题目 大型超市“购物篮”问题分析
摘要
本文对于大超市商品的关联度以及商品最频繁同时购买问题进行分析，构建合理的数学模型，并给出可操作的商品销售方案。
问题一要求统计处理4717个顾客对999中商品的购买记录数据，建立数学模型，定量表达超市中多种商品间的关联关系的密切程度。首先建立遗传算法，利用SPSS 统计得出各个商品购买数量，并计算出标准差。再对影响关联度的另一度量指标进行分析，将数据分类利用Matlab 处理数据，得出商品间的欧氏距离。最后加上实际影响因素，建立模型：
9991
n n
I I n C P C ==∑
利用Excel 进行统计与描述，可以得出共有623种商品关联度为0.1888,299种商品间关联度为0.0705，88种商品间关联度为0.0245,33种商品间的关联度为0.0074，11种商品间的关联度为0.0022,5种商品间的关联度为0.0020。
问题二要求分析说明哪些商品是最频繁被同时购买的，并在问题一的基础上，用一种快速有效的方法计算。已知问题1的结果，将商品进行分类，运用贪婪算法逐步得出被同时购买的商品数，利用Matlab 得出结果。
综合以上分析可以得出，五种商品的购买组合中商品413，商品424，商品538，商品572，商品797，购买次数最高,102次，组合利润最高1485.399，总利润最高151510.698。因此，将这组商品作为最优组合。
问题三要求根据问题1、问题2中建立的模型，对附件2中999种商品的利润进行分析，给出一种初步的促销方案。对数据运用Matlab 进行拟合，得出商品利润与商品之间的关联度符合线性关系。对附件2中利润数据分类，分别计算结果。最后，给出促销方案。
关键词 遗传算法 欧氏距离 关联度 贪婪算法
一、问题背景和重述
1.1问题背景
超市购物属于日常生活，而每天来超市购物的顾客和购买的商品都具有不稳定性。商品的销量会因顾客的喜好或时间的影响不断变化，又因商品购买存在随机性、多元性等特点，必须估测好每种商品的需求量。如处理不当，很可能造成仓库囤积量增多，甚至造成超市利润损失过大。
商品购买是不确定的，但某种或某些商品会获得大多数人的认可，被顾客频繁购买。在大型超市中，商品繁多、复杂，正确分析并估算顾客对某种或某些商品的喜好，将为超市经理合理设计进货方案、处理仓库、获得最大利润、搞推销、促销活动和购物赠送活动等提供理论依据。
商品市场分析和顾客购物习惯分析，作为超市一项基础性任务，不仅可以确定超市进货合理模式及合理促销方式，还可以为各大型超市确定今后整体规划、超市规模、商品购买后评估等提供更为科学的理论依据。
1.2问题重述
现给出超市进一个星期的所有顾客购买物品的清单和相应商品的价格，分析所给数据，研究以下问题，并建立合理的数学模型：
1、附件1 中的表格数据显示了该超市在一个星期内的4717 个顾客对999 种商品的
购买记录，表格中每一行代表一个顾客的购买记录，数字代表了其购买商品的超市内部编号。根据附件1（详见附录1），建立一种数学模型，定量表达超市中多种商品间的关联关系的密切程度。
2、根据问题1中建立的模型，寻找一种快速有效的方法从附件1的购买记录中分析出哪
些商品是最频繁被同时购买的。
3、综合上述分析和求解，分析附件2（详见附录1）给出的999中商品利润，并根据问题
1、问题2中建立的模型，给超市经理一个合理的“购物篮”分析报告，提供一个促
销计划的初步方案。
二、问题分析
2.1问题一的分析
要定量表达超市中多种商品间的关联关系的密切程度，首先要根据附件1表格中的数据统计出各种商品被购买的数量，可以建立基于神经网络算法的遗传算法模型。遗传算法是一种适合于复杂系统优化计算的自适应概率优化技术，能够较好地计算复杂数据和概率。
超市商品种类繁多，表格中给出的数据量多，要将这些数据进行分类，计算出标准差和欧氏距离。标准差是数据偏离平均数的距离平方的平均数，能反应一个数据集的离散程度。欧氏距离是指m维空间中两个点之间的真实距离，或向量的自然长度。本题中属于二维空间，因此表示的是数据的真实值。在平均数相同时，标准差不能反映出各个数据之间的差别，欧氏距离可以。最终，可以综合利用标准差和欧氏距离，更好地反映商品间的关联度。
2.2问题二的分析
要分析说明999中商品中哪些商品是被最频繁同时购买的，并找出尽可能多的商品被频繁同时购买，就要先根据问题一所给附件1中的购买记录和问题一的模型，得出多种商品之间的关联度。在遗传算法的基础上，运用贪婪算法对所得数据结果进行分类计算。
贪婪算法（Greedy algorithm ）是一种对某些求最优解问题的更简单、更迅速的设计技术。用贪婪设计算法的特点是一步一步地进行，常以当前为基础根据某个优化测度作最优选择，而不考虑各种可能的整体情况。它采用自顶向下、以迭代的方法做出相继的贪心选择，每做一次贪心选择就将所求问题简化为一个规模更小的子问题，可得到问题的一个最优解。
问题二已知多种商品间关联度的数据结果，因此运用贪婪算法可将本问逐步简化为规模更小的问题。 2.3问题三的分析
要给出一种初步的促销方案，使超市的效益进一步增大，就要先计算出999中商品各自给超市带来的利润，并综合商品的自身特质和顾客的喜好。要求根据问题一、问题二建立的模型，求解问题三。
问题三属于方案题，不仅要计算统计客观数据，而且要综合多种因素考虑，并结合实际情况给出合理切实际的方案。运用Matlab 计算出各种商品组合的利润，包括单个利润、组合利润和总利润。按照最优原则，选择符合条件的最优商品，结合问题一、问题二中的商品关联度和商品频繁购买数，选出综合最优商品。
对市场做多次调查，了解顾客喜好。通过打折促销、赠送促销和人员推销等方法，增加商品购买力，获得更高利润。
三、符号说明
由于本文在解答过程中出现很多符号，现将这些符号进行解释： 符号 解释说明
n I
第n 个商品的编号)999...3,2,1( n
n I C
第n 个商品被购买的次数
D 所有事物的集合
P 置信度 M P 最大置信度
n p 平均置信度 D 所有事物的集合 A
子项目的集合 DNA 关联度 )(i f
打折数 max Y
最大利润
四、模型假设
为使得题目解决方便，现对一些客观存在但影响可忽略不计的因素进行假设： 1、假设各个商品的利润保持不变；
2、假设顾客收入基本稳定，经济发展较为平衡，即短时间内不会出现经济危机问题；
3、假设表格中的数据能真实地反映当地消费者的购物情况；
4、假设短时间内商品的销售情况维持稳定，不会出现大幅波动。
五、模型建立与求解
5.1数据预处理及模型准备 5.1.1数据预处理
对于附件1和附件2所给出的表格数据，发现存在少量数据的缺失。由于表格中所给数据量大，相比较于999种商品和4717位顾客购买商品数量，缺失的数据相对可忽略不计。
由于附件1所给表格不能够直观地进行统计，就运用Excel 软件将大量数据进行分析处理，再将文本数据转化至表格。通过SPSS 统计出各个商品被购买的次数，为保证结果的精确性，多次试算统计出每种商品被顾客购买的次数，绘制出表格3（全部数量见附件1）。 5.1.2模型准备
设}...,321{n N ，，= 是所有项目的集合。D 是所有事务的集合(即数据库)，每个事务A 是一些项目的集合， A 包含在D 中，每个事务可以用唯一的标识符DNA 来标识。设I 为某些项目的集合,如果I 包含在A 中,则称事务包含A ,就相当于两个不同的DNA 的相同序列 ,这里I 包含在A 中，H 包含在A 中，并且I ∧H =Φ。其意义在于一个事务中某些项的出现，可推导出另一些项在同一事务中也出现为简单化，将(I 包含在A )=>(H 包含在A )表示为H I ?，这里“?”称为关联操作。
5.2问题一模型的建立与求解
大型超市商品种类繁多复杂，经营内容趋向大众化和综合化。同时，超市自动标价、计价，节省了顾客的时间，也满足了顾客一次性购足的方式，深受顾客的喜欢。超市经营方式要灵活，必须了解顾客对各种商品的购买情况，才能形成低成本、大流量的经营模式。
根据表1数据，采用商品的置信度表征商品之间关系。因此，如果用n I C 次表示商
品n 被购买的次数，所有商品的集合为}...,321{n N ，，
=，n 种商品被购买次数之和为}...{21n I I I C C C +++，则各个商品的置信度为：
999
1
n
n
I I n C P C
==
∑
运用SPSS软件处理数据，并计算出各个商品被购买的次数，此处列出50中商品购买的次数（全部结果见附录1表1），绘制表格如下：
表1 前50种商品购买的次数
商品编号 1 2 3 4 5 6 7 8 9 10 购买次数309 269 197 265 156 152 76 673 40 181 商品编号11 12 13 14 15 16 17 18 19 20 购买次数18 625 5 34 122 73 301 120 102 10 商品编号21 22 23 24 25 26 27 28 29 30 购买次数494 179 64 236 427 238 372 280 22 0
商品编号31 32 33 34 35 36 37 38 39 40 购买次数398 524 220 83 322 111 67 376 353 70 这里的置信度相当于遗传学中的的DNA序列，通过取出具有代表性的置信度或DNA序列，作为衡量商品间关联度的一个指标。再建立基于神经网络算法的遗传算法[1]模型，为了进一步精确地得出商品间的关联关系，采用遗传算法中的选择算法，并确定一个标准筛选出关联度较大的商品。
将最小置信度设定为千分之四，从4717个原始数据项中得到个数为17的频繁项集。按置信度降序排列，绘制如下表2：
表2 17种商品的置信度
编号368 829 529 510
0.000515 419 217 489 438
置信度0.0071 0.0059 0.0058 0.0050 0.0050 0.0047 0.0045 编号956 766 914 682 692 937 205 720 722 置信度0.0045 0.0044 0.0044 0.0043 0.0043 0.0048 0.0041 0.0040 0.0040 由表2可以看出，商品368号为最大置信度，商品722号为最小置信度，最大置信度与最小置信度之间相差较大。
