出品/聯商翻譯中心

來源/《販賣革新》

編譯/文心木意

永旺在2022年度創下了歷史最高的營業收入，主營業務的營業利潤也十分亮眼。其中，作為核心的GMS（綜合百貨超市）事業帶動了永旺零售的發展，實現了3期以來的首次盈利。在GMS業態普遍陷入苦戰的情況下，永旺的業務卻實現了V字形復蘇，逆勢生長。

截至2023年2月財年，面對進貨成本、電費高漲的情況，在嚴峻的事業環境下，永旺通過推進數字化來提高生產效率，全公司致力于成本控制，收獲良好成績：營業收益創歷史新高，達9兆1168億日元，比上年增加4008億日元，比上一財年增收了4.6%。營業利潤2097億日元，比上年增加354億日元，比上一財年增長20.3%。

經常利潤為2036億日元，比上年增加365億日元，比上一財年增長21.9%。純利潤為213億日元，比上年增加148億日元，比上一財年增長228.7%。營業利潤以下的階段性利潤，雖然沒有達到2019年的水平，但是2020年以后，所有階段都增加了利潤。

圖表是每個事業部的狀況：

下面是針對永旺零售的復活做的一些詳細介紹。

GMS事業從上年的20億日元的赤字（虧損）轉為140億日元的黑字（盈余），超過了疫情前的實績(19年為120億日元地產開發事業)，呈現出V字復蘇。為盈利改善做出最大貢獻的是永旺零售，盈虧改善了143億日元。

一、銷售利潤的最大化

永旺零售將本年度定位為向增長軌道轉換的一年，致力于銷售總利潤的最大化，同時隨著成本上升推進收益結構改革，增加約100億日元的水電燃料費。

相反，由于銷售總利潤的增加和銷售管理費用的減少，營業利潤達到57億日元，比上一年增加了143億日元，超過了疫情前的公司19年的業績，實現了扭虧為盈。

為了實現銷售總利潤的最大化，以擴大自有品牌Top Value銷售帶來的毛利為基礎，在食品部門導入了計算出合理售價的“人工智能價格”，努力降低售價變更，并且計劃在2023年導入后述的自動訂貨系統“AI ORDER 人工智能訂貨”。

永旺零售的服裝方面，為了加快銷售高峰的到來，通過適時適當地啟動新季節的活動，提高了季初報價（廠商事前設定的銷售價格）的消化率，服裝的毛利率提高了1.7%。此外，該公司從2020年開始致力于以削減庫存、壓縮固定費用、通過DX（數字化轉型）提高生產效率為主要內容的結構改革。庫存比去年下降到適當水平，創造出450億日元的周轉資金差額，改善了現金流量。

固定費用方面，DX（數字化轉型）通過節電控制電費等來減少銷售費用，DX推進全店引進各種機器，特別是在提高占店鋪人工費的二成至三成的收銀環節的生產效率方面進行了努力。其結果是，2022年削減了約160萬個人時（也叫工時，一個員工工作一小時，稱為一個工時）。將產生的多余人時等重新配置到網上超市等業務增長領域，在成長軌道不斷加速。

二、不阻止盈利恢復勢頭，實施結構改革措施，PB擔當重任

永旺董事兼代表執行董事長吉田昭夫在年度財務報表的發布招待會中回顧了2022年財年的狀況，他表示，“在過去的一年中，我深切感受到了在已經習慣了通貨緊縮、沒有經歷通貨膨脹的市場環境里，消費者的生活節約意識、消費者的兩極分化非常強烈�！�

Top Value(永旺的自有品牌)致力于固定優勢價格，制定了通過商品來支援生活的方針，一方面推出附加價值型產品，另一方面強化附加價值型產品陣容組合，更新了新產品共計1200種。與上年相比，一直呈上升趨勢�！白尭嗟念櫩驮囉肨op Value，增加顧客粉絲。這樣的良性循環開始了�！�(吉田先生)

