2024年秋天，我为一家年营收1.8亿元的椰子水品牌做华东市场诊断。拿到内部销售数据的第一个星期，我就被一个数字打蒙了：华东六省销量同比下降12%，但同期椰子水品类大盘还在增长1.8%。客户总经理的第一反应是“市场不行了，消费者不爱喝椰子水了”。可我拆完终端数据后，把他的结论完全推翻，问题不在消费者，而在品牌自己的冰柜。
这就是《数据分析实战饮料案例，饮品品牌市场分析》这篇文章的核心素材。我想通过这次实战，讲清楚一个容易被忽略的事实：饮品品牌的市场分析，输的往往不是数据量，而是分析粒度。当你的数据只停留在“省份-月度-总额”这种颗粒度时，你看到的任何结论都有可能是误导。
我给这个椰子水品牌做的第一件事，是把分析粒度从“省”下沉到“城市-渠道-终端-单品”四级。只有到这一层，你才能区分：是没人买，还是没处买，还是买了之后觉得不值。
结果发现，华东销量下滑的12个百分点里，有9个百分点来自冰柜陈列缺失和断货，而不是消费者需求萎缩。品类大盘在增长，同一家便利店里，竞品从冰柜里被拿走，你的产品却躺在常温货架上落灰。
大多数周报月报都在看销售额、份额、同比增长，这些指标只能告诉你“过去发生了什么”。真正能指导下个月动作的，是冰柜覆盖率、单点日均销量、货架排面数、断货率、门店补货周期。销量是结果，终端动作才是原因。
所以我的核心建议是：把你市场分析的重心，从“卖了多少”转移到“为什么在这些门店能卖、在那些门店不能卖”。
很多品牌把华东和华南、线下和电商、便利店和KA放在同一张表里对比，这是严重的口径错误。不同渠道的铺货周期不同，不同城市的季节性不同，不同终端的客群也不同。没有统一口径的数据对比，只会诱导你做错误的归因。
下图是典型的饮料销售渠道结构。如果你只看电商数据，你会以为线上占比很高；但实际全行业线下占比接近三分之二。
说明=以家庭囤货和整箱购买为主，贡献稳定但无法承接即时性需求
– 其他（校园/景区/交通枢纽）: 3%; 说明=特殊封闭渠道，适合特定品类曝光
说明: 这张图帮助读者理解，为什么饮品品牌分析不能只盯电商大促或平台榜单，线下终端动作才是大盘胜负手。
接下来，我把这次实战的背景完整铺开。这个品牌年营收约1.8亿元，华东六省占总销售收入的55%。产品是常温椰子水，客单价6-8元，主打“天然、0糖、补水”，主要渠道是便利店、精品超市和部分餐饮连锁。
客户第一次找我时，手里已经有完整的ERP销售数据、经销商进销存数据和三个月的电商平台后台数据。但他们的分析团队只有一个人，平时只负责出日报和粘贴图表，没有人真正回答“为什么”。
我做的第一件事，是把数据源扩展成五类：内部销售数据、经销商进销存、终端零售POS抽样（覆盖约1200家门店）、社媒聆听数据、竞品终端铺货巡检数据。整个分析周期六周，其中终端门店走访用了两周。
这个项目里，我既是分析顾问，也当了一回“终端访问员”。为了搞清楚单点销量为什么低，我随业务团队跑了上海、杭州、苏州的57家便利店。每进一家门店，我会记录三件事：你放在冰柜里的SKU有几个、你的货在第几层货架、你和竞品之间隔了几个品牌。
就是这些看似琐碎的记录，远比ERP数据更能解释销售额的下降。原来很多门店只进了2个SKU，2个还是同一种口味，这种情况，消费者不选你是正常的，选了才奇怪。
如果只依赖ERP销售数据和经销商库存，分析最多只能做到“哪个省不行、哪个经销商不行”。但要想知道“为什么不行”，必须有终端零售POS、竞品铺货和门店走访数据。基础数据缺失的情况下，千万不要急着套同比和排名，那是自欺欺人。
从项目经验看，终端POS零售数据的价值高于经销商进销存，因为进销存反映的是“压货”，不是“动销”。很多品牌看到经销商出货量高就认为市场健康，直到积压退货才醒悟，压货不是销售，只是库存搬家。
| 数据源 | 反映的问题 | 滞后程度 | 可支撑的决策 |
|---|---|---|---|
| ERP销售 | 按发货口径看，卖给了谁 | 滞后1-2个月 | 基础任务分配 |
