CAMPAIGN REVIEW · DESCENTE vs LULULEMON
CAMPAIGN REVIEW · 2026 VS 2025 · 99划算节
2026年9月 99划算节运动鞋服行业复盘与竞品跟踪报告
天猫运动鞋 / 运动服每日 TOP100 店铺榜 · DESCENTE 对 lululemon
本期 2026.09.06–09.13（8 天）｜
对照 2025.09.08–09.14（7 天）｜
逐日按活动日序配对 7 组本期新增日期 9.13 只计入本期销售额，不进逐日配对
一页纸看懂
本页管理结论仅适用于鞋服TTL合计
02
第二部分 · 行业格局
本部分回答三个问题：行业市场规模多大？榜单怎么换人？销售额份额在向谁集中？
2.1
行业销售额与品牌位置
源数据里的市场份额＝店铺销售额 ÷ 所在类目的行业销售额。报告据此计算运动鞋与运动服行业销售额；源数据覆盖范围与计算边界见附录。
每天：榜上这批店占大盘多少
折线＝当天前 100 名合计 ÷ 当天行业销售额（计算边界见附录）；y 轴固定 82%–94%
榜上这批店多拿还是少拿了份额
横条＝榜上这批店占行业销售额的比重变化：正数＝榜上店销售额增速高于行业销售额，负数＝低于行业销售额
这个份额是谁除谁
份额＝榜上这批店（每天销售额前 100 名）销售额 ÷ 行业销售额。
2.2
榜上这批店的走势与换人
榜单换了多少人
四根柱＝去年在榜家数、今年在榜家数、今年新进来的、今年掉出去的
「在榜」怎么算
本报告锁定活动期里至少有一天进过前 100 名就算在榜；切换品类视图时随当前类目重算。
累计到哪天、比去年多多少
两条线＝今年 / 去年到这一天为止的累计销售额；两条线的纵向距离＝累计差多少，比逐日更容易看清趋势
去年今年
2.3
销售额在向谁集中
前 5 / 10 / 20 / 50 名各占多少
前 N 名的店销售额 ÷ 整个大盘（含没上榜的小店）
去年今年
头部、腰部、尾部各占多少
把榜上这批店按销售额分三层：头部 1–10 名、腰部 11–30 名、尾部 31 名以后
为什么三层加起来不到 100%
分母是整个大盘（含没上榜的小店），三层合计只有 88–89%，其余 11–12% 是没上榜的小店，不在柱内；头部这一层＝上面那张「前 10 名占多少」。
去年今年
2.4
店铺排行 ·
前 15 名：今年 vs 去年
去年今年
涨得最猛的 10 家（去年同期 ≥ 500 万）
掉得最狠的 10 家（去年同期 ≥ 500 万）
TOP30 明细
按本报告锁定活动期的销售额排序；口径只统计已进 TOP100 的类目——鞋服合看时同一家店两个类目的销售额相加，是下限。全量明细在「原始数据」一节，那里可以点表头排序。
3
第三部分 · 我们（竞争视角）
本部分回答三个问题：销售额差距多大？销量与成交均价如何变化？双方主要集中在哪些成交单价区间？
3.1
我们 vs 对手（DESCENTE 对 lululemon）
逐日销售额与名次追踪
柱子＝当天卖了多少（左轴），虚线＝当天名次（右轴，线越高名次越好）
我们对手
我们和对手差几倍（逐日）
对手销售额 ÷ 我们销售额：等于 1 是打平，大于 1 是对手领先
我们和对手各占多少
我们的份额为什么变了
份额涨跌拆成两块：自己卖得多/少带来的 ＋ 大盘变大/变小带来的，相加＝最终变化
关键指标明细
按本报告锁定活动期与当前品类视图重算。
3.2
销量、成交均价与货品表现
涨跌是「卖得多」还是「卖得贵」
销售额变化拆成两块：卖得更多/更少带来的 ＋ 卖得更贵/更便宜带来的，相加＝总变化
表里两个「价」有什么区别
「均价同比」是店铺自身均价的涨跌；「价效应」是均价变化对销售额的贡献（按今年销量折算）—— 两者不是一个数。
每个款能产出多少
单款产出＝销售额 ÷ 平均在架款数；取本视图卖得最多的 20 家店