不論什么業態，堅決實施成本控制。在全國的1萬家店鋪提前實行了節電，冷柜替換，LED化等節能投資。以綜合百貨超市(GMS)、超市(SM)為中心推進收銀、后方業務的數字化轉型，努力提高了生產效率。因為看到了這條前行之路，所以先行實施了人力投資，即給在現場工作的員工加薪。

前期，永旺的零售事業還從疫情中收益，但進入2023年后，這種“紅利”逐漸消失，銷售進一步趨于平穩。另一方面，非零售事業在疫情中因顧客減少而陷入苦戰，但后來調整為與新冠共存，業績穩步恢復，并上升至疫情前的水平。

“為了不阻止借助疫情而增長的零售業務的勢頭，我們將通過強化PB（自有品牌）來提升領先地位，改善毛利；通過活用數字化技術來提高生產效率，積極實施結構改革措施”(吉田先生)

2023年是中期經營計劃的第三年，再次強調了PB商品的重要性。關于PB的價值，過去一直是定位于提供NB（名牌商品）品質的低價、高利潤商品。現在，這還不夠，還需要將企業理念具體化，成為差異化和競爭優勢的源泉。

PB的成功將對企業經營產生巨大影響。例如，Top Value年內價格凍結宣言：最近由于原材料價格高漲和天氣不順的影響，食品價格接連上漲。在這種情況下，持續改善物流的效率化，并通過從國內外最優源頭采購原料、統一采購等各種措施，努力合理地削減成本，努力穩定供應，12月31日之前價格不變，不會漲價！

正是在反映企業理念和競爭優勢的“凍結PB價格宣言”發布之后，Top Value的購買動向又出現了變化。在店鋪沒有購買過Top Value的顧客(15%)中，有三分之一(34%)在宣布凍結價格后開始購買商品。即使是一件商品，也有超過九成的顧客選擇了Top Value。今后也將繼續提高購買商品件數中Top Value 的構成比例，通過商品增加擴大顧客范圍。

由于Top Value的良好表現，永旺零售時隔3個財年恢復了盈利。2020年開始的3年被定位為復興期。吉田先生作出如下說明：

“我們積極采取壓縮商品庫存、削減售價變更、擴大網上超市等措施，零售業務的恢復對扭虧為盈作出了巨大貢獻。在商品方面，通過PB的強化，食品銷售額穩步增長，顧客數量穩定，服裝、美麗與健康商品等毛利較高的非食品事業的恢復，直接促進了利潤的改善�！�

三、通過實體和網絡創造消費場景社區空間

2023年也推進符合消費場景空間模式的打造來提高利潤。作為范本的是，2022年10月，永旺天王町SC(橫濱市)以拆舊建新的模式再開業。與以往的賣場布局規劃不同，此次采用的是推進跨部門的融合方式。例如，將運動用品賣場、健身中心、運動鞋等作為一個整體場景售賣區域，以應對健康意識高的顧客。另外，不僅是實體店，在網上也積極地進行融合，以網上超市來引領，努力促成顧客線上線下融合。

吉田先生對GMS業態的理想狀態是這樣理解的。

“關于生活方式，要將適合場景特性的品類集合起來。為此，每一個大品類，賣場都要具備高度的專業性，達到能夠自主運營的水準，這一點很重要，如同實現提供一個符合場景特征的社區場所一樣�！�

通路問題也一樣，實體店與線上店鋪，能否實現無縫對接的線上線下的深度融合？無論是在賣場還是數字化的線上，顧客都能享受到全方位的商品、服務，這將豐富當地顧客的生活。這就是永旺GMS的目標。

關于今后具體的增長動力，吉田先生列舉了以下兩個要點。

第一，服裝和家居休閑的改革。公司成本結構逐漸固化，食品隨著PB的增加已經趨于穩定，那么剩下的就是服裝和家居休閑，還有增長的余地。

第二，如何獲取來店顧客的在線信息。根據永旺零售的數據，對只在實體店購物的顧客和同時光顧實體店和網店的顧客在食品方面進行比較，發現在一年的購物金額中，同時光顧實體店和網店的顧客要高得多。也就是說，使用在線購物的人，并不是不會在實體店購買，而是在一家店鋪購買的金額會變多。也就是說，如果面向現在來店的顧客促進在線消費，那么該顧客在店鋪的購買金額就會提高，因此如何將顧客引導到在線消費就成了需要解決的課題。

