互联网思维——如何运用数据分析搞定零售

互联网时代的信息化,我觉得首先要定一个基调,互联网时代的管理系统信息化应该如何利用新的技术手段为用户企业改善经营,开拓市场提供支持。首先来看互联网时代能够给零售行业带来哪些改变。我认为其中一个很重要的进步就是:互联网时代的销售应该基于高度定制化的精准营销。那么这个时代的信息化也应该在传统的功能范畴的基础之上,再往前延伸一步支持这个方向才可以。这个事情说来简单,如何进一步做到可实施的程度呢?我觉得应该有以下几点:

  1.向前延伸到客户手里(企业级用户客户端,当然可以利用微信等现有平台)。

  2.充分利用LBS,NFC等技术手段,提供到地服务,简化支付手段,提高购物体验。

  3.充分利用数据分析,优化品类划分。

  4.充分利用数据分析,对会员进行分组,精准化DM投放,提供差异化服务。

  5.充分利用数据分析,优化卖场布局及货架陈列。

  6.数据采集范围有企业数据扩大到行业数据及相关行业数据,支持销售预测。

  7.门店终端平台化,发展除商品以外的其他服务。

  看上去没什么新意,但是内含我想还是应该从新定义。首先我想说一下目前根据我们的调查跟对客户企业的了解,国内零售企业信息化程度的现状。目前大多数零售企业基本的进销存(ERP)以及仓库的基本的WMS系统是有的。但是仅限于有的程度,在使用上,完全没有发挥出其该有的价值。另外,传统的这些ERP,WMS系统本身设计的也有问题,导致企业在使用的时候基本就是个记账本,根本没有穿插到各个业务环节,被各个环节上的各种角色所使用。一般的做法还是有专门的系统维护人员,负责跟其他业务部门的人员对接,由业务部门人员提出要求,有系统运维人员负责系统的输入,输出的操作。这是MIS系统的最初形态,在零售行业里面几乎没有进化。当然,与这个行业本身的一些特点有关。零售业本身应该属于一个低端行业。说他低端有两个方面的意思,一个是技术含量低,门槛低。第二个是整体从业人员水平低。这种说法不太礼貌,但是我们反观这个行业,对人员的教育水平,能力要求确实比其他的行业要低一些。由于这两方面的原因,这个行业还是属于劳动密集型的企业。到目前为止,国内人力成本虽然一直在涨,但是传统的人口红利时代造成的一些管理理念跟方法还在奏效,并没有转型结束。根据现状其实我们能够发现很多的问题在里面,但是具体的改进还是要一步一步来。那么我们接下来看看上面提出的7个方面的具体解释。

  【向前延伸到客户手里】

  随着IT行业的发展,对流通行业而言以前IT手段没有覆盖到的领域慢慢的变的可以覆盖。以前覆盖到,但是随着技术的创新,需要“老歌新唱”的领域也慢慢的开始变多。“向前延伸到客户手里”就是这个意思。企业的会员系统以及功能客户端应该可以装载到客户的手机、平板上。这样做的目的是拉近企业跟客户的“距离”,让企业变成客户“自己的企业”,让客户变成企业“唯一的客户”。这些都要建立在后台的数据分析的基础之上。我们通过数据分析,对用户提供定制的,有针对性的信息跟服务。让用户觉得这家企业就是在为他自己服务。同时站在企业的角度,我们通过细分客户分组,有针对性的对每一个分组进行服务。在管理上针对较大客户分组配备专门队伍,让这只队伍专门为“这个客户”服务。具体的服务内容可以是传统的会员积分相关的,可以是针对该用户定制的DM促销单,也可以是根据该用户的购买行为分析推荐的具体商品及替代商品。再延伸一下的话,可以提供除商品之外的代缴费服务等等。

  其中优势我想已经很明了了。单看这个DM功能,我们知道现在纸质的DM传单的转化率(散发页数跟由此带来的购买行为次数比)已经很低了。这种广播式的推广方式面临着成本高,见效低的困境。但是转到电子平台,发行费用是0,只有制作费用,转化率可以量化。并且形式上可以改变,不再是面向大众的统一“口味”,而是根据具体的用户“定制定向发送”,从此不再“众口难调”。我想,讲到这里,其意义应该能够产生一个感性上的冲击了。其他功能依然可以按照这个思路拓展下去,这里不再赘述。