| 经销商进销存 | 压货还是动销 | 滞后1个月 | 库存管理和回款 |
| 终端POS抽样 | 消费者实际买了什么 | 滞后1-2周 | 产品组合、定价、促销 |
| 终端巡检 | 冰柜、货架、价签是否到位 | 接近实时 | 终端执行、费用投放 |
| 社媒聆听 | 消费者怎么讨论你的产品 | 接近实时 | 产品传播和卖点调整 |
这次项目里，客户带了很多“预设立场”，而这些误区几乎是所有饮品品牌分析的通病。我逐一拆解如下。
市场份额是一个结果指标，它不是原因。问题在于，很多品牌经理一看到份额下降，就开始改配方、换包装、加预算，却忽略了背后的关键变量，比如竞品突然增加了冰柜投放。
市场份额必须拆开看：在哪些城市丢了、丢在哪个渠道、丢在哪个SKU上、被谁抢走的。否则你只会用“市场环境不好”来解释一切。
有些品牌因为电商渠道占比高，就习惯性地用淘系和抖音的榜单来制定产品策略。但饮料是高度依赖即时消费的场景品类，线下便利店的“即得性”远不是次日达的物流可以替代的。
根据行业零售监测数据，饮料品类线下渠道占比通常在60%-70%之间。如果只看线上，你会误以为某个口味流行，但实际上它在便利店根本卖不动，原因是它适合囤货，不适合即饮。
做社媒分析时，很多人盯着小红书笔记篇数和抖音话题播放量。但曝光只说明“有人看到”，不能说明“有人买”。在饮料市场，社媒声量和生意表现之间往往存在一个“断裂带”：传播能带来首次尝试，但复购和终端动销取决于铺货密度和产品力。
我见过不少新消费饮品，小红书篇数月均过万，但线下铺市率不到30%，终端单店日销不到3瓶。这类品牌本质上在做“空中轰炸”，但地面部队根本没跟上。
很多品牌分析自己的销量、库存、同比，自认为逻辑严谨，却漏了最关键的一环：竞品在同一个货架、同一个冰柜里做了什么。没有终端对标，你无法判断下滑是由于自身努力不够，还是由于竞品强势拦截。
因此我从项目一开始就和客户明确：所有自身指标，必须和“同一渠道、同一城市、同一业态”的竞品指标叠加分析。只说自己不行是没用的，你得知道谁比你行、为什么行。
为了直观说明这种系统性偏差，我对比了管理层决策关注度与真实销售贡献度的关系，越是不常被讨论的渠道，往往越在悄悄决定生意。
说明=夫妻店和食杂店是基本盘，但管理层几乎只看总销量，很少拆到单店
– 餐饮特通销售贡献: 14%; 说明=讨论占比约15%，与实际基本匹配
说明: 这张图用于提醒读者：如果管理层花大量时间讨论低贡献渠道，一定会错失真正影响大盘的终端问题。
在做过几个饮料品牌的市场分析项目后，我总结出一个四层漏斗判断框架。这个框架的核心是：不要直接从“总量变化”跳到“消费者行为”，而是沿着渠道逐层下探，找出真正的断裂层。
先看品类大盘和区域市场是否还在增长。这一层的意义是解决“是否值得继续做”的问题。如果品类整体萎缩，你的品牌下滑就是正常现象，止损比硬扛更重要。
判断要点：品类销售额增速、品类渗透率变化、价格带迁移方向。数据来源以行业零售监测和公开报告为主。
分析各渠道的增减变化。有时品牌总量不变，但便利店增长、传统渠道在下跌，这是渠道转移信号，而不是品牌力问题。
判断要点：各渠道销售额占比、各渠道同比增速、经销商进出货比。这里需要警惕：渠道结构的变化也可能由竞争环境引起，不能只看自身。
这一层是真正的核心。需要拆到城市和终端业态，看铺市率、单点日均销量、库存周转、断货率、冰柜覆盖率、货架排面数、价格体系。只有到这里，才能回答“为什么这里卖不动”。
判断要点：把“铺市率”和“单点日销”组成二维矩阵。铺市率高但单点日销低，说明陈列和转化出了问题；铺市率低但单点日销高，说明单店模型成立，下一步该做广度渗透。
最后一层是用消费者调研和社媒数据验证：消费者为什么选你或放弃你？这层的核心指标包括首次购买转化率、复购率、品牌搜索占比、品类关键词关联度。
