服装营销数据的报表分析(DOC18页)

1、目录 服装营销数据的报表分析 第一节 服装市场调查数据报表分析 一、服装市场调查目的 二、服装市场调查问卷 三、服装市场调查问卷分析数据库 四、服装市场调查问卷分析的基本思路 五、服装市场调查分析报告 第二节 服装销售数据综述分析 一、服装销售数据库结构 二、服装销售汇总报表分析 三、服装销售分类报表差异分析 来自资料搜索网 () 海量资料下载 第七 章 服装营销数据的报表分析 数据分析是一个创造性的工作， 没有完全统一的分析模式， 需要数据分析人员能结合企 业营销数据的特点及分析需要，灵活选择各种数据分析方法，在营销数据中挖掘数据规律， 指导营销实践。报表分析是利用 SPSS 中的图表统计工

2、具进行的服装营销数据初步分析， 主要是利用 SPSS 的图表功能，对服装营销中的原始数据进行频数分析、综述分析、交叉 分析，并用图表将分析结果表达出来，供分析者使用。 第一 节 服装市场调查数据报表分析 服装市场调查主要是从目标消费者的角度来了解市场营销中的一些营销参数， 如市场空 间的大小、消费品牌倾向、选购因素、促销因素、竞争情况、满意度评价等。在市场问卷调 查中， 由于问题的设计通常是封闭式问题， 因此市场调查问卷的数据以分类数据为主。 在进 行数据分析时， 了解各种营销参数的消费者分布情况是进行数据分析的主要方法， 此外， 为 了进一步研究各种营销参数之间的关系， 也会涉及到相关分析。

3、 下面将以一个服装市场调查 案例，对调查数据进行报表分析。 一、服装市场调查目的 本案例的调查目的主要包括以下四个方面： 1）了解服装市场的空间大小，与之相关的问题包括：休闲服消费金额及购买次数，其 他服装消费金额及购买次数。 2）了解消费者的服装消费的品牌倾向，与之相关的问题包括：最喜欢的三个休闲服品 牌、 6个休闲服品牌满意度打分。 3）了解消费者购买服装时的选购因素，与之相关的问题是消费者购买休闲服时最重视 的三个选购因素。 4）了解消费者的购买习惯，与之相关的问题包括：购买地点、持有贵宾卡的情况。 5）个人资料包括：年龄、性别、收入，用于部分调查问题的相关分析。 6）问卷标识包括：年份

4、、地区、问卷编号，用于年度、地区对比分析。 二、服装市场调查问卷 根据以上调查目的，设计的调查问卷见第一章表 1-2 所示。 三、服装市场调查问卷分析数据库 本案例提供的分析数据库的名称为“服装市场调查数据库 sav ”，数据库中给出了两年 的调查数据样本。调查问卷的变量编码见第一章表 1-3 所示。 四、服装市场调查问卷分析的基本思路 1、市场份额的分析 对该问题的分析涉及到问卷中的第4 个问题， 由于调查问卷给出的数据是分组数据，为 了估计平均消费金额，需要使用数据重编码功能， 将分组答案代码转化，生成新的、用消费 金额表示的变量， 这样才可使用分组汇总功能来计算不同地区的平均消费金额。

5、在分组代码 转化时，每组取中间值，两头取临界值。 为了描述方便，下面给出了该分析过程的Spss 语法（操作过程见前面有关章节，以下 相同），如表 7-1（a） 所示。 生成的分析结果包括分年度、分地区的年均消费情况，如表7-1（b）所示。从该表可以得 到休闲服、 其他服装近两年来不同地区的平均消费额、 消费次数， 根据这些数据可进行市场 份额分析、市场份额的地区对比分析、市场份额的两年来的变化对比分析。 表7-1(a)市场份额分析语法 语法 过程说明 RECODE q4_1_1 (1=1000) (2=1250) (3=2000) (4=2500) INTO qq411 . VARIABLE

6、LABELS qq411 休闲服年均消费额. EXECUTE. RECODE q4_1_2 (1=500) (2=750) (3=1500) (4=2000) INTO qq412 . VARIABLE LABELS qq412 其他服装年均消费额 . EXECUTE. 数据重编码 SUMMARIZE /TABLES=qq411 qq412 q4_2_1 q4_2_2 BY year BY dqbh /FORMAT=NOLIST TOTAL /TITLE=Case Summaries /MISSING=VARIABLE /CELLS=MEAN . 数据分组汇总 说明：如果将这些语法复制到SPS

7、S的语法窗口中，并打开相应的分析数 据库，可执行并得到分析结果，以下相同。 表7-1(b)市场份额 分析结果 Mea n 年份 地区代码 休闲服年 均消费额 其他服装年 均消费额 休闲服年 消费次数 其他服装年 消费次数 2001 华东 1633.3490 1022.3845 3.39 2.65 华北 1584.6977 975.3788 3.52 2.92 华中 1566.7752 962.0718 3.40 2.59 Total 1601.1736 992.2952 3.44 2.72 2002 华东 1479.1284 907.0837 3.44 2.59 华北 1537.0267 89