  这里前景看是去十分美好,但是也有一个很实际的问题。那就是用户粘性(用户使用App的频度及依赖程度的说法)。在IT领域,特别是手机端App的海量发行,用户粘性开始越来越重要。一个零售企业的APP如何被用户安装以及如何保证长期的使用。现实中的问题是目前大量的APP被用户安装后基本不用或者安装上看看直接删掉了,我们如何解决这个问题?在这里我提一个方案供大家参考。我们将DM转向电子平台后可以节省一部分成本,我们可以把这部分成本返还给客户。怎么返还呢,可以按照积分点数兑换成代金券,当然这个兑换只能在这个APP里面进行。让用户“有利可图”是一个思路。当然也可以通过其他的一些优惠措施提高用户粘性,这个话题咱们先讨论到这里。

  【充分利用LBS,NFC等技术手段,提供到地服务,简化支付手段,提高购物体验。】

  这个话题有点偏技术,希望我能解释的易懂一点。另外,这一条是以上一条为前提的,即已经有客户端APP的前提下的讨论。最近这几年IT行业变化最大的就是智能设备,包括智能手机,平板以及渐渐要火起来的穿戴设备等等。这个“智能”除了传统上的计算能力的提升,使得手机这样的小玩意具备的电脑一样的处理能力以外,另一个最大的发展就是采用了大量的传感器。其实传感器好多年以前就开始使用,大量的被使用在了工业生产,宇宙开发,海洋探测等领域,用来检测敏感的光、热、电以及方向、位移等信息。在智能设备上使用则是近几年开始火起来的事情。如果说以前传感器应用的范围都是比较大的生产环境的话,那么现在这些东西开始真正的走进我们的生活,并且开始改变我们的生活方式。大家感触比较深的比如手机游戏,里面有个陀螺仪,你可以通过摇晃手机进行操作。再例如手机屏幕亮度自动调整,全靠上面那个光线感应器。目前大家基本都会使用的定位功能也有GPS跟网络定位两种方式,当然,这个不属于传感器。这些技术手段给我们提供了很多的方便,那么在流通领域有没有更进一步的发挥的地方呢?我觉得可以挖掘的空间还是蛮大的。比如这个定位服务,我们可以根据当前客户的位置规划离我们企业的哪一家门店最近,把该门店的信息以及促销投放给该用户。我们也可以利用NFC,允许客户用手机进行支付,快捷省事。再进一步可能要根据企业具体的业态有关,可以对客户提供一些上门服务,通过为止信息合理调配资源。现在手机基本都配备了高清摄像头,可以用来扫条码及二维码,可以提供门店销售商品的信息查询及位置查询,替代品查询服务。同时基于一些其他的社交平台以及电商平台,能扩展的事情那就更多了。这些将会很大程度上改变我们企业的形象,提高购物的体验。

 【充分利用数据分析,优化品类划分。】

  为什么这里要强调数据分析,因为目前为止我们的企业在实际管理中基本还是靠人的主观判断来进行商品品类的划分,在这个基础之上能够划分的维度也仅限于“人”感官上能够识别的维度,我们把这个维度定义为商品的物理属性维度。比如常见的饮料类,食品类,服装类,百货类等等。基本都是按照直觉上可以区分的属性来划分的。一般的企业都分成了大中小三层结构。但是就目前来看单纯从这个维度来进行品类的划分,在这个基础上进行管理的话,粒度有点粗,很多现实的问题管理起来很不方便。比如哪一些是我们的重点商品,哪一些是进入候选淘汰的商品,这些目前都是通过商品主表里面添加属性字段,这样一个很松散的管理方式来实现的,管理起来很麻烦。因此我们认为的品类管理应该至少基于以下四个维度,并且根据企业的具体需要可以扩展。

