本文用一个故事说如何优化商品结构，其核心工具是商品维度表。
摸清商品结构
小丁他们得到一笔投资，创建一个区域综合B2C。这个B2C主营超市商品，但到底要经营哪些品类，各品类下需要哪些商品，各品类商品所占比例，如何跟踪商品招商情况，小丁毫无头绪，问我怎么办。
“你需要做一张商品维度表。”我说。
它是一份商品分类分维度的表格，比如花生属于坚果这个品类，花生有味道、外形、规格、价格等多个维度。它能帮助我们跟踪商品招商情况，优化商品结构，甚至增加收益。
那么如何建立“商品维度表”？
第一步是罗列出准备经营的商品品类，以及每个小类下的重要维度（如下表）。准备此表格时，可以参考各大网站的分类与导航字段。
第二步是把招商到的商品填入商品维度表中（见下表）。
第三步，当我们填入足够多商品时，就可以使用“数据透视表”功能或sql语句提取报表，了解商品引入情况（见下表）。
“我明白了。”小丁说，“通过这些表格，我就能知道各品类下有多少商品，每个品类各维度商品多少。如果某个品类和维度下商品过多，则限制引进新品；如果过少，则要重点引进。”
“是的。”我回答，“我们还可以通过此表格控制SKU总数，根据总库存资金分配每个品类下的SKU数量，对每个品类设定SKU范围指标。小品类的每一个维度代表了一种需求，单个商品有多个维度，引进一些多维度商品，就能用较少的SKU，满足更多元的需求，这样就能在不影响用户体验的情况下降低库存资金。”
小丁说：“这个表格是挺好的，不过工作量也很大，投入这样多人力时间是否值得？”
我说：“商品维度表还有其他用处，它伴随整个项目经营过程，在优化商品结构、提高盈利上也有大用，到时候你就知道了。”
维度表里挖效益
几个月后，网站上线正常运营，小丁发现，一方面顾客反映商品不够丰富，找不到所需商品，另一方面不少商品出现滞销，库存占用不少资金，于是来询问我商品维度表是否能解决这个问题。
“当然可以，你需要在报表中加入SKU占比和销售占比字段（如下表）。”
“在表4中，花生SKU占比0.13%，销量占比0.21%，销量占比大于SKU占比。如果同类商品（比如瓜子）的SKU和销量占比相差没有这么大，则说明消费者欢迎花生，花生的品类太少了，应该增加。”
“从商品维度上看，0—100g规格的花生SKU占比达到80%，但销量占比才46%，说明0—100g的规格的花生太多了，应该减少，相应增加其他规格的花生单品。”
“这太好了，长此以往，商品结构会越来越优化，降低滞销库存，增加周转。”
“不仅如此，商品维度表还能帮助你提升收益。你下表。”
小丁说：“这个表和上一个表差不多啊，只是把销量占比改成了贡献占比。”
我回答道：“是的，上一个表的目的，是优化商品结构，从而符合消费者需求，所以从商品销量维度比较。而这一个表的目的是为了提升收益，所以要从贡献度考虑。”
“贡献占比是什么，怎么算出的？”
“贡献度占比=（某段时间毛利-固定成本）/整体毛利。”我在纸上写了下来，“不同商品毛利率、周转率不同。B2C固定成本（配送包装成本）高于线下卖场。因为线下卖场的主要成本（房租、人力、水电）随销量增加分摊降低，而B2C即使销量增加，固定成本分摊降低空间也很小。贡献率考虑了以上情况。”
小丁说：“明白了，根据贡献率占比和SKU占比数据分析，增加高贡献率商品，减少低贡献率商品，这样整体收益就会增加。”
回答：“是的，但分析数据时，还要考虑其他情况，比如某些敏感商品，虽然毛利率很低，贡献率不高，但如果不经营，用户就会流失，因此是不能停售的。”
“一般而言，A类敏感商品（吸引商品）和维度结构商品是不能缺少的。维度结构商品的受众小，但如果欠缺，部分用户就会认为商品不够丰富。毕竟商品结构不管如何优化，2/8原则总是有效的，并不是所有销量少的商品都可以精简。”
我继续说道：“还需考虑季节因素。有些商品贡献度突然下滑，可能只是季节问题，并不代表此商品永远不受欢迎。商品维度表为我们提供数据基础，分析时要结合实际经验和行业特点。”
“商品维度表”是商品结构优化的基础表格，特别适合品类多样、SKU丰富的零售业态，线上线下都可使用。线下零售更多使用ABC分析法，一般只分析品类，不分析品类维度。线上业态比线下有更海量商品，更全的数据基础（维度数据），更智能的分析工具，所以总体而言，商品维度表对线上业态有更大作用。
