Bagaimana Data Analytics membantu Toko Teh lokal meningkatkan Penjualannya sebesar 35% selama pandemi?

Pengarang: Supriya Ghosh

Analisis Data

Bagaimana Data Analytics membantu Toko Teh lokal meningkatkan penjualannya sebesar 35% selama pandemi?

Sumber: https://tracychowblog.wordpress.com/2018/04/25/aake-a-cup-of-tea-for/

Masing-masing dari kita akrab dengan malapetaka COVID-19 dan bagaimana hal itu menyebabkan penurunan bisnis besar-besaran pada tahun 2020. Penjualan bisnis turun belum pernah terjadi sebelumnya karena pandemi secara global. Penutupan toko dan bisnis yang meluas di dalam dan di seluruh dunia terjadi selama pandemi karena banyak faktor — yaitu. oleh mandat kebijakan, pergeseran permintaan ke bawah, masalah kesehatan, dan banyak faktor lainnya.

Kerugian pendapatan relatif di antara usaha kecil selama awal krisis COVID-19 jauh lebih besar daripada di antara bisnis besar. Usaha kecil memiliki kemampuan yang lebih rendah untuk cepat menyesuaikan diri dengan perubahan peraturan dan permintaan saat pandemi melanda.

Tapi ada toko teh lokal yang menghasilkan Penjualan 35% lebih banyak dari tahun sebelumnya selama waktu ini.

Sumber : https://storebrands.com/ahold-usa-gets-sustainable-store-brand-tea-coffee

Bagaimana ini terjadi?

Wawasan apa yang dapat diperoleh manajer toko dari analisis datanya?

Strategi apa yang digunakan untuk meningkatkan pendapatan?

Itu semua berharga untuk melihat sekilas itu.

Sumber: https://www.dreamstime.com/display-tea-aisle-whole-foods-market-grocery-store-orlando-fl-usa-image182167756

Untuk ini, izinkan saya memulai dengan angka Penjualan 2019 Toko.

Penafian: Data dan angka pasti dari toko tidak dapat diungkapkan sehingga dianggap sebagai data yang dibuat-buat untuk menunjukkan strategi yang digunakan.

Asumsi — Unit Terjual untuk FY2019 dan FY2020 untuk kemasan yang sama dan harga Unit yang sama tetap konstan (yaitu, permintaan teh yang tidak elastis sedang diamati).

Tabel 1

Tabel di atas menggambarkan berat kemasan yang dipertimbangkan untuk Penjualan FY2019 adalah

50 gram,

100 gram,

200 gram,

500 gram dan

1000 gram

yang berkontribusi pada total penjualan tahunan 466500000 (mata uang tertentu tidak disebutkan untuk membuat perhitungan independen dari unit mana pun.)

Demikian pula, izinkan saya mewakili angka Penjualan 2020 Toko.

Meja 2

Tabel di atas menggambarkan berat kemasan yang dipertimbangkan untuk Penjualan FY2020 adalah

50 gram,

100 gram,

200 gram,

250 gram,

500 gram

750 gram dan

1000 gram

yang berkontribusi pada total penjualan tahunan 545550000 (mata uang tertentu tidak disebutkan untuk membuat perhitungan independen dari unit mana pun.)

Apakah ini berarti, memperkenalkan berat Kemasan baru 250 gram dan 750 gram melakukan keajaiban dan Penjualan meningkat dari 466500000 menjadi 545550000?

Yah, itu bisa dikatakan “Ya” dan “Tidak” keduanya. Tapi bagaimana saya menjelaskan Anda secara rinci.

Untuk memahami hal ini, izinkan saya mewakili data yang mewakili angka Penjualan FY2019 dan FY2020 bersama dengan % perubahan Penjualan yang diamati pada tahun berjalan dari tahun sebelumnya.

Tabel 3

Data di atas menunjukkan:

Berat kemasan baru 250 gram dan 750 gram yang diperkenalkan memiliki harga satuan (1,04 dan 1,013, 1,6 dan 1,533 dan 1,4 dan 1,32) lebih rendah dari berat kemasan sebanding lainnya, masing-masing.

