你的商品毛利結構健康嗎?用四象限找出真正在賺錢的品項|經管備忘錄

分享
你的商品毛利結構健康嗎?用四象限找出真正在賺錢的品項|經管備忘錄

你的銷量冠軍,可能正在幫你賠錢。

「賣得最好的,就是最賺錢的」——會這樣想很自然,因為銷量真的是最容易被看見的數字。

系統跑出來就是一張排行榜,清清楚楚告訴你哪個品項賣了多少。但這張排行榜從來不會告訴你,那些賣出去的數字,到底為公司留下了多少錢。

在觀察中小型零售業的過程裡,我反覆看到同一件事:資源被投入到銷量最高的品項,行銷費用跟著它走,採購量跟著它增加,業務激勵也跟著它設計。而實際在撐公司獲利的,往往是另一個沒人特別注意的品項。


一家懷疑自己在賠本賣招牌商品的老闆

「我懷疑自己在賠本賣奶油酥餅。」

彰化有一家台式小西點品牌,他的奶油酥餅是門市招牌,銷量長期佔全品項的45%,也是讓品牌在地方被記住的主力。但原物料連年漲價,老闆隱約感覺毛利越來越薄,就是說不清楚問題到底有多嚴重。

更讓他困惑的是另一款商品。鳳梨酥的銷量普通,放在架上沒有特別顯眼,他覺得鳳梨酥「可能才是真正在賺錢的那個」,只是手上沒有數字可以驗證這個直覺。


想做四象限分析,你的數字準備好了嗎?

在進入任何分析框架之前,要先問一個更根本的問題:你有沒有可以分析的數字?

品項別毛利分析,至少需要三份資料:

  • 每個品項的銷售數量與金額(POS 報表或 Excel 通常可以提供)
  • 每個品項的成本組成(原物料是基本,但包裝耗損、不良品率、人工分攤,很多業者沒有系統性記錄)
  • 兩份資料必須能對應到同一個時間區間

如果現在手上有銷售紀錄,但沒有拆到品項別的成本,分析的第一步不是建矩陣,而是先把成本帳補起來。哪怕只是粗略的手工估算,也比沒有好。我觀察到,很多老闆在整理這份清單的過程裡,就已經開始看見問題了。


光看銷量排行榜,你只知道誰跑得最快;加進毛利資料,才知道誰真正在把錢帶回來。

建議可以用的分析框架是一個「銷量×毛利」四象限矩陣,把所有品項按照兩個維度同時評估:橫軸是毛利率(或毛利額),縱軸是銷量(或業績貢獻)。落在不同象限的品項,扮演的戰略角色完全不同。

  • 右上方(高毛利×高銷量):是真正的核心資產,也是最容易被忽略保護的一群。老闆往往把注意力放在「問題品項」,反而沒有刻意鞏固這個象限。
  • 右下方(高毛利×低銷量):是潛力股,不是沒有價值,而是少了被推一把的機會。很多老闆其實隱約知道它,就是那個「感覺應該要推但一直沒推」的商品。調整陳列、搭配推薦、放進禮盒組合,往往有機會往右上移動。
  • 左上方(低毛利×高銷量):是最需要冷靜面對的位置。它銷量大、存在感強,業務團隊最有成就感,但賣越多、資源消耗越大,留下來的錢卻不成比例。奶油酥餅就是這裡。這個象限需要清楚定義「它的任務是什麼」,而不是繼續無差別地往它澆行銷預算。
  • 左下方(低毛利×低銷量):需要認真討論是否繼續維持。每一個留在架上的品項都有機會成本,空間、人力、採購量都是資源。

奶油酥餅的問題一旦被放進這個矩陣,老闆才能真正看清楚,他的行銷資源、採購庫存、陳列版面,是否一直在支撐一個正在把利潤送走的品項。

這裡有個常見的陷阱:資源重新配置之後,新的瓶頸往往馬上浮出來。如果某個品項要從低毛利的位置往高毛利方向調整,還要同步確認產能跟不跟得上、倉儲空間夠不夠、原料採購是否有對應的談判籌碼。


銷量排第一的商品,毛利真的是你以為的那樣嗎?