8、6.8785 3.34 2.58 华中 1520.8605 945.8225 3.43 2.50 Total 1509.6189 914.5455 3.41 2.56 Total 华东 1555.2717 964.0363 3.42 2.62 华北 1559.3972 933.6886 3.43 2.74 华中 1541.2744 953.0457 3.42 2.54 Total 1552.9085 951.3037 3.42 2.64 2、品牌倾向分析 对该问题的分析涉及到问卷中的第1、6二个问题，这第1题是一个排序题，使用频数 分析，第6题是一个复合题，采用综述计算。分析思路如下： 第1题

9、：采用平行变量频数表的方法，统计第一喜欢品牌、第二喜欢品牌、第三喜欢 品牌的分年度分地区的心理份额即频率，然后将这些数据复制到Excel中，按0.5、0.3、0.2 的权重，计算各个品牌分年度、分地区的品牌综合心理份额(Excel计算过程在此不述)。 该分析过程的Spss语法如表7-2(a)所示，执行结果包括各品牌分年度分地区的心理份额， 如表7-2(b)所示。从该表可以得到各个品牌近两年来不同地区的心理份额，根据这些数据可 进行品牌心理份额的地区对比分析、年度变化对比分析及竞争对比分析。 表7-2(a)品牌倾向分析 语法 过程说明 * Table of Freque ncies. TABLE

10、S /FTOTAL $t Total /FORMAT BLANK MISSING(.) /TABLES (year dqbh ) ( q1_1 + q1_2 + q1_3 ) BY (LABELS) (STATISTICS) + $t /STATISTICS CPCT (PCT7.1) % :year dqbh ) /TITLE= 表7-2(b)品牌心理份额分析结果. 调用平行 变量频数 表功能。 表7-2(b)品牌心理份额分析结果 班尼路 真维斯 佐丹奴 堡狮龙 苹果 U2 其他 Total % % % % % % % % 年份 2001 地区华东第一喜欢的休闲服品牌 9.0% 63.9%

11、8.1% 4.6% 3.1% 5.9% 5.4% 100.0% 代码第二喜欢的休闲服品牌 17.3% 24.5% 17.8% 7.7% 8.6% 7.9% 16.2% 100.0% 第三喜欢的休闲服品牌 15.9% 8.7% 23.1% 10.7% 8.5% 10.1% 23.0% 100.0% 华北第一喜欢的休闲服品牌 11.2% 58.3% 5.9% 4.2% 3.1% 2.2% 15.1% 100.0% 第二喜欢的休闲服品牌 22.9% 25.3% 17.4% 9.9% 5.2% 4.5% 14.8% 100.0% 第三喜欢的休闲服品牌 15.4% 10.6% 20.4% 13.7% 7

12、.8% 9.2% 22.9% 100.0% 华中第一喜欢的休闲服品牌 6.6% 72.6% 6.1% 2.5% 2.6% 4.3% 5.4% 100.0% 第二喜欢的休闲服品牌 22.4% 18.8% 20.6% 9.1% 5.6% 6.5% 16.9% 100.0% 第三喜欢的休闲服品牌 16.9% 6.7% 23.6% 8.1% 9.5% 9.8% 25.5% 100.0% 2002地区华东第一喜欢的休闲服品牌 7.5% 69.5% 7.9% 2.8% 1.9% .9% 9.5% 100.0% 代码第二喜欢的休闲服品牌 20.9% 19.3% 20.7% 9.4% 9.7% .9% 19.

13、0% 100.0% 第三喜欢的休闲服品牌 13.1% 8.3% 21.7% 10.3% 11.9% 3.8% 30.9% 100.0% 华北第一喜欢的休闲服品牌 8.9% 71.0% 6.4% 2.9% 1.5% .2% 9.1% 100.0% 第二喜欢的休闲服品牌 24.7% 20.2% 23.3% 10.2% 5.4% 1.5% 14.8% 100.0% 第三喜欢的休闲服品牌 20.1% 6.3% 24.5% 13.8% 9.0% 2.6% 23.6% 100.0% 华中第一喜欢的休闲服品牌 6.7% 74.2% 6.0% 3.3% 3.0% .5% 6.2% 100.0% 第二喜欢的休闲

14、服品牌 22.6% 18.7% 22.5% 9.0% 9.4% 1.7% 16.2% 100.0% 第三喜欢的休闲服品牌 16.8% 6.8% 23.2% 10.7% 9.6% 4.4% 28.5% 100.0% 第6题：采用多变量交叉分组报表的方法，统计各个品牌分年度、分地区的满意度评 分的平均值。该分析过程的Spss语法如表7-2(c)所示，执行结果包括各品牌分年度分地区 的品牌满意度，如表7-2(d)所示。从该表可以得到各个品牌近两年来不同地区的品牌满意度， 根据这些数据可进行品牌满意度的地区对比分析、年度变化对比分析及竞争对比分析。 表7-2(c)品牌倾向分析 * Basic Tabl

