门店经营怎么分析？

门店经营分析需要把营业额拆开来看。把一家店的结果拆到到店、成交、客单、复购四个环节，每个环节再看对应指标，经营问题通常会从某个环节浮出来。

可靠的数据、统一的指标口径和分层复盘，是门店分析的基础。多个系统的数据需要通过统一指标口径对齐，才能比较各个经营环节。

门店经营分析先界定可靠数据

门店分析的起点是口径统一。同一家公司，POS、会员系统和库存系统如果各算各的，分析就会打架。先确认三类数据：

• 交易数据：来自 POS 或收银系统，包括成交笔数、成交人数、销售额、销售件数，这是最可靠的基础。
• 会员数据：来自会员系统或 CRM，包括注册会员数、会员消费金额、消费次数、最近消费时间，复购分析主要靠它。
• 库存与费用数据：库存数量、进货成本、租金、人工等，用于计算毛利和效率指标。

客流数据要单独说。有客流计数器或视频识别硬件时，可以拿到路过人数和进店人数；没有硬件时，可用人工抽样或其他独立访客统计补足进店数据，并注明统计时段和范围。交易人数只覆盖已买单顾客，预约渠道到店人数只覆盖该渠道，均不能代替全店进店人数。缺少独立进店统计时，不计算全店进店率或成交率，仍可分析销售额、客单价、销售件数和复购等指标。坪效本身只需要销售额和营业面积，不等于具备线下客流硬件，因此本文把坪效当作经营效率指标，不把客流硬件能力写进结论。

一条公式拆开营业额

零售门店的营业额可以拆成：

营业额 = 进店人数 × 成交率 × 客单价

再往上一层，进店人数又取决于客流和进店率。把这套关系展开，就是门店经营分析的四个层次：到店、成交、客单、复购。前三个层次解释当期营业额从哪来，复购层解释营业额能不能持续。

到店：看人有没有进来

到店层看两个指标。

客流量指单位时间经过门店门口或所在区域的潜在顾客数量，是营业额的上限。客流低，后面转化再高，规模也有限。统计方式可以是客流计数器、视频识别或人工抽样。

进店率指路过人群里真正进店的比例：

进店率 = 进店人数 ÷ 路过人数 × 100%

进店率反映门头、橱窗、动线、活动这些外部吸引力。分析时看三个维度：不同门店或位置的差异、活动期与非活动期差异、不同时段的差异。没有硬件时，可用同一时段、同一范围的人工抽样分别记录路过和进店人数；缺少任一分母或分子时，不计算全店进店率。到店消费人数不含未买单访客，预约到店人数也不能代表全店客流；预约渠道有独立到店记录时，只能按该渠道计算成交人数占到店人数的比例，并注明渠道范围。

成交：看进店后有没有买单

成交率 = 成交人数 ÷ 进店人数 × 100%

成交率回答的是进店顾客里有多少人最终买单。影响成交率的因素包括导购、商品结构、陈列和价格。分析成交率要拆人货场三个维度：不同导购、不同品类、不同时段和活动。

成交之外还要看买了几件、每件多少钱。连带率 = 销售件数 ÷ 成交顾客数，反映搭配销售能力；件单价 = 销售金额 ÷ 销售件数，反映商品结构和定价。成交率和连带率低，问题通常在店内环节，值得优先排查。

客单：看每次买多少

客单价 = 销售额 ÷ 成交顾客数，也可以写成连带率 × 件单价。

客单价下降要分两种情况：连带率下降，说明搭配销售没做起来；件单价下降，说明卖出的商品价格带变低，可能是促销拉低，也可能是商品结构本身在变化。按新客、老客拆客单价，能进一步判断是拉新客人单次买得少，还是老客购买力下降。判断商品结构问题，可以结合商品数据分析一起看。

复购：看买完还来不来

复购率 = 重复购买用户数 ÷ 总购买用户数 × 100%

复购率决定门店业绩的稳定性。分析时先拆新客留存和老客流失，再看会员结构。常用指标有三个：

• 会员数量：注册会员数，可细分新增、活跃、沉睡。
• 会员销售占比：会员消费金额 ÷ 总销售金额，反映会员体系成熟度。
• 会员到店频次：平均每个会员的到店次数，反映持续消费习惯。

要定位复购问题，可以用 RFM 分群，按最近消费时间、消费频次、消费金额把会员分成不同人群，再分别看哪个人群的复购在掉。这一步就是把门店转化分析和会员复购串起来。

