چیدمان فروشگاه و مدیریت بخش: پلانوگرام و جریان مشتری

سود:

• امکان تحلیل کارایی متر مربع، دمای راهرو و جریان مشتری با پشتیبانی هوش مصنوعی و ارائه پیشنهادات چیدمان
• امکان پیش نویس پلانوگرام، فروش متقابل و منطق خوشه بندی دسته بندی با هوش مصنوعی
• یاپای زکا اونریلیرینین ماغازا گرچگی، گوونلیک و مؤزواتلا (ör. tütün/alkol teşhir kuralları) doğrulanması gerektiğini kavrayabilme.

متر مربع یک فروشگاه به معنای پول است. چه چیزی در آن متر مربع قرار می دهید، چگونه مشتری در اطراف حرکت می کند، کدام محصول در سطح چشم است. همه آنها مستقیماً بر فروش تأثیر می گذارد. هیچ "بهینه سازی ویترین فروشگاه مجازی" در فروشگاه فیزیکی وجود ندارد، اما علم مشابهی وجود دارد: مدیریت دسته و برنامه ریزی راهرو. در این واحد، شما از هوش مصنوعی به عنوان یک تحلیلگر برای ایجاد توصیه های مکان از فروش و داده های میدانی استفاده خواهید کرد. باز هم هشدار حیاتی: هوش مصنوعی طرحی را ارائه می دهد. این وظیفه شماست که با ایمنی، مقررات و ذخیره واقعیت تأیید کنید.

مفاهیم اساسی:

پلانوگرام: Bir reyondaki her ürünün hangi rafta، hangi yükseklikte، kaç yüz (رو به رو) ile duracağını gösteren görsel yerleşim planıdır.

رو به رو: سطح جلویی یک محصول در قفسه. صورت بیشتر به معنای دید بیشتر و جوراب ساق بلند کمتر است.

راندمان متر مربع: گردش مالی/سود ایجاد شده توسط یک بخش یا دسته در هر منطقه ای است که تحت پوشش قرار می دهد. "هر متر مربع از این قفسه در ماه چند لیر تولید می کند؟" پاسخ به سوال است.

دمای بخش (مناطق گرم/سرد): مناطق «گرم» که مشتریان بیشترین بازدید را دارند و مناطق «سرد» که مشتریان کمتر از آن بازدید می‌کنند. منطقه گرم به محصولات با ارزش و منطقه سرد به محصولات ضروری تقسیم می شود که ترافیک ایجاد نمی کنند.

منطق اولیه جریان مشتری

هنگامی که اکثر مشتریان وارد فروشگاه می شوند، به سمت راست می پیچند و اطراف محیط را طی می کنند. بنابراین:

• منطقه ورودی (فشرده سازی): مشتری هنوز وارد "حالت خرید" نشده است. استقبال/کمپین در اینجا قرار داده شده است، نه محصول مهم.
• قفسه سطح چشم: با ارزش ترین فضا. حاشیه بالا یا محصولات هدف در اینجا.
• قفسه های پایین/بالا: کمتر قابل مشاهده است. محصولات قیمت محور یا خاص
• جلو صندوقدار: محصولات کوچک Impulse; در زمان انتظار به سبد خرید اضافه می شود.
• فرآورده های ضروری (شیر، نان): معمولاً در پایین; مشتری وقتی به سمت آنها می رود کل فروشگاه را می بیند.

İpucu: Yapay zekaya mağaza planınızı ve kategori satışlarını verip "hangi kategori sıcak bölgede olmalı, hangisi metrekare verimliliği düşük" diye sorun. اما هر حملی که او توصیه می کند را با اندازه قفسه فیزیکی و امنیت بررسی کنید.

بیع متقابل و مجاورت

وقتی محصولات استفاده شده در کنار هم قرار می گیرند، سبد بزرگتر می شود: ماکارونی – رب گوجه فرنگی، چیپس – نوشابه، قهوه – فیلتر. هوش مصنوعی می تواند اقلام خریداری شده را با هم پیدا کند (تحلیل سبد) و توصیه های محله ای ارائه دهد. این تحلیل سبد بازار نامیده می‌شود: الگوهای «چه کسی این را می‌خرد، آن را می‌خرد» را از ترکیبات محصول روی رسیدها پیدا می‌کند.