这一层常常被忽略，但它是判断“终端动作无效”还是“产品本身有问题”的关键。如果终端表现好、复购率低，那是产品力问题；如果终端表现差、复购率正常，那是渠道执行问题。
回到这个椰子水品牌。我按照上面的四层漏斗逐步下探，发现了几个非常清晰的数据证据。这些数据不仅改写了客户的判断，也让我自己确信：终端动作是饮料品牌市场分析的第一切入口。
华东六省整体铺市率约为68%，看起来不差。但进一步拆到“有效终端”后发现：在铺货门店中，只有57%的门店把产品放进了冰柜；而核心竞品在同样门店里，冰柜覆盖率是82%。
这意味着，在夏季即饮高峰期，消费者推开冰柜门，看到的是竞品的瓶子，你的产品在常温货架上。椰子水的核心购买动机是“冰爽解渴”，常温陈列让产品直接失去了购买机会。
说明=即饮高峰时段出现空柜的概率更高，直接损失销售机会
– 竞品夏季断货率: 8%; 说明=竞品订货和补货机制更完善，终端几乎没有空窗
说明: 这张图回答了“为什么销量下滑”的核心原因，终端执行不足，而不是消费者不喝了。
在上海市区的300家抽样便利店中，该品牌单点日均销量为5.2瓶，核心竞品为12.8瓶，行业均值约7.3瓶。这意味着即便消费者走进门店、看到产品，拿起来的概率也低于竞品。
为什么拿的概率低？继续拆：该品牌在有效终端平均只有1.8个SKU在架，且没有大规格分享装；竞品平均3.5个SKU，包含小瓶、大瓶和0糖版本。SKU丰富度直接影响消费者的选择概率。
说明=选择有限，消费者容易转向隔壁的竞品
– 竞品平均在架SKU数: 3.5个; 说明=多规格覆盖不同场景，满足饮用和囤货需求
说明: 这张图用单店效率的差距说明问题关键：铺得开，但卖不动，需要从终端陈列和SKU组合找原因。
另一个数据来自社媒聆听。客户在小红书和抖音的月均内容篇数约1.2万条，互动量不低，但品牌词搜索占比仅为6%。也就是说，声量集中在品类词和竞品词上，消费者看得到讨论，却没有形成主动搜索和购买联想。
从社媒曝光到线下购买，转化路径存在明显断层。我们拉出过去90天的用户路径数据：曝光到搜索的转化率只有0.8%，搜索到购买的转化率约5%，而行业领先品牌这两步分别是2.1%和9%。
说明=行业领先水平约为本品的2.6倍
– 行业搜索→购买基准: 9%; 说明=领先品牌在转化环节同样优势明显
说明: 这张图说明纯粹的声量投放无法替代终端承接力，也为后续“把预算从社媒转向终端”的建议提供依据。
我们还做了一次SKU层面的销售额帕累托分析。发现TOP 3 SKU贡献了78%的销售，但其中销量最大的1L装在家独饮场景增长乏力，而适合便利店即饮场景的450ml随身装在华东铺货率只有44%。
这说明产品组合没有跟上渠道场景。消费者走进便利店，需要的是一瓶即开即喝的随行装，而不是1L的家庭装。品牌把自己的“优势单品”铺错了场景。
说明=450ml随身装，最接近即饮场景，但目前渠道覆盖严重不足
– 其他SKU累计贡献占比: 22%; 说明=长尾产品占整体销售不到四分之一，建议优化
说明: 这张图反映出产品组合与终端场景的错配，帮助品牌看到高潜力SKU需要重新分配铺货资源。
基于这些发现，我建议客户在苏州、杭州两地试点，用6周时间做三件事：将450ml随身装设为便利店主推款；把冰柜覆盖率从57%提升到82%；把每店SKU数从1.8个增加到3个以上。试点范围覆盖2500家门店。
8周后，试点门店的单点日均销量从5.2瓶提升到7.9瓶，环比提升52%；断货率从25%降到9%；苏州和杭州两地的整体销量止跌回升，分别增长8%和11%。同样的产品、同样的价格、同样的广告，只是把终端动作做对了，结果完全不一样。
说明=单店周产出同步增长，验证试点模型可复制
说明: 这张图是整个分析最关键的“验证闭环”，说明终端动作改变直接带来结果改善。
不是所有饮品品牌都需要按上面的方式做一次完整诊断。不同规模、不同渠道主战场、不同预算约束下，行动方案完全不同。我分三种情况给出建议。