根据表2中的最小置信度与最大置信度将置信度均分为八份，运用SPSS软件求出各个区间内的商品个数，整理得到表3：
表3 各置信区间的商品个数
置信区间[0,0.001)[0.001,0.002)[0.002,0.003)[0.003,0.004)商品个数623 299 88 33
置信区间[0.004,0.005)[0.005,0.006)[0.006,0.007)[)
0.007,0.008
商品个数11 5 0 1
将上述区间分为8个区间，再利用Excel绘制散点图如下：
图1 各个区间内的商品
分析散点图可知，在第1到第4区间商品数较多，第5到第8区间商品数较少。即大多数商品关联度不高，只有少数商品关联度较高。
通过Matlab软件均分置信度，求出各个区间内的欧氏距离与方差，比较欧氏距离与方差，得出商品间的关联关系的密切程度。再根据表2的区间，运用Matlab软件求解出欧氏距离与方差，绘制如下表4：
表4 各个区间内的商品
置信区间[0,0.001)[0.001,0.002)[0.002,0.003)[0.003,0.004)欧氏距离0.1888 0.0705 0.0245 0.0074 标准差0.00303 0.00294 0.00275 0.00204
0.007,0.008置信区间[0.004,0.005)[0.005,0.006)[0.006,0.007)[)欧氏距离0.0022 0.0020 0 0
标准差0.00177 0.00039 0 0
利用Excel绘制散点图如下：
图2 欧式距离和标准差
通过综合比较多种商品间的标准差和欧氏距离，可以得出共有623种商品关联度为
0.1888,299种商品间关联度为0.0705，88种商品间关联度为0.0245,33种商品间的关联度为0.0074，11种商品间的关联度为0.0022,5种商品间的关联度为0.0020。
5.3问题二模型的建立与求解
问题二要求根据问题一中建立的模型，分析出哪些商品是最频繁被同时购买的，求解出被同时购买的数量越多越好。根据置信度的定义可推出，某商品组合的置信度越高，表示该组合越频繁被同时购买。
分析所给表1中的数据，将所筛选出的商品种类选出，运用贪婪算法找出最频繁购买的商品组合。与问题一中两种商品的组合进行匹配，去掉重复项，得到两种商品组合，挑选出满足置信度的组合。同样进行满足置信度的三种商品、四种商品、五种商品的选择……依次循环直到没有符合最低置信度的组合程序结束。
首先，要计算两种商品组合，依据置信度挑选出符合条件的商品。截取前五位绘制如下表5：
表5 两种商品组合的排名
次数排名 A B 购买次数
1 368 529 334
2 368 829 313
3 368 217 291
4 368 489 291
5 368 682 289
由表5可以看出，两种商品组合的购买纪录中，368号商品与529号商品的购买组合为最频繁购买组合，商品数为2，频繁出现334次。
和表5所用方法一样再计算三种商品组合，依据置信度挑选出符合条件得商品。再截取前5位绘制表格如下：
表6 三种商品组合的排名
次数排名 A B C 购买次数
1 368 489 68
2 124
2 956 538 41
3 122
3 42
4 572 797 116
4 538 413 797 115
5 95
6 538 79
7 114
6 956 413 79
7 114
7 413 572 956 114
由表6可以看出，三种商品的购买组合中编号为368、489和682商品的购买组合为最频繁购买组合，商品数为3，频繁出现124次。
通过表5和表6可以看出编号为368号的商品，被购买最为频繁。由于本题要求找出被频繁同时购买的商品数越多越好，因此最频繁购买的单一商品不合要求你，要对数据做更多种组合的处理。
依照前两项采用的方法——贪婪算法，计算四种商品组合，依据置信度对被频繁购买的商品次数进行排名。
由于数据量大，只能选取排名靠前的商品绘制表格。此处选取排名前7位绘制表格如下：
表7 前四种商品组合的排名
次数排名 A B C D 购买次数
1 413 424 57
2 956 107
2 41
3 572 797 956 107
3 42
4 572 797 956 107
4 413 424 797 956 106
5 413 538 797 82
6 106
6 413 538 79
7 956 106
7 413 797 826 956 106
由表7可以看出，四种商品的购买组合中编号为413、424、572、956和413、572、797、956和424、572、797、956商品的购买组合为最频繁购买组合，商品数为4，频繁出现107次。
再将表7与表5、表6得出结果进行比较，可知368号单个商品购买最为频繁，其他商品次之。
运用贪婪算法进行最后一次运算，得出五种商品组合的排名，并选取靠前商品进行排名绘制表格8：
表8 五种商品组合的排名
次数排名 A B C D E 购买次数
1 413 424 538 57
2 797 102
由表8可以看出，五种商品的购买组合中编号为413、424、538、572、797号商品的购买组合为最频繁购买组合，商品数为5，频繁出现102次。
综上表格可得，最频繁被同时购买的商品是编号为413、424、538、572、797
5.4问题三模型的建立与求解
5.4.1求解商品组合的利润
问题三要求根据问题一、问题二中建立的模型，计算999种商品对应的利润，给出一种初步的促销方案，使超市的效益进一步增大。分析表2（见附录1表2）的数据，结合问题二中求解最频繁购买商品的方法，分类处理表中给出的利润，并进行比较得出结果，截取前5位绘制表格。
按照商品组合分类，求解各个分类的商品利润。运用Matlab将数据进行分析统计，结果绘制如下表：
表9 两种商品组合的利润
A B 次数单利润总利润
368 529 334 575.95 304677.55
368 829 313 479.64 397621.56
368 217 291 296.1188 64257.7796 368 489 291 296.1188 144802.0932 368 682 289 315.259 215006.638 由表9可以看出，两种商品的购买组合中商品368，商品829的购买组合利润最高。尽管此商品组合购买次数并非最多，但考虑到超市利润最大化的经营目标，将此组合作
为最优商品组合。
根据分类对三种商品组合所得利润进行计算，通过Matlab计算得出的结果，绘制表格如下：
表10 三种商品组合的利润
A B C 次数单利润总利润
368 489 682 124 320.4678 39738.0072 956 538 413 122 477.289 58229.258 424 572 797 116 664.05 77029.8 538 413 797 115 401.809 46208.035 956 538 797 114 477.289 54410.946 956 413 797 114 641.67 73150.38 413 572 956 114 717.15 81755.1 由表9可以看出，三种商品的购买组合中商品413，商品572，商品956的购买组合利润为717.15，总利润为81755.1。单利润和总利润都为此类商品组合最高，因此将此组合作为最优商品组合。
对四种商品组合的利润求解，按购买次数进行升序排列，将得出最优结果绘制如下表：
表11 四种商品组合的利润
A B C D 购买次数单利润总利润
413 424 572 956 107 928.26 99323.82 413 572 797 956 107 905.88 96929.16 424 572 797 956 107 928.26 99323.82 413 424 797 956 106 852.78 90394.68 413 538 797 826 106 426.158 45172.748 413 538 797 956 106 666.019 70598.014 413 797 826 956 106 666.019 70598.014 由表10可以看出，四种商品的购买组合中商品413，商品424，商品572，商品956和商品413，商品572，商品797，商品956的购买次数为107次，组合利润最高为928.26，总利润为99323.82。综合考虑各种因素将此组合作为最优商品组合。
分析五种商品组合的购买次数、组合利润和总利润，将符合条件结果绘制成表格，如下：
表12 五种商品组合的利润
A B C D E 购买次数单利润总利润
413 424 538 572 797 102 1485.399 151510.698
由表11可以看出，五种商品的购买组合中商品413，商品424，商品538，商品572，商品797，购买次数最高,102次，组合利润最高1485.399，总利润最高151510.698。因此，将这组商品作为最优组合。
综合分析以上购买组合利润可知，368和829号商品出现在两种最优销售组合中，同时829和368号商品组合也位于频繁购买的前五位。
已知各商品的关联度，结合分析购买组合利润可知，829号商品与368号等其他商品关联度较高，829号商品销售量增加可带动其他商品销售量大幅上升。因此，商家可对利润较低的829商品采取相应的促销措施，利用829商品销量上升，带动368等高利
润商品销量上升，进而促进销售额与总利润的增长。 5.4.2打折促销方案 5.4.2.1打折促销[2]
根据问题三模型的建立与求解所得结果可知，不同商品组合可获得不同利润，频繁购买次数不同。因此，选择获得利润高同时被频繁购买的商品组合，对这些商品进行推销处理。
首先，各大超市都会将快要过期或进货早的商品放在商品担架的最外部。由于本题讨论的是被频繁购买的商品，不考虑过期等外部影响因素，因此，可将高利润商品集中放在超市内最受欢迎处或放在同类商品货架最外边，达到利润最大化的目的。
