我们是怎么理解服装去库存的?丨盈动研究

2019 年 3 月 29 日 盈动资本

-
· 只 投 我 们 想 要 的 世 界 ·


库存是服装品牌方的长期痛点,去库存这件事的生意有多大?


2017年整个服装行业,42家上市公司的总利润123.5亿,海澜之家的利润超过33亿,占比接近30%。分析海澜之家的商业模式(OPM策略),上游与供应商达成联合开发、赊购退货;下游加盟商类直营,加盟商不需要付出铺货、换货成本,将服装品牌的轻资产模式做到极致,零售导向的赊购模式保证应付账款的周转天数远高于同行。但海澜之家的存货金额也高达85亿,2017年服装上市公司42家,存货总额达463.5亿。

服装库存的市场规模一直都是巨大的,国内服装产业规模每年2万亿元以上,以当年整体动销率60%(部分电商品牌的供应链管理能力强)、终端零售4折的乐观测算,每年服装存货市场3200亿元。


究其原因,可以从品牌与生产、经销商的合作体系来看。第一,国内服装品牌的生产是季前提前下单约60%,销售过程中生产40%,而销售过程中不会是100%的产销平衡,下半季的补货极容易形成库存。第二,国内服装品牌多依赖经销商体系进行销售,为了防止下一季度经销商不卖新货,品牌方会帮助分担库存处理的压力,收回经销商端积压的部分库存,用新货替换。然后对接到品牌方自有“下水道”,但品牌的库存处理能力有差异,甚至有的品牌没有建立“下水道”。行业内的平均产销率只有40%-50%,少数品牌能达到60%-70%。


去库存的需求非常强烈,去库存渠道分析


对品牌方而言,去库存的需求在于,库存就是纯利润。这不难理解,服装的生产成本是终端零售价的20%-30%,当年销售基本cover MC,库存处理越多意味着利润越高,不然就以存货计提。而且超过2-3年的库存,甚至是尾货价值更低。


服装库存规模大、强痛点,也不是新鲜事。我们简单列举几种去库存的方式以及各自特点,主要包括唯品会、奥莱、特卖会、直播电商、社交电商、线下门店。近几年社交电商、直播电商和线下折扣店等渠道帮助更多品牌更好的处理库存,价值非常大,但库存中也会产生库存,我们期待更多模式的探索。


△制图:盈动资本研究院


我们的判断以及关注的方向?


服装行业从设计、面料、生产、渠道到零售的链条很长,一直是相对传统的行业,近几年也有很多优秀的创业公司利用技术、数据、渠道将其互联网化。库存处理与前端生产、后端零售均相关。


  • 从工厂端,做柔性供应链改造来配合灵活下单、以销定产的品牌诉求;

  • 品牌端,帮助搭建数据中台系统,优化供应链管控能力;

  • 在零售端,建立更高效的分销体系,利用搭配属性获客,附能线上流量及线下门店。


第一,我们认为,基于线下零售渠道的用户偏好行为来预测未来的爆款,再辅助设计打款和生产的库存解决方式,难度远大于线上流量,或者说很难实现,还是因为预测多基于单个节点单个款式,而面料及生产环节复杂。


第二,库存就是库存,具有低价高毛利的属性,决定了去库存的平台终局壁垒是库存货源、供应链管控能力。我们从唯品会的发展路径看,从品牌特卖做起,做到行业认知度第一,唯一能实现品牌方的ERP系统打通的平台,也开始做新货销售,所以去库存的平台要做大,会是库存+新品或自有品牌补充的形式。同时,还要兼顾库存处理方式对品牌方形象的损害,以什么方式和渠道触达消费人群,非常重要。


第三,我们发现,不仅服装品牌方有去库存的痛点,部分服装代工厂也存在产能过剩的问题,但更多是对中小代工厂而言。大型工厂以申洲国际为代表,多是集面料研发和成衣制造于一体的垂直一体化产业模式,具有稳固的护城河。因为通常一线服装品牌对代工厂的产能配合、交货周期要求非常高,一旦合作,从单品牌获取的订单数量会相对稳定。2018年上半年,申洲国际来自于耐克、阿迪达斯、优衣库、彪马前四大客户的收入占比高达77%。但在实际调研中,还有大量具有稳定产能、高品质生产能力的代工厂,会尝试开发自己的工厂线品牌,而2C过程中有重品质、轻推广的痛点。因此我们看好,连接优质工厂与消费者的渠道品牌或平台,一定意义上的M2C模式。


服装库存以外,我们也非常关注其他相关品类的项目,欢迎和大家交流!