建议采用“数据轻量+终端走访”的组合方案。不要花几十万买行业监测数据，不要急着搭建BI系统。找同城或近城50-100家核心终端，连续走访两周，记录冰柜、货架、SKU、竞品动作。
预算分配：终端走访与差旅约1-2万元，数据整理约1万元，合计控制在3万以内。重点回答一个问题：在核心在售终端，你的产品是不是消费者最容易拿到的那个？
建议采购1-2个零售监测数据源（覆盖便利店和现代渠道），按季度输出渠道分析报告。同时配一个专职数据分析师，负责把销售数据和终端监测数据整合成周报。
预算分配：数据采购约20-40万元/年，人力成本约15-25万元/年。重点回答：哪些城市、渠道、终端存在增长空间，以及竞品在做什么拦截动作。
建议建立覆盖CRM、DMS、终端POS的统一数据平台，按月和按周双频次进行分析。分析维度必须包含城市、渠道、终端业态、SKU、包装规格、价格带、门店级别和促销活动。
预算分配：数据中台建设约100-200万元，持续运营约50万元/年。重点回答：如何在区域市场形成压倒性的终端优势，以及如何通过产品组合实现跨场景增长。
说明=完整数据平台+专职团队，支持全国终端精细化运营
说明: 不同预算对应不同决策深度，资金有限时不要追求大而全，优先解决最容易治好的“终端动作”问题。
做饮品品牌市场分析，永远面临取舍。我把最常见的四个取舍点列出来，并给出我的判断标准。
对于常规产品，月度分析已经足够，因为终端动作具有惯性，变化不会在一周内发生。但如果你做的是强季节性产品，比如冷泡茶、酸梅汤、气泡水，建议在旺季用周度分析，避免错过冰柜调整的关键窗口。
取舍原则：周度分析只关注“终端执行指标”，不要频繁分析销售额，否则会因为短期波动做出一惊一乍的无效决策。
门店级分析成本高，但诊断价值最大。我的建议是先用城市级数据快速定位“问题城市”，再在问题城市做门店级抽样，而不是一开始就对全国所有门店做精细分析。
取舍原则：用城市级数据找方向，用门店级数据找证据。在有限预算下，门店级分析覆盖50-100家即可，不必追求全量。
终端POS、出货单据、库存记录是事实数据；消费者访谈、社媒评论是态度数据。事实数据决定“是什么”，态度数据解释“为什么”。当两者冲突时，以事实数据为准。
比如这次案例中，社媒评论都说“喜欢这个品牌”，但终端POS显示复购率只有7%。这时候不要急着相信好评，而要去查复购链路是不是断了。
一次性的市场诊断适合外包，因为外部团队没有内部惯性；持续的终端监测适合自己做，因为需要与销售团队形成闭环。比较好的折中方案是：外部顾问负责搭分析框架和培训，内部团队负责日常执行。
如果完全依赖外包，分析结果很难落地；如果完全自己研究，容易陷入“自证合理”的盲区。没有绝对最优解，只有适合当前阶段的选择。
这次椰子水品牌的分析让我坚定了一个观点：饮品品牌的市场分析，应该先从终端动作出发，而不是从销售结果出发。销售数据能告诉你出了问题，但只有终端数据能告诉你哪里出了问题、怎么修。
如果你也是饮品品牌的市场负责人，我建议你从明天开始，做一个“20家门店终端观察”的小实验。随机选20家有本品的门店，记录以下数据：你的产品是否在冰柜里、在货架第几层、同排有几个竞品SKU、缺货频率高不高。把这些数据和最近两周的门店销量做对比，你会看到非常清晰的规律。
数据不会替你做决策，但它能把你的直觉变成可验证的假设。先弄清楚消费者是不是“随手就能拿到你的产品”，再去琢磨品牌定位和广告文案。这个顺序不能反。
我准备分析一个饮料品牌的市场表现，但手上的数据很杂，既有销量、销售额，也有电商流量、门店铺货和促销记录。我不确定应该先做品牌画像，还是先看产品销量，怎样整理才能避免最后只得到一堆没有结论的报表？
我做饮品案例时，通常不会一上来就做“品牌市场规模”大表，而是先建立一条从消费者需求到经营结果的分析链：谁在什么场景喝、购买什么规格、通过什么渠道购买、为什么选择这个品牌，最后才落到销量和利润。建议把数据拆成四层。第一层是市场与人群数据，包括年龄、城市、饮用场景、口味偏好和价格接受度；