ابزار چیدمان

چه می کند

سهم هوش مصنوعی

پلانوگرام

طرح بندی قفسه

پیش نویس رو به رو و پیشنهاد مکان با توجه به فروش

تجزیه و تحلیل سبد

آنچه را که با هم گرفته شده است پیدا می کند

الگوی محله را از داده های دریافت استخراج می کند

بازده متر مربع

سود در هر زمینه را اندازه گیری می کند

راهروهای کم بازده را مشخص می کند

نقشه حرارتی (جریان)

تراکم مشتری را نشان می دهد

نظر و پیشنهاد منطقه گرم/سرد

نظارتی و امنیتی: غیر قابل مذاکره

برخی از قوانین چیدمان برگرفته از قانون هستند و ممکن است هوش مصنوعی آنها را نداند:

• محصولات تنباکو: ویترین/نمایش باز در اکثر کشورها/مکان ها ممنوع است. در کابینت بسته نگهداری می شود.
• الکل: مشروط به ساعات فروش و محدودیت های نمایش.
• محصولات با محدودیت سنی: در مکان های قابل دسترس برای کودکان قرار ندهید.
• ایمنی مواد غذایی: محصولات زنجیره سرد در خارج از کابینت قرار نمی گیرند و محصولات سنگین در قفسه های بلند قرار نمی گیرند (خطر افتادن).
• حریق/تخلیه: عرض راهرو و خروجی های اضطراری باید آزاد باشند.

توجه: حتی اگر توصیه هوش مصنوعی مبنی بر "قرار دادن این محصول در ورودی، در سطح چشم" منطقی باشد، در صورت مخالفت با قانون، قابل اجرا نیست. هر پلانوگرام را با قوانین محلی فیلتر کنید.

تجزیه و تحلیل طرح گام به گام

1. جمع آوری داده ها: فروش رده/SKU، طول قفسه اشغال شده، حاشیه، ارتباطات سبد خرید، نقشه فروشگاه.
2. محاسبه کارایی: کدام دسته با توجه به رشته خود سود کمتری تولید می کند؟
3. دریافت توصیه های محله: فرصت های فروش متقابل از تجزیه و تحلیل سبد خرید.
4. ایجاد پیش نویس پلانوگرام: منطقه داغ، سطح چشم، پیشنهادات روبرو.
5. فیلتر و اعمال: با قوانین، امنیت، واقعیت فیزیکی و تجربه مشتری تأیید کنید، با تیم فروشگاه درخواست دهید.

موارد کوچک

مورد 1 - کارایی متر مربع: در یک فروشگاه مواد غذایی، بخش اغذیه فروشی 12٪ از منطقه فروش را اشغال می کند اما تنها 5٪ از گردش مالی را ایجاد می کند. هوش مصنوعی این را در تجزیه و تحلیل کارایی خود نشان می دهد. راهرو به 8 درصد باریک شده و تنقلات پر حاشیه وارد فضای گرم خالی می شود. راندمان طبقه بندی متر مربع در سه ماه 22 درصد افزایش می یابد. فروش اغذیه فروشی ها با وجود انقباض تقریبا ثابت است.

مورد 2 - محله فروش متقابل: یک فروشگاه DIY در تجزیه و تحلیل سبد خود متوجه می شود که 38٪ از کسانی که مته خریده اند نیز مته را در یک رسید خریداری کرده اند، اما این دو محصول در راهروهای متفاوتی هستند. هوش مصنوعی با پیشنهاد محله، بیت ها را در کنار مته قرار می دهد. فروش Nib در 6 هفته 27 درصد افزایش یافت. گردش مالی اضافی دائمی می شود.

مورد 3 - قانون فیلتر را نجات می دهد: یک فروشگاه مواد غذایی به هوش مصنوعی می گوید "سودآورترین محصولات را در ورودی، در سطح چشم قرار دهید." سیگار نیز در لیست توصیه ها ظاهر می شود. شخص مسئول این را در فیلتر قانونی می گیرد و آن را از پیشنهاد حذف می کند. از نقض ممنوعیت نمایش باز و مجازات آن جلوگیری می شود.

اعلان ضعیف / اعلان قوی

اعلان ضعیف:

چگونه باید فروشگاه خود را سازماندهی کنم؟

بدون داده، بدون طرح و بدون محدودیت. به نظر می رسد یک کلیشه رایج است.

