电商的售价通常比实体店便宜，因此，消费者去实体店体验产品，然后回家在电商网站上下单，这种现象已经司空见惯，被称之为Show rooming现象。

　　一些新的报告显示出这样的理论和观点，有一类客户更喜欢在能为他们带来更多购物体验的实体门店购物。无论大趋势在线上店与实体店间的辩论，零售业者都明白通过消费水平划分产品类型来满足市场需求，气候(冷或热)，地域(城市或农村)或任何其他特有因素来划分。因此，聚类是一种常见的策略来区分市场，在经营直营连锁店时，大部分零售商因此为每个集群内的门店制定一个统一的商品/组合计划来大规模地管理进货和库存，很少的零售商能在有效地超越这样一个粗线条的集群的分类来为每一个门店做最适合当地消费特点的商品和库存计划。为什么不这么做呢?

　　一个常见的答案:太复杂，太精确:考虑到许多零售商仍处在一个主要依靠Excel电子表格来完成大量商品计划和季中销售管理的阶段,收集、分析、比较和预测每一个门店的历史销售和当季产品趋势一个数据量庞大且非常耗时的工作。但如果仅利用每一个门店集群的统一货品计划，又很可能白白浪费许多单店特有的销售机会,门店因此更容易出现畅销产品断货、滞销产品积压等状况，直接影响到单店的盈利能力。除了整合数据的困难,往往规划流程来完成分类也是支离破碎。

　　除了数据分析和处理上的难度之外,许多管理者仍在挣扎、难以将商品计划真正本地化的原因是他们在季中销售的过程中无法及时有效地监控每个门店各自的销售、进货和库存水平来管理和调整关键的进货、补货、和促销决策。如果管理层无法及时搜集门店端的信息反馈、没有有效的工具来快速地分析这些数据，他们无法及时了解每个门店实现年度财务目标的进度并进行精确地业务指导。

　　分析需求

　　通过用户自定义报表工具快速收集和分析销售及库存数据，了解各门店在不同时间或季节的销售趋势。管理层可以通过多个维度的动态分析工具更加详尽了解到单店，到单品的销售及库存情况。

　　利用预测分析

　　通过系统预测产品及地区的销售水平，帮助引导推荐新品、基本款、季节款基于产品生命周期的组合。预测算法更需具备融合历史数据及当季销售的能力，提供更贴近市场需求的指导。

　　寻求需求驱动技术解决方案

　　一个快速获取各种规划方案代替Excel管理，即时获得所有可视性计划，不再因为手工电子表格的格式和精度不同失去机会。一个以需求为驱动的解决方案，把消费者的需求作为推荐，本地化,毕竟,都是关于当地消费者想要什么。