单个最频繁购买商品和多个最频繁同时购买商品不同。对单个商品采取薄利多销策略直接打折促销，吸引顾客购买，获得利润增加。对于多种商品组合，选取组合中和其它高利润商品关联度较大而利润较低的商品，通过对这类商品打折，其它高利润商品价格不变，就可以在大量购买打折商品的同时，引起高利润商品的多次购买。此时，损失最小利润获得更高利润。
若一个商品组合中有一个关联度较高而利润较小，可以对此商品进行打折，其他商品价格保持不变。假设经过多次市场实践调查，得出当打折为)(i f 时获得的最大利润为max Y ，那么)(i f 即为确定的折扣。例如组合（X,Y ），对利润较低的X 商品打折)(i f ，保持Y 商品价格不变。
结合上述结果综合分析得，商品编号为368、829、529对其它商品关联度最高分别为0.0071、0.0059、0.0058，而编号829商品单个利润相对较低为188.73。因此，将编号368、829、529商品打折，其它高利润商品价格保持不变。 5.4.2.2赠送促销
为降低部分顾客只购买打折商品的发生几率，超市可以先统计出该购物群体绝大多数的消费水平，将其上调部分后，配合同时期的打折活动推出购满上调后金额赠送小礼品的活动。例如该购物群体每次消费在80~100元之间占绝大多数，基于此信息采取购满99元返券、满99元加1元赠送抽纸一包的促销措施来提高销售量；基于大多数人贪小便宜的消费心理，很多消费者会选择购满99元。这些措施不仅使得顾客的交叉消费大为提高，还能提升顾客对超市的满意度，增加再次光临选购的几率。
七、模型评价和改进
7.1模型的评价
遗传算法具有良好的全局搜索能力，并且利用它的内在并行性，可以方便地进行分布式计算，加快求解速度。但是遗传算法的局部搜索能力较差，在进化后期搜索效率较低。在实际应用中，在同时保持个体的优良性与多样性是个较难解决的问题。
贪婪算法是在某种意义上的局部最优解，效率高。但随着问题规模和复杂度的不断提升，单一的算法在其收敛性和求解速度等方面已经表现出局限性，因此很少用于实例当中。
7.1.1模型的优点
1、遗传算法对解题技巧和问题的深入理解要求不高，应用范围非常广泛，且易于理解
和推广；
2、在处理表格中的数据、计算度量指标时，运用Matlab求得结果，操作简便，容易实
现；
3、遗传算法具有并行计算的特点，通过大规模并行计算可以大大提高计算速度，
计算简单；
4、遗传算法同求解问题的其他启发式算法有较好的兼容性，对于各种特殊问题可以提
供极大的灵活性来混合构造领域独立的启发式，从而保证算法的有效性。
7.1.2模型的缺点
1、某个局部最优个体不易被淘汰反而快速扩散，使得全局搜索能力不强，无法逼近全
局最优解；
2、容易出现早熟收敛和随机漫游现象，机构计算的工作量过大而导致搜索速度较慢等。
3、遗传算法对算法的精度、可信度以及计算复杂性等方面，还没有有效的定量分析方
法。
7.1.2模型的改进
在模型的分析与建立过程中，忽略了一些因素，在模型改进的时候，可以将上述过程中忽略的因素加以考虑。
同时，题目所给的视频时间较短，同时视频中间还存在中断，造成了数据的缺失，使得模型的准确度不是特别高，在改进的时候，可以获得更多更全面的数据，这样可以使得模型更加具有说服力。
八、模型推广
尽管遗传算法本身在理论和应用方法上仍有许多待进一步研究的问题，但它的应用非常广泛，尤其适合于处理传统搜索方法难以解决的高度复杂的非线性问题。它在函数优化、组合优化问题求解、生产跳读问题、自动控制、模式识别、信息处理、规划设计、机器学习、图像处理、机器人学、人工生命、遗传编程等领域的应用中已展现出其优越性和魅力，从而也确定了它在21世纪的智能计算机技术的关键地位。
遗传算法有自己独特的优点，同时也存在缺点，可以将遗传算法与其它算法相结合来求解一般问题的想法，并将遗传算法的应用范围扩展，提出可以运用遗传算法求解由TSP衍生出的各类TSP扩展问题，如求解配送、手机旅行商问题的遗传算法（TSPD）、遗传算法在货物配送问题中的应用（TSP
ST-）、多旅行商问题（MTSP）。
假设有 7
n=件任务，标号为a到g。若将任务a分给机器
1
M，任务b分给机器
2. . .
M，任务g分给机器
7
M，这种分配是可行的分配，共使用了七台机器。但它不是最优分配，因为有其他分配方案可使利用的机器数目更少，例如：可以将任务a b d
、、分配给同一台机器，则机器的数目降为五台。
一种获得最优分配的贪婪方法是逐步分配任务。每步分配一件任务，且按任务开始时间的非递减次序进行分配。若已经至少有一件任务分配给某台机器，则称这台机器是旧的；若机器非旧，则它是新的。在选择机器时，采用以下贪婪准则：根据欲分配任务的开始时间，若此时有旧的机器可用，则将任务分给旧的机器。否则，将任务分配给一台新的机器。根据例子中的数据，贪婪算法共分为 7
n=步，任务分配的顺序为a f b c g e d
、、、、、、。
贪婪算法[4]（又称贪心算法）是指，在对问题求解时，总是做出在当前看来是最好选择。也就是说，不从整体最优上加以考虑，他所做出的仅是在某种意义上的局部最优解。贪心算法不是对所有问题都能得到整体最优解，但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解。
九、参考文献
[1]吴耿锋，上海大学计算机学院，遗传算法及进化神经网络，2004—9（3）。
[2]圣感，超市促销活动方案，https://www.doczj.com/doc/9818535588.html,/view/8d8cd038376baf1ffc4
fad45.html，2014.7.26。
[3]京广线，超市促销策划作业流程，https://www.doczj.com/doc/9818535588.html,/view/b0b7f4c789eb
172ded63b798.html,2014.7.26。
[4]20055248，贪婪算法，https://www.doczj.com/doc/9818535588.html,/view/2602a510a8114431b90dd8
1d.html，2014.7.26。
附录
附录一
表1 商品购买次数
序号 1 2 3 4 5 6 7 8 9 次数309 269 197 265 156 152 76 673 40 序号10 11 12 13 14 15 16 17 18 次数181 18 625 5 34 122 73 301 120 序号19 20 21 22 23 24 25 26 27 次数102 10 494 179 64 236 427 238 372
表2 两个商品的组合
商品A 368 368 217 368 368 368 368 368 368 商品B 529 829 368 489 682 419 937 692 510 次数334 313 291 291 289 269 262 261 260 商品A 368 529 529 368 438 217 692 419 205 商品B 914 692 829 720 529 529 829 829 368 次数259 257 255 249 244 242 237 237 230
附录二
通过M a t l a建立模型，求解第一题矩阵分布程序如下：a=xlsread('C://Users\Administrator\Desktop\表格\商品购买次数.xls');
b=0;
for i=1:1000
b=a(i,2)+b;
end
c0=0;
c1=0;
c2=0;
c3=0;
c4=0;
c5=0;
c6=0;
c7=0;
for i=1:1000;
if a(i,2)/b>0.007
c0=c0+1;
d0=a(i,1);
if a(i,2)/b>0.006
c1=c1+1;
d1=a(i,1);
elseif a(i,2)/b>0.005;
c2=c2+1;
d2=a(i,1);
elseif a(i,2)/b>0.004;
c3=c3+1;
d3=a(i,1);
elseif a(i,2)/b>0.003;
c4=c4+1;
d4=a(i,1);
elseif a(i,2)/b>0.002;
c5=c5+1;
d5=a(i,1);
elseif a(i,2)/b>0.001;
c6=c6+1;
d6=a(i,1);
elseif a(i,2)/b>0;
c7=c7+1;
d7=a(i,1);
end
end
do=sqrt(1/2*d)
利用Matlab解欧氏距离程序如下：
a=xlsread('C://Users\Administrator\Desktop\表格\1.xls');
d=0;
for i=1:239
for j=1:239
b=(a(i,2)-a(j,2)).^2;
d=d+b
end
end
利用Matlab求取商品组合：
data1=xlsread('C:\Users\Administrator\Desktop\表格\数据表'); %求取0-1矩阵
data=zeros(4718,999);
for i=1:4718
for j=1:72
if data1(i,j)>0
data(i,data1(i,j))=1;
end
end
end
%不同种类产品的购买次数
B1=zeros(999,2);
for i=1:999
B1(i,1)=i;
end
for i=1:4718
for j=1:999
if data(i,j)==1
B1(j,2)=B1(j,2)+1;
end
end
end
%排除不在置信区间内的数字
t=1;
Value_supt=100;%两商品支持度阙值
for i=1:999
if B1(i,2)>Value_supt
C1(t,:)=B1(i,:);
t=t+1;
end
end
%满足置信度的单价商品所构成的两件商品组合
n=size(C1,1);%n为C1的行数
n2=0;
t=1;
n3=n*(n-1)/2;
B2=zeros(n3,3);
for j1=1:n-1
for j2=j1+1:n
for i=1:4718
