経営戦略1 SCM

3
4
商品や店舗の価値(value)
営業利益の構造
ベネフィット（便益）
コスト（費用）
実用的B + 感情的B
=
金銭的C + 時間的C + 肉体的C + 精神的C
粗利益・荒利益
営業収益
価値 =
売上原価
販売管理費
営業利益
人件費
属人性・主観性
（←消費者の異質性、知覚価値）
„ 相対性（ ←競争市場）
„
設備費
営業費用
広告費
その他
6
小売経営論
„
二つのリスク
„
売れ残り・売り切れ
リードタイム
„ 品揃えの深さ
„
経営戦略1
SCM
5
7
顧客価値の源泉
8
カテゴリーの特性
バラエティ・シーキング
„
品揃えの広さ
„
カテゴリー（商品種類）数
„
„
„
いろいろなブランド
を使い比べる
ﾜﾝｽﾄｯﾌﾟ･ｼｮｯﾋﾟﾝｸﾞが可能
買物費用を削減
品揃えの深さ
„
商品種類内のアイテム数
比較購買が可能
„ 情報収集・情報処理費用を削減
„
„
リードタイム
商品に対する関心
が低い
スナック
せんべい・あられ
レトルト・カレー
チョコレート
プリン・ゼリー
キャンディ
ビスケット・クラッカー
インスタント・スープ
低アルコール飲料
ワイン
コーヒードリンク
炭酸飲料 パン
使い比べにより
アイスクリーム
ドレッシング
ロイヤルティを形成
カップ麺
パスタ・ソース
ビール
インスタント・カレー（ルー）
ヨーグルト
シャンプー・リンス
メイクアップ化粧品
台所用洗剤
スピリッツ
ベビーフード
オリーブオイル
乾物類
フレッシュクリーム
みりん風調味料
焼酎
日本酒
住居用洗剤
健康食品
ケーキミックス
果汁飲料
醤油
本みりん
食酢
ごま油
サラダ油
バター
ソース
ケチャップ
粉類
紙おむつ
マヨネーズ
コーラ、たばこ
焼き肉のたれ ブランド・コミットメント
特定ブランドを
習慣的に購入
1
9
12
純粋リスク (pure risk)
„
需給のアンバランスによるリスク
危険
二つの意味
売れ残り
S>D
確率的に発生する危険
„ 危険によって生ずる経済的損失
„
„
損失
在庫管理コスト
劣化
陳腐化
リスクの削減方法
売り切れ
S<D
危険→回避・予防・制御
„ 損失→補償・移転（保険など）
„
廃棄コスト
収益の未回収
（販売）機会損失
ﾛｲﾔﾙﾃｨ
の低下
顧客維持コスト
13
14
ロイヤルティの低下
ロイヤルティの低下
そのブランドや店舗に対する顧客のロ
イヤルティが低下
そのブランドや店舗に対する顧客が
減少
1.
2.
ﾉﾝ･ﾕｰｻﾞｰ
ﾕｰｻﾞｰ
顧客の
購買量
1
ﾛｲﾔﾙ･ﾕｰｻﾞｰ
(ｶｽﾀﾏｰ)
2
顧客数
15
16
20/80の法則
顧客維持コスト
ユーザーのロイヤルティを上昇
新規ユーザーの獲得
1.
2.
„
„
ユーザー数
獲得コスト：ｶｽﾀﾏｰ維持ｺｽﾄの4∼5倍
ﾉﾝ･ﾕｰｻﾞｰ
ﾕｰｻﾞｰ
„
ﾕｰｻﾞｰの20%が売上の80%を占める
„
ｶｽﾀﾏｰ1人=ﾕｰｻﾞｰ16人
ﾛｲﾔﾙ･ﾕｰｻﾞｰ
(ｶｽﾀﾏｰ)
2
17
18
在庫水準とリスク（危険）の関係
二つのリスク（危険）の関係
ﾘｽｸの
合計
売残りのリスク↓⇒売切れのリスク↑
„ 売切れのリスク↓⇒売残りのリスク↑
„ 不能両全其美
„
売残り
売切れ
„
在庫
水準
二つのリスクは、トレードオフ (tradeoff、取捨：適過其反) の関係にある
最適水準
19
20
二つのリスク（危険）の関係
リスクを下げる方法
売残りのリスク↓⇒売切れのリスク↑
„ 売切れのリスク↓⇒売残りのリスク↑
危険の最小化
„ 損失の最小化
„
„
„
二つのリスクは、トレードオフ (tradeoff) の関係にある
21
危険の最小化
22
入荷の頻度と在庫水準1
在庫水準の最適化
„ そのためには
„
需要予測の高精度化
„ 発注・入荷の高頻度化
„
第1週
5
需要
在庫
入荷
第２週
0
第３週
20
30
10
10
35
3
23
33
SCM (Supply Chain Management)
入荷の頻度と在庫水準2
第1週
5
需要
在庫
第２週
0
入荷
20
0
5
„
第３週
10
ｻﾌﾟﾗｲ･ﾁｪｰﾝ（複数企業にまたがる製
品やサービスの流れ）を、IT活用に
よって統合管理し、全体最適を実現す
る手法
0
20
10
35
36
SCMの全体像
„
顧客満足
„
„
„
情報ネットワークの構築による
製販データの共有
コスト削減
品揃えの確保
リードタイムの短縮
製品・製造データ
販売・在庫データ
メーカー
小売
受発注の自動化
生産調整
受注・発送の
高頻度・ﾘｱﾙﾀｲﾑ化
需要予測の高精度化
発注の高頻度化
37
42
小売業者が持つデータ
„
アイテム別の販売履歴データ
POS （Point of Sales）システムによって
収集
„ JANコード、ICタグ
高精度な需要予測
„
„
„
„
アイテム別の在庫履歴データ
„
GOT (Graphic Order Terminal)による、
店頭在庫のリアルタイムな把握
集計範囲の細分化
„
カテゴリー毎→SKU毎→アイテム毎
モデルの発達
重回帰分析
ARモデル
ﾃﾞｰﾀ・ﾏｲﾆﾝｸﾞ
説明変数
複数（4P等）
過去の売上
時間の概念
なし
あり
4