供应链品类购买偏好匹配分析数据

原始数据来源于公司供应链销售订单业务中的商品交易数据采集，采集范围涵盖商品品类、月度销量、客户覆盖数、复购率、销售额、折扣率等多维度核心字段。 通过构建"客户覆盖-消费活力-客户偏好-增长趋势-渗透潜力"五维评估模型与品类偏好匹配等级标注，将品类-客户匹配度分为四个等级：A级（高热匹配）实施重点推广+优先货源+资源倾斜策略；B级（稳定匹配）实施常规维护+促销跟进+需求监测策略；C级（低热匹配）实施观望运营+折扣清货+减少备货策略；D级（冷门匹配）实施调整替换+退出评估+库存清理策略。 该数据集解决供应链行业品类与客户需求匹配不准、选品决策缺乏量化依据、库存结构不合理、品类运营粗放等核心痛点，帮助企业从"凭经验选品"转向"数据驱动匹配"，提升选品精准度，降低无效库存占比。 同时，该数据集的特征工程体系与分级标注规范经过标准化处理，可为供应链领域的品类智能推荐AI模型提供结构化训练样本，推动行业从"经验选品"向"数据驱动+AI"演进。该评估体系可横向复用至零售、电商、快消品分销等需要品类-客户偏好匹配分析的领域。 本数据集通过销售订单管理系统自动采集商品交易数据，按商品分组和月份进行聚合，计算品类级购买偏好指标，通过加权评分算法进行品类偏好匹配分级。 算法规则： 客户复购率_% = 复购客户数 / 月度客户数 × 100。 平均折扣率_% = (原价总额 - 现价总额) / 原价总额 × 100。 月度客单价_元 = 月度销售额 / 月度订单数。 月客均消费_元 = 月度销售额 / 月度客户数。 订单环比增长率_% = (月度订单数 - 上月订单数) / 上月订单数 × 100。 品类渗透率_% = 月度客户数 / 当月平台总客户数 × 100（当月平台总客户数基于原始订单数据按月去重统计）。 客户覆盖得分 = 月度客户数：≥500=100分，≥100且<500=80分，≥30且<100=60分，≥10且<30=40分，<10=20分； 消费活力得分 = 月度销售额_元：≥100000=100分，≥10000且<100000=80分，≥1000且<10000=60分，≥100且<1000=40分，<100=20分； 客户偏好得分 = 客户复购率_%：≥30=100分，≥15且<30=80分，≥8且<15=60分，≥3且<8=40分，<3=20分； 增长趋势得分 = 订单环比增长率_%：≥50=100分，≥20且<50=80分，≥0且<20=60分，≥-20且<0=40分，<-20=20分； 渗透潜力得分 = 品类渗透率_%：≥10=100分，≥5且<10=80分，≥2且<5=60分，≥0.5且<2=40分，<0.5=20分； 综合评分 = 客户覆盖得分 × 0.25 + 消费活力得分 × 0.25 + 客户偏好得分 × 0.20 + 增长趋势得分 × 0.15 + 渗透潜力得分 × 0.15。 品类偏好匹配等级 = 综合评分：≥80=A级，≥60且<80=B级，≥40且<60=C级，<40=D级。 权重分配依据AHP层次分析法及品类管理理论，客户覆盖权重25%反映品类的市场基础规模，消费活力权重25%反映品类的收入贡献能力，客户偏好权重20%反映客户对品类的复购粘性，增长趋势权重15%反映品类的市场发展态势，渗透潜力权重15%反映品类的市场渗透空间。

搜集汇总

背景与挑战

背景概述

该数据集基于公司供应链销售订单业务，采集商品品类、月度销量、客户覆盖数、复购率、销售额、折扣率等多维度核心字段，构建“客户覆盖-消费活力-客户偏好-增长趋势-渗透潜力”五维评估模型，通过加权评分算法将品类-客户匹配度划分为A、B、C、D四个等级，以支持差异化运营策略。数据集旨在解决供应链行业品类与客户需求匹配不准、选品决策缺乏量化依据、库存结构不合理等问题，帮助企业实现数据驱动的选品决策，并为供应链领域的品类智能推荐AI模型提供标准化训练样本，可横向复用至零售、电商、快消品分销等领域。