if data(i,C1(j1,1))==1&data(i,C1(j2,1))==1
n2=n2+1;
end
end
B2(t,1)=C1(j1,1);
B2(t,2)=C1(j2,1);
B2(t,3)=n2;
n2=0;
t=t+1;
end
end
%满足置信区间的两件商品的组合
a=find(B2(:,3)>Value_supt);
n4=size(a,1);
C2=zeros(n4,3);t=1;
for i=1:n3
if B2(i,3)>Value_supt
C2(t,1)=B2(i,1);
C2(t,2)=B2(i,2);
C2(t,3)=B2(i,3);
t=t+1;
end
end
n2=0;t=1;
n3=n1*n;
B3=zeros(n3,4);
for j1=1:n1
for j2=1:n
for i=1:4718
if
data(i,C2(j1,1))==1&&data(i,C2(j1,2))==1&&data(i,b(j2))==1&&b(j2)~=C2(j1,1)&&b(j2)~ =C2(j1,2)
n2=n2+1;
B3(t,1)=C2(j1,1);
B3(t,2)=C2(j1,2);
B3(t,3)=b(j2);
end
end
B3(t,4)=n2;
n2=0;t=t+1;
end
end
%满足置信度的3件商品
a=find(B3(:,4)>Value_supt);n4=size(a,1);
C3=zeros(n4,4);
t=1;
for i=1:n3
if B3(i,4)>Value_supt
C3(t,1)=B3(i,1);
C3(t,2)=B3(i,2);
C3(t,3)=B3(i,3);
C3(t,4)=B3(i,4);
t=t+1;
end
end
%满足置信度的3件商品组合成的4件商品
b4=unique(C3(:,[1,2,3]));
n=size(b4,1);
n1=size(C3,1);
n2=0;t=1;
n3=n1*n;
B4=zeros(n3,5);
for j1=1:n1
for j2=1:n
for i=1:4718
if
data(i,C3(j1,1))==1&&data(i,C3(j1,2))==1&&data(i,C3(j1,3))&&data(i,b4(j2))==1&&b4(j2) ~=C3(j1,1)&&b4(j2)~=C3(j1,2)&&b4(j2)~=C3(j1,3)
n2=n2+1;
B4(t,1)=C3(j1,1);
B4(t,2)=C3(j1,2);
B4(t,3)=C3(j1,3);
B4(t,4)=b4(j2);
end
end
B4(t,5)=n2;
n2=0;t=t+1;
end
end
%满足置信度的4件商品
a=find(B4(:,5)>Value_supt);n4=size(a,1);
C4=zeros(n4,5);t=1;
for i=1:n3
if B4(i,5)>Value_supt
C4(t,1)=B4(i,1);
C4(t,2)=B4(i,2);
C4(t,3)=B4(i,3);
C4(t,4)=B4(i,4);
C4(t,5)=B4(i,5);
t=t+1;
end
end
%将所需筛选的矩阵赋值给A A=Cn
%3物品1次数
A=C3;
k1=0;k2=0;k3=0;n3=120; %增添kn，修改n3值%n3为矩阵的行数
for i1=1:n3-1
for j=i1+1:n3
k1=ismember(A(i1,1),A(j,[1:3]));% 扩展kn [1:n]
if k1==1
k2=ismember(A(i1,2),A(j,[1:3]));
if k1==1&&k2==1
k3=ismember(A(i1,3),A(j,[1:3]));
if k1==1&&k2==1&&k3==1
A(j,4)=0; %扩展时该项需修改
end
end
end
k1=0;k2=0;k3=0;%增加kn
end
end
%筛选重复地三种元素
%将所需筛选的矩阵赋值给A A=Cn
%3物品1次数
A=C3;
k1=0;k2=0;k3=0;n3=120; %增添kn，修改n3值%n3为矩阵的行数for i1=1:n3-1
for j=i1+1:n3
k1=ismember(A(i1,1),A(j,[1:3]));% 扩展kn [1:n]
if k1==1
k2=ismember(A(i1,2),A(j,[1:3]));
if k1==1&&k2==1
k3=ismember(A(i1,3),A(j,[1:3]));
if k1==1&&k2==1&&k3==1
A(j,4)=0; %扩展时该项需修改
end
end
end
k1=0;k2=0;k3=0;%增加kn
end
end
%CCn——筛选后的矩阵
a=find(A(:,4)~=0);n4=size(a,1); %A(:,n)
C3=zeros(n4,4);t=1; %Cn 定义矩阵大小
for i=1:n3
if A(i,4)~=0
C3(t,1)=A(i,1);%Cn 增添项
C3(t,2)=A(i,2);
C3(t,3)=A(i,3);
C3(t,4)=A(i,4);
t=t+1;
end
end
%筛选四种元素中的重复项
%将所需筛选的矩阵赋值给A
%4物品1次数
%n3为矩阵的行数
A=C4;%赋值C4
k1=0;k2=0;k3=0;k4=0;n3=420; %增添kn,
for i1=1:n3-1
for j=i1+1:n3
k1=ismember(A(i1,1),A(j,[1:4]));%[1:n]
if k1==1
k2=ismember(A(i1,2),A(j,[1:4]));
if k1==1&&k2==1
k3=ismember(A(i1,3),A(j,[1:4]));
if k1==1&&k2==1&&k3==1
k4=ismember(A(i1,4),A(j,[1:4]));
if k1==1&&k2==1&&k3==1&&k4==1
A(j,5)=0; %扩展时该项需修改
end
end
end
end
k1=0;k2=0;k3=0;k4=0;
end
end
%CCn——筛选后的矩阵
a=find(A(:,5)~=0);n4=size(a,1);
C4=zeros(n4,5);t=1;
for i=1:n3
if A(i,5)>Value_supt
C4(t,1)=A(i,1);
C4(t,2)=A(i,2);
C4(t,3)=A(i,3);
C4(t,4)=A(i,4);
C4(t,5)=A(i,5);
零售行业大型超市 在中国的发展及趋势研究报告 指导老师：李华 市场营销专业
零售行业之大型超市在中国的发展及趋势的研究报告 报告概述 我小组四人做的是关于零售行业中的大超市在中国的发展及趋势的研究，各有分工。我们四人小组成立以后首先确定行业，组长进行分工，和经过两周的信息收集第三周进行会汇总，第四周做成草稿，经过PPT演示以及和广大同学的讨论，在李华老师大的指导下扬优补缺最终定稿。信息收集工作主要有，侯仕杰对宏观环境的信息收集和分析；杨怡萍对消费者需求特征的信息收集和分析，王帅对行业环境的信息收集和分析。案例分析的信息收集由杨旭昇收集，共同分析，我们小组在最后讨论啦我们的想法，得出大超市行业在未来发展的趋势，主要表现在组织、品牌、人才、物流和科技等方面。综合以上分析，由组长整理出分析报告，分为六部分：零售行业宏观环境分析，零售行业消费者需求特征分析，行业分析，个案分析，论企业成败，小组总结。 一、零售行业宏观环境分析 零售业是指通过买卖形式将工农业生产者生产的产品直接售给居民作为生活消费用或售给社会集团供公共消费用的商品销售行业。从行业的生产要素来看，零售行业是典型的劳动力密集型和资金密集型行业。而且，随着零售业发展水平的提高，行业生产要素逐渐由劳动密集向典型的资金密集转移。 <1）我国人口众多，市场广大，是世界上最具潜力的市场，这不仅是中国本土零售企业的发展机会，更是国外大型零售商的理想市场。家乐福、沃尔玛等大型零售企业争相进驻中国市场，这对我国本土零售行业，
即使冲击，同时又带来了新的经营理念和新的经营方式，加快了我国零售行业经营模式的转型，这既是机遇，同时又是挑战。 <2）改革开放以来我国零售业的发展从小到大、从封闭到开放、从单一到多元、从传统到现代。零售业是我国最先开始市场化、实现市场化的产业。并且我国零售行业在世界市场的地位也在不断上升，零售额占世界零售市场的份额已由2000年的5.1%增至2007年的9.9%。2008年虽然受到全球金融危机的影响，销售利润有所下降，但我国消费品零售额的速度达到了新一轮消费增长上升周期的顶点。而且在2009年中国实现社会消费品零售总额125342.7亿元，比2008年增长15.5%，并呈现出上半年增长平稳，下半年逐季走高的态势，我国零售行业的发展前景形势大好。 <3）为促进经济发展，我国政府实施积极的财政政策，拉动内需，鼓励消费，这对我国零售业的发展无疑是个有利的形势。另外2018年正处于21世纪第一个十年与第二个十年的交汇之际，面临一个走出全球金融危机、步入回升向好的新时期。2018年中国经济仍然保持较快的增长速度，零售业正朝着好的方向行驶。中国的新能源产业、3G产业、农村家电等将带动我国新一轮经济增长。未来十年，包括零售业在内的中国现代化流通事业应该而且一定会跨上一个新的台阶。 <4）网络技术的发展和计算机的普及，促进了零售行业在销售形式上的新变化，这是区别于传统零售形式的，近年来持续高速增长的网络购物，已成为方便居民消费、扩大消费的重要方式，引起了社会各界的高度重视。巨大的网上购物市场发展空间，吸引越来越多的传统零售商、品牌生产商以及其他力量积极地发展“网店”，“网店”将成为零售渠道之争的新战场，零售渠道的“跑马圈地”由陆地转向“空中”，将呈现“网