在保健食品的銷售分析裡,我常看到同一個版本的問題。前三名商品業績漂亮,銷售額高、知名度高,業務團隊也最有成就感。但當我把每個品項的毛利額,而不是毛利率,單獨拉出來看,有時候銷量第一的商品,毛利額卻是全品項裡倒數幾名。

銷量冠軍不是不重要。它可能負責帶進人流、建立品牌知名度,是必要的引流工具。但問題在於,很多企業把同樣的行銷預算無差別地灌在所有品項上,結果是:銷量冠軍越推越便宜,真正有獲利貢獻的品項越來越沒有資源。

另一個容易忽略的盲點:很多老闆習慣看「毛利率」而不是「毛利額」。一個毛利率 60% 但銷量很低的品項,實際貢獻的毛利額,可能遠低於毛利率 30% 但銷量穩定的品項。兩個維度都要看,才不會做出誤判。


分析完毛利結構之後,資源該往哪裡走?

品項別毛利結構分析,做的是一件事:讓你知道錢真正從哪裡來、又從哪裡流走。

這份清單做完,可以觀察兩件事:第一,你會發現某幾個品項比你以為的更重要,它們一直在默默撐著整體毛利;第二,你會發現某些品項佔了大量資源,卻沒有對應的回報。

把毛利結構搞清楚之後,下一步才是把行銷預算往高毛利商品傾斜,把升級溝通對準對價格不敏感的高價值客群,讓資源配置開始有方向。

如果你現在什麼都還沒有,明天可以做的第一步,只有一件事:

把你的所有品項列出來,估算每一個的原物料成本,跟它的售價相比。不需要精確,也不需要系統。就是一張手寫的清單,一個品項一行,成本多少、賣多少。這張清單做完,你可能會看見一個讓你皺眉的數字,而那個數字,就是你該開始認真調整的地方。

FAQ

Q:現在沒有完整的成本資料,可以先做毛利分析嗎?
A:可以從粗估開始。先把每個品項的原物料成本和售價對比,哪怕是手寫清單也好。很多老闆在整理這份清單的過程裡,就已經開始看見問題——精確的系統是後來的事,先有數字比沒有好。

Q:低毛利的銷量冠軍,一定要砍掉或調整嗎?
A:不一定。低毛利高銷量的品項可能是引流工具、負責帶人流和品牌知名度,有它存在的戰略意義。關鍵是要清楚它的角色,不要把行銷資源無差別地澆在它身上,同時確保有高毛利品項在撐獲利。

Q:做四象限分析需要什麼工具或系統?
A:一張 Excel 表格就夠。把所有品項的銷售數量、銷售金額、成本整理進去,算出毛利率和毛利額,再畫兩條軸線分象限。不需要複雜的 BI 工具,重點是先把成本帳補起來。

Q:商品毛利率多少才算健康?
A:單一品項沒有通用標準,要放在兩個脈絡看。一是業別基準:美妝保健自有品牌常見 50–70%,食品生鮮 15–25%,差距很大,對照表可參考〈毛利率完全攻略〉。二是品項在商品組合裡的角色:帶路品毛利率低是設計的一部分,獲利主力毛利率低才是問題——角色判斷就是本文四象限在做的事。


本文作者有 18 年企業現場營運管理經驗,專注中小零售業的指標診斷與獲利結構優化。


這份備忘錄會繼續寫

這類拆數字的方法,我會一篇一篇寫在備忘錄裡。訂閱之後,新文章發布時會寄到你的信箱:

訂閱經管備忘錄

Read more

櫃姐一離職,熟客就跟著走?客戶名單怎麼留在公司

櫃姐一離職,熟客就跟著走?客戶名單怎麼留在公司

以前曾遇過公司的百貨專櫃要撤點,有位績效非常好的美容師不願調整服務地點,離職後其他美容師轉述,她在外面開了工作室,而她服務過的客人都沒再回來。當時附近還有其他櫃位,客人的會籍也直接幫忙轉了過去,地點沒差多少,還是有部分熟客就是沒有出現。 撤櫃掉客,在有百貨櫃的品牌並不少見。多數人的第一個反應,是趕快把會籍轉到最近的櫃點,地點的問題解決了,客人應該就會回來,但這個做法只處理了其中一種流失。轉會籍接得回跟著地點的客人,跟著人走的熟客,換了地點也不一定回來,要靠名單從源頭就歸公司才留得住。 轉了會籍,為什麼還是有客人沒回來? 撤櫃後沒回來的客人,大致可以分成兩種。 一種是跟著地點的。來這個櫃,是因為離家近、下班順路,或是逛百貨時順便。這類客人在意的是方便,櫃撤了,只要附近還有差不多方便的地方,轉會籍、再給一點轉櫃的禮遇,多半願意過去。 另一種是跟著人的。來這裡,是因為熟悉的那位櫃姐或美容師,自己的膚況、用過什麼、上次說過哪裡不滿意,對方都記得,換一個新的人,等於要從頭講一次。這類客人在意的不是地點,所以新櫃點再近也不一定會去;如果原本那位櫃姐換了品牌,或像前面那位美容師自己出