门店指标字典

下表统一了零售门店经营分析常用指标的口径和用途，可直接对照使用。

坪效是经营效率指标，用来比较门店空间利用，不能替代到店、成交、客单、复购的过程分析。要把这些指标落到日常看板，可以参考国产BI工具的选型。

门店与人群对比怎么定位问题

单看一家店的总数很难判断好坏，对比才有效。两类对比最常用：

第一类是同店环比，看这家店和它自己的上个月、去年同月相比。营业额下降时，先把下降拆到进店人数、成交率、客单价三个因子，看哪个因子贡献最大。

第二类是门店之间对比。连锁场景下，把同区域、同类型门店放在一起，看客流、成交率、客单价、复购率的排名，找出标杆店和问题店。

人群对比用于复购和会员问题。把新客和老客、不同会员等级、不同 RFM 人群分别比较，能看出复购下滑是拉新质量差，还是老客在流失。单项指标只能提示方向，最后要结合商品、渠道和客户反馈验证，不能把同时发生的两个变化直接认定为因果。

分层复盘模板

复盘时按结果、环节、原因、动作四层推进。以下是一个示例，数字为演示数据。

示例：某门店上月进店 10000 人，成交率 40%，客单价 200 元，营业额为 10000 × 40% × 200 = 800000 元。本月进店 8800 人，成交率 42%，客单价 210 元，营业额为 8800 × 42% × 210 = 776160 元，环比下降 2.98%。进店人数下降 12%，成交率上升 2 个百分点（相对上升 5%），客单价上升 5%，乘法核对为 0.88 × 1.05 × 1.05 = 0.9702。成交率和客单价的改善未完全抵消进店人数下降，应优先排查到店环节。检查该商圈近期是否有道路施工、新开竞品，或线上引流投放是否减少；确认原因后再调整引流预算，不能仅凭营业额下降就认定需要培训导购。

这个模板的关键是先拆因子再下结论，避免看到营业额下降就直接归因于导购或客流。

分析与运营怎么接上

指标拆完后，难点在于把分析结论变成运营动作。会员复购下滑时，需要先圈出下滑人群，再生成对应策略并触达，最后回看效果。这一步如果靠人工在报表和营销系统之间来回切，周期会拉长。

ThinkingAI的定位就是把分析到运营接成闭环。平台提供事件分析、漏斗分析、留存分析、路径分析、用户分群、RFM、A/B 测试、自动化触达等能力，已服务全球超过 1500 家企业，接入产品超过 8000 款。

以零售会员经营场景为例，运营可以先按 RFM 和会员等级圈出复购下滑人群，再由智能运营 Agent配置触达策略。Agentic Engine 会把发现异常、定位人群与原因、生成策略、协同触达、复盘沉淀串成一条可回看的行动闭环，让门店和会员运营不再依赖手工拼数。需要体验可到 thinkingai.cn 申请演示。

常见问题

门店经营分析需要哪些数据？至少需要交易数据和会员数据。交易数据来自 POS，会员数据来自会员系统。有客流硬件时补充路过人数和进店人数，也可通过人工抽样或独立访客统计采集。交易人数和预约渠道到店人数不能替代全店进店人数；缺少独立进店统计时，不计算全店进店率或成交率。

没有线下客流硬件怎么做门店分析？可分析销售额、成交客数、客单价、销售件数、复购率和会员结构。成交客数与到店消费人数不包含未买单访客，预约到店数只覆盖特定渠道，不能代替全店进店人数；没有独立进店统计时，不计算全店进店率或成交率。可用人工抽样或独立访客统计补足分母；预约渠道只能以该渠道成交人数除以该渠道实际到店人数单独计算，并注明范围。坪效只用销售额和营业面积计算，不需要客流硬件。

坪效和客单价先看哪个？两者回答不同问题。客单价看顾客单次价值，属于过程指标；坪效看空间产出，属于效率指标。营业额异常时先拆到店、成交、客单、复购，坪效更适合在门店之间做空间效率比较。

复购率下降怎么排查？先确认口径，区分用户复购率和订单复购率；再拆新客留存和老客流失，用 RFM 和会员等级定位具体人群；最后结合商品、促销、库存和客户反馈验证原因，不要只看一个总数。

餐饮门店能直接用这套方法吗？本文针对零售门店。餐饮门店有排班、翻台、外卖等特殊任务，需要在到店、成交、客单、复购之外补充这些环节，不能直接照搬。