在实际的业务管理过程中,其实上述几个维度的品类管理大多数都在进行管理,只是目前的进销存/ERP系统等没有把他们提高到品类管理的高度,仅仅作为商品主表的一个属性而已。现在看来这已经不能跟上现代管理的需求,因为国内现在的零售业管理开始回归本质,零售管理的本质其实就两项,一个是商品即品类管理,一个是客户即消费者。其他的所有的经营活动的管理都是围绕这两个中心展开的。那么以上途中列出的物理属性,销售属性,战略属性,配送属性等完全可以上升到作为品类划分的基准的高度,以这个条件来划分品类进行整体上的管理。其中除销售属性外,都是靠人为判断来进行管理的。销售属性要靠数据统计,数据分析来实现。现在我们很多管理人员对我们的产品貌似十分熟悉,基本能够把握那些品卖的好,那些不好,但是这些都是感觉上的,或者看某些品的销售业绩来判断的。这种方式相对来讲还是粗放了些。我们应该站在整体的角度,分析某一个品类,或者某一个品相对整体的贡献度来评估一个品对我们的重要程度才是比较客观的。一般的做法是计算每个品的累积构成比,然后基于这个累积构成比进行ABC类商品分组,然后根据这个分组来分析商品构成是否合理。当然还可以通过交叉比率来评价。这些都应该建立在科学的数据统计跟分析的基础之上。在科学领域这些技术都已经很成熟,也不是什么高端技术,但是在零售领域,特别是中小企业应用的还不是很充分。在目前的管理方式的基础上要想进一步优化品类,我觉得,数据的支持越来越重要,接下来的信息化过程中,这一点不容忽视。

【充分利用数据分析,对会员进行分组,精准化DM投放,提供差异化服务。】

  这一部分非常重要,我打算用比较长的篇幅来介绍这个。我们国内的零售企业,不管大的还是小的,在促销方面都是在模仿。形式上模仿,内容上也模仿,创新力严重不足,导致同质化,同样化的促销活动铺天盖地。效果上来看,基本都是越来越差。尤其现在人工费上涨,各种材料费用上涨,制作DM彩页,宣传看板,文娱活动等成本都在提高。相反转化率(由于我们的促销活动产生的实际购买行为)却在不断的下降。这种广播式的,无差异的宣传活动跟现在的这个互联网时代或者而说社交网络时代真的脱节。我不知道我们有多少企业调查过我们的客户的年龄段的数据。我看过一家日本的不错的企业连续几年的客户年龄段统计数据,他们发现连续几年顾客平均年龄从32岁到了37岁。一定程度上说这个企业维持住了一群铁杆粉丝,同时失去了与时俱进的青年客户层,将来是要有大麻烦的。我们的企业是个什么样的情况呢?我们怎么才能吸引后来的这些年轻用户,我们必须能够了解,融入这一代人的生活圈子才可以。那么年轻一代到底有什么变化呢?网上对90后的评价是“玩的酷,靠得住”的一代。他们生活在一个相对平静的历史时期,相对丰富的物质社会,同时又是信息技术突飞猛进的时代。他们面临的是信息爆炸,海量的信息汹涌而来,从中寻找对自己有价值的信息已经变成一件困难的事情。同时社交网络的发展使他们有了一个独立的虚拟圈子,这个圈子跟现实社会有重叠,也有区别,但有一点可以肯定,这个圈子是他们获得信息及朋友交流的重要手段。他们更习惯的是针对自己定制化的信息服务。所以我们目前的促销手段对这一代人来讲,效果是大打折扣的。那么针对他们的促销应该怎么做?我的建议是迎合大潮流,走进用户生活,提供定制化服务。如何走进用户生活,参照第一条。如何提供定制化服务这就要建立在用户数据的统计分析的基础之上。目前很多企业在会员信息管理方面还停留在“有顾客数据”的水平,有的干脆这个水平也没有。但是针对这个数据的利用,几乎是个未开发的资源。有些搞个什么积分兑换活动,这个是个很浅层次的活动,谈不上数据的利用。在采集了这么多的会员信息后我们应该对这些数据进行一个简单的整理,对顾客年龄段,教育水平,收入水平,所在商圈特点,交通情况等做一个分组。同时结合发生的销售数据分析其购物偏好,购物习惯(RFM分析)等。再此基础上我们才能做出哪些客户需要哪些有针对性的服务。在了解了这些情况后,剩下的就是怎么有针对性的投放的问题。这就需要我们第一条实现后,通过数据分析,条件过滤,使整理好的信息推送到对应的客户群手里面就可以。在这里我只是拿DM举一个例子而已,其实可以做的事情远不止这些,也不是仅仅目前线下可以做的这些工作而已。转移到线上会派生出很多新的可能性演化成新的促销手段。

  在这里我想强调一点,这个活动其实是个省钱的事情,不是花钱的活动。因为不管怎么操作,线上的广告投放要比纸质的总体成本低很多。省下来的不光是DM彩页,各种展板本身的费用,还有派发费用等。另外从转化率上来看,这根传统方式是不可同日而语的。确切的讲,传统的方式很难量化,很难精确的计算出效果来。但是这个确实可以的,以为一连串的数据都能保存下来,日后对效果分析,持续性改善都是非常重要,每一个环节可跟踪,可量化,是个可持续进步的行为。