Faktanya, jika Anda mengamati dengan cermat harga satuan kemasan 50 gram sebelumnya, 200 gram telah meningkat di semua kasus di FY2020 dibandingkan dengan FY2019 dan 1000 gram telah dikurangi atau dipertahankan konstan dalam semua kasus di FY2020 dibandingkan hingga FY2019 tetapi harga satuan untuk berat kemasan baru 250 gm dan 750 gm tetap relatif lebih rendah.

Bagaimana pengaruhnya terhadap Penjualan? Mari kita coba memahami.

Saya telah menyebutkan bahwa Unit yang dijual setiap tahun untuk berat kemasan tertentu adalah konstan sampai harga satuan tidak bervariasi karena ini adalah toko lokal dengan area tertentu dan basis Pelanggan yang harus dipenuhi.

Pada baris yang sama, apa yang terjadi adalah, kemasan baru, ketika diperkenalkan memiliki harga satuan yang lebih rendah daripada berat kemasan sebelumnya yang menggeser basis pelanggan ke berat kemasan baru (yaitu, 250 gm dan 750 gm) dari yang lama yang sebanding.

Misalnya — Jika Anda mengamati “Tabel 3”, Anda akan melihat bahwa untuk “Teh Hitam, memperkenalkan kemasan 250 gram dengan harga satuan 1,04 yang lebih rendah dari 1,09 (berat kemasan 200 gram), menggeser basis pelanggan ke arah 250 gram kemasan karena harga satuan lebih murah dan mengamati pergeseran Basis Pelanggan 1.50000 dari sebelumnya 1.80.000 kemasan 200 gm. Pada gilirannya, FY2020 mengamati, hanya 30.000 basis pelanggan untuk kemasan 200 gram dari 1.80.000 sebelumnya.

Sebagian besar basis pelanggannya (1.50.000) beralih ke kemasan 250 gram karena penurunan harga satuan. Ini menandai perbedaan besar dalam Penjualan.

Demikian pula, Anda dapat mengamati data untuk berat kemasan lainnya, dan Anda akan menemukan bahwa fenomena yang sama berulang dalam kasus kemasan 750 gram juga.

Ini mengarah pada peningkatan Penjualan yang cukup baik (35,15% secara keseluruhan).

Disebut apakah strategi yang digunakan oleh Toko Teh ini?

Sumber : https://travelandtea.wordpress.com/tag/usa/

Ini disebut “Strategi Penetapan Harga Maksimalisasi Penjualan Segmen Tertarget”.

Izinkan saya menjelaskan secara rinci “Strategi Penetapan Harga Maksimalisasi Penjualan Segmen Tertarget”.

Toko teh mengamati kurva permintaan yang cukup inelastis untuk Teh sehingga mengambil keuntungan dari ini dengan kenaikan harga yang kecil untuk kemasan yang ada dan penurunan harga yang kecil untuk kemasan baru yang membuat dampak positif yang besar pada Penjualan mereka tanpa menurunkan permintaan untuk minumannya. . Ini menargetkan basis pelanggan yang sensitif terhadap harga dan mendapatkan nilai yang berbeda dari rentang kemasannya yang berbeda.

Ini adalah strategi yang dapat digunakan oleh organisasi mana pun yang memiliki kurva permintaan yang tidak elastis setelah menganalisis data mereka dengan cermat dan mengevaluasi trennya.

Semoga Anda semua senang membaca tulisan ini.

Teruslah membaca karena itu memotivasi saya untuk membawa lebih banyak dan lebih banyak lagi.

Anda dapat mengikuti saya di media juga

LinkedIn: Supriya Ghosh

Dan Twitter: @isupriyaghosh

Bagaimana Data Analytics membantu Toko Teh lokal meningkatkan Penjualannya sebesar 35% selama pandemi? awalnya diterbitkan di Towards AI on Medium, di mana orang-orang melanjutkan percakapan dengan menyoroti dan menanggapi cerita ini.

Diterbitkan melalui Menuju AI