超市智能购物车设计 摘要:根据数据统计，无害化方式处理的厨余垃圾，近几年虽然有较大的提升，但是与其他发达国家比较而言，无害化处理率仍然很低。而且目前我国的厨余垃圾大部分是以混合处理的形式进行的，这给城市垃圾处理带来巨大压力。针对这一现象，本课题设计了一款家用厨余处理器。该设计有如下几个要点：科技、便捷、小型、安全。本设计不拘泥于现有厨余处理器的具体形式，而从绿色环保与循环利用的角度出发，提供对厨余垃圾处理的一条新途径，在减少城市生活垃圾处理压力的同时给都市生活更多选择。这并不仅仅是作外观上的美化、文化层面上的创新，更是对未来生活方式做出合理化的预测及指导；其次，本设计适用于家庭与小型餐馆，需要更多考虑的方向是操作的便捷性、外观的优美程度与较小的处理量；另外，本设计特意考虑到取出处理物的问题，设计了配套的播撒机器人；最后，本课题将重点放在造型与操作上，竭力塑造一个可以融入生活的产品而不是生冷的机器。 关键词：厨余处理器；科技；小型；循环利用
Design of kitchen waste processor Abstract: According to statistics,the harmless treatment of kitchen waste, although in recent years has greatly improved, but compared with other developed countries, harmless treatment rate is still low. And at present our country kitchen waste are mostly in hybrid form, which bring huge pressure to city garbage view of this phenomenon,this paper will design a house hold kitchen product has the following several points: technological,convenient,safe and specific form of this design does not rigidly adhere to the existing kitchen waste processor,and from the green environmental protection and recycling point of view,to provide a new way of kitchen waste treatment,in the reduction of city living garbage disposal pressure at the same time to the urban life more is not only the innovation of appearance,cultural level,it is to predict and guide the rational for the future way of life;secondly,the design is suitable for families and small restaurants,which need more consideration is the direction of the beautiful degree and small amount of processing convenience,the appearance of operation,and not takes over the pursuit of excess functions and too large volume,avoid because of unreasonable allocation of resources idle and waste;in addition,this product specially consider the matter out processing,;finally,this paper will focus on the design and operation,to create a product that can be integrated into the life rather than a cold machine. Keywords:kitchen waste processor;technology;small;recycling
超市的布局 一、超级市场的主要区域 经营生鲜食品是超级市场的一大特色。因此，超市的区域设置除了应有卖场区、辅助区、储存区外，还应有生鲜食品加工区，有的超级市场将加工区与储存区合为储存加工区。卖场区是顾客选购商品、交款、存包的区域，有时还包括顾客休息室、顾客服务台、婴儿室等。 储存加工是储存加工商品的区域，包括商品售前加工、整理、分装间、收货处、发货处、冷藏室等。 辅助区是超级市场行政管理、生活和技术设备的区域，包括各类行政、业务办公室、食堂、医务室及变电、取暖、空调、电话等设备用房。 店内面积分配 商店场地面积可分为营业面积、仓库面积和附属面积三部分。各部分面积划分的比例应视商店的经营规模、顾客流量、经营商品品种和经营范围等因素影响。合理分配商店的这三部分面积，保证商店经营的顺利进行对各零售企业来说是至关重要的。 通常情况下，商店面积的细分大致如下： １.营业面积：陈列、销售商品面积，顾客占用面积 ２.仓库面积：店内仓库面积、店内散仓面积、店内销售场所面积 ３.附属面积：办公室、休息室、更衣室、存车处、饭厅、浴室、楼梯、电梯、安全设施占用面积。 根据上述细分，一般说来，营业面积应占主要比例，大型商店的营业面积占总面积的60一70％，实行开架销售的商店比例更高，仓库面积和附属面积各占15—20％左右。 在安排营业面积时，既要保证商品陈列销售的需要，提高营业面积的利用率，又要为顾客浏览购物提供便利。 二、卖场区域分类 1、熟食，生鲜，速冻等商品或区域放在门店的最深处或主要的通道上； 最吸引顾客的商品或区域放在门店的最深处或主要的通道上，以便吸引顾客完全的将自己的门店光顾一遍。，一方面靠近后场的作业区，另一方面还可以吸引顾客走遍全场。 2、果蔬区一般被认为高利润部门，通常的布局是满足顾客的相关购物需求，安排在肉食品的旁边； 还有一种安排就是放在顾客购物流程的开端，以免随着顾客购物的增加，无力购买高价的蔬果。 3、由于奶制品和冷冻品具有易融化，易腐蚀的特点，所以一般它被安排在顾客购买流程的最后，临近出 口，同时奶制品和冷冻品通常在一起，这样有利于设备的利用。 4、烘焙品的主力商品是面包，销量大，毛利高，大多被安排在第一货架和靠近入口的地方，这样不仅会 刺激高价位的面包的出售，而且还会避免顾客遗忘。 5、杂品部分主要在超市卖场的中央，采取落地货架形式，布局为纵向陈列，这样顾客就可以透视纵深， 其他的陈列方式一般不被接受。 6、店头会有门店专门设计的一些烘托卖场氛围的热烈的商品展示，来渲染顾客的购物情绪，给顾客形成 一个良好的购物印象。同时这个商品展示的平台要注意摆放合适，做到便于顾客出入的原则。 7、还有一项商品规划的设置就是一般部门的设置规划本着防盗防损的目的，一些丢失率较高的商品会专 门安排在一些特定的角落，例如：口香糖总是在收银台前，化妆品总是在门店内的醒目的地方。 １.商品配置的面积分配
超市销售分析报表标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]
超市销售分析报表 商品周转率 1、什么是周转率 所谓周转率即是指商品从入库到售出所经过的时间和效率。衡量商品周转水平的最主要指标是：周转次数和周转天数 2、计算方法 周转次数指一年中，库存（配送中心和店铺）能够周转几次，计算公式为： 周转次数=销售额/平今年库存额 平均库存=（期初库存+期末库存）/2 周转天数表示库存周转一次所需的天数，计算公式为： 周转天数=365天/周转次数 3、商品周转率的不同表示法 由于使用周转率的各不相同，可按下列各种方法，来斟酌变更分子的销售额和分母的平均库存额。 ⑴用销售来计算，这种方法便于采用售价盘存法的单位。 ⑵用成本来计算，这种方法便于观察销售库存额及销售成本的比率。 ⑶用销售量来计算，这种方法用于订立有关商品的变动。
⑷用销售金额来计算，这种方法便于周转资金的安排。 ⑸用利益和成本计算，这种方法以总销售额为分子，用手头平均库存额为分母，且用成本（原价）计算，使用此方法，商品周转率较大，这是由于销售额里面多包含了应得利润部分金额的缘故。 商品周转率的方法算式 1、商品周转率数量法：商品周转率=商品出库综合／平均库存数 2、商品周转率金额法： 商品周转率=全年纯销售额（销售价）／平均库存额（购进价） 商品周转率=总进价额／平均库存商品（购进价） 商品周转率=销售总额／改为销售价的平均库存额 3、商品周转周期（天） 商品周转周期=（平均库存额／纯销售额）×365 主管人员或负债具体工作人员可以根据这5个公式来计算不同种类、不同尺寸、不同色彩（颜色）、不同厂商或批发商的商品周转率，调查“销路较好”和“销路欠佳”的伤心，一次来改善商品管理并增加利润。 提高商品周转水平是一个系统工程，核心是两个内容。一个是有效的商品评价体系，如进行2／8分析或／ABC分析，进行商品的汰换，剔除滞销品；采用商品贡献率比较法（商品贡献率=销售占比×毛利率）衡量商品的重要程度；通过品类管理技术的应用来改善商品结构，加强库存管理等。另一个是提高供应链的速度，包括建立完善信息管理系统，提
目录 一，综述 2008年中国超市行业发展总体情况 2009年中国超市行业发展概况二，几种主要业态的发展特点 1 大型超市和超市 2 百货店 3 便利店 4 家电 三，超市经营情况 1发展概要 1.1业态成长 1.2市场份额. 1.3市场区隔. 1.4渠道渗透 2市场环境分析 2.1金融危机的短期影响 2.2 企业的应对措施 2.3 市场环境与竞争分析 3存在的问题 3.1我国超市行业的问题 3.2解决方法
四，发展趋势 1 总趋势 2 行业增长和热点区域 3 与消费者关系 4 战略转变 5 行业集中度 五，附录 1 2008年中国连锁五十强. 2 2008年中国快速消费品连锁零售百强.
