目前的问题
一直以来，企业缺少执行综合SKU（单品）合理化计划所需的结构化和详细的信息。总的说来，各种系统无法扩展，不足以提供准确的SKU、客户或渠道赢利数据，因此企业不能一直对信息进行系统的验证。此外，很难获取到足够的信息来解释特定的SKU“如何”及“为何”不能创造利润。最后，企业不能提供一个监控与评估合理化决策的环境。
除以上问题外，SKU赢利性通常考虑的是毛利，而没有考虑到贸易成本、促销或折扣等。此外，一般的SKU合理化工作也没有考虑到供应链差异。例如，假定我们有两种SKU，它们具有相同的销量和毛利。其中一种SKU为特殊订单，不能通过EDI订货，需要专门的仓储处理，占据很大的货架空间。而另外一种SKU有全年的贸易安排，完全融入订单/补货流程中，经常越库作业（cross docked），占据货架空间很少。考虑到以上所有因素，第一种SKU的赢利性远逊于第二种SKU。
SKU的合理化对于所有零售企业来说都是一个不断发生的重要问题。一个简单的事实是，所有SKU的寿命均超过它们有用处的时间，有些SKU甚至根本就不应该存在。如果将80/20法则运用于零售企业的SKU，这个问题就显得尤为重要。
20％的业务 20％的业务
累计净经营利润 实际净利润 未实现的潜在利润 损失80％的潜在利润
净值
SKU所占百分比，按赢利性高低排序
产生180%的利润
近年来，几乎所有企业都在努力减少SKU数量。被列入削减范围的产品一般都具有如下特征：
• 周转慢（压住了资金）
• 销量低
• 处理费用大
• 退货率高（次品多、过期等）
• 容易被其他SKU替代
• 品种组合少
如今，SKU的合理化比以前更重要，而且，SKU的合理化不仅仅是减少SKU数量而已。遏制SKU激增是切入点。消除不能创造利润的SKU，集中改进有利可图的SKU，这是目标。从考虑单个SKU的赢利性出发，但也要考虑到其他因素的影响，有时候，即使某个SKU不能赢利，也要予以保留。
SKU的合理化有许多种解决方案。咨询公司纷纷提供店铺层次、基于品类的SKU赢利性调查报告。问题在于，将单个商店（或商店的一些中心品类）的调查结果运用于整个零售连锁的决策，这似乎不大可行。从这些调查报告出发，零售企业也许只能对少数几个品类进行有限的改进。根据地理差异或旗号/业态差异来进行调研似乎很难。这类调研需要做大量、大规模的调查工作，成本非常高昂。此外，调查结果也许只适用于调查所发生的时间和地点。如果将来要进行另外的SKU合理化，又必须进行新的调研，又要花许多钱。
有效的SKU优化显然也包括了品类管理。必须结合准确可靠的净到岸成本（net landed cost）来考虑品类的作用。例如，一家零售商发现，按照净经营利润（net operating profit）来看，牙膏普遍无利可图，但是，不能从货架上撤下牙膏。不过，可以在牙膏品种方面仔细考虑，尽量减少在口味、大小、添加成分等方面的重复，由此使得牙膏这一品类所占的货架空间尽量减少。此外，还要仔细考虑价格弹性方面的因素，既可以适当提高售价，同时又不会影响到这一品类的周转率。
关于有效的SKU合理化方面的文章很少，提出解决方案的就更少了。虽然许多BI（商业智能）公司将“SKU合理化”列为其能够提供的应用之一，但是，他们其实除了提供信息之外什么也没有做。没有一家公司提供用来生成信息所需的基础应用。零售商需要的是一个可扩展的解决方案，能够根据零售商的具体需要来扩展，适合管理2万至10万以上的SKU以及数百家或数千家商店。正确的解决方案应该能够将各种复杂流程模块化（包括多个仓库、合并周转慢的商品、商品在供应链的各种流动途径、DSD、库房仓储和零售货架存货成本等等）。理想的解决方案还必须支持准确的采购行为。
必须明确那些组件需要具备可扩展性。数据库管理系统很容易扩展到足以满足全球最大的那些零售商的要求。BI（商业智能）工具提供各种可同时支持1000位用户的架构。但是，我们缺少一个将这些复杂环境进行模块化的引擎，缺少一个在商店/SKU层面准确及时反映资源耗费情况的引擎。关键的可扩展组件应该是：综合利用海量数据源（会计分类账、EPP、供应链系统、商店POS系统等）的能力。
