前言

2016双11天猫整体销售额突破1000亿，面对如此巨大的消费市场，在供给侧如何做好货品规划，以匹配各层次消费者的需求？在消费升级的大背景下，如何发现&预测消费趋势，指导商家做好货品企划，抓住商机并释放消费者需求，使得消费者-平台-商家三者形成稳定的市场供需关系，并达到三赢的生态体系，货品运营业务由此产生。货品运营是通过新技术驱动供给侧改革，实现消费者需求与商家货品供给之间的匹配，助力消费升级，实现天猫品质购物之城。

开篇

在互联网+时代，越来越多的传统商业开始拥抱互联网，互联网对传统商业的影响正逐步从传播、销售渠道转变成对供应链优化及整个价值链从互联网作为工具到以互联网思维设计产品进而影响企业运营，实现商业互联网化的升级。

天猫作为商业互联网化的主要阵地，面对消费者心智与商家的需求，通过构建一套货品营系统作为平台的基础服务能力来帮助并加速传统企业的商业升级。

在供给侧：借用于阿里平台的大数据体系，对行业历史销售行为及流行趋势预测来指导商家做好企划方案、订货会、上市销售、畅销款补货、促销、清仓等各方面进行建设，打造一个商品全链路管理系统，实现新制造。

在需求侧：在消费升级大趋势下，通过用户行为画像，实现需求发现，满足越来越个性化的消费市场。

在天猫这样多样化的行业市场中，每个行业对货品运营的诉求及业务的实施路径各有差别，下面我们以服饰行业为切入点，阐述了我们货品运营业务上做的一些探索。

服饰行业的货品运营

服饰行业货品运营的整个流程如下:

围绕着整条运营流程，可分解成市场调研与企业规划、商品销售与管理等两大阶段。同时，根据每个阶段核心需要把握业务切入点，我们建设了红蓝海、期货、缺货、活动盘货等产品，下面我们将逐一详细介绍；

市场调研与企业规划

红蓝海

红蓝海是一款行业供需分析的数据产品，直观地呈现出平台上各品类的供需红蓝海，从长期上作为商家商品企划的重要数据输入。从短期的业务场景应用，结合销售预测，作为商家核心主推款补货数量的核心参考，目前的产品功能如下：

从消费者需求变化、流行趋势需求变化、二级品类需求变化来判断市场需求变化。

从消费者圈层营销、风格趋势需求商家数及款数、二级品类需求深度与宽度来进行平台需求规划。

从风格商家挖掘、二级品类核心商家供给规划、二级品类极致单品供给规划来进行商家供给规划。

红蓝海.png

期货

服饰行业特别是线下知名品牌均采用提前3-6个月召开商品订货会，确定两个季度以后将要上市的商品款式和数量，之后进入生产排期。所以期货商品是优质商家确定性的优质商品，天生的新品，与生俱来的商场同款。对平台货品结构优化，增加商品丰富度，增加新品占比，实现品质天猫的抓手之一。

期货商品从平台目标出发，制定行业品类OTB计划并拆解，运用大数据的力量指导商家更科学合理的订货。另外一个方面，商家把订货会的期货订单与平台商品运营尝试结合，使用平台提前锁定优质货品，结合目前的商品销售趋势情况，提前做好为商家做好后续营销计划与销售策略。

期货OTB计算:

期货产品流程:

商品销售与管理

缺货管理

缺货产品致力于对主力款商品销量进行存销管理，通过红蓝海短期的供需关系分析与预测销量和现有库存来计算可售时长，结合商品的采购周期为商家提供补货计划；并希望形成进销存管理的基础设施，帮助商家降低成本和提升运营能力，也给消费者带来更好的体验；

缺货产品总体功能包含如下几部分:

