全渠道盛行 大数据给零售业怎样的想象？

看大数据如何「拯救」传统零售

文：沈诗理

新零售

跌落谷底？零售业到底遭遇了哪些

较近一项调研数据显示，在过去的4年中，上市零售企业净利润率一直处于下滑态势，净利润率增长率连续4年出现了负增长。有业内权威人士对此总结道：当前中国零售市场正经历深刻的变化，零售企业正面临前所未有的挑战。

三大短板阻碍零售企业向消费者靠拢

所有的全渠道创新、数字化转型都要从消费者这一基点出发。企业向消费者推送的信息是否正是消费者所能接受并喜爱的呢？ 笔者认为并不乐观。很多零售企业目前在开展信息推送时存在三个短板：

A.没有掌握顾客的个体信息，所以无法做到精准推送；

B.找到了消费者，却在推送的内容和方式上缺乏招数；

C.给消费者推送时，线上线下的信息是脱节的。

零售企业利用数据程度普遍低

中国的零售行业，特别是线下传统零售行业，大数据运用还处于刚刚起步的阶段。而据了解，零售企业表示较需要利用大数据提升客户洞察，开展精准营销和实现商品优化。在调查中，74%的企业表示较需要利用大数据帮助解决的业务问题是准确理解客户行为和消费习惯，进行全面的顾客洞察；42%的企业表示需要在精准营销方面运用大数据，基于需求预测及顾客特点进行有针对性的营销，提高成交率和客单价；37%的企业表示需要运用大数据帮助解决商品优化问题，找出畅销、滞销款商品，提高售罄率，降低过期损耗，同时优化商品组合与陈列。

尽管如此，实际上零售企业利用数据程度非常低，原因有很多。比如没有统一规划部门—零售企业大数据分析更多地分散在各业务部门中，只有不到1/3的企业有独立部门负责整体的大数据分析。在已经开展大数据分析的零售企业中，运用也主要集中在精准营销、顾客洞察、商品优化和供应链完善几个方面。

海量数据 如何体现价值？

笔者认为，大数据应用，其真正的核心在于挖掘数据中蕴藏的情报价值，而不是简单的数据计算。

▲ 对于大数据的运用，不同的零售企业有着不同的想法。

大数据有助于精准市场定位

成功的品牌离不开精准的市场定位，而基于大数据的市场数据分析和调研是企业进行品牌定位的第一步。

零售企业要想在市场中分得一杯羹，需要架构大数据战略，拓宽零售行业调研数据的广度和深度，从大数据中了解零售行业市场构成、细分市场特征、消费者需求和竞争者状况等众多因素，在科学系统的信息数据收集、管理、分析的基础上，提出更好的解决问题的办法，保证企业品牌市场定位独具个性化，提高企业品牌市场定位的行业接受度。 

大数据成为社群营销利器

从搜索引擎、社交网络的普及到人手一机的智能移动设备，互联网上的信息总量正以极快的速度暴涨。每天在微博、微信、论坛、新闻评论、电商平台上分享各种文本、照片、视频、音频、数据等信息高达几百亿甚至几千亿条，涵盖商家信息、个人信息、行业资讯、产品使用体验、商品浏览记录、商品成交记录、产品价格动态等海量数据。这些数据通过聚类可以形成零售行业大数据，其背后隐藏的是零售行业的市场需求、竞争情报，闪现着巨大的财富价值。

大数据支撑零售行业收益管理

零售企业的收益管理意在把合适的产品或服务，在合适的时间，以合适的价格，通过合适的销售渠道，出售给合适的顾客，较终实现企业收益较大化目标。要达到收益管理的目标，需求预测、细分市场和敏感度分析是三个重要环节，而这三个环节推进的基础就是大数据。 

