
在零售行业大数据分析还处于刚刚起步的阶段
大数据技术近年来持续落地到各个行业,各种案例层出不穷。但在零售业,特别是线下传统零售行业,大数据分析还处于刚刚起步的阶段。
可是零售业销售环境却已变得错综复杂:
百货商场受到购物中心冲击,怎么重新定位?如何与电子商务结合?互联网兴起后,80-90后消费者购物习惯发生变化,如何更好地理解客户,针对性设计、营销产品,并与客户互动?
在消费者都已经利用大数据武装自己,提出更多个性化的需求的时候,传统零售业如何寻找这些答案?
要回答这个问题首先要考虑如何搭建企业内部的大数据分析平台。作为时尚领军品牌的星期六鞋业,相比竞争对手来说,已是先吃螃蟹的企业,在2015年6月就已经与IBM签署了合作,通过使用PCI解决方案,深挖数据背后的价值,实现销量增加至少0.5%的结果。
但罗马不是一天建成的,具体怎么做的?星期六股份有限公司副总经理刘海金在今年IBM大数据与分析主题周中分享了其搭建平台、布局O2O的策略。
1如何做最佳决策,制定O2O策略?
营销决策的核心是要知道“客户在哪”,从观察到洞察客户,看到一个清晰的360°客户画像。大数据洞察与分析平台的最大价值就体现在支持决策上。
那么,如何做到最佳决策?
分析传统零售业面临的困境,比如星期六鞋业经过二十多年发展,从过去简单批发为主的销售模式,到百货公司兴起后带来零售商之间的竞争;再到现在面临的购物中心和电子商务的冲击,现实的困境和挑战都让管理者感到迫在眉睫,如何在这种变革中以数据化的方式衡量利弊,做出最好的决策,很有必要。
这也是星期六鞋业较早地开始搭建大数据分析平台的原因。PCI不仅可以将星期六鞋业的品牌、业务系统和数据集进行整合及分析,还能把营销和产品设计团队植入了新的客户洞察能力,并且实现自动预测分析及结果生成。
刘海金介绍,经过数据分析有一些新发现:
百货商场业绩存在下滑趋势,而购物中心和电子商务呈现高速增长趋势,且未来还会有更大增长。但这并不意味着盲目和购物中心、电商合作,有了大数据分析与洞察平台,就可以根据用户综合分析来合理规划投入占比,“冷静地”处理与各个平台的关系。
比如通过热力图分析,发现网上购买的用户恰巧在实体店周边,说明是品牌影响力带动的线上销售。 这样就可以“把有限资源投入到有价值的领域去,进行有针对性的营销活动,并且100万的市场活动经费,投入出去可以直接看到推广效果,有助于评估。”
除此之外,刘海金认为,通过针对性营销活动和精准运营还远远不够。目前来说,以淘宝、京东为主的电商都在支持线下传统品牌,主要是因为其有实实在在的产品。而星期六鞋业也正事迎合了这种趋势,有针对性的设计产品,因此近期在电子商务销售增量上非常明显。
这就涉及产品组合和定价策略。根据大数据洞察能力,不是简单的把信息归纳在一起,而是可以实现多角度分析,来调整线上、线下价格,使之趋于一致。并根据具体销售情况,来做产品组合策略,迎合线上客户需求。
这也是正星期六鞋业在2015年6月与IBM签署合作后第一步要做的,即设定公司五年战略规划,未来将更注重产品类别多元化、制定O2O策略、拓宽更多销售渠道。
2选择平台很重要 模型成为企业资产
也许你会问,做大数据解决方案的那么多,为什么IBM能够吸引星期六鞋业?刘海金表示,主要是因为IBM“拿出了实实在在的O2O应用场景案例”。而这也是得益于IBM在这方面做得比较早,具有先发优势。
那么如何落地?
针对具体情况,星期六鞋业是全链条的,涉及产品设计、采购、生产、营销、服务、售后,背后的IT技术如何支撑?这就需要建设统一的客户分析平台。
可以说,作为传统零售企业,其各个层面的决策的都可以在平台上根据数据来洞察。正如刘海金所说,“时尚企业要把握时机,知道客户在哪里、匹配什么产品?”
并且,在这个平台上,各部门之间的数据是共享的。最直接的体现是在管理人和库存这两个最重要的资产上,可以充分调动。他认为,“过去的工作模式比较粗放,在搭建这个平台后,发现可以开展更多工作,延伸出更多的商业模式”。
最吸引企业的是,平台中的模型对于企业来讲也是一个资产,利用模型能够帮助客户快速的利用已有的资源来落地和实现决策功能。比如客户细分模型、客户价值分析模型、社交媒体监控及分析模型、产品组合推荐模型、客户流失模型、客户响应(促销/客户活动)模型、门店选择分析模型、消费者转化模型等等。
3合作探讨 落地快
据了解,星期六鞋业的大数据分析与洞察平台在短短4个月之内已初步搭建完成,通过PCI解决方案整合并模型化了来自客户、外部(天猫、京东、互联网等)及星期六股份有限公司内部数据。
之所以进展这么快,刘海金认为,是因为IBM不仅有大数据分析技术,同时对传统行业有对口专家指导。进一步说,双方合作方式是,先探讨发展问题,再落地大数据解决方案,加之IBM团队提供咨询服务,配合星期六技术团队一起来实施。
当然,星期六领导层的重视也是推动项目落地的重要原因,在制定O2O策略、搭建平台后,集团层面明确了下一步发展方向,至于如何进一步落地到基层,还需要企业内部的宣讲会、培训,从管理层、开发、客户服务、销售不同层面推动,最后可以让购物中心经理层直接拿到数据开展工作。
除此之外,市场策略还受时意见达人的影响,因此与IBM第三部分合作还涉及到外部数据源的集成,据此可以进行尚领袖、舆情监控,与客户更好地互动。就像刘海金的比喻,“如同给企业一双眼睛,看到市场发生的变化,以及未来几年的战略规划”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29