  再一点需要强调的就是,一定要突破传统的思维形式。举个例子来说,在手机上推送DM彩页除了是有针对性的内容以外,展现方式也必须得改变。那么大一张彩页在手机上显示,看的时候对用户来说是一种折磨。反过来讲,在手机上来讲,“原材料的成本是0”,想弄多少页都没关系,你的商品够丰富,做成电子杂志都可以,主要的就是用户感官体验要做好。再比如,客户信息采集。我们现在都是拿一张登记表让用户填写信息。这样挺浪费时间,不光浪费客户的时间,我们整理这些登记表,登录到数据库都需要时间,更何况还有个质量问题。现代化的手段我们可以提供一个二维码,用户扫一下打开一个表单,更多的让用户选择,而不是输入。这样就会便利很多,当然还有更便利的方式,那就是可以直接从微博,微信等这样的平台上,经过用户授权,直接把信息拿过来,用户什么都不需要做就可以成功注册成会员,岂不是很爽。这样的工作带着传统的思维来做这个事情往往会受到很多约束,希望安排具体负责人的时候加以考虑这个事情。

 【充分利用数据分析,优化卖场布局及货架陈列。】

  谈到这里我想拿一个老生常谈的故事开始。在行业内啤酒与尿布的故事已经很旧,用的很烂了。但是我用这个例子想从另一个角度来看这个事情。当年这个规律的发现是一件很偶然的事情。用现代的话来讲这是发现了两件商品之间的相关性规律。至于其中原因,大家都是在推测,至于是不是真的那样也没有一个可以量化的方式来验证一下。总之有价值的就是这个“相关性”。那么现实中这样的相关性还是大量存在的,只不过并没有像啤酒跟尿布这个关系一样这么幸运的被发现而已。到现在,用一些现代的技术手段来发现这个“相关性”已经不难。其实大数据要解决的就是这个问题。很多时候并不是找出严格的因果关系,而是要发现其中的相关性结果。我们放到零售行业里就可以理解成某几个品的相互关联性或者某几个品类的相互关系。这对我们门店布局,商品陈列是非常有价值的。这样的数据如何获得?这就需要对我们积累的大量的小票数据进行数据挖掘,找出品类之间,单品之间的各种相互关系,用这些数据来指导我们进行门店布局的调整跟货架陈列的改善。比如在便利店业态我们发现,方便面跟火腿肠,卤蛋等商品的关联性,我们在布置货架的时候就尽量让它们靠的近些,方便客户取到。类似的应用应该深挖下去,这样我们可以真正的提高用户体验,让用户觉得我们真的考虑到了他的“心里”。

【数据采集范围有企业数据扩大到行业数据及相关行业数据,支持销售预测。】

  这个话题有点大,确切说这个工作不是某一家零售企业的事情,应该是一个IT云服务平台,或者协会的事情。随着数据挖掘技术的发展,数据已经像传统的煤炭,石油乃至电力一样,成了一种常规资源。我们如果还没有认识到这个转变,不尽快进行相关方面数据的采集,将会是一个很大的损失。各个企业的数据目前都是封闭的,设计到企业机密以及用户信息保护相关的因素,数据是不共享的。但是我觉得区域性的,层次性的共享才是一个趋势。因为要获得较准确的数据分析的结果,往往得把一个地区的所有企业的数据放在一起才可以。但就某一个企业很难拿出准确的数据,基于不准确的数据预测的结果,自然也就不准确。另外除了具体企业的经营数据外,例如天气信息,城市规划,人口构成,人口流动,重大政策性调整等信息都会对企业的经营有很大的影响。这个涉及的范围可能超出我们的收集能力,类似的数据需要的时候知道去哪里取就好了。这些数据究竟有什么实际的意义,我想举两个例子。我们做商品管理的时候,一般淘汰那些品,我们有不少办法可以锁定。可以看商品的销售排名,毛利情况以及周转等等。但是应该引入哪些新品怎么办?靠买手的经验自然是个路子,但是这些做法对人的依赖太强,我们一般很难聚集起这么多优秀的人才,其实这个问题基于行业数据的分析我们是可以做到一定程度的。比如,通过我们企业的数据跟行业数据的对比,我们就会发现我们欠缺什么,同时也能发现我们的弱项,给我们具体的改善提供支持。另一个就是新店,新店选址怎么选?现在零售业扩展出来实际的营业规模变大引起的扩张,还有就是被动的扩张。所谓被动扩张就是,虽然实际的营业需求没有达到这个规模,迫于保护自己的既得市场,出于“跑马圈地”的目的,预先出店,占领有利位置。这个有利位置如何选择,布点密度如何决定,都是需要数据支持的。

