模块一：门店零售运用管理的本质与核心 零售终端门店的六边形管理者 门店管理者的角色与职责 【互动讨论】体验游戏“击掌导电”后，互动讨论游戏过程中发生了什么 门店管理的核心本质：计划-组织-实施-带领 店长的三维使命 为门店创造利润 为员工树立榜样 为客户创造价值 店长的三大核心职责 管人 理事 做业绩 门店管理者的五大角色 代表者，代表整个品牌及门店的形象 管理者，管控门店的人&事 经营者，既能满足顾客的需求，同时必须创造一定的经营利润 教导者，提升员工整体素质、培养店铺人才 清障专家，扫清店铺销售中遇到的顾客与店铺、员工与员工间的障碍 门店运营管理的本质：人-货-场 人员管理 货品管理 店堂管理 账目管理 信息管理 “新零售”时代，门店运营管理的核心 聊聊“新零售”时代 零售时代的变革与趋势 零售1.0-实体店 零售2.0-电子商务 零售3.0-全渠道 “新零售”时代的消费者趋势 新零售=更高效率的零售 消费者心理与行为表现 “新零售”时代的运营管理核心 零售核心三要素：人-货-场 新零售”时代我们面对的零售挑战 “新零售”门店运营核心：人-产品-服务 门店高效管理八大武器（根据学员具体情况调整模块侧重） 武器之一：高效会议管理 例会“指南针”：定目标，明重点，分部署 晨会“推土机”：一推士气，二推产品，三推服务 夕会“放映机”：做得好的，有待提升的，有意思的，待办的 Mini会“强心针”：快速发现问题，准确判断要因，及时调整干预 开好会议的核心技巧 【主题练习】《会议记录表》填写&会议情景模拟 武器之二：check list 《门店形象规范检查表》 《员工岗位规范检查表》 《班前检查表》 【互动讨论】目前你的门店有哪些check list？各自发挥怎样的作用？ 武器之三：分派工作与OJT教导法 分派工作三原则 分派工作2件套：行事历+to do list 需要进行工作教导的时机 教导四步曲2me2you 【主题练习】模拟指定内容的分派or销售现场的带教教导 武器之四：“走动式”管理 走动式管理的由来 走动式管理的特点 走动式管理的五步法 走动式管理应注意的三个细节 武器之五：“数据化”管理 门店核心经营数据指标：四率一价 数据vs现场双曲线交叉动态分析 达成率=一定时期内xx额/一定时期内业绩指标*100% 同比增长率=（年\月\周同期xx额-当期xx额）/同期xx额*100% 环比增长率=（年\月\上一周期xx额-当期xx额）/同期xx额*100% 折扣率=折让金额/总销售金额*100%（日、周、月、年同理可推） ATV=营业额/客单数（日、周、月、年同理可推） 连带率=销售件数/客单数（日、周、月、年同理可推） 客单价=销售金额÷成交笔数（日、周、月、年同理可推） 【主题练习】研读案例资料，完成一次经营业绩问题分析，列出核心影响因素及现场管理的要点 武器之六：“看板式”管理 动态化班组销售解析 动态化个人销售解析 动态化商品动销解析 【主题练习】设计你的销售目标or商品动销看板 武器之七：客户管理137+3 客户存量结构分析：潜在-活跃-休眠-流失 客户RFM指数构成与意义 客户生命周期密码137 店长客户管理每日三问 【互动讨论】你所在门店客户RFM分布状态 武器之八：关键管理沟通 影响员工状态的能力vs愿力 顾客抱怨or投诉的处理沟通 赢在激励，提升员工的愿力 ORID深度会谈，疏导员工的郁结 【主题练习】研读案例资料，完成管理沟通 模块二：AI时代的现场运营管理实践（AI能实现的应用程度基于客户当下的数据及信息系统建设进程） 打造极致的用户体验，线下服务是线上消费永远替代不了的情感链接 给予用户场景化体验的营销话术 塑造客户五感体验的营销话术 品牌效应营销：绘声绘色讲好品牌故事 稀缺效应营销：洞察客户的三层次需求 独有效应营销：和客户聊非销 通过SKU打造货品的精细化管理 通过SKU打造畅销货品的管理要点 科学合理的买货计划 结合动销和物流规划“采/补/调/订”的总量 结合动销和促销明确各类货品的结构 DeepSeek核心流程： 数据采集与清洗→总量技术模型→结构优化决策 动态化门店销售管理 上货时机与气候的结合 货品结构与客群定位的结合 店铺陈列与消费需求的结合 DeepSeek核心流程：气候响应模型→客群-SKU匹配引擎→智能陈列优化 执行技巧 动态定价联动：滞销SKU自动触发价格梯度下调（如周销量<5件时降10%） 跨店调拨机器人：基于GPS定位实现5公里内门店库存自动调配 陈列A/B测试：通过电子价签每小时轮换SKU位置，统计点击率最优方案 SKU动销率会出现的4种情况及解决办法 动销率超过100%：货品的缺货/货品的停进停销/虚库存 动销率低于100%：在查询的会计期间存在一定比例的滞销单品 动销率等于100%：该分类在货品结构上比较正常 动销率等于0：门店的货品结构不合理/特定原因（季节和环境） DeepSeek增效工具包 智能预警看板：动销率红黄绿灯监控（红：95%） 仿真预测系统：输入促销计划后，模拟未来30天库存/动销率变化（蒙特卡洛算法） 自动化报告：每日8:00自动推送《SKU健康度日报》（含TOP10问题品处理建议） 