15、es. TABLES /FORMAT BLANK MISSING(.) /OBSERVATION q6_1 q6_2 q6_3 q6_4 q6_5 q6_6 /TABLES year (q6_1 + q6_2 + q6_3 + q6_4 + q6_5 + q6_6) BY dqbh (STATISTICS) /STATISTICS mean() /TITLE=表7-2(d)品牌满意度分析结果. 按年份地 区交叉分 组汇总 表7-2( d) 品牌满意 度分析结 果 地区代码 华东 华北 华中 Mea n Mea n Mea n 年份2001班丿匕路满意度 真维斯满意度 佐丹奴满意度 堡狮龙满意度

16、 苹果满意度 U2满意度 2002班尼路满意度 真维斯满意度 佐丹奴满意度 堡狮龙满意度 苹果满意度 U2满意度 7 8 7 7 7 8 7 9 8 8 7 7 7 9 7 8 7 7 8 9 8 8 7 7 7 9 8 7 8 8 8 9 8 8 7 7 3、选购因素分析 对该问题的分析涉及到问卷中的第2个问题，这个问题有三个频数变量。其分析思路与 品牌心理份额的统计分析相似，可计算选购因素综合份额进行分析。下面给出了该分析过程 的Spss语法，如表7-3 (a)所示。生成的分析结果包括分年度、分地区频数表，如表7-3 (b) 所示。从该表可以得到消费者近两年来不同地区的选购因素份额，根据这

17、些数据可进行选购 因素心理份额的地区对比分析、年度变化对比分析。 来自WWW-3722.01资料搜索网 表7-3 (a)选购因素分析 语法 过程说 明 * Table of Freque ncies. TABLES /FTOTAL $t Total /FORMAT BLANK MISSING(.) /TABLES (year dqbh ) ( q2_1 + q2_2 + q2_3 ) BY (LABELS) (STATISTICS) + $t /STATISTICS CPCT (PCT7.1) % :year dqbh ) /TITLE=表7-3(b)选购因素分析结果. 调用平 行变量 频数表

18、 功能。 如果以该问题的10个答案对消费者进行分类，但答案不计较顺序，可形成Cio3=120类 消费者，而实际上并没有这么多，如果用这三个变量计算出一个新的变量并代表实际组合， 并对该变量进行频数统计，发现有大约 20类消费者类型占了全部消费者的 80%，应该说这 20类消费者是重点的研究对象，20-80原则在这里充分体现。该分析过程的语法如表 7-3 (c) 所示，由于分析结果较长，在此不在列出。 表7-3(b) 选购因素分析结果 品质 价格 服务 款式 推广 时尚 舒适 个性 知名 度 内部 环境 Total % % % % % % % % % % % 年份 200 1地区 代码 华东 购

19、买品牌休闲服 考虑的第一因素 32% 6.3% 5.9% 22% .6% .9% 26% 5.9% 100.0% 购买品牌休闲服 考虑的第二因素 12% 12% 14% 25% 1.3% 2.7% 22% 12% .2% 100.0% 购买品牌休闲服 考虑的第三因素 11% 10% 15% 19% 2.1% 2.3% 19% 19% 1.3% 100.0% 华北 购买品牌休闲服 考虑的第一因素 28% 7.1% 6.2% 25% 1.4% 2.1% 23% 7.4% .3% 100.0% 购买品牌休闲服 考虑的第二因素 13% 12% 12% 23% 1.4% 3.8% 23% 12% .4%

20、 100.0% 购买品牌休闲服 考虑的第三因素 12% 10% 13% 19% 2.7% 2.0% 21% 20% .5% 100.0% 华中 购买品牌休闲服 考虑的第一因素 32% 4.7% 3.5% 25% .8% .2% 27% 7.6% 100.0% 购买品牌休闲服 考虑的第二因素 12% 8.1% 12% 25% 1.3% 4.9% 23% 14% 100.0% 购买品牌休闲服 考虑的第三因素 9.3% 10% 15% 19% 2.9% 3.2% 21% 17% 2.0% 100.0% 2002 地区 代码 华东 购买品牌休闲服 考虑的第一因素 37% 11% 2.1% 28% .2

21、% 3.7% 11% 4.0% 3.1% .2% 100.0% 购头品牌休闲服 考虑的第二因素 17% 25% 6.4% 21% .8% 3.8% 15% 5.4% 5.2% .1% 100.0% 购买品牌休闲服 考虑的第三因素 11% 22% 11% 19% 1.4% 3.0% 14% 9.6% 9.4% .4% 100.0% 华北 购买品牌休闲服 考虑的第一因素 35% 5.9% 2.3% 32% .2% 2.1% 15% 3.6% 3.9% 100.0% 购买品牌休闲服 考虑的第二因素 19% 23% 5.6% 21% .2% 3.3% 15% 7.0% 5.8% .3% 100.0%