【门店终端平台化,发展除商品以外的其他服务。】

  我想这个话题尤其适用于便利店行业。便利店平台化几乎成为了一个不可改变的趋势。便利店卖的不单单是商品,还有服务。而且服务的比重会越来越大。这个看上去有点“不务正业”的意思,但是实际上商品与服务是相辅相成的,互相促进的关系,因此操作上并没有矛盾。一个很现实的例子就是,现在网购越来越流行,很多小区是封闭的,不允许快递进入,门口的便利店就成了收发快递的代理点。便利店可以收取少量的费用,但是获得了更多的客流量。类似的代收费用,代理充值业务等等都是不错的拓展渠道。因为门店可以充分利用其独特的位置优势做一些事情。我们发现国内的一家连锁企业提供免费的打气筒服务,可见在这方面这家企业还是下了功夫的,当然也取得了不错的效果。

  另外必须强调一下的是,不管电商多么发达,也不可能完全取代线下的业务。当然,传统的零售再怎么挣扎,也不可能击败电商的潮流。两者应该优势互补,各取所长。其实门店同时作为一个电商的展示终端跟客服终端有什么不好的呢。

原文发布于微信公众号 - 大数据挖掘DT数据分析(datadw)

原文发表时间:2014-09-02

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

业界 | 会员同比涨七成,爱奇艺是如何用大数据助力娱乐工业革命的?

本文为清华数据科学研究院联合大数据文摘发起的年度白皮书《顶级数据团队建设全景报告》系列专访的第四篇内容。《报告》囊括专家访谈、问卷、网络数据分析,力求为行业内数...

1040
来自专栏华章科技

2015年中国社交媒体核心用户数据分析

2015年可能要载入中国媒体发展史。因为,这一年,中国用户花费在数字媒体上的时间已经过半,一举超过传统媒体。

551
来自专栏新智元

日本机器人,相对于硅谷丢掉竞争优势?

? 小助手:机器人不仅是工作中的小助手也是家庭中的小能手,甚至能够读懂你的表情。 在2011年海啸之后,在受损的福岛核电站服务的机器人不是日本制造的。取而代...

3145
来自专栏数据的力量

【福利·干货】麦肯锡:将员工福利与人才管理相结合

1545
来自专栏黄成甲

趣谈「增长黑客」

「增长黑客」是一种方法或者理念的概括。指的是利用非常规的、低成本的手段来迅速获取客户,这种手段有时候是技术层面的、有时候是运营层面的。「增长黑客们」则是指一群以...

452
来自专栏CDA数据分析师

没有好的土壤和环境,大数据会让城市的生活变得更加糟糕

之前参加过很多大数据相关的会议和活动,人声鼎沸百家争鸣,各行各业专家们在描绘蓝图的同时也在不停地反思,技术发展得这么快,我们却是那么地被动,我们还没有用上云计算...

1749
来自专栏人工智能头条

Peter Lee:我们永远不会创造出人类化的人工智能

1697
来自专栏架构师之路

什么是互联网思维

什么是互联网思维 今天和@箐一 一起吃饭,闲聊中,谈到了在校招宣讲会上某同学的提问“什么是互联网思维”,我也曾经被学生问到过,怎么回答的已经忘了,大意是用户第一...

3366
来自专栏PPV课数据科学社区

【案例】大数据分析的几个绝佳用例

时至今日互联网每天新增的数据量达2.5*10^18字节,而全球90%的数据都是在过去的两年间创造出来的。举个直观的例子来说明一下互联网的数据量:假设大西洋里每一...

4127
来自专栏机器人网

一文看尽无人机发展史:起源于一战 已经历7次迭代

不管你叫它们无人飞行器(UAV)、微型无人驾驶飞机亦或是微型飞行机器人,无人机都在迅速普及。从采用和使用规模的角度来看,无人机的发展还处于起步阶段,但它们已经突...

3265

扫描关注云+社区