第二层是货架与渠道数据，包括铺货率、缺货率、陈列位置、渠道覆盖和单店动销；第三层是交易数据，包括销量、销售额、客单价、复购率和促销前后变化；第四层是品牌数据，包括搜索量、内容互动、评论关键词和品牌提及率。
数据层核心指标常见误判分析用途 市场场景、口味、价格带把人口统计特征当成购买原因判断需求是否真实存在 渠道铺货率、缺货率、单店周转只看进货量，不看终端动销定位渠道和供货问题 交易销量、毛利、复购、折扣率把促销销量当成自然需求判断增长质量 品牌搜索、提及、评价主题把曝光量等同于品牌资产解释消费者为何选择或放弃 我特别重视“单店日均销量”这个指标。
某饮料在一个季度的经销商进货量增长32%，看起来表现很好，但拆到终端后发现，覆盖门店数增长45%，单店日均销量反而下降9%。这说明增长主要来自铺货扩张，而不是消费者需求增强。数据整理时还要统一时间粒度和口径。例如电商按自然日统计，商超可能按周结算，经销商按月进货。
如果直接横向比较，促销周、结算周和库存周会被混在一起。更稳妥的做法是统一到周，并额外标注节假日、促销、断货和新品上市等事件。我的判断标准是：一份合格的数据底表，必须能回答“销量变化发生在哪里、由谁贡献、是否可持续、利润有没有同步改善”这四个问题。
若只能回答“卖了多少”，那它还只是销售报表，不是市场分析。
我发现某款饮料最近三个月销售额下降了，但市场调研却显示消费者对这个品类仍然有兴趣。我想知道应该如何拆解销量下滑，避免把渠道缺货、促销结束和消费者不喜欢混为一谈？
判断销量下降原因时，我不会先看消费者满意度，而会先做“销量桥接分析”，把销售变化拆成门店数量、单店销量、有效陈列、缺货天数和平均成交价五个因素。因为很多品牌误以为消费者不买了，实际只是消费者在货架上没有看到它。可以使用这个简化公式：销售额＝有效门店数×单店日均销量×销售天数×平均成交价。
将本季度和上季度逐项替换，就能看到到底是哪一个变量造成了主要损失。
指标上季度本季度变化可能含义 有效销售门店8,000家7,300家-8.8%撤店、断货或经销商覆盖下降 单店日均销量7.6瓶7.1瓶-6.6%真实动销或陈列竞争力下降 平均成交价5.2元4.7元-9.6%折扣加深或低价渠道占比上升 平均缺货天数1.4天4.8天+242.9%供应链问题可能是主因 我曾遇到过一类典型情况：品牌调研中的“喜欢度”基本稳定，但销量连续下降。
进一步看，重点便利店渠道的缺货率从6%升到18%，而竞品在同一货架位置增加了第二排陈列。这个案例中，消费者偏好没有明显恶化，真正的问题是可得性和货架竞争。如果门店数稳定、缺货率正常，但单店销量下降，就要继续看三个方向：第一，是否有竞品降价或推出更强促销；第二，消费者是否从大包装转向小包装；
第三，原有饮用场景是否被替代，例如通勤消费转向办公室即饮或外卖搭售。还要区分“进货下降”和“终端销售下降”。经销商库存较高时，进货量下降可能只是库存消化，不代表消费者需求下滑。我的建议是至少同时观察终端扫码、收银数据、库存周转和缺货记录，连续四周以上仍然同步恶化，才更有理由判断为真实需求问题。
我想比较几个渠道哪个更值得投入，但便利店看销量，电商看成交额，餐饮渠道又常常通过经销商供货，指标完全不一致。我担心只看销售额会把低价促销和渠道压货误判成高回报，应该怎样计算才比较公平？
比较饮料渠道时，最容易踩的坑是把“渠道销售额”直接当成“渠道价值”。我更建议用贡献利润、增量消费者和周转效率三组指标，而不是只看GMV或出货额。一套实用的渠道核算表至少包含：终端销售额、渠道折扣、平台费用、经销商返利、物流成本、促销费用、退货损耗、毛利和库存周转天数。
若数据不完整，可以先用统一口径计算“每投入1元营销费用带来的增量毛利”。
渠道销售额营销及渠道成本贡献毛利库存周转判断 便利店120万元32万元28万元18天规模稳定，适合做可得性 电商95万元39万元16万元12天转化快，但投放依赖较高 餐饮搭售68万元14万元24万元26天毛利较好，但扩张受场景限制 上表中，电商销售额并不低，但扣除平台扣点、达人佣金、优惠券和投流之后，贡献毛利低于便利店。