一：综述 1．2008年中国超市行业发展总体情况 2008年连锁超市业在通货膨胀中稳定增长，销售增长速度明显高于2007年，可见通胀并没有阻碍超市企业的崛起与发展。统计数据显示，2008年上半年零售业整体仍保持快速增长，千家核心商业企业上半年累计同比增长 20.1%，仍处于较高的增长速度，高于2007年同期3.4个百分点。零售业上 市公司2008年1季度增长28.61%，高于2007年同期7.47个百分点，毛利率18.25%，扣除非经常性损益后的净利润实现增长137.96%。2008年1-8月全国累计社会消费品零售总额68439亿元，同比增长21.9%。 2008年，家乐福、沃尔玛、农工商、易初莲花等连锁超市纷纷以增开门店的方式，加速在全国各大中小城市的跑马圈地。2008年，吉之岛、乐天超市、沃尔玛、家乐福、乐购等国际连锁零售企业纷纷宣布，未来3年将加紧扩大在国内的开店规模。如果说中国零售业全面开放后的前3年是外资巨头的“圈地期”的话，那么后3年就是战术的“二度扩张期”，外资零售巨头在中国市场的细化布局将正式拉开序幕。 外资超市的门店扩张，一般采取布局多个核心城市，然后向全国二三线城市扩张的战略。内资超市大都扎根一个中心区域，然后向周边地区辐射。 如步步高布局湖南和江西地区，联华超市主要集中在上海地区，新华都门店主要分布在福建，物美、京客隆等超市主要集中分在华北一带，美特好连锁超市分布在山西等。 2.2009年中国超市行业发展概况 2009年中国连锁百强中，外资超市企业包括大润发、家乐福、沃尔玛等8家，2009年总销售规模为1757.1亿，门店总数为785家。而中资超市包括联华、物美等31家，总销售规模为3913亿元，门店总数为23004家。二，几种主要业态的发展特点 1，大型超市和超市 大型超市和超市经营的大多是居民生活必需品，因此也是受危机影响最小的业态。一年多以来，除上述共性问题外，有以下几个明显的特点：
【最新资料，WORD文档，可编辑修改】连锁经营，是指授权者将自己所拥有的商标（包括服务商标）、商号、产品、专利和专有技术、经营模式等以合同的形式授予被授权者使用，被授权者按合同规定，在授权者统一的业务模式下从事经营活动，并向授权者支付相应的费用。 连锁经营被称为继百货店之后，零售商业的一次重大革命。连锁经营，是使零售企业经营规模化、组织现代化的有效方式。它是经营同类商品或服务的若干个企业，在同一总部管理下，按照统一的经营方式进行共同的经营活动，以求得规模优势和共享规模效益的经营形式和组织形态，就是把社会化大生产高度专业化分工的原理引入商业经营领域，把若干单独店铺经营者的若干职能加以分离，使商品采购、仓储、陈列、财务等业务环节都由专业部门统一负责，使各店铺可以专心致志地搞好销售、服务。连锁经营在其发展过程中，逐步形成了三种形式，即正规连锁、特许连锁和自由连锁。 超市，最早源于西方国家的超级市场，英文supermarket，是一种可以让顾客直接面对商品进行挑选、购买、实行自我服务的开架式高级市场销售模式。这种销售模式于20世纪末传入我国，并迅速获得广大消费者的青睐。超市作为零售业异军突起的一种销售模式使一些发展迅速且实力雄厚的超市商家开始突破地域界限占有尽可能多的市场份额，连锁超市应运而生。 连锁经营超市，是指经营同一类别的商品和售后服务的若干超市以一定的形式合并成统一的整体，通过企业外表形象的标准化、经营管理活动的专业化、组织人事规范化以及内部管理手段的现代化，做到使复杂的商业活动实现相对的简单化，从而达到规模效应。连锁超市在价格体系上实行低价格、低利润、高周转经营;在销售方式上采取开架售货，顾客自选的方式，是适应大量消费、大量销售、大量流通的新型零售流通手段。1 第二部分宏观环境分析 1《浅析中国连锁超市业的发展》陈焕陕西工业职业技术学院
模式识别期中作业 --挖掘布尔关联规则频繁项集的算法——Apriori算法
一、问题重述 作为超市的经理，经常关心的问题是顾客的购物习惯。他们想知道：“什么商品组或集合顾客多半会在一次购物时同时购买？”。现在假设你们是某超市的市场分析员，已经掌握了该超市近一个星期的所有顾客购买物品的清单和相应商品的价格，需要你们给超市经理一个合理的“购物篮”分析报告，并提供一个促销计划的初步方案。 问题一：附件1中的表格数据显示了该超市在一个星期内的4717个顾客对999种商品的购买记录，对数据进行分析，试建立一种数学模型，使该模型能定量表达超市中多种商品间的关联关系的密切程度。 问题二：根据问题1建立的模型，通过一种快速有效的方法从附件1中的购买记录中分析出哪些商品是最频繁被同时购买的，找到的最频繁被同时购买的商品数量越多越好。 问题三：附件2给出了这999中商品的对应的利润，根据在问题1、问题2中建立的模型，设定一种初步的促销方案，使超市的效益进一步增大。 二、模型的假设 1、假设各个商品的利润保持不变。 2、假设表格中的数据能真实地反映当地消费者的购物情况。
3、假设短时间内商品的销售情况维持稳定，不会出现大幅波动。 三、符号说明 符号解释说明 s i组合i的支持度 c(A=>B)规则A=>B的置信度 c(B=>A)规则B=>A的置信度 c i组合i的平均置信度 s min最小支持度 c min最小置信度 μ关联密切系数 H促销系数 四、问题分析 本题是关于大型超市“购物篮”的分析问题，涉及到数据挖掘、关联规则等相关问题。本题的三个问题是层层递进的关系，要求通过对商品购买数据的分析，找到关联程度较高且购买次数较高的商品，最后设计出合理的超市促销方案。 问题一，由于购物篮分析是关联规则挖掘的一个典型案例，因此我们采用一种最有影响的挖掘布尔关联规则[1]频繁项集的算法——Apriori算法[2-3]。利用其基本思想，进行了商品两种之间的支持度和置信度计算，在定义最小支持度和最
２０１８年超市行业深度分析报告
自2017年起，国内超市行业新零售变革风起云涌；近来高鑫零售与阿里推进新零售改造，成果再超预期。本文将包含标超及大卖场、便利店、社区商业、电商、腾讯在内的相关参与者同时纳入讨论，基于行业理解及基本面分析，客观探讨其现有变革及估值问题。 超市行业唯有两大核心要素不变。1）天然流量导向型生意，而消费者需求始终变化。超市主营多属低价即时消费品，线下“到店即买、顺手多买”的消费习惯及线上“满额免邮”的商家手段决定其流量的高转化率及高附加值； 因而，如何对接消费者需求成功聚客为重中之重，当然也需考虑复购率及粘性的问题；2）供应链效率唯快不破，且需不断提升。行业整体净利率仅2%-3%，唯有用户需求对接而无效率的模式难以存活；其效率提升需要人、供应链及基础设施的匹配，涉及成本端的长期平衡问题。以上决定：行业后发者难以通过先发者的模式复制形成超越；而行业进化往往是优势企业在薄利之上控制成本，在提供更高效供应链的基础上，对接消费者不断变化的需求的革新试错过程。 两阶段衍变过后，国内龙头对比国外差距仍在，规模不足实为根本。国内超市衍变之路，即为两大核心要素的进化史：先由外资超市顺应居民收入增加及消费理念转变，凭借标准化供应链、资本优势及运营效率，于行业渗透率尚低之时快速扩张，引发鲶鱼效应；再因电商入局，通过渠道缩减形成低价，以便利性、丰富性冲击线下，倒逼外资退化、内资分化。两阶段衍变过后，国内龙头盈利能力及效率均不及国外，规模不足实为根本，即：高分散度的行业格局使得国内龙头收入规模较小，缺乏上游议价权，且在人员、租金、物流等费用端不能产生规模效应，成本控制能力较弱；进而导致龙头企业缺乏技术投入及试错空间，影响其供应链优化及运营效率提升，最终体现为ROE不及国外（约低5-10%）。 “新”零售之于超市行业：技术赋能下的加速进化阶段。随着人口、流量、品类红利的收窄，近两年线上零售增速放缓，渗透率渐饱和；与之对比，线下超市行业高分散度的市场格局、高频流量入口价值及最后一公里的卡位优势催使线上巨头频频加码；流量及效率驱动，线上双雄坐阵，线下龙头选边站队已基本完成，行业双线融合趋势渐明，新兴业态风起云涌。新零售顶层设计为技术赋能数据驱动下，以流量运营及供应链C2B牵引，降低消费者试错成本、缩减渠道冗余、提升商家运营效率的行业全面进化过程，目前仍存在新模式跨区域复制困难（特别是低线城市）、成本效率尚待均衡等难题。 但是，双寡头格局下，需求升级，小者难以维系；加之双线龙头强强联合整合资源优势，对线下效率提出更高要求，行业加速集中已成必然趋势。
题 目 大型超市“购物篮”分析 摘 要 本文根据顾客购买记录，通过“购物篮”分析，运用多种模型得出结果，并给出促销方案。 问题一要求构建能表达多种商品关联程度的数学模型。根据4717个顾客对999中商品的购买记录，先用Matlab 对数据进行预处理，将其转化为0-1模型，然后求出购买j 商品的集合j s 和购买k 商品的集合k s ，考虑到同时购买两种商品占购买人数的频率，即相关性，存在购买人数少但相关性大的缺陷。在改进的模型中，因为存在购买商品数少但也会使相关性大的情况，所以对两种情况进行综合考虑，得出最优模型： j k i k i k s s s s p n s s ??=?? 用Matlab 求解0-1矩阵，求出两商品间关联系数较大的前八位，有相关系数的值在0-1围之，与所得模型函数的围一致，可知，该模型是准确可靠的。 问题二要求出有效方法来找出最频繁被购买的商品记录，且越多越好。根据问题一所得0-1矩阵，将其代入Excel 运用Aprior 模型，先算出单项商品的频繁项集，将支持度较小的数据剔除后，最后选取被购买次数最多的前18个商品，其中最畅销的为368号商品。根据这18个畅销品，运用同样方法将其转化为两两商品的组合，得到被同时购买次数200次以上的商品；根据此算法依次迭代，得到同时购买3种商品和同时购买4种商品的数据，更多商品被同时购买次数较少因此不予考虑，最后得出：两件商品被同时购买次数最高的是368和529号；三件商品被同时购买次数最高的是368、489和682；四件商品被同时购买次数最高的是68、937、895和413。 问题三要求给出方案使效益最大。根据问题一中0-1模型和问题二中Aprior 模型，将得到的购买次数最多的商品信息和题中所给利润表相比较，将利润小数量多的商品作为赠品和利润大数量多的商品一同销售；将共同购买次数多且利润大的两商品组合作为促销品进行销售，以进一步提高超市的综合效益。 关键词 0-1模型 Aprior 模型 数据预处理 相关系数
超市消费人群分析 一、超市一般选择在有较多的人群的居住地或闹市区，凭借周围的固定人群及自有品牌影的忠实消费人群，使大型超市的平均客流量在2---3万人/天。 二、一个超市就是一类商品的市场，产品陈列，本身就是一个传播商品信息的渠道。它具有人流量较大，且消费群体多具有一定的购买力，消费群体以20-35岁的年轻人居多，其次是有一定的固定收入的中老年人，而这一群体与品牌客户目标消费人群相匹配。 年龄：以前，高档商城的主要消费群体以30岁以上，有稳定的高收入或 事业有成的人事为主，现在，随着一批年轻化富豪的产生，这些 高消费的年龄界线已经扩大到25岁。 消费观念：讲究品味，追求时尚，注重身份，在商品的选择上对品牌更加苛刻，一但选择，将成为该品牌的忠实消费者。 生活习惯：工作时间占据大多数人的生活，生活节奏快，应酬多，因此也更加讲求生活品质，观注身体健康，观注居住环境.分析：这部分人群是社会发展的中流砥柱，消费层次较高，被其它消费群体仰视，同时，他们的消费习惯也成为想挤身于上流社会的人群的目标。 2、超市购物固定覆盖人群月收入组成如下： 20,000元以上……………………………4.8% 10,000元—20,000元……………………14.4% 4000元—10,000元……………………...28.7% 2000元—4000元………………………..45.4% 3购物车受众调查
针对媒体受众，能“从其他人购物车上看到广告画面”和对自己及他们购物车广告“都能看到”及“没有留意”受众调查都能看到……………………………………………..41.1% 只能看到其他购物车的广告……………………… .43.5% 只能看到自己购物车的广告………………………….13% 没有留意……………………………………………….2.4% 受众时间调查: 购物时间0.5小时以内………………………..3.7% 购物时间0.5-----1小时………………………..30.7% 购物时间1-----1.5小时………………………..36.3% 购物时间1.5------2小时……………………….24.3% 购物时间2个小时以上………………………….5% 调查显示96.3%的受众的购物时间超过30分钟，超过60分钟的比例高达65.6%.