核心信息系统要求： 全渠道ERP系统（必备） 智能POS系统（必备） 仓储管理系统WMS（强推荐） 客户数据平台CDP（推荐） 供应链协同平台（必备） 门店可视化管理系统（强推荐） 实施路径建议 初级阶段（1-6个月）： 部署ERP+POS+基础WMS，实现进销存数字化 建立SKU基础档案（至少包含季节/面料/风格标签） 中级阶段（6-12个月）： 上线CDP与供应链协同平台，打通客户与供应商数据 引入RFID实现单品级追踪 高级阶段（12-24个月）： 建设门店物联网体系（智能衣架+热力感应） 部署AI预测与自动补货系统 AI时代的数字化客户关系管理 客户关系管理常见数据分析维度 客户服务中的关键数据 客户画像中的关键指标 客户保有的数量/质量 客户发展的数量/质量/频率/范围 客户服务的数量/质量/频率/范围 客户维护的数量/质量/频率/范围 业绩完成中关于客户邀约与服务相关的数据分析 VIP与非VIP在业绩中的比例 老顾客vs新顾客在业绩中的比例 活动中的不同等级客户的业绩比例 衡量客户服务质量的RATER指数 Reliability信赖度 Assurance专业度 Tangibles有形度 Empathy同理度 Responsiveness反应度 衡量客户价值和创立能力的RFM指数 Recency最近一次消费 Frequency消费频率 Monetary消费额 贯穿客户全生命周期的AARRR模型 Acquisition获潜客 Activation激活 Revenue销售变现 Retention留存 Referral推荐 数字化客户全生命周期管理 客户画像构建与客户细分 全渠道ID-Mapping系统：打通线上线下身份标识（微信OpenID/手机号+门店IoT设备ID），实现会员跨渠道行为追踪 动态标签工厂 构建超500维实时标签体系（基础属性+行为偏好+情感倾向） 特别开发「时尚敏感度」算法模型：结合社交媒体互动频次/新品点击热力/穿搭图片分享行为 个性化营销 智能导购助手 门店Pad端集成DeepSeek引擎，导购输入顾客基础信息即可生成： 当季适配穿搭方案（结合库存与身材数据） 历史服务备忘录（含特殊备注如"对羊毛过敏"） DeepSeek分析客户的购买历史、浏览行为、社交媒体互动等数据 DeepSeek完成数据整合：线上线下的数据，门店销售、电商平台、社交媒体等 动态库存调度：基于门店辐射圈顾客偏好预测，智能调节区域仓备货结构 元宇宙数字分身 基于顾客上传照片生成3D虚拟形象 DeepSeek算法模拟试衣效果，支持面料物理特性渲染 实施路线图 0-3月：完成ERP+CRM+小程序数据中台建设 4-6月：部署动态标签系统与基础推荐模型 7-9月：上线智能导购系统与虚拟试衣模块 10-12月：构建预测模型并与供应链系统对接 搭建品牌专属的客户动态数据库 流失预警雷达 构建复合指标模型：消费间隔延长系数+促销敏感度衰减值+社交媒体互动熵值 触发三级预警机制：静默流失（AI自动激活优惠券）- 风险流失（VIP经理介入）- 深度流失（总部用户运营专项挽留） 生命周期价值预判 采用深度生存分析模型预测CLV（客户终身价值） 差异化资源配置：为高潜力客户预留限量款购买权，为衰退期客户设计焕新礼包 智能客服提升客户满意度，培养客户的品牌忠诚度 DeepSeek的三维需求感知 商品维度：自动解析图片中的服装元素（如识别用户发送的街拍图提取流行元素） 场景维度：结合LBS推荐附近门店适配款式（天气+场合双重匹配） 服务维度：预判潜在问题（物流延迟时主动推送补偿方案） DeepSeek基于用户画像自动调整表达风格： Z世代客户使用emoji+网络热词 银发族客户切换大字版图文指导 紧急情况自动切换服务通道（如质检问题咨询转接人工+三倍速响应 建立四级服务响应机制，平衡自动化与人工客服，快速有效地处理复杂或情绪化的客户问题 L1: 标准问题AI自动应答（覆盖72%常见咨询） L2: 复杂需求人机共答（AI实时推送知识卡片辅助人工） L3: 专家坐席专项处理（VIP客户/定制需求） L4: 管理层预警通道（重大客诉自动上报） 智能客服系统构建流程 全渠道咨询整合（0-1月） 部署统一接入平台，聚合微信/天猫/抖音等8大渠道咨询流 开发服装领域专用ASR模型，方言识别准确率达92%（如粤语询价场景） 知识图谱构建（1-2月） 搭建三层知识架构： 基础层：尺码表/洗涤说明/退换货政策 场景层：穿搭场景库（商务/运动/约会等） 动态层：实时库存/促销规则/物流状态 引入时尚博主内容构建风格推荐知识网络 情绪识别引擎训练（2-3月） 标注5万条服装行业对话数据（含愤怒/焦虑/犹豫等6种情绪标签） 开发复合检测模型： 文本情感分析（BERT微调） 语音语调识别（梅尔频谱分析） 会话节奏监控（响应间隔/重复提问频次） 智能客服数据反哺： 高频咨询问题→产品设计改进（如袖口易脏问题催生防污面料研发） 试穿咨询热点→区域调货决策（华南区询问率高的防晒服紧急补货） 搭配咨询趋势→门店陈列优化（根据AI推荐的TOP穿搭组合调整橱窗）