你的數字該找誰覆核?三個條件決定找內部還是外部

你的數字該找誰覆核?三個條件決定找內部還是外部

你把訂單資料倒進 AI,回購率、客單價都算出來了,報告完整,讀起來也合理。接下來你要拿這個數字調整明年的會員預算。 數字檢查與覆核這件事本身沒什麼好討論的,該做就是要做。比較難的是找誰。 以我的經驗,公司裡如果有符合下面三個條件的人,讓他先看過一遍,通常比找外面的人有用。三個條件有缺,才是外部的人能派上用場的時候。 以下這三個條件是我這些年經驗整理,提供參考。 數字沒有被看過一遍,會發生什麼? 同一份乾淨的訂單資料,光是「分母要不要把新客算進去」這一個選擇,回購率就可以差 6 個百分點(回購率怎麼算那篇有完整的計算)。29% 和 35%,這個差距大不大,要看你拿它來做什麼。 麻煩的其實不是這 6 個百分點,是報告上不會寫它用的是哪一種算法。當你拿它跟去年比、跟同業比,或是交給下一個接手的人,比較的基準可能根本不一樣。 而且這種錯誤不會自己浮出來。它不像系統當機那樣當場報錯,會安靜地待在報告裡,等到預算花完、活動辦完、數字還是沒動的時候,才會有人回頭問「當初那個數字是怎麼算的」。 《哈佛商業評論》

當 AI 越來越聰明,你覺得越累還是越輕鬆?

當 AI 越來越聰明,你覺得越累還是越輕鬆?

前陣子我用 AI 討論一篇文章的方向,來回改了四五輪。它每一版都寫得完整、讀起來也站得住,但我每一版都得停下來想:這個論點的根據是什麼?跟我在現場看過的對得上嗎? 結果是:這次花的時間雖然比我自己從頭寫來的少,但耗費的精神比較多。操作輕鬆了,判斷點卻變更多。 如果你也有這種感覺,用得越順、產出越快,但一天下來腦袋更沉,那不是你的錯覺,也不是你不夠會用。 為什麼用 AI 反而更累? 波士頓顧問公司(BCG)的研究團隊在 2026 年 3 月的《哈佛商業評論》發表了一項調查,把這個現象命名為 AI brain fry,中文可以譯作「AI 腦過載」,定義是:因為過度使用或監督 AI 工具,超出個人認知容量所產生的心理疲勞。[註1] 研究調查了 1,488 名美國全職工作者。在有使用

回購率怎麼算?同一份資料,卻算出兩個數字

回購率怎麼算?同一份資料,卻算出兩個數字

前陣子有人問我,他們總經理自己會用 AI,把訂單資料倒進去就算出了客單價和回購率,報告很完整。現在公司要照這個數字調會員經營的預算,但他心裡不踏實,因為他沒看到過程。 他問我要怎麼質疑這個數字。而這件事的難處在於:定義沒有寫下來,就無法對答案。 要說一個回購率不對,得先講得出對的算法長什麼樣,否則對話會停在「你覺得怪」跟「我覺得沒問題」,誰也說服不了誰。而回購率這個指標的麻煩就在這裡:它沒有唯一的算法。同一份乾淨的訂單資料,兩個人用兩種定義去算,可以差好幾個百分點,而且兩個都對。 如果你自己就是那個把資料倒進 AI 的人:你可能不會知道自己沒問什麼。 所以這篇先把回購率的定義拆開講,再講拿到一個回購率數字的時候,可以從哪裡檢查。 1. 回購率怎麼算? 1.1 回購率的公式是什麼? 回購率衡量的是「客人買過之後,有沒有再回來」。最常見的寫法是: 回購率 = 重複購買的客戶數 ÷ 客戶總數 × 100% 公式本身沒有爭議,爭議在分子跟分母各自該放誰。 1.2 分母要不要算進新客?