22、购买品牌休闲服 考虑的第三因素 11% 26% 12% 16% .3% 3.4% 15% 7.5% 9.2% .3% 100.0% 华中 购买品牌休闲服 考虑的第一因素 35% 6.3% 2.7% 34% 1.3% 13% 3.9% 3.9% 100.0% 购头品牌休闲服 考虑的第二因素 15% 23% 4.5% 24% .3% 3.9% 15% 7.0% 7.0% .1% 100.0% 购买品牌休闲服 考虑的第三因素 11% 21% 9.6% 15% .9% 4.2% 17% 9.6% 10% .7% 100.0% 表7-3(C)选购因素组合分析 COMPUTE qq2 计算由三 =max(

23、q2_1,q2_2,q2_3)*100+(sum(q2_1,q2_2,q2_3)-max(q2_1,q2_2 个变量形 ,q2_3)- 成的选购 min(q2_1,q2_2,q2_3)*10+ min(q2_1,q2_2,q2_3). 因素组合 VARIABLE LABELS qq2 选购因素组合. 变量 EXECUTE. SORT CASES BY year dqbh. 按年、地区 SPLIT FILE 切分文件 SEPARATE BY year dqbh. FREQUENCIES VARIABLES=qq2 生成分年 /FORMAT=DFREQ 度、地区的 /ORDER= ANALYSIS

24、 . 选购因素 SPLIT FILE 变量的频 OFF. 数表。 4、购买习惯分析 对该问题的分析涉及到问卷中的第3、5两个问题，这两个问题均为频数变量，但第5 个问题为多选题。下面给出了该分析过程的Spss语法，如表7-4(a)所示。生成的分析结果包 括分年度、分地区的贵宾卡持有率，如表7-4 (b)所示，分年度、分地区的消费者选购地点的 频数表，如表7-4 (c)所示。 表7-4 (a)购买习惯分析 语法 过程说明 * Multiple Respo nse Tables. TABLES /FORMAT BLANK MISSING(“)/MDGROUP $qq q5_1 q5_2 q5_3

25、q5_4 q5_5 q5_6 ( 1 ) /GBASE=CASES /TABLE=$qq BY year dqbh /STATISTICS cpct( $qq( F6.1 ) Column % : year dqbh) /TITLE 表7-4(b)贵宾卡持有情况分析结果. 按年及地区统 计贵宾卡的持 有情况。 CROSSTABS /TABLES=q3 BY dqbh BY year /FORMAT= AVALUE TABLES /CELLS= COLUMN . 多变量交叉频 数表。 表7-4(b) 贵宾卡持有情况分析结果 年份 2001 2002 地区代码 地区代码 华东 华北 华中 华东 华

26、北 华中 $QQ 班尼路 VIP Colum n % 7.6 8.4 5.7 8.9 11.0 8.4 真维斯 VIP Colum n % 95.8 97.3 97.5 97.7 98.7 96.6 佐丹奴 VIP Colum n % 7.7 7.2 8.8 10.2 9.4 10.5 堡狮龙 VIP Colum n % 4.0 4.5 3.5 6.3 7.4 5.7 苹果VIP Colum n % 2.9 2.7 2.5 6.3 2.8 4.6 U2 VIP Colum n % 5.6 3.3 3.7 1.7 1.0 1.3 表7-4 (c)购买地点统计分析结果 顾客购买 休闲服地 点*地区

27、代码 *年份 Cro ssta bula tio n % within地区代码 年份 地区代码 Total 华东 华北 华中 2002 顾客 步行商业街 54.5% 61.1% 58.0% 57.6% 购买 一般街道服装店 5.8% 4.9% 3.4% 4.9% 休闲 服地 占 八、 百货店 16.8% 11.2% 11.7% 13.6% 大型综合购物广场 16.7% 18.1% 22.2% 18.7% 大型综合超市 2.3% 2.4% 2.5% 2.4% 服装批发市场 .6% .1% .5% .4% 其他 3.3% 2.1% 1.7% 2.5% Total 100.0% 100.0% 100

28、.0% 100.0% 5、样本特征数据 对该问题的分析涉及到问卷中的第7、8 9三个个人资料问题，这些问题对应的变量均 为频数变量，一方面可用来了解样本的特征，与目标顾客特征进行比较，判断样本数据所代 表的消费者是否反映了目标市场的消费群体。另一方面，它可作为分组变量，来考察不同组 在各个调查问题中是否存在差异，这种差异是否需要在营销中采取差别化的策略。下面给出 了样本特征分析的 Spss语法，如表7-5(a)所示。生成的分析结果包括分年度、分地区的频数 表，如表7-5 (b)所示。 表7-5 (a)样本特征数据分析 语法 过程说明 CROSSTABS 多变量交叉频 /TABLES=q7 BY

29、 q9 BY q8 数表。 /FORMAT= AVALUE TABLES /CELLS= COLUMN . 表7-5 （b）样本特征数据分析结果 年龄 * 月收入*性另UCro ssta bu la tio n % within 月收入 性别 月收入 Total 无 较低 中档 较高 女年龄16岁以下 6.3% .9% 2.3% 1.6% 4.6% 16-20岁 16.1% 3.5% .8% 1.6% 11.9% 20-25岁 29.3% 28.1% 29.7% 19.0% 28.8% 26-30岁 15.7% 22.7% 27.3% 25.4% 18.2% 31-35岁 9.6% 12.2%

30、 18.8% 14.3% 10.8% 36-40岁 9.5% 12.8% 8.6% 14.3% 10.4% 40岁以上 13.4% 19.9% 12.5% 23.8% 15.3% Total 100.0% 100.0% 100.0% 100.0% 100.0% 男年龄16岁以下 6.6% 1.1% 2.9% 1.5% 5.0% 16-20岁 29.0% 5.5% 5.8% 5.9% 21.9% 20-25岁 34.8% 36.1% 32.0% 25.0% 34.5% 26-30岁 15.0% 29.0% 27.2% 30.9% 19.2% 31-35岁 6.6% 12.6% 15.5% 23.

