体育场商店是一个时间被压缩的渠道

在同一个零售体系里,线上商城按天看销量,城市门店按周看周转,体育场商店却要按分钟看。一个主场比赛日,场馆内商店从开门到清场大约只有四到五个小时,其中真正的销售高峰可能加起来不到90分钟。如果把体育场商店的数据和其他渠道一起按天汇总,看到的只是“比赛日卖了很多”,却看不到哪一刻断了货、断了多久、损失了多少。

所以分析现场补货,第一步是把体育场商店从渠道汇总里单独拿出来,把销售数据切到5分钟甚至1分钟一个时间桶,再和比赛时间轴对齐:开门入场、开球、中场休息、下半场、终场哨响、离场。只有把这条时间轴建立起来,“什么时候该补货”才有讨论的基础。

货架、后仓和场馆仓是三层不同的库存

现场商店的库存至少分三层:顾客能直接拿到的货架库存;店内后仓的备货;场馆内集中仓库里的储备。三层之间的搬运时间差别很大,模拟场景中后仓到货架约需5到8分钟,场馆仓到各商店需要15到25分钟,因为比赛进行中通道拥挤,推车无法穿越人流密集的区域。

这意味着“库存还有很多”这句话必须问清楚是哪一层。系统显示某款球衣全场还有600件,如果其中450件在场馆仓,东看台货架已经空了,顾客在那一刻看到的就是缺货。现场补货决策针对的其实是货架这一层,而后仓和场馆仓决定了补货能多快到位。

三个阶段的销售速度相差好几倍

下面是一家看台商店在同一款主场球衣上的示例数据,按比赛阶段统计每分钟销量(Sales Velocity):

阶段时间窗口每分钟销量(件) 主要购买人群
赛前入场开球前90分钟至开球 1.2—2.0 提前到场的家庭和季票持有人
上半场开球后45分钟0.2 零散顾客
中场休息 约15分钟2.5—3.0 集中离座的观众,购买时间极短
下半场 约45分钟 0.3 零散顾客
赛后离场 终场后约30分钟 1.0—3.5,视比赛结果与纪念时刻波动 主队赢球后的庆祝型购买

赛后阶段的波动最大。主队赢下一场关键比赛、某位球员完成个人里程碑之后,纪念商品和该球员号码球衣的需求会突然抬升,这段窗口的具体打法可以参考比赛刚结束后的30分钟这篇分析。

补货点要用分钟来算,而且要看下一阶段

传统门店的补货点公式是“日均销量×补货提前期+安全库存”,单位是天。放到体育场商店,单位要换成分钟:

货架补货点 = 预计每分钟销量 ×(搬运时间 + 安全缓冲时间)

回到开头的模拟场景:预计每分钟销售1.8件,后仓搬运8分钟,再留4分钟缓冲,补货点约为1.8×12≈22件。M码货架剩40件时看起来离补货点还远,但按当前速度约10分钟就会跌破22件。更关键的是,中场休息开始后通道拥挤、店员全部在收银,那个时候根本无法补货。所以AI要做的不是等货架跌破补货点再发指令,而是用下一阶段的预测速度提前安排:在上半场的低速时段,把货架按中场休息的预计需求补满,并把后仓按赛后阶段的需求备足。

尺码也要分开计算。M码和L码的销售速度往往是XS码的四到五倍,同样剩20件,M码可能10分钟见底,XS码可能整场都卖不完。补货指令应该精确到“东看台商店,M码,补30件,上半场第20分钟前完成”。

货架容量本身也是约束。一面球衣墙能挂的件数有限,不可能在赛前把整场需求都堆在货架上,所以后仓的备货量同样需要计算:后仓要能在中场休息结束前后、下一次低速时段来临时,再支撑一轮完整补货。场馆仓则负责覆盖后仓的缺口,它的调度要赶在开球前或者下半场开始后通道恢复通畅的时段完成。三层库存各自有自己的“补货窗口”,AI排的其实是一张按比赛时间轴展开的搬运日程表。

销量突然变慢,不一定是需求下降

实时销售速度有一个陷阱:它记录的是成交,不是需求。收银台排起长队时,每分钟成交量被收银能力卡住;货架某个尺码卖空以后,这个尺码的销量直接归零。如果系统只看成交数据,就会误以为需求在下降,进而推迟补货,形成恶性循环。

欧宝体育的Retail Analytics在现场分析中会同时读取几类信号:货架库存是否已为零、收银排队时长、同一商店其他尺码的销量变化、相邻商店同款商品的速度。如果某家商店M码销量归零、同时隔壁商店的M码速度突然翻倍,说明需求并没有消失,只是转移了,这时应该补的是原商店的货架,而不是继续给隔壁加货。

不同看台的商店不能共用一套补货参数

同一座体育场里,各家商店的节奏也不一样。靠近主入口的商店赛前最忙,家庭看台旁的商店儿童尺码卖得多,客队看台附近的商店主场球衣几乎卖不动,反而是中性款的纪念围巾和帽子更受欢迎。如果所有商店共用一套补货参数,结果往往是主入口商店中场前就断码,客队看台商店的货架一直堆满。欧宝体育的Inventory Engine会按商店分别学习每个阶段的速度曲线和尺码结构,并在比赛日前根据票务分布、开放的入口和预计上座率,给每家商店生成各自的开场货架配置。

赛后复盘看什么

  • 每个商店、每个主力尺码的断货时间点和持续分钟数;
  • 断货期间被压低的销量估计,也就是损失的需求;
  • 补货指令从发出到货架到位的实际耗时,和计划耗时的偏差;
  • 场馆仓的剩余库存结构,哪些尺码下个比赛日前需要从中心仓调入。

这些复盘数据会回写到体育零售管理的渠道模型里,决定下一场比赛的开场货架配置。现场补货真正的难点不在于算出补货点,而在于接受“低速时段才是补货时间”这个反直觉的安排。能在上半场的安静时间里把中场需要的货铺好,比在中场休息时加派多少人手都更有效。