اعلان قدرتمند:

نقش شما: متخصص برنامه ریزی دسته و راهرو. داده ها: در زیر پوشش ماهانه، حاشیه و قفسه متر دسته ها آمده است. علاوه بر این، جفت محصول با هم از تجزیه و تحلیل سبد گرفته شده است. گردش از سمت راست از ورودی فروشگاه تا صندوق. وظیفه: (1) علامت گذاری 3 دسته با بازده متر مربع پایین، (2) پیشنهاد 2 دسته که باید به منطقه گرم منتقل شوند، (3) پیشنهاد 2 محله فروش متقابل. محدودیت: در برابر قوانین نمایش تنباکو و الکل پیشنهادی ارائه نکنید. محصولات زنجیره سرد را خارج از کابینت توصیه نکنید. جدولی با دلایل پیشنهادات تهیه کنید. داده ها: [چسباندن]

الگوهای درخواستی قابل کپی

1) تجزیه و تحلیل کارایی متر مربع

بازده متر مربع خود را با استفاده از متراژ گردش، حاشیه و قفسه بندی اشغال شده توسط دسته های زیر محاسبه کنید. 3 کارآمدترین و 3 دسته کم بازده را فهرست کنید. جدول بده داده ها: [چسباندن]

2) محله فروش متقابل

پیشنهادات همجواری دپارتمان از جفت محصولات زیر که با هم خریداری شده اند (تحلیل سبد) پدید می آیند. 5 قوی ترین انجمن ها و مکان پیشنهادی را ارائه دهید. داده ها: [چسباندن]

3) پیش نویس پلانوگرام

یک طرح بندی قفسه پیش نویس برای دسته زیر پیشنهاد کنید: کدام محصول باید در سطح چشم باشد، کدام باید در بالا/پایین باشد، توزیع رو به رو چگونه باشد؟ بر اساس حاشیه و سرعت فروش. [محدودیت‌های نظارتی را مشخص کنید]. فهرست محصولات: [رب]

4) فیلتر نظارتی/امنیتی

پیشنهادات طرح زیر را برای قوانین و ایمنی بررسی کنید: صفحه نمایش تنباکو/الکل، محدودیت سنی، زنجیر سرد، راهرو و خروجی اضطراری. مواردی را که قابل اجرا نیستند علامت بزنید. پیشنهاد: [چسباندن]

اشتباهات رایج

• فقط به گردش مالی نگاه کنید: دسته ای که فضای زیادی را اشغال می کند و درآمد کمی دارد، ناکارآمد است. به بازده متر مربع نگاه کنید.
• تکیه بر هوش مصنوعی برای قانون گذاری: قوانین تنباکو/الکل/سن باید توسط انسان فیلتر شود.
• نادیده گرفتن واقعیت فیزیکی: اندازه قفسه، وزن محصول، عرض راهرو امکان‌سنجی پیشنهاد را تعیین می‌کند.
• اجبار بیع متقابل: قرار دادن محصولات نامرتبط در کنار یکدیگر مشتری را سردرگم می کند. به داده ها تکیه کنید
• فراموش کردن تجربه مشتری: بهینه سازی بیش از حد می تواند فروشگاهی ماز مانند ایجاد کند و رضایت را کاهش دهد.
• یک بار تنظیم کنید و فراموشش کنید: طرح باید به طور مرتب با فصل و فروش بررسی شود.

به طور خلاصه

چیدمان فروشگاه علم کارآمدی فضا و جریان مشتری است. هوش مصنوعی کارایی، مجاورت و پلانوگرام را از داده های فروش، حاشیه و سبد تولید می کند. اما نمایش تنباکو/الکل، امنیت و واقعیت فیزیکی غیرقابل مذاکره هستند. هر پیشنهاد را با قانون فیلتر کنید و واقعیت را ذخیره کنید و آن را اجرا کنید.

وظیفه کاربردی

گردش مالی ماهانه، حاشیه و متر قفسه دسته های موجود در فروشگاه خود را در یک جدول در نظر بگیرید. ناکارآمدترین دسته‌ها را با «1) تجزیه و تحلیل کارایی متر مربع» پیدا کنید و با داده‌های سبد خرید خود پیشنهادهای «2) محله فروش متقابل» ارائه دهید. در نهایت، تمام پیشنهادات را از طریق "4) فیلتر نظارتی/امنیتی عبور دهید.

چک لیست

• [ ] من داده های درآمد دسته، حاشیه و منطقه را جمع آوری کردم.
• [ ] من بازده متر مربع را محاسبه کردم.
• [ ] من محله فروش متقابل را از تجزیه و تحلیل سبد استخراج کردم.
• [ ] من تنباکو/الکل/سن و قوانین ایمنی را فیلتر کردم.
• [ ] من واقعیت قفسه فیزیکی را تأیید کردم.
• [ ] من طرحی را برای بازبینی منظم طرح بندی ایجاد کرده ام.