31、5% 9.1% 36-40岁 2.9% 5.7% 4.9% 8.8% 3.8% 40岁以上 5.1% 10.1% 11.7% 4.4% 6.5% Total 100.0% 100.0% 100.0% 100.0% 100.0% 上面给出了 5个方面的分析思路，每方面都有两年及不同地区的对比数据。在实际分 析中，如果不需要分年度或分地区， 上述分析结果就会简化， 如果需要更多的信息，还可根 据分析的目的，用原始数据中的变量设计出一些新的、中间分析变量（如上面提到的选购因 素组合）。在对数据结果进行解释时，一方面要能清楚地描述目前市场的情况，指出现在市 场的一些特征，另一方面也要注意进行比较分析，

32、包括时间上的对比， 分地区的对比，以此 获得更多有用的信息，为后面的调查结论或建议提供依据。 五、服装市场调查分析报告 根据上面给出的分析思路， 可以得到很多预期的分析结果或调查结果，最后要以报告的 形式将这些结果反映出来。一份市场调查分析报告应包括以下三个部分： 1、市场调查概况 简明扼要地介绍市场调查的目的，调查任务的承担组织、 调查的组织工作（如调研程序、 调查线路、工作量分配等）、调查人员的构成及调查时间。 2、调查结论和建议 这是市场调查最重要的成果，调查结论应能涵盖调查过程重要的发现，对于一些无意义 的调查结果不必考虑，调查建议则是根据调查中发现的问题或规律提出的建设性意见。 3、

33、调查结果 调查结果是按照调查问卷的结果或调查目的，采用平铺直叙的方法， 将调查的结果展现 出来，也包括一些扩展的分析：如相关分析等。 第二节服装销售数据综述分析 对销售数据的综述分析有两个基本的目的，一是将销售现状用综述表的形式表达出来， 让经营者了解销售业绩或计划的完成情况，同时通过历史对比、竞争对比、地区对比等比较 分析方法，分析销售过程中的优势和差距，以便采取管理措施。二是应用相关分析的方法， 研究目标市场中营销参数的常模及其变化，从而为制定营销方案提供依据。 一、服装销售数据库结构 建立全面、有效的销售数据库是进行销售数据分析的前提。服装企业的销售数据库的结 构，应根据分析的需要和企业

34、的经营实力来定。数据库越复杂，分析的信息量越大，但原始 数据的收集成本就越高，对数据维护与管理的要求也越高。本案例分析提供的数据库名称为 “明细销售数据库.sav”数据库中的变量结构如表 7-6，共有9个变量，分别记录了每笔销 售金额所对应的销售地区、店铺、日期、品种特征、销售额、颜色、尺码、性别等销售特征 参数，这些特征参数用来描述市场销售特征，在后面的数据分析中将发挥重要作用。 表7-6销售数据库变量清单 变量代码 变量名称标签 变量代码 变量名称标签 order 流水号 sale 销售额 dqbh 地区 n color 颜色 n store 店号 size 尺码 date 销售日期 se

35、x 性别 product 产品货号 二、服装销售汇总报表分析 销售汇总报表是指企业管理层出于了解整体市场销售情况及计划完成情况，制定管理措 施的需要而编制的销售汇总报表，按照时间的长度分为年报、月报、日报，按照销售额汇总 使用的分类变量不同，分为地区报表、店铺报表、产品报表、款式报表、颜色报表、尺码报 表等。通过这些报表的分析，有助于管理层了解销售计划完成情况及市场构成特征与变化， 制定相应的管理措施和营销措施。 1、地区报表 地区报表的作用是及时了解不同地区的销售情况及销售计划的执行或完成情况，以便制 定相应的促销措施或调整地区销售计划。地区报表也是企业划分重点销售区或非重点销售， 制定有区

36、别的销售战略的主要依据。地区报表有以下三种形式： 1）地区销售年报。主要是汇总各地区年度销售额，以此了解各地区的年度销售计划完 成情况，同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力。 2）地区销售月报。主要是汇总各地区每月销售额，以此了解各地区的每月销售计划完 成情况，同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力。 3）地区销售日报。主要是汇总各地区每日销售额，以此了解各地区的每日销售情况， 同时可从总量上进行地区销售对比，寻找各地区的销售差距和销售潜力。 要利用原始销售数据库编制以上各类报表，需要指定以下几个参数： 一是汇总变量：销售额或销售量。 二是分类