SKU管理的另一重要方面是，提供一种能够不断生成信息的环境。决策必须始终处于监控之下，以实现最大的价值，这意味着，必须能够一直获得信息以实现最大的效果。实际上，为了得到一种可持续的解决方案，SKU合理化决策无须等到付出重大代价之后才做出。这些决策可以在品类管理的过程中做出，从而让零售商能够更好地避免SKU增生的膨胀/削减循环。最后，零售商能够不断地实现SKU最优化而不仅仅是合理化。
SKU最优化是一个持续不断的循环过程。厂商在不断地推出新产品。为了满足消费者多变的需求，产品的持续创新是非常有必要的。但是，零售商必须自己决定利润率和品类组合。过去，零售商依靠厂商来对品类进行调研，以确定最优的品类/SKU组合。但是，这类调研往往委托给一些调研公司（如Nielsen或IRI）来进行，调研结果往往偏向提出分析请求的厂商。只有个别零售商能根据完整而及时的SKU周转情况及准确的净到岸成本来评估商店及全连锁内每个SKU真正的赢利性。
解决方案
进行品类评估的基础是品类内各SKU的净赢利性。许多时候，人们都使用毛利来进行评估，但这种做法忽略了非常重要的供应链成本因素，有时候，贸易成本和其他可变成本也会对赢利性产生很大影响。意识到这个问题的企业通常采用某种作业成本法来估计单个SKU的净到岸成本。问题是，这种做法也只是估计而已。此外，大多数作业成本法均不具备可扩展性，也不适用于大型零售商。结果，SKU的合理化往往在整个连锁的层面上进行，仅限于那些在整个连锁有普遍适用意义的SKU，而忽略了地理差异和商店特性。而SKU的合理化必须要更具体一些才行。
此外，这些成本往往根据SKU“承受成本”的能力来分摊，即根据收入来分摊，而这种分摊方法不是很精确。例如，卡夫食品公司的奶酪通心粉都是用整个货盘输送到仓库和商店，经常越库作业，尺寸统一，而且一年的贸易交易量很大。另外一种商品――椰菜奶酪汤，它不能用货盘来送，在仓储和送到商店的时候容易打翻，周转率很慢，占了商店的库房，交易量也不是很大。因此，这种汤品每单位的处理成本远远高于奶酪通心粉，但这种差别却可能不能够被准确地反映出来。
公司需要更为详细的赢利性测量方案。连锁企业应能评估每家门店的品类，优化每家门店的商品流动和赢利性，并且确保这些决策不会与全连锁的发展态势相冲突。在商店层面上使用净到岸成本，能够前所未有地提高准确性，从而提高数据及决策的可信度。
我们举一个简单例子来说明成本详细化的重要性。一家公司将其客户细分为7个部门，据此评估客户对公司服务的使用情况。针对这7个部门进行了一段时间的营销之后，该企业决定按部门来评估他们的客户。评估结果出来后，几乎80％的客户被重新划分到新的部门！也就是说，他们把营销投入花在错误的客户身上，传达了错误的信息。详细成本分析会揭示出完全不同的实际情况。同样的道理也适用于SKU的合理化。
通过引入极其准确而详细的新一代测量软件，零售商能够以结构化的方式来准确决定SKU的成本和净利润，了解品类内每一个SKU的贡献，评估连锁、地区、商店或其他层面的产品组合，决定每个品类应包含哪些产品，监控不同业务成分的利润效果。
准确评估SKU成本及净利润的步骤
细分 分析 执行 监控和测量
第一步：细分
评估过程的第一步就是对SKU进行有效细分，以便将SKU进行正确分类和处理。一般根据销量、利润、品类角色和策略来细分。这些细分应适用于品类管理。
对于每种细分标准，均从大到小设定价值范围。然后构建矩阵，将SKU归入可识别的组。
销量
产品销量大致代表了SKU的受欢迎度与重要程度。如果您已经将自己的SKU归为A、B、C三类，您可以继续沿用这种分类。也可构建一个算法规则来执行细分。
SKU根据其占总销量的百分比来划分。例如，所有“A类”商品占总销量的80％，“B类”商品占15％，“C”类商品占5％。
策略
就零售业而言，策略始于商品的品类角色，指该角色范畴内的种种策略。例如，软饮料的品类角色为“目的地角色（destination role）”，它的两个策略是既要产生“交易量”又要引来“客流量”。这些品类角色及策略可用于SKU的正确划分。将这些品类－策略分成“必须有”、“重要”及“可有可无”三组，再据此进行分析。
将SKU按“角色－策略状况”分组的一种替代方法是使用预测。应该考虑那些还来不及产生销量的新商品或者对品类形象转型具有重要作用的新产品，对每一个SKU进行策略分析和预测分析，将预计未来12个月内其需求有极大增长潜力的商品专门划分为一类。
（联商）