根据天猫总体的货品情况挖掘货品缺失点。

根据商家商品的销货热度查看哪些商品会由于库存不足带来损失。

预测销售趋势给商家以备货建议。

根据商家的补货情况进行跟踪。

缺货产品流程.png

活动盘货

活动盘货的意义

大促活动开始之前，平台需要就销售目标与备货情况等进行多次摸底与数据分析，从而保障活动目标的确定性，由此产生了活动盘货产品，它的核心目标在于：

制定行业供给目标
输出平台用户需求的商品结构，提前要求商家锁定商品，确保大促成交爆发；

梳理商品管理思路
帮助商家梳理、培训商家系统的商品管理思路；赋能商家；

提前锁定资源
让行业对活动商家节奏有整体把握，对商品心中有数，并以此为据，提前对内提出产品、市场资源等需求；

提升平台运营效率
为盘货工具的产品化累积经验，提高商家与平台商品数据交互效率，提效大促平台流量效率

沉淀行业盘货经验
通过盘货产品，沉淀商家与平台小二商品管理思路；为商家大促商品沉淀行业管理经验。

服饰盘货流程

服饰盘货流程1.png

4月活动目标与分解
针对服饰活动目标，我们开发了目标管理系统。目标管理系统要做的事情有:

-- 能够快速的录入目标，更新目标

-- 能够对目标进行自动拆解，将目标对应到各个商家与商品上。

-- 对目标的数据改变进行跟踪，但产生趋势图

-- 对盘回来的数据与目标数据进行比对，GAP从维度形成趋势图与比对报告

-- 行业目标部分透出给商家

7月目标计划协同
对于目标计划怎么有效的与商家进行沟通，我们建立了基于消息系统建立了BD通道，对BD过程进行跟踪。同时，基于消息系统我们对小二一键督促商家提交数据，商家端透出数据模板都进行了建设。并在商家端根据目标给予商家备货数据化建议。

9月货品明细盘点
9月份主要针对于重点款及主推款货品进行盘点，对比商家目标备货，与商家反复沟通进行最后的盘货商品确定。为此，我们开发了数据审核系统，小二对与商家达成的最终结果进行确认审核。当所有商家进行审核完毕之后，货品数据确定，再基于消息系统与权限管理基础服务能力，将最终的结果同步给商家。

10月货品确定性BD
10月份进入了现货报名阶段，我们把盘货系统与招商报名系统进行了数据打通，对盘货商品的报名情况跟踪分析对比。对于未锁定的商品，进行分析计算，提供与行业小二进行BD参考，不断地循环该过程，直到盘货商品完成报名。

11.11 确定性资源匹配
活动开始时，我们会对盘货数据进行分析，根据商家的备货及当天商家商品的售罄率数据，给予相应的资源匹配建议。同时，我们会对小二的备货能力，行业的盘货能力进行统一整理分析。为活动的复盘提供数据基础。

活动盘货的产品建设

基于如上流程，我们构建一套活动盘货的产品体系，包括指标管理、目标管理、盘货运营工具、盘货数据分析等功能模块，整体的产品结构如下：

货品运营数据化

在货品运营各个阶段都与数据产生关系，如何运用大数据的力量来解决运营业务问题是货品运营的核心关键，主要体现在：

销售预测
利用目前成熟的数据挖掘和深度机器学习准确预测未来商品的销售数量、预测未来流行趋势和款式。驱动和指导商家有效地进行生产，进一步减轻商家的库存的积压和滞销风险。通过数据复能，让商家共享阿里的数据生态，让商家与平台共同获益和成长。。

品类规划
从人群运营的视角、竞品的视角、商品功能的视角、营销的视角等多个层面从平台的视角利用大数据进行品类结构进行分析、优化。指导招商、盘货等各个环节。实现企业的人货匹配、竞争力提升、销售业绩的达成等不同的业务目标。

好货发现
整合小二的行业业务经验与机器学习等人工智能技术，帮助小二发现更多的好货，帮助平台实现销售业绩最大化、消费者需求满足最大化的目标。

目前货品运营的数据化还处于初期，利用大数据来解决运营问题，是接下来业务的突破方向之一。

结语

以服饰行业的活动盘货结果为例，盘货主推款商品87%+的活动报入率，主推款覆盖率为42%，盘货商家整体的成交占比40%+，这意味着盘货的商品抓住了消费者的购买心智，对KA商家的主推商品进行了有效的确定性。从而保证活动目标的顺利达成。

货品管理是一个需要长期建设与快速迭代的产品。我们目前是针对行业的痛点做了针对性的建设。而我们的目标是建设一个商品全链路管理系统。在系统建设的路上，我们还有很长的路要走，不断的探索了解，不断完善，对货品管理进行业务化，数据化是未来核心方向。