餐饮搭售的规模最小，却因为获客和陈列成本较低，单位贡献更好。这就是为什么我不会简单下结论说“电商最重要”或“线下渠道效率低”。渠道还要区分“收割型投入”和“建设型投入”。一次大促可能带来短期成交，但如果促销结束后复购率只有8%，它更像价格刺激；
而便利店铺货、冰柜陈列和试饮活动的回报周期更长，需要观察8至12周的自然动销。我会给每个渠道增加两个校验指标：促销结束后四周的销量留存率，以及新客在90天内的复购率。若某渠道大促期间销量增长150%，但结束后只留下12%的增量，说明投放质量偏低；
如果销量只增长45%，但自然动销留存率达到68%，反而可能更值得持续投入。最终的渠道决策不应是“全部预算给ROI最高的渠道”，而应按任务分配：便利店解决看得见、买得到，电商承担新品教育和复购，餐饮渠道强化饮用场景。渠道的价值取决于它在增长链条中承担什么任务。
我准备给一个饮品品牌做新品方案，目前有几个口味方向，也收集了一些消费者问卷，但大家都说喜欢，真正愿意购买的人却不多。我想知道新品测试应该重点看哪些数据，怎样避免被“高意愿、低转化”的调研结果误导？
新品调研中，“喜欢”是一个很弱的指标，因为消费者表达偏好几乎没有成本。我的判断顺序通常是：愿不愿意尝试、愿不愿意付费、是否能接受目标价格、是否愿意再次购买，最后才看是否愿意推荐。可以把问卷结果和小规模真实交易结合起来。
先用定性访谈筛掉明显不符合场景的口味，再做概念测试，最后在两个相似城市或相似渠道进行4周试销。新品是否成立，不能只看首周销量，还要看第二周之后的自然动销。
测试指标口味A口味B解读 概念喜欢度78%69%A更容易获得第一印象好感 首购转化率11%14%B的购买阻力更低 试饮后付费接受率38%52%B与价格匹配度更高 四周复购率16%29%B更可能形成稳定需求 这个对比说明，口味A的传播吸引力更强，但口味B的商业转化更好。
如果只看问卷喜欢度，可能会选择A；如果看真实购买和复购，我会优先扩大B的测试，并把A保留为内容传播或限定款方向。价格测试也不能只问“你愿意买多少钱”。更有效的做法是设置多个真实价格，并记录转化率、毛利和复购变化。
例如同一规格在6.9元、7.9元和8.9元进行分组测试，观察价格每提高1元，销量损失是否超过毛利增长。我通常会设三条新品继续线：第一，四周复购率达到成熟同类产品基准的80%以上；第二，促销结束后自然销量至少保留首期销量的50%；第三，单瓶贡献毛利能够覆盖渠道和基础营销成本。
三项中若只有首购表现好，说明它可能是“试喝产品”，还不是“长期产品”。新品测试最容易忽略的是购买场景。消费者在问卷中可能接受高甜度或复杂风味，但在通勤、午餐和运动后等高频场景中，实际选择往往更偏向清爽、易入口和价格稳定。因此，口味决策必须同时看评价文本、饮用时段、搭配食物和复购行为，不能只看平均分。
读者评论
做饮料品牌分析最怕的就是被总量数据带到坑里，这篇文章把“颗粒度”讲透了。以前我们看某区域下滑也只会说市场不好，但拆到终端才发现是冰柜陈列和断货问题，根本不是需求萎缩。那个“有效铺市率”的说法很点醒人，铺了货不等于卖得到，常温货架上放椰子水，夏天谁会拿？建议所有做快消的同行都看一下。
作为数据分析从业者，很认同文中对“领先指标”和“滞后指标”的区分。销量和份额本来就是结果，不拆到单店、SKU、断货率，就只能事后解释。还有一点非常务实：经销商进货数据其实只是库存搬家，动销才是真实销售。文中四层漏斗框架可以直接借鉴到自己的项目里，避免一上来就看同比环比。
这个案例最有价值的部分，是直观展示了管理层关注度和真实销售贡献的错位。我们公司开会也总是聊线上占比，但线下便利店和传统渠道才是基本盘，冰柜被竞品占掉几个排面可能比一次电商大促影响更大。提醒自己以后做市场诊断，先走一遍终端，看货架，看冰柜，再回来拉数据。