服装企业商品属性档案设定初探

一直在谈，服装企业可以通过采集更多的数据，维护更丰富的属性，来提高数据分析的应用的广度及深度，进而提升终端管理以及商品运作和顾客精准化营销等方面的水平。也在《运用多样化属性丰富终端分析应用》文中以终端属性为例进行了阐述。同样的，作为服装行业中的核心主体——商品，其属性设定及维护也是大有内容。实际在与企业的沟通过程中，很多企业也会希望能够获得一些参考和建议。

    相较于线下品牌企业对商品属性的设定，感觉总体上来说，还是线上运营的品牌这方面做得要更好一些，也许与电商业务天然的就与数据、数据分析伴生着有关。前些日在几个电商平台上浏览了一些新款商品，看到其商品信息的描述，截下几个款的描述，贴上看看。   

    女衬衫

• 版型： 直筒型 修身型
• 面料： 纯棉
• 细节： 荷叶边 蝴蝶结 订珠装饰 肩章装饰
• 图案： 纯色 格子 条纹 圆点 碎花
• 袖型： 常规袖
• 领型： 翻领
• 衣长： 中长款
• 风格： 日韩 通勤 甜美淑女 欧美复古 英伦学院 简约 原创 民族 卡通 街头
• 袖长： 长袖
  

    男T恤

• 图案： 素色 印花
• 袖长： 长袖
• 风格： 时尚休闲 日韩潮流 欧
  

    男衬衫

• 领型： 领尖扣
• 版型： 修身型
• 图案： 素色
• 细节： 纽扣装饰
• 袖长： 长袖
• 风格： 时尚休闲
  

    女外套

• 品牌:
• 货号:
• 服装版型: 直筒
• 厚薄: 常规
• 风格: 通勤
• 通勤: 简约
• 衣长: 中长款
• 袖长: 长袖
• 领子: 西装领
• 袖型: 常规
• 衣门襟: 暗扣
• 图案: 纯色
• 流行元素/工艺: 拼接 纽扣
• 面料材质: 粘胶
• 成分含量: 51%(含)-70%(含)
• 填充物: 其他
• 适用年龄: 25-29周岁
• 年份/季节: 2014年冬季
• 颜色分类: 草芥绿
• 尺码: S  M
  

    可以看到，不同品牌商，对于商品的属性档案设定，会有较大差别，不同的性别或是大类，也会有一些特有的属性项目。企业会基于自身模式及运营特点，参考结合行业经验加以提炼，建立并维护自己的商品属性体系。

    定义并维护丰富的商品属性，毫无疑问是要花费一定的时间和精力的，自然也期望能够有较好的回报。这些属性资料数据，服装企业可以运用在以下方面。

    1）基于零售数据，掌握商品的销售特征及趋势，对单个或者多个属性组合的分析，可以在不同的角度上展开。譬如地区，了解华东地区、华南地区及华北地区，某个或某些商品属性组合的特征有何差异。这样的数据，是编制店铺的计划、以及商品分货的一个很有效的决策依据数据来源。另外，还可从客户群体，了解商品属性的接受情况及顾客消费特征，譬如VIP顾客中不同年龄段对于颜色、面料等的反应。此类数据可以有助于精准营销，线上业务可以用以进行商品推荐，线下业务则可给予一线店员销售信息支持。

    2）用于替代款的分析。畅销款商品，翻单不及的或者是不进行翻单的企业，可以从商品属性的匹配出发，寻找一项或多项替代款，尽可能的争取销售机会，减少缺货损失。

    3）在进行新商品季的商品企划时候，亦可从多种角度出发，结合销售结果这一市场反应数据，作为商品企划的一部分参考。譬如说，历史数据体现，消费者不会为之买单的一些特性，或者说是元素，我们在后续商品季商品企划时，就可以予以规避。

    那么，在建立于维护商品档案的过程中，服装企业有哪些注意点呢？

    1）从数据的规范性角度来看，具体的某个属性各项值，应当具有规范性与一致性。规范性如成分含量、适用年龄，可以预先划分成若干段。一致性指某一属性事实上的一个值，有且仅有一个标准的名称。均不能随意的录入。由此，商品属性档案可以获得更好的质量，以用于分析。

    2）企业设置哪些商品属性录入维护，应适当选取。设置的属性项数，并非越多越好，因为相应的工作量会增加。再聊远一点，属性档案维护起来，日常工作任务可说不难，因为它属于基础性工作，但对于档案维护人员来说，细致和耐心很重要。于企业来说，档案维护质量，亦是执行力的一种反应。

    3）尽量入系统，通过数据库管理，勿要手工维护，疏漏与错误将在所难免。借助于信息系统来维护，将会更便利。

    4）企业若干的商品属性，也可对它们进行进一步的管理。譬如可以将多个属性组织成层级的形态，或者标志重要性级别，毕竟各属性之间可能是存在关联关系的，或是重要程度也是有差异的。这样结构清晰且有序的管理起来，可以更好的应用于分析需求。

    总的来说，服装企业定义并维护丰富的商品属性，可以视为精细化的一个方面的体现。而在实际接触到都许多线下企业里，商品属性稀稀拉拉的定义几个还是蛮普遍的， 某个属性里一堆的空值、不填也是随处可见。归根结底，还是重视度不够。希望随着信息化系统的逐步开展，数据分析（商业智能）类似系统的建设，又对企业的基础数据提出更高的要求，也使得企业的相关管理者重视到此类基础档案，以使数据得到改善与丰富。