作者丨盈动资本   方凯,关注新消费、新交易,个人邮箱:fk@incapital.cn


 MORE 


《早期投资过程中的思维误区》

《我们为何如此爱哈耶克》

《张小龙,一个没有干活的人》

《一个叫Mark的男人决定去追风》

《大象:创业的安娜·卡列尼娜原则》


关于盈动资本 | 


盈动资本是一家价值导向、研究驱动、独立思考的风险投资公司,专注于互联网为代表的新经济领域的早期投资。我们致力于寻找并帮助那些心怀崇高而热切愿望、有企业家精神的创业者,和他们一起构建一个新的「我们想要的世界」。成立至今,已经在泛智能、泛文化和泛金融等领域投资了一大批优秀的早期公司,其中不乏像51信用卡、开始众筹、小电科技、别样红、人人视频、亿欧网、袋鼠云、高登世德在内的一批行业领先企业,并在多个榜单中斩获「最佳投资机构」奖项。旗下拥有良仓孵化器、湾区孵化器和创投媒体B座12楼。




转载请联 ID:yingdongziben 盈动君 

| 官方BP通道:bp@incapital.cn |
- 20190329  No.181 -

登录查看更多
5

相关内容

【干货书】现代数据平台架构,636页pdf
专知会员服务
253+阅读 · 2020年6月15日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
主流互联网平台广告业务对比分析
百度公共政策研究院
29+阅读 · 2019年5月20日
云游戏行业发展趋势分析报告
行业研究报告
13+阅读 · 2019年3月24日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
知乎破8万赞回答:那些厉害的人,思维方式比你强在哪儿?
美国顶尖 AI+教育公司,都在研究些什么?
硅谷第一线
4+阅读 · 2019年1月18日
2018年中国供应链金融行业研究报告
艾瑞咨询
7+阅读 · 2018年11月20日
2017企业阵亡最全名单公布
小饭桌
6+阅读 · 2018年2月28日
【新零售】当下趋势:传统零售将变革为新零售
产业智能官
3+阅读 · 2017年11月12日
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Image Captioning: Transforming Objects into Words
Arxiv
7+阅读 · 2019年6月14日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
Arxiv
3+阅读 · 2018年3月14日
Arxiv
27+阅读 · 2017年12月6日
VIP会员
相关VIP内容
【干货书】现代数据平台架构,636页pdf
专知会员服务
253+阅读 · 2020年6月15日
大数据安全技术研究进展
专知会员服务
92+阅读 · 2020年5月2日
2020年中国《知识图谱》行业研究报告,45页ppt
专知会员服务
239+阅读 · 2020年4月18日
德勤:2020技术趋势报告,120页pdf
专知会员服务
190+阅读 · 2020年3月31日
Python数据分析:过去、现在和未来,52页ppt
专知会员服务
99+阅读 · 2020年3月9日
阿里巴巴达摩院发布「2020十大科技趋势」
专知会员服务
106+阅读 · 2020年1月2日
【德勤】中国人工智能产业白皮书,68页pdf
专知会员服务
301+阅读 · 2019年12月23日
相关资讯
主流互联网平台广告业务对比分析
百度公共政策研究院
29+阅读 · 2019年5月20日
云游戏行业发展趋势分析报告
行业研究报告
13+阅读 · 2019年3月24日
如何运营15万付费用户?
三节课
6+阅读 · 2019年2月28日
知乎破8万赞回答:那些厉害的人,思维方式比你强在哪儿?
美国顶尖 AI+教育公司,都在研究些什么?
硅谷第一线
4+阅读 · 2019年1月18日
2018年中国供应链金融行业研究报告
艾瑞咨询
7+阅读 · 2018年11月20日
2017企业阵亡最全名单公布
小饭桌
6+阅读 · 2018年2月28日
【新零售】当下趋势:传统零售将变革为新零售
产业智能官
3+阅读 · 2017年11月12日
相关论文
Generating Fact Checking Explanations
Arxiv
9+阅读 · 2020年4月13日
Image Captioning: Transforming Objects into Words
Arxiv
7+阅读 · 2019年6月14日
Music Transformer
Arxiv
5+阅读 · 2018年12月12日
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
Doubly Attentive Transformer Machine Translation
Arxiv
4+阅读 · 2018年7月30日
Arxiv
3+阅读 · 2018年3月14日
Arxiv
27+阅读 · 2017年12月6日
Top
微信扫码咨询专知VIP会员