超市销售数据分析标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]
超市销售数据分析主要从以下几方面入手： 销售额分析? 从每日的销售额在本周总销售额中所占的比率，看出一周中销售是好的时间段在哪几天，这样有助于安排门店员工的工作与休息，但是也须在分析报表的同时，注意一些特殊的日子，如节假日、突发性的集团购买、发工资日(主要是在大型厂矿机关的门店，销售主要来自于此)。大部分在周五、六、日三天的销售要高于其他时段，故应该在繁忙时段到来前，备足商品，并减少员工休假，以增加服务人员等举措 毛利率分析? 从毛利率可以看出超市每日的毛利率和各部门毛利率的高低。现在大型卖场的综合毛利率在13～18%，标准超市的毛利率在16～20%，便利店的毛利率可能会在22%左右。其实综合毛利率的高低也不是一成不变的，它会随着节假日的到来而随之提升。一般来说，节假日时，高毛利的商品会有较大提高，从而对门店的毛利有一定的补充，这样就有助于超市的管理人员合理补货和安排利润计划。 贡献毛利率分析 部门的贡献毛利率由高到低的排列可以看出，一般的排列为：文具、塑料五金、针织品、休闲食品、曰化、烟酒、肉食、副食品、粮油。管理者由此可以逐步调整单品价位和普通商品与利润商品的结构，促使其在综合毛利贡献率上减少差距。对于贡献毛利率较高的部门应加大要货的力度，对于贡献毛利率较低的商品部门应加大调整力度，了解目标顾客群的消费需求。例如：肉食品会因夏季的到来而销售下滑.就应通过增加夏季的畅销品来转移定位。某一部门可能会因利润商品的断货，而使整个部门的贡献毛利率下滑(有时即使是销售额不变，但是利润率却下滑很多)，这就要求超市根据自身的情况，重视利润商品的库存，合理提出要货需求单以便配送中心配送。 提高毛利率 如果一周的毛利率低于预计指标，就可以对各部门的毛利率和销售构成比进行人为调整。例如：一周的整体毛利率为13%，低于预计毛利率15%，而其中休闲食品的销售构成为13.71%，但是毛利率为11%，为了提高总体毛利率，就可以增加休闲食品的品种和
大型超市的发展现状 用数字说明我国大型超市的发展与现状 安盛管理鲍强毅 1998年6月,国内贸易局出台了《关于零售业态的分类意见》，首次对我国零售业态进行了规范。它们是：百货店、超级市场、便利店、专业店、专卖店、购物中心、大型综合性超市和仓储式商场等八类。 1999年上半年，国内贸易局连锁商业办公室和中国连锁经营协会对全国部分城市营业面积在3000平方米以上的大型超市进行一次调查，收到35个城市、146个店铺的调查结果。 一、大型超市的结构情况 （一）、地区分布 店铺最多城市依次是：上海、北京、武汉、深圳、天津、青岛、石家庄、大原、大连。其中上海、北京、武汉、深圳、天津5个城市占了48%，其他30个城市总和为52%。 全国近一半的大型超市集中在这5个城市，东部沿海城市多，中西部城市少，发展极不平衡。（二）、地理位置： 大部分的店铺开在市区，市区的店铺占76%。只有部分仓储式商场开在郊区。这与国外大不一样，国外的大型超市尤其是仓储式商场基本建在郊外，主要原因是我国交通工具和消费习惯与国外不同所致。 （三）、经济类型 党的“十五大”后我国企业经济类型发生了很大变化，大型超市企业也是如此，近几年新成立的企业中，除国有独资外其它经济成分的比例有所增加，大型超市的经济成份的比例。也在大幅增长 随着中国对外开放的深入，国际知名零售集团都陆续登陆我国，在中国版图都可以看到的全球知名零售企业沃尔玛（美国）、家乐福（法国）、麦德龙（德国）、万客隆（荷兰）、欧尚（法国）、伊腾洋华堂和佳世客（日本）的店铺。近几年，国外零售企业进入中国市场首选业态就是大型超市。 （四）、开业时间 90年代初，广州的一家零售企业最先在广州市开了一家叫广客隆的店，标志着大型超市在我国开始。直到1995年前在全国只有十几家店铺。1995年后，随着外贸的介入，大型超市
(此文档为word格式，可任意修改编辑！）
正文目录 一、国内生鲜行业： (5) （一）国内生鲜行业现状：粗放式流通渠道难以实现品质升级 (5) （二）生鲜行业痛点 (6) 1、痛点之一：流通环节繁多，供应链过长 (6) 2、痛点之二：流通环节操作不规范、非标准化，冷链物流体系不完善 (7) 3、痛点之三：缺乏专业化生鲜经营人才 (7) （三）生鲜零售的变革方向：“物美价廉，体验优良”的生鲜超市将颠覆传统农贸市场 (8) 二、国内超市行业： (10) （一）国内超市行业现状 (10) 1、现状之一：终端消费低迷，行业空间增长放缓 (10) 2、现状之二：竞争格局转变，行业加速洗牌重构 (11) 3、现状之三：上市公司业绩承压，行业分化明显 (13) （二）另类超市王者：阿尔迪的成功秘诀 (15) 1、秘诀之一：专注“精品+低价” (16) 2、秘诀之二：简政放权，让员工参与管理 (17) 3、秘诀之三：激发员工潜能，节约人工成本 (17) 三、永辉超市 (17) （一）永辉的传统优势 (21) （二）永辉的组织变革 (25) （三）永辉的价值链延伸 (35) （四）永辉未来看点 (38) （五）盈利预测与估值 (41) （六）风险提示 (42)
图表目录 图表 1 传统粗放式的农产品销售环节 (5) 图表 2 专业化商超农产品配送中心实现品质升级 (6) 图表 3 国内生鲜产品腐损率远高于国外 (6) 图表 4 专业化生鲜经营在每个细节严控损耗确保低损耗率 (8) 图表 5 传统农贸市场的陈列“杂、乱、差、脏” (9) 图表 6 永辉生鲜商品陈列“整齐、有序、干净” (9) 图表 7 社零总额近年增速持续下行 (10) 图表 8 国内超市行业总体市场规模及增速 (11) 图表 9 实体商超市场规模及增速预测 (11) 图表 10 2013-2016年国内主要超市企业关店情况统计 (13) 图表 11 永辉及7家超市上市公司营收及增速 (14) 图表 12 永辉及7家超市上市公司归母净利润及增速 (14) 图表 13 永辉及7家超市上市公司毛利率及增速 (15) 图表 14 永辉及7家超市上市公司管理+销售费用率 (15) 图表 15 阿尔迪区别于普通超市的认识 (16) 图表 16 永辉超市历年营收及增速 (18) 图表 17 永辉超市历年净利润及增速 (18) 图表 18 超市行业上市公司近年营收及增速（季度） (19) 图表 19 超市行业上市公司近年净利润及增速（季度） (19) 图表 20 永辉超市2016Q3全国门店分布 (20) 图表 21永辉超市2016H1全国收入占比分布 (20) 图表 22 永辉超市历年门店数及重大事件 (21) 图表 23 “永辉模式”的经营特点 (22) 图表 24 永辉农场直供生鲜区初步清洗、冷藏保鲜处理 (22) 图表 25 永辉历年生鲜毛利率较为稳定 (23) 图表 26 永辉主营业务毛利率行业领先 (24)
购物篮分析 说起关联问题，可能要从“啤酒和尿布”说起了。有人说啤酒和尿布是沃尔玛超市的一个经典案例，也有人说，是为了宣传数据挖掘/数据仓库而编造出来的虚构的“托”。不管如何，“啤酒和尿布”给了我们一个启示：世界上的万事万物都有着千丝万缕的联系，我们要善于发现这种关联。 关联分析要解决的主要问题是：一群用户购买了很多产品之后，哪些产品同时购买的几率比较高？买了A产品的同时买哪个产品的几率比较高？可能是由于最初关联分析主要是在超市应用比较广泛，所以又叫“购物篮分析”，英文简称为MBA，当然此MBA非彼MBA,意为Market Basket Analysis。 如果在研究的问题中，一个用户购买的所有产品假定是同时一次性购买的，分析的重点就是所有用户购买的产品之间关联性；如果假定一个用户购买的产品的时间是不同的，而且分析时需要突出时间先后上的关联，如先买了什么，然后后买什么？那么这类问题称之为序列问题，它是关联问题的一种特殊情况。从某种意义上来说，序列问题也可以按照关联问题来操作。 关联分析有三个非常重要的概念，那就是“三度”：支持度、可信度、提升度。假设有10000个人购买了产品，其中购买A产品的人是1000个，购买B产品的人是2000个，AB同时购买的人是800个。支持度指的是关联的产品（假定A产品和B产品关联）同时购买的人数占总人数的比例，即800/10000=8%，有8%的用户同时购买了A和B两个产品；可信度指的是在购买了一个产品之后购买另外一个产品的可能性，例如购买了A产品之后购买B 产品的可信度=800/1000=80%，即80%的用户在购买了A产品之后会购买B产品；提升度就是在购买A产品这个条件下购买B产品的可能性与没有这个条件下购买B产品的可能性之比，没有任何条件下购买B产品可能性=2000/10000=20%，那么提升度=80%/20%=4。
