 研究方法 移動平均法： 歷史資料通常含有某種程度的隨機變動或是雜訊變數(Noise)，使得在資
料中對稱性移動的趨勢減弱。隨機變動乃源於許多很不重要的因素的影 響，但卻無法預測。以理想的情況而言，最好是能夠完全把這些隨機變 動從資料中除去，而只留下真正的變動，諸如需求水準的變動。然而， 實際而言，通常我們無法辨別這兩種變動情形，所以最好的方法就是能 夠過濾隨機變動，而使非隨機變動因素固定不動。因此，微小的變動都 被視為隨機性，且都過濾掉了，平均的技巧就是依此目的而發展出來。

13 研究方法 移動平均法是利用平均的技巧(Averaging techniques)對於時間數列中的某些大變動使之平滑，因為資料中特別高或特別低的觀察值，當組成一平均數時就會彼此抵消一些。移動平均值就是一平均值一直被反覆地修正：當新的觀察值變成可行時，數列中的舊值就被刪除了，由此而保持平均值為最新的。本研究所用之移動平均法為： 1. 二次移動平均法是將簡易移動平均法所得的值，再做第二次的移動平均運算。 2. 加權平均(Weighted average)是期數內的每一個觀察值，給與不同的權數α(權數總 合為1)，最後再求其總合。由於有選擇權數的考慮，它可達到反應出變化的功能。

14 研究方法 季節指數 9月 1月 5月 Black Friday Christmas Eve 淡季 1997 1.645 1.48 1.495
29.23 4.72 0.182 1998 1.587 1.523 1.51 29.73 4.64 0.201 1999 1.723 1.467 1.572 30.23 4.512 0.254 2000 1.698 1.501 1.576 31.25 4.84 0.232 2001 1.712 1.489 1.583 31.73 4.9 0.194 2002 1.756 1.526 1.612 32.64 4.92 0.246 2003 1.69 1.534 1.623 32.32 4.926 0.273 2004 1.705 1.518 1.61 32.75 4.935 0.275 2005 1.71 1.53 1.608 37.12 4.97 0.269 2006 1.745 1.552 1.635 34.01 4.99 0.288

15 研究方法 RFM 分群模式

16 研究方法 資料表 會員基本資料表 交易資料表 會員編號 生日 性別 職業 會員編號 消費日期 消費款項 金額

17 研究方法 RFM 統計資料表(部分資料) 會員編號 最近一次購買( R ) 購買次數 ( F ) 金額( m ) 購買數量(Q)
1 6 7 5353 11 487 2 11469 1912 3 978 4 1930 5 9 6617 8 827

18 研究方法 1. 最近購買日 (Recency) 最近購買日 次數（人數） 次數百分比 累積次數百分比
最近購買日 次數（人數） 次數百分比 累積次數百分比 1（1 月） 2（2 月） 3（3 月） 4（4 月） 5（5 月） 6（6 月） 7（7 月） 8（8 月） 9（9 月） 合計 －

19 研究方法 最近購買日分佈圖

20 2. 購買頻率次數分配表 (Frequency)
研究方法 2. 購買頻率次數分配表 (Frequency) 購買頻率 次數（人數） 次數百分比 累積次數百分比 1 2643 2 927 3 446 4 226 5 147 6 96 7 71 8以上 271 100 合計 4827

21 研究方法 購買頻率分佈圖

22 研究方法 3. 平均購買金額次數分配表(Money) 平均購買金額(元) 次數（人數） 次數百分比 累積次數百分比 0~500 1489
30.8 500~1000 1068 22.1 52.9 1000~1500 649 13.4 66.3 1500~2000 520 10.7 77 2000~2500 273 5.65 82.65 2500~3000 245 5.07 87.72 3000~3500 120 2.48 90.2 3500 以上 463 9.59 100 合計 4827

23 研究方法 平均購買金額分佈圖

24 研究方法 RFM 指標給分標準

25 研究方法 RFM 指標換算表 會員編號 最近購買日( R ) 購買次數( F ) 平均金額M(m/Q) R*2 (權數) F*10 M*5
19 7 0.4 38 70 2 110 15 1 5.8 30 10 29 69 14 28 5 43 48 4 20 58 0.8 40 64 17 3 34 59

26 研究方法 RFM 總積分分佈圖

27 Market Share – Month of September
產業分析 Market Share – Month of September USB Unit Share - Sept #2

28 USB Unit Share – YTD Sept 2007 Flash Drive Overview – YTD Sept 2007
產業分析 USB Unit Share – YTD Sept 2007 Observations PNY holds the #3 share position YTD 1GB represents the largest segment within the category with 39% of the unit sell-thru 2GB represents 32% of YTD sell-thru Flash Drive Overview – YTD Sept 2007

29 產業分析 推估Black Friday需求 平均每月每家68520支出貨量，因此2280.4支/天 (每家)，再乘以推估2007 Black Friday當天季節指數35.7(2007)，得到81540支/天 產品型號 七月(%) 八月(%) 九月(%) 平均(%) Black Friday (支) 256MB 17 18.5 20 512MB 33 24 35 1GB 30 37 33.1 2GB 16 19 8 4GB 3 1 2 8GB 0.5 1.9

30 結論與建議 使用此預測方法和顧客關係管理的概念，可以較準確的了解到顧客的需求以及各地方之間風土民情的差異，使得P公司在出貨，甚至往前推展到製造、控管原料等流程上也都有正面的影響，因此加強預測的數字是很有其效益的。 未來可能有更好的應用方式可以去深入探討研究，以追求企業利潤最大化，並且降低整體成本，使得企業更具有競爭力。 企業爲建立與顧客間的關係，可以利用這些資料，搭配IT分析顧客之相關資料與資訊，藉由整合各種與顧客互動的管道與媒介，提升其忠誠度、留住率與獲利率的一種經營模式。 預測的使用，跟績效的實際表現的差距，會影響決策者的判斷，因此提供合理的資料和訊息給上位決策者，為一重要的要務。

31 報告完畢 Thank you !!!