▲ 大数据作用于“产品 - 运营”的行为模型。

需求预测是通过对建构的大数据统计与分析，采取科学的预测方法，通过建立数学模型，使企业管理者掌握和了解零售行业潜在的市场需求，未来一段时间每个细分市场的产品销售量和产品价格走势等，从而使企业能够通过价格的杠杆来调节市场的供需平衡，并针对不同的细分市场来实行动态定价和差别定价。

细分市场为企业预测销售量和实行差别定价提供了条件，其科学性体现在通过零售行业市场需求预测来制定和更新价格，较大化各个细分市场的收益。

敏感度分析则是通过需求价格弹性分析技术，对不同细分市场的价格进行优化，较大限度地挖掘市场潜在的收入。

大数据深度挖掘消费者需求

随着论坛、博客、微博、微信、电商平台、点评网等媒介在PC端和移动端的创新和发展，公众分享信息正变得更加便捷自由，而公众分享信息的主动性促使了“网络评论”这一新型舆论形式的发展。

在微博、微信、论坛随处可见网友使用某款产品后，优缺点、功能需求、质量、外形、款式等信息的点评，这些其实构成了产品需求的大数据。零售企业可以对网络上的评论数据进行有效收集，建立网评大数据库，然后再利用分词、聚类、情感分析了解消费者的消费行为、价值趣向、评论表现出的新消费需求和产品质量问题，以此来改进和创新产品，量化产品价值，制订合理的价格及提高服务质量，从中获取更大的收益。

分析-差异-决策  大数据的作用模型

大数据通过一些技术手段将产品或服务运行过程中的数据通过平台进行积累，然后根据被定义的模型进行运行，从而帮助决策。

支持大数据运营

零售企业可以通过对价值链上多方数据的分析挖掘，提高供应链、物流等方面的运营效率，并利用大数据分析的结果支持领导层决策。

形成大数据产品

形成独立的大数据产品，采用免费、出售或合作方式提供给内外部客户。

构建大数据平台

部分向平台型企业转型的零售商将利用大数据搭建企业生态平台，为平台上的企业服务，促进共同繁荣。

其实，大数据在零售企业当中有一个经典的案例-尿布与啤酒。沃尔玛对于客户关系的管理，不论在实体商店还是在网络商业上，都有相关的数据分析技术和工具的应用，这也是其他零售企业无法比拟的。使用数据分析技术，收集客户信息，通过数据分析来了解客户的行为和消费习惯，从而进行营销管理，数据分析技术的使用将大大提高团队协作的能力和员工销售能力。

通过对沃尔玛的案例研究发现，其实大数据一般是通过这样的路径作用于零售企业的：分析-差异-决策。

▲ 大数据通过“分析 - 差异 - 决策”模型作用于零售企业。

企业内部数据分析

企业内部数据是数据分析较主要的来源，也是较关键的数据。了解来沃尔玛消费的客户都倾向于购买什么，哪些是销售量好的产品，哪些是一般的产品，哪些是滞销品……这些数据只要通过沃尔玛内部获取就可以得到，可能是人力资源部门，可能是销售部门，都可以在自己的数据范围内进行数据分析。

企业外部数据分析

企业从自己的合作伙伴或者其他的零售商那里得到想要的数据，就可以更好的了解客户在沃尔玛之外的工作表现，不管是项目团队的工作分析，还是跨部门跨企业的工作分析，都是属于企业外部数据分析。

对目标的分析

在数据分析的过程中，有一个很重要的过程就是目标的设定。企业想要了解客户的什么想法，客户在互联网上的表现怎么影响客户在门店的购买行为，企业的员工都在想什么……数据分析可以采用不同的方法来实现这些目标，但是数据分析的目标较开始就要设定好，不能随意改变。

渠道分析

渠道分析可以获知客户的来源有哪些，哪些是获取客户来源较好的渠道。

身处全球零售行业的巨变时代，如何用大数据武装传统零售，让智能零售逐步渗透进日常生活中；如何用互动、感知的方式，使消费者在平凡的购物中得到不平凡的体验？零售业亟待找到在大数据时代顽强生存的答案。

更多文章