37、汇总采用的分类标志：地区分类标志。 三是汇总时段：指定汇总的年、月、日。 在SPSS中，以上几个参数的指定通过以下指令完成： 首先用数据筛选功能，选出符合指定年、月、日的销售数据； 其次，应用数据综述统计功能， 指定汇总变量和汇总地区分类变量，选择输出汇总统计 指标。 下面给出了利用本案例数据库生成以上各种报表的语法（具体操作见前面有关章节，以 下相同），如表7-7（ a）,执行这些语法，生成三张不同时段的分地区的销售汇总报表，如表 7-7（ b）、7-7（ c）、7-7（ d）。 表7-7 (a)地区销售报表分析 语法 过程说明 USE ALL. COMPUTE filter_$=(XDAT

38、E.YEAR(date)=2001). VARIABLE LABEL filter_$XDATE.YEAR(date)=2001(FILTER). VALUE LABELS filter_$ 0 Not Selected 1 Selected. FORMAT filter_$ (f1.0). FILTER BY filter_$. EXECUTE. SUMMARIZE /TABLES=sale BY dqbh /FORMAT=NOLIST TOTAL /TITLE=表7-7(b) 2001年销售汇总表 /MISSING=VARIABLE /CELLS=SUM SPCT . FILTER OFF

39、. USE ALL. EXECUTE. 指定年报统计 年份为：2001 年 按地区对销售 额分组汇总， 并计算不冋地 区的销售比 重。 USE ALL. COMPUTE filter_$=(XDATE.MONTH(date)=12). VARIABLE LABEL filter_$ XDATE.MONTH(date)=12 (FILTER). VALUE LABELS filter_$ 0 Not Selected 1 Selected. FORMAT filter_$ (f1.0). FILTER BY filter_$. EXECUTE. SUMMARIZE /TABLES=sale BY

40、 dqbh /FORMAT=NOLIST TOTAL /TITLE=表7-7(c) 12月销售汇总表 /MISSING=VARIABLE /CELLS=SUM SPCT . FILTER OFF. USE ALL. EXECUTE. 指定月报统计 的年、月为： 2001年12月 按地区对销售 额分组汇总， 并计算不冋地 区的销售比 重。 USE ALL. COMPUTE filter_$=(date = DATE.DMY(27,12,2001). VARIABLE LABEL filter_$ date = DATE.DMY(27,12,2001) (FILTER). VALUE LABELS

41、 filter_$ 0 Not Selected 1 Selected. FORMAT filter_$ (f1.0). FILTER BY filter$. 指定日报统计 的年、月、日 为：2001 年 12 月27日 EXECUTE. SUMMARIZE /TABLES=sale BY dqbh /FORMAT=NOLIST TOTAL /TITLE=表7-7(d) 12月27日销售汇总表 /MISSING=VARIABLE /CELLS=SUM SPCT . FILTER OFF. USE ALL. EXECUTE. 按地区对销售 额分组汇总， 并计算不冋地 区的销售比 重。 表7-7(

42、b) 2001 年 销售 汇总表 表7-7(c) 12月销售汇总表 表7-7(d) 12 月27日销售汇总表 城市 Sum % of Total Sum 华北 15804752 56.4% 华东 975203 3.5% 华中 11251298 40.1% Total 28031253 100.0% 销售额 城市 Sum % of Total Sum 华北 1805424 49.4% 华东 137859 3.8% 华中 1710681 46.8% Total 3653965 100.0% 销售额 城市 Sum % of Total Sum 华北 33652 57.7% 华东 4832 8.3%

43、华中 19841 34.0% Total 58325 100.0% 销售额 2、店铺报表 店铺的报表也可按照年、月、日不同时段分别汇总，旨在了解各个店铺在不同时段的销 售情况，以便及时了解各店铺销售变动，对各个店铺的销售业绩进行评价。要利用原始销售 数据库编制店铺销售报表，同样需要指定以下几个参数： 一是汇总变量：销售额或销售量。 二是分类汇总采用的分类标志：店铺分类标志。 三是汇总时段：指定汇总的年、月、日。 显然店铺报表不同时段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变 量dqbh”改为店铺变量nstore”即可(用编辑中的替换功能可将上面的语法变为生成店 铺报表的语法)，该

44、过程的语汇不再列示。执行这些语法，生成三张不同时段的分店铺的销 售汇总报表，如表 7-8( a)、7-8 (b)、7-8( c)。 店号 Sum % of Total Sum 1 1933629 6.9% 2 2086600 7.4% 3 2482424 8.9% 4 3114796 11.1% 5 3093568 11.0% 6 3093734 11.0% 7 975203 3.5% 8 2454469 8.8% 9 5051203 18.0% 10 3745626 13.4% Total 28031253 100.0% 表7-8(a) 2001 年销售 汇总 表 销售额 店号 Sum %