GMS的服裝和家居休閑并不是現在才開始的課題，但是如果購買頻率高的食品的在線用戶增加的話，也會影響到服裝和家居休閑。當然，線上競爭并不容易，但如果能充分利用實體店的優勢，還是有可能在競爭中勝出的。

綜上，無疑是因為永旺零售復活之術實行得當，才能終于走上復活之路。

補充信息，供參考學習：

2023年新導入的永旺零售“AI 訂貨”

減少訂貨金額、改善機會損失、提升銷售

永旺零售開發了號稱“日本國內最大規模的需求預測和訂貨系統”的“AI ORDER（訂貨）”，并于2023年5月13日起在“永旺”“永旺style”等380家店鋪導入。

到目前為止，該公司在2019年實現了每個店鋪的來店人數的人工智能預測。從2021年開始，導入了“人工智能價格”�！叭斯ぶ悄苡嗀洝笔瞧鋽U展的訂貨自動化系統。

通過人工智能預測顧客數量、過去銷售業績，以及星期幾、價格、氣溫、日歷信息、促銷信息等，通過機器學習自動提示正確的訂貨數量。通過AI的學習效果，不僅可以減少因氣溫變化等原因導致的突發斷貨造成的機會損失，還可以通過防止過度訂貨來削減庫存，減少降價和廢棄損失等。

另外，通過適量化訂貨數量，在進貨整理、出貨、庫存管理、降價、訂貨修正等方面都能發揮作用，從而減少所有操作業務的負荷。

日歷信息包括永旺的“感謝顧客日”以及平日、周末的指數變化。關于氣溫，隨著氣溫上升銷售額增高的果凍豆腐、雞蛋豆腐、涼粉，相反隨著氣溫下降銷售額增高的厚油炸豆腐、魚卷、中華包子、燒豆腐等商品的動向就一目了然。

促銷推廣方面，每個商品都有相應的促銷計劃，因此缺貨的情況隨處可見。但是，“人工智能訂貨”也能通過學習促銷推廣方法，這樣一來就不會發生機會損失。

剛引進導入的時候目標商品是每天訂購的日配品、面餅、豆腐、面包、甜點、生點心。在預測精度準確度評價中，和式食品18分，豆腐17分，面包4分，甜點23分，生點心31分，看到了準確度得到了改善。

導入后和2個月后的情況進行了驗證，發現相關店鋪的訂貨金額減少了30%，另一方面機會損失改善了15%，銷售額上升了2%左右，降價減少了，毛利率也改善了。

以往，一個店鋪一個部門每周的訂貨所需時間平均為90分鐘。但是通過“AI 訂貨”，這個時間減少到了45分鐘；由原來的1家店鋪1個部門平均40分鐘左右的訂貨修改，減少到了25分鐘，庫存修改時間雖然增加了一部分，但仍在可以吸收的范圍內。由于訂貨金額的減少，一個部門的商品補充時間從9小時成功地減少到了6小時，減少了3個小時。

以往的做法是，把來店人數和每個商品的PI（每1000名通過收銀臺的顧客所購買的商品件數）值作為過去信息的參考，進行訂貨。但是，通過“AI 訂貨”預測這些情況，就可以自動給出準確度更高的訂貨數量。

具體可見以下圖示：

根據永旺零售的介紹，在AI完成的同時，還與物流中心進行數據協作，從而改善配送效率。通過實現對AI數據的需求預測，推進制造計劃、商品處理作業、輪班等店鋪業務的數字化。另外，通過將需求預測數據與訂貨和物流聯系起來，推進供應鏈的最優化，實現物流和系統構建相連的數字化。