销售人员案例分析

零售行业有大量的地面一线销售人员，比如超市的促销员、商场的导购、专卖店的店员等，我们一起看看下面的销售人员案例分析，欢迎各位一起阅读学习。

　　销售人员案例分析

喜欢赚差价的艾米

艾米是一家服装公司的普通店长，每月工资收入4,000到5,000元，而实际上每月她还能从这个店铺赚到5,000到10,000元外快。她每月的外快来自于两部分：会员顾客差价和促销活动差价。艾米的店铺是在一个大型购物中心内，所有款项都是店铺自己收，这为她的行为提供了可能。

1、会员每次购买正价服装都可以享受88折，对于那些非会员且用现金支付的顾客购买的商品，每次艾米都用自己偷偷办的会员卡结账，这样她可以赚到12%的差价；

2、每个月店铺都会有几天会打折销售，一般是八折。在打折促销活动期间，艾米会把之前顾客正价且现金购买的'衣服先做退货处理（退全款），再按照促销价开单（八折结算），这样她又可以赚到20%的差价。

当然这一切都不是艾米自己一个人完成的，她有好几个姐妹协助自己完成这些工作，有时候为了防止公司抽查，她们还会多办几张VIP卡轮流使用。

杰克：这两种情况的危害性非常大，既让企业的绩效考核失效也使顾客管理失效，当然销售数据也会失真。那你们俩说说如何监控这种行为？

柯北：我觉得可以去抽查她们的购物小票，如果是没有购买凭证的退货记录肯定就是有问题的。

星星：针对虚假的VIP购买记录，我觉得可以打电话抽查。

杰克：这个公司在全国有上千家专卖店，有十几万的VIP会员。直接抽查和打电话都是没有考虑成本的方法。作为数据分析人员我们应该首先考虑：我们是不是可以利用数据建立一项监控制度，设定预警条件，定期筛选出有问题的店铺，然后再辅以其它抽查等监控手段。

杰克：针对这个案例，作为一线销售管理者（包括销售主管、城市经理、区域经理等），需要在60秒内回答出下面五个问题，如果不能，门店管理很可能已经失控：

1、你负责的区域最近一个月的退货率是多少？

2、退货率最高的店铺是那些？

3、你负责的店铺最近一个月的VIP顾客销售额占比是多少？

4、VIP销售额占比最高的店铺是那些？

5、你最近一次去抽查退货单或VIP顾客销售单是什么时候？

杰克：前四个问题是需要销售管理者在每月、每周、甚至是每天去关注和追踪的，最后一个问题这是需要落实到自己常规店铺拜访行程中去的。

永远争第一的妮可

妮可是一个服装店铺的普通店员，她所在的店铺有近千平米，有50位和她一样负责每日销售的店员。在店长和销售主管、甚至城市经理眼里，妮可是一个不可多得的销售高手，因为她每个月销售都是第一名，从她第一个月来这个店铺的时候就是第一名。

但是，有一天这个店铺的店长离职了，换了一个新的店长，从此以后妮可的销售业绩下滑得非常厉害，有时候竟然排在最后几名。销售主管和城市经理也分别找她了解过原因，也曾把她调到其他店铺工作。但是效果都不好。最后妮可以辞职收场。

杰克：你们俩认为可能是什么原因呢？

柯南：是不是妮可和新来的店长有矛盾，从而影响了销售业绩？

星星：我认为可能是妮可和原来的店长有某种关系，但是我又说不好这种关系是什么，就是感觉相关。

杰克：星星猜得有道理，当我拿到这个案例的时候，心里差不多就有答案了。这里面涉及到一个长期被销售管理者忽视的一个问题，这就是排班问题。目前大部分零售品牌的排班都是由店长来编排的，这是职责所在，无可厚非。但是如果店长在排班的过程中有私心，且销售主管又没有监控的话，问题就会出来了。问你们两个问题：

同样是上一天的班，在周一上和在周六上效果是否一样？

同样是上6个小时的班，在周六的9:00-15:00和15:00-21:00上效果是否一样？

“当然不一样啊”星星和柯北同时回答道。

杰克：上面这个案例的答案就是，妮可和原来的老店长是有某种关系或默契，店长在排班时总是把她排到最好的日期、最好的时段上班。这样即使是妮可的销售能力一般，但是由于有足够的客流也能保证妮可的销售业绩是最好的，况且这个服装品牌也是非常有知名度的。

杰克：这种排班方式会极大的伤害团队凝聚力，也会影响店铺的销售。如果你们俩是这个公司的营运总监，你们会如何杜绝这种现象的发生？

柯北：我会建立一套零售店铺排班流程表，让他们变成体系，让店长、销售主管、城市经理等销售管理者都参与进来。

杰克：有道理，不过不现实。每个企业流程已经很多了，我们完全不需要这点“小事”去麻烦管理层。我们只需要Excel做一张表，一张【数据化排班表】，这张表将具有如下功能：

1、自动分析排班是否符合销售规律；

2、自动分析排班的公平性。

店长每月做完这张表后，需要将此表发给自己的直线上司审核，同时还需要张贴在店铺内供所有店员监督就可以了。

星星：懂了。作为数据分析员，我们不但需要分析数据，还需要为其它团队提供简单化、模版化的工具帮助他们进行管理。

杰克：对的。从上面两个案例来看，在一个企业光有数据分析是不够的，我们需要搭建数据化管理的体系，让他能管理到每个角落。