我们 vs 对手：每个款产出
看销售额倍数差异与在架款数、单款产出如何同时变化
这里的口径
两边都是这段时间的累计口径（不是每天），换窗口数值会整体缩放。
我们 vs 对手：量价拆开看
大盘 / 我们 / 对手三方放在一起看：销售额比去年多多少，拆成「销量」和「成交均价」两块
销售额与单款产出：店铺分布
横轴＝这段时间销售额，纵轴＝单款产出；右上角＝销售额和单款产出都高
取哪 40 家、虚线是什么
只取本视图卖得最多的 40 家，象限是这 40 家里的相对位置；横轴为对数刻度，两条虚线分别是这批店销售额与单款产出的中位数。
3.3
价格带：我们站哪、对手站哪
各价位段的销售额结构怎么变
每个价位段占榜上这批店销售额的比例，今年 vs 去年；分档按这段时间的加权均价（销售额 ÷ 销量）
去年今年
我们价位段里的对手
这一档里谁在卖、卖了多少；百分比＝带内份额
带内份额的分母是什么
分母是本带内这几家的合计，不是该价位段的全部销售额；谁进这一档按这段时间的加权均价（销售额 ÷ 销量）算，与 3.3 结论句同源。
4
第四部分 · 风险与异常
本部分回答一个问题：哪些店的销售额出现了异常波动？
4.1
哪些重点店铺出现明显变化
默认关注我们和对手，并自动补充本期销售额前 10 名与新上榜店前 10 名；管理层区域最多展示 3 条，其余记录可展开查看。
附
附录 · 数据与方法
本部分回答三个问题：数怎么算？原始数据在哪？数据可不可信？
A.1
本报告的活动日序与计算边界
活动窗口与逐日配对
日期来自业务确认的活动配置；累计销售额按各自活动日期汇总，逐日图只使用能按活动日序配对的日期。
这份报告能回答什么、不能回答什么
数据来源是每天的榜单：只有 哪个类目、哪家店、哪一天、卖了多少、在售多少款，
没有「人」的数据 —— 没有访客数、转化率、流量来源，也没有客单价明细。
· 能回答：头部店铺是谁、TOP100店铺如何更替、我们和对手的销售额与份额变化、销量和成交均价如何变化、 单款产出、各成交单价区间销售额占比以及行业集中度。
· 不能回答：销售额的变化里，「流量多了」和「转化好了」各占多少； 「均价涨了」是主动提价还是货品结构上移（本数据没有商品级明细，连店内结构变化都拆不开）， 「把每个款按产出排序、处理垫底款」这类到单品的动作也做不到， 也没法定位到具体某个商品或某个关键词。涉及这些判断的结论请以店铺后台为准。
· 想把这份复盘升级成经营归因，要补两块数据：店铺流量（访客/转化率）和 商品级明细（单品的销量、库存、价格）。
· 能回答：头部店铺是谁、TOP100店铺如何更替、我们和对手的销售额与份额变化、销量和成交均价如何变化、 单款产出、各成交单价区间销售额占比以及行业集中度。
· 不能回答：销售额的变化里，「流量多了」和「转化好了」各占多少； 「均价涨了」是主动提价还是货品结构上移（本数据没有商品级明细，连店内结构变化都拆不开）， 「把每个款按产出排序、处理垫底款」这类到单品的动作也做不到， 也没法定位到具体某个商品或某个关键词。涉及这些判断的结论请以店铺后台为准。
· 想把这份复盘升级成经营归因，要补两块数据：店铺流量（访客/转化率）和 商品级明细（单品的销量、库存、价格）。
A.2
原始数据（每一行都能自查）
每天、每个类目的前 100 名原始榜单。可以按类目／年份／日期筛，也能搜店铺；点表头可排序。
A.3
数据靠不靠得住
哪天有数据、哪天缺
行是「哪一年 × 哪个类目」，列是日期；有数据的是实心块，缺的那天是空心虚线。
数据来自哪些文件
按表头与单元格内容识别，与文件名无关
缺的数据补上，能多看出什么
补齐后页面会自动刷新并纳入全部分析
数据体检
对原始数据自动做的体检：只看数据本身对不对，不掺业务假设
字段是什么意思、怎么解析的
字段字典与解析、合并规则，按需展开查阅