45、of Total Sum 1 215977 5.9% 2 199387 5.5% 3 274668 7.5% 4 297748 8.1% 5 495107 13.5% 6 322536 8.8% 7 137859 3.8% 8 363171 9.9% 9 727513 19.9% 10 619997 17.0% Total 3653965 100.0% 表7-8(c) 12 月销售汇总表 销售额 表7-8(c) 12月27日销售汇总表 销售额 店号 Sum % of Total Sum 1 2398 4.1% 2 4707 8.1% 3 6037 10.4% 4 7254 12.4% 5 10

46、627 18.2% 6 2631 4.5% 7 4832 8.3% 8 5410 9.3% 9 6958 11.9% 10 7472 12.8% Total 58325 100.0% 3、产品分类报表 产品分类报表可按照年、 月、日不同时段分别汇总， 旨在了解各个产品在不同时段的销 售情况，以便及时了解各产品销售变动， 对各个产品的市场销路变化进行评价， 以便对不同 的产品进行存货决策或促销决策。要利用原始销售数据库编制产品分类销售报表，需要指定 以下几个参数： 一是汇总变量：销售额或销售量。 二是分类汇总采用的分类标志：产品编码标志。 三是汇总时段：指定汇总的年、月、日。 显然产品分类不同时

47、段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变 量改为产品编码变量即可。执行这些语法，生成三张不同时段的分产品类别的销售汇总报表， 如表 7-9(a)、7-9 (b)、7-9 (C)。 表7-9(c) 12月销售汇总表 销售额 产品货号 Sum % of Total Sum 1100 1446801 5.2% 1110 39158 .1% 1120 87308 .3% 1150 230884 .8% 1160 1231116 4.4% 1700 5679944 20.3% 1710 150442 .5% 1720 395219 1.4% 1750 776446 2.8% 1760

48、4840988 17.3% 1800 186720 .7% 4、款式报表 表7-9(a) 2001 年销售 汇总表 销售额 产品货号 Sum % of Total Sum 1100 221749 6.1% 1120 26550 .7% 1150 11437 .3% 1160 151845 4.2% 1700 806820 22.1% 1720 36528 1.0% 1750 83387 2.3% 1760 617379 16.9% 1800 43991 1.2% 表7-9(c) 12月27日销售汇总表 产品货号 Sum % of Total Sum 1150 2631 4.5% 1700 17

49、584 30.1% 1760 18216 31.2% 2110 7254 12.4% 2360 7808 13.4% 2750 4832 8.3% Total 58325 100.0% 销售额 款式报表可按照年、 月、日不同时段分别汇总， 旨在了解各个款式在不同时段的销售情 况，以便及时了解各款式销售变动，对各个款式的市场销路变化进行评价，以便对不同的款 式进行存货决策或促销决策。要利用原始销售数据库编制款式销售报表，需要指定以下几个 参数： 一是汇总变量：销售额或销售量。 二是分类汇总采用的分类标志：款式分类标志。 三是汇总时段：指定汇总的年、月、日。 显然款式不同时段的汇总报表与地区报表的

50、生成方法完全相同，只是将汇总分组变量改 为款式变量即可。执行这些语法，生成三张不同时段的分产品类别的销售汇总报表，如表 7-10 ( a)、7-10 ( b)、7-10 (c)。 表7-10(a) 2001 年销售 汇总表 表7-10(c) 12 月销售汇总表 款式代码 Sum % of Total Sum 衬衫 6228339 22.2% 西装 3087248 11.0% 长裤 14717237 52.5% 牛仔 888466 3.2% 外套 3109963 11.1% Total 28031253 100 0% 销售额 款式代码 Sum % of Total Sum 衬衫 809836 2

51、2.2% 西装 421262 11.5% 长裤 1881255 51.5% 牛仔 151753 4.2% 外套 389860 10.7% Total 3653965 100.0% 销售额 表7-10(c) 12月27日销售汇总表 款式代码 Sum % of Total Sum 衬衫 9884 16.9% 西装 7808 13.4% 长裤 40632 69.7% Total 58325 100 0% 销售额 5、颜色报表 颜色报表可按照年、 月、日不同时段分别汇总，旨在了解各个颜色在不同时段的销售情 况，以便及时了解各颜色销售变动，对各个颜色的市场销路变化进行评价，以便对不同的颜 色进行存货决策

52、或促销决策。要利用原始销售数据库编制颜色销售报表，需要指定以下几个 参数：十二迂卞-隹三叩 一是汇总变量：销售额或销售量。 二是分类汇总采用的分类标志：颜色分类标志。 三是汇总时段：指定汇总的年、月、日。 显然颜色不同时段的汇总报表与地区报表的生成方法完全相同，只是将汇总分组变量改 为颜色变量即可。执行这些语法，生成三张不同时段的分颜色的销售汇总报表，如表7-11 （a）、7-11 （b）、7-11（c）。 颜色代码 Sum % of Total Sum 浅兰 5759513 20.5% 深兰 5841741 20.8% 深黑 8343654 29.8% 浅黑 1788169 6.4% 白色