【要超市连锁经营的业态在我国零售业中存在的历史并不见长但以期独特的魅力赢得了消费者的喜爱发展前景看好。但是由于众多摘】微观的层面就我国超市存在的问题展开了分析并提出发展对策。原因中国超市二十年多年的发展可谓磕磕碰碰。本文分别从宏观、【中国超市关键词】现状发展对策超级市场 Supermarket 是实行顾客自助服务实行敞开售 货和一成为了社会经济发展的必然。次性付款的零售业态形式。其业务流可概括为“自助服务、开架售货、 2.“渐趋流行。农改超”农改超” “意即把农贸市场改造为超级市场通小车携带、。出门结算”过一系列的规划改造使生鲜食品超市逐步取代原先农贸市场的功能。早在根据国家标准其具有如下主要特征: ①小型超市选址在市、区商 2002年上海联华就启动了“项目农改超”而且将集农贸市场和原超市功能业中心、居住区大型超选址在市、城郊结合部、区商业中心、交通要道于一体的超市新业态。 生鲜加强型超市确定为联华超市公司今后发展的主及大型居住区②小型超市辐射半径 2 公里左右目标顾客以居民为力业态。2005年从中央到地方从行业老大上海联华到零售新贵、区域巨主大型超市辐射半径 2 公里以上目标顾客以居民、流动顾客为主③头业内人士大谈“模式农改超”纷纷探索“的可行性发展之路。生农改超”小型超市主要经营包装食品、生鲜食品和日用品大型超市的大众化衣鲜超市取代农贸市场不仅是我国零售业态的一 次重大变革对农产品从生食、日用品齐全一次性购齐注重自有品牌开发④营业时间 12 小时产到销售产业链也将产生深远的影响。以上大型超市附设不低于营业面积 40的停车场。 3. 国外超市巨头迅速扩张。目前全球 50 家最大的零售企业有近由于中国地区发展差距大中国超市经过二十多年的发展一路走 30 家进入我国本土企业受到空前挑战。以家乐福、沃尔玛等为代表的来磕磕碰碰。家乐福、沃尔玛等外资超市巨头纷纷把中国作为其世界外资零售巨头凭借其雄厚的品牌实力以及一套带有“色彩的市倾销”市场的重要 战略拓展地外资扩张带来是超市业态的竞争加剧使得中场战略在我国急速 扩张。外资零售企业在我国的零售比例迅速攀升。国超市行业的发展尤为艰难。同国外超市相比中国超市现状如下 : 4. 政府干预。我国超市的发展很大程度上有着行政的干预。超市、一微观层面分析在某些地方被盲目的推进。但总的来说政府还是对超市的发展予以指 1. 市场定位雷同。在中国在一个居民小区的周围往往会有好几导和政策扶持这种特性决定着中国超市 的发展在速度和进程上可能家或大或小超市如新一家、步步高、千惠、旺和等但这些超市无论是要远远超过其它国家。比方说国外超市从食品基础上分离成长出小价格开放的时间方面都基本一致。在经营的商品还是服务、、型便利店又发展到 G 和仓储式超市其间花了不少时间。而在中国 MS 而国外的超市则不同他们会根据自己服务对象的不同实行差别这些超市形态的出现其 间只花了五年时间。再比如生鲜食品如果要进化市场定位通过超市陈列商品品种、营业时间、商品价格等指标的不超市就要改变生产过程和流通本身要 形成生鲜食品从生产到加工直同来吸引不同的顾客光顾。这样虽然这同一地区有多家超市也会因至店铺销售的冷链这条冷链可以说代表了一个国家整个生 产力水平为服务对象的不同而同时获得收益。的一个侧面。日本花了 30 年才形成而在中国不会超过 10 年。 2. 经营管理观念落后。连锁超市发展到现在很多超市还未形成三增强中国超市竞争力的发展策略、以顾客为中心的经营理念他们往往过多地注重了对利润的追求而忽尽管有国家政策的
超级市场零售商品的购物篮分析 王汉生1 、江明华1 、曹丽娜2 、金英1 1 北京大学光华管理学院，2 中央电视台广告部 摘要 本文利用国内某中型城市中，处于垄断地位的一个大型超市的26天的销售流水数据对消费者的购物篮中商品的相关性进行了探索性研究。具体地说，我们首先介绍了一个基于0-1变量的聚类方法，可以被用来做典型的菜篮子分析；然后，我们用此方法详细分析某中等城市的一个大型连锁超市数据。对消费者购物篮中商品的相关心进行了探索性的研究。 关键词：消费者行为、购物篮分析、0-1变量、聚类分析 0问题提出 首先，现代零售商品种类极端丰富，消费者需要处理的信息量急剧增加。消费者平均要以每秒33件的速度从5万件商品中挑选出17件商品。Phillips （2005）的研究表明，当消费者面对种类繁多的商品时，并不会应为可选择的丰富多样性而得到满足。但是，消费者却能够因为超市对其商品选择的引导而感到满意。超市引导的一个办法就是通过商品的布货，也即，哪些商品可以摆放在一起，而哪些商品又应当分别摆放。问题是，超市进行布货的依据是什么？ 其次，我们可以观察到商场和超市经常进行各种促销，其中最常见的促销方式是打折，而且，常常是全场打折。这样的打折往往不是超市最优的选择。因为，消费者在购买某些商品的时候，会同时购买另一些商品，而不管它们是否是在打折。在这种情况下，只要这两种商品之一处于打折状态，往往会刺激消费者购买两种商品。这样，超市只需要对一种商品打折就可以达到促销两种商品的目的，从而可以大大提高超市的效益。问题是，超市安排商品打折的依据是什么？ 因此，基于上述原因，了解消费者究竟如何在多商品类目间进行同时选择（Simultaneous Selection ）对于超市如何有效地引导消费者和提高效益意义重大。所以，本文的目的有二。第一、介绍一个简单而有效的数量方法，可以被用来做典型的菜篮子分析；第二、用此方法详细分析某中等城市的一个大型连锁超市数据，从而探索大陆消费者的相关行为特征。 以下章节如下安排。下一节，详细介绍一个基于0-1变量的聚类方法。基于此方法的实际数据分析将在第三节中展开。最后是总结与讨论。 1文献研究 在过去的研究中，Fader 和Lodish （1990）研究表明某些消费者特征（如Household Penetration 和购买频率）对零售商品定价和促销环境具有一定的解释能力。Narasimhan 等人（1996）的进一步研究发现，一类商品的促销弹性部分取决于该类商品的品类结构和相关消费者特征。Raju （1992）研究了不同类商品销量差异性，并建立了它同品类特征和营销组和变量的关系。Hoch 等人（1995）则研究了各类商品的商店价格弹性（Store-Level Price Elasticities ）和所在商圈消费者人口统计特征的关系。Manchanda 等人（1999 ）则进一步
超市销售数据分析五大方面 7年多的零售职业生崖，经历了很多的销售数据的分析及行动 计划，超市的周报即每周汇总、统计各个部门销售数据的报表，其中包括各部门的销售额、毛利、毛利率、日比，周比、同期比、销售占比、日平均销售额、通路费用、各项数据指标、达成率及行动计划。面对这样一张报表，如何能在这些繁琐的数据中，合理的得出对门店日常经营管理的各项措施和办法是至关重要的，报表的分析主要从以下几方面入手。 一、销售额分析： 首先可以从每日的销售额在本周总销售额中所占的比率，看出一周中销售是好的时间段在哪几天，这样有助于安排门店员工的工作与休息，但是也须在分析报表的同时，注意一些特殊的日子，如节假日、突发性的集团购买、发工资日(主要是在大型厂矿机关的门店，销售主要来自于此)。大部分在周五、六、日三天的销售要高于其他时段，故应该在繁忙时段到来前，备足商品，并减少员工休假，以增加服务人员等举措
二、毛利率分析： 从毛利率可以看出超市每日的毛利率和各部门毛利率的高低。现在大型卖场的综合毛利率在13～18％，标准超市的毛利率在16～20％，便利店的毛利率可能会在22％左右。其实综合毛利率的高低也不是一成不变的，它会随着节假日的到来而随之提升。一般来说，节假日时，高毛利的商品会有较大提高，从而对门店的毛利有一定的补充，这样就有助于超市的管理人员合理补货和安排利润计划。 三、贡献毛利率分析： 部门的贡献毛利率由高到低的排列可以看出，一般的排列为：文具、塑料五金、针织品、休闲食品、曰化、烟酒、肉食、副食品、粮油。管理者由此可以逐步调整单品价位和普通商品与利润商品的结构，促使其在综合毛利贡献率上减少差距。对于贡献毛利率较高的部门应加大要货的力度，对于贡献毛利率较低的商品部门应加大调整力度，了解目标顾客群的消费需求。例如：肉食品会因夏季的到来而销售下滑．就应通过增加夏季的畅销品来转移定位。某一部门可能会因利润商品的断货，而使整个部门的贡献毛利率下滑(有时即使是销售额不变，但是利润率却下滑很多)，这就要求超市根据自身的情况，重视利润商品的库存，合理提出要货需求单以便配送中心配送。 四、提高毛利率： 报表可以有效地提高毛利率。如果一周的毛利率低于预计指标，就可以对各部门的毛利率和销售构成比进行人为调整。例如：一周的整体