53、6298176 22.5% Total 28031253 100.0% 表7-11（a） 2001 年销售 汇总表 销售额 颜色代码 Sum % of Total Sum 浅兰 839390： 23.0% 深兰 753643 20.6% 深黑 1022082 28.0% 浅黑 240060 6.6% 白色 798791 21.9% Total 3653965 100.0% 表7-11（c） 12月销售汇总表 销售额 颜色代码 Sum % of Total Sum 浅兰 9539 16.4% 深兰 17880 30.7% 深黑 22238 38.1% 白色 8668 14.9% Total 58

54、325 100.0% 表7-11（c） 12 月27日销售汇总表 销售额 6、尺码报表 尺码报表可按照年、月、日不同时段分别汇总，旨在了解各个尺码在不同时段的销售情 况，以便及时了解各尺码销售变动，对各个尺码的市场销路变化进行评价，以便对不同的尺 码进行存货决策或促销决策。要利用原始销售数据库编制尺码销售报表，需要指定以下几个 参数： 一是汇总变量：销售额或销售量。 二是分类汇总采用的分类标志：尺码分类标志。 三是汇总时段：指定汇总的年、月、日。 显然尺码不同时段的报表与地区报表的生成方法完全相同，只是将汇总分组变量改为尺 码变量即可。实际上，对尺码数据的分析，时段可长一些，如按月、季进行分析

55、。执行这些 语法，生成三张不同时段的分尺码的销售汇总报表，如表7-12（ a）、7-12（b）、7-12（ c）。 尺码 Sum % of Total Sum 27 220351 .8% 28 5545989 19.8% 29 1299390 4.6% 30 2929435 10.5% 31 1994701 7.1% 32 2140469 7.6% 34 1459339 5.2% 36 6722726 24.0% 38 3566073 12.7% 40 2152778 7.7% Total 28031253 100.0% 表7-12(a) 2001 年销售汇总表 销售额 尺码 Sum % of

56、 Total Sum 27 33627 .9% 28 653264 17.9% 29 188098 5.1% 30 482319 13.2% 31 351089 9.6% 32 299359 8.2% 34 199741 5.5% 36 889666 24.3% 38 371323 10.2% 40 185478 5.1% Total 3653965 100.0% 表7-12(c) 12 月销售汇总表 销售额 尺码 Sum % of Total Sum 28 10744 18.4% 29 2398 4.1% 30 7472 12.8% 32 5410 9.3% 36 24838 42.6% 3

57、8 2631 4.5% 40 4832 8.3% Total 58325 100.0% 表7-12(c) 12 月27日销售汇总表 销售额 三、服装销售分类报表差异分析 服装销售分类报表是指企业管理层出于了解各个细分市场特征及其差异性，以便制定差 异化营销方案的需要而编制的一定时期的(通常用一年、一个季度或一个月)差异性分析分 类报表。进行市场差异化分析首先必须选择合理的市场细分标准及描述这些细分析市场的特 征参数，然后比较不同子市场在这些特征参数方面的差异，并给出相应的营销建议。比较常 用的确定市场细分参数包括地区、性别、款式、颜色、尺码、销售时段(如季、月、星期等)、 气候、店铺面积、开店

58、时间等，下面主要是针对不同地区在款式、颜色、尺码方面的差异、 不同颜色在尺码分布方面的差异而编制的市场差异性分析报表 1、按地区款式分类的销售报表及差异性分析 该类销售报表是按照年或月汇总对销售额按地区、款式两个分类指标交叉分类汇总， 旨 在了解不同地区在款式销售方面的差异， 为企业对不同地区的款式差异性配货提供依据。要 利用原始销售数据库编制地区款式差异性报表，需要指定以下几个参数： 一是汇总变量：销售额或销售量。 二是分类汇总采用的分类标志：地区分类标志与款式分类标志。 三是汇总时段：指定汇总的年或月。 下面给出了利用本案例数据库进行地区款式差异性分析的语法，如表7-13(a)。执行这 些

59、语法生成一张地区款式销售差异报表，如表7-13(b)所示。该报表给出了不同款式、不同 地区横向与纵向对比数据。根据这些数据，可以分析同一地区不同款式的销售比重及同一品 种在不同地区的销售表现，从而了解不同地区的主打品种及各个品种的主要销售地区，这些 信息是企业制定差异营销的重要依据。 表7-13(a)按地区款式分的销售报表及差异分析 过程说明 将产品货号中 的品种信息提 取出来，成为 一个变量sty。 不分时段，对 全部数据, 语法 COMPUTE sty = NUMBER(substr(ltrim(product),2,1),f1.0). EXECUTE. VARIABLE sty 款式.

60、VALUE LABELS sty 1 衬衫2 毛衫3 西装4 裙子5 T 恤6 短裤7 长裤8 牛仔9 夕卜套. * Basic Tables. TABLES /FORMAT BLANK MISSING(.) /OBSERVATION sale /FTOTAL $t Group Tota l /TABLES (sty sale + $t ) BY (dqbh + $t ) /STATISTICS sum() spct( ( PCT5.1 ) Row Sum %:sty ) spct( ( PCT5.1 ) Col Sum %:dqbh ) spct( ( PCT5.1 ) Table Sum