
大数据正成为新消费时代零售业胜负手
“数据化所有的资产,包括客户、产品,场内场外,商业企业的业务是不是可以做比特化的经营,并在各个阶段上进行量化的评估和经营效益的考核,是否应该有意识地建立一个自己可以管理的流量,可以随时沟通和配置的客流量?”在日前召开的T11 2017暨TalkingData智能数据峰会上,大数据如何更好地与行业结合成为一个主要话题,TalkingData合伙人、高级执行副总裁林逸飞表示,在新的时代背景下,商业企业面对新挑战、新机遇时,应该及时考虑如何去结合自身行业特点与需求,将人工智能、大数据与行业场景结合起来,最终转型为“数据驱动型企业”。
从不同行业的数字化发展看,信息正在呈指数级爆发。计算能力、人工智能、传感器、机器人、交互模式、大众化应用的聚合技术,为数字世界带来指数级飞跃,并改变每个行业。而这些聚合技术每项功能的核心都包括了传感、分析和处理数据。在林逸飞看来,数据在不断改善人们生活的同时,也正深度改变着企业的决策过程。“科技已经推动我们做了很多变化,基于移动互联网+数据,我们以前不能度量、不能运营的事情,都有了相应的运营手段,并且可以做相应的度量。”
数字化从人开始
“坦白讲,今天所有的零售企业都面临着非常大的挑战。就人货场而言,我们与顾客相关的CRM系统,还停留在电话号码,或者通过微信、QQ登录关联的人。对这些人是新顾客还是老顾客有一笔账,但这些人长什么样,家住在什么地方,这对于我们做市场的人是一个巨大挑战。难道我们依次发短信给每个人吗?每个人想要的货都是不一样的。”绫致时装集团CIO常飞这样描述他的困惑。作为一个时装零售集团,绫致时装拥有7000多家自营门店,线上还有包括淘宝、京东、唯品会、网易考拉等渠道,会员达到3000多万。
这样的难题实体连锁超市同样会遇到,北京超市发集团副总裁赵萌就在客群判断问题上感慨颇多。“举个例子,之前我们的门店调整是感性的,因为我们认为自己了解所有的顾客。以往到我们门店的顾客是中老年人居多,主要购买生鲜和蔬果。现在我们希望客群在向年轻人迁移,所以门店做了一次定位的调整。调整后感觉到店的客群是年轻人居多了。真的是这样吗?我们让收银员结账时的人工按键来进行顾客分类统计,并与通过店铺安装的探针收集的数据进行比较。通过分析发现,门店调整后,确实年轻的、消费能力更强的顾客增加了,占到五成以上的比例。但收银员人工的人脸识别方式的数据却存在失真严重。”
对此,赵萌表示,零售企业似乎是时候通过最专业的数据抓取技术来获得想要的信息了,这样才能更清楚地识别顾客,更清楚如何为他们做好服务。比如顾客轨迹的采集,从顾客行为轨迹当中,卖场可以很清楚的看到顾客在哪里生活、哪里居住,门店周围多少公里的顾客会过来购物等等。
而在上海静安大悦城研策经理王雨晴看来,商业创新的本质无非是人货场,要做好这三点,最重要的是社群经营和会员关系的管理,从而提高客户黏度和消费频次。“对于连接智慧体系,购物中心除了消费者外,也要满足商场从业人员,做到智慧的运营,可能小到一个POS点,再到客流统计、WiFi统计,这三者的结合是环环相扣的,整个硬件、软件的配套才能够实现客户智慧购物体验的提升。”
挖掘商业数据价值
基于顾客的各类消费行为数据收集起来有什么用?显然,重要的是进行数据的分析,并希望借此能够直接作用在商业业绩的提升上。这个过程无非就是数据采集、数据分析,以及数据的运用,运用到企业的各个业务部门中,能够指导实际的业务操作。
“上海大悦城内部首先是搭建智慧Mall的框架,包括网络系统、WiFi覆盖、人脸识别和POS机等。通过硬件采集的数据,实现智慧运营,同时也和很多第三方支付进行合作。外部则要重视体验,和顾客形成更多情感上的连接。当然,智慧型购物中心的落地还要靠两套好的系统,就是分析系统和洞察系统。工作内容涉及信息交互、数据仓库、顾客标签和连接,分析面向的是更客观理性的部分,数据可视化。”王雨晴表示。
“作为零售商我们最头疼的一点,就是采购环节。”赵萌表示,如何在采购过程中做到更科学选品需要大数据支持。通过对数据的挖掘和应用,可以把所有的商品,包括企业经营的和尚未经营的,进行非常科学客观的分析,从而能够告诉给我们,到底什么样的商品适合自己卖场。
“而且可以做门店布局消费力的分析,给出更清晰的指导,这样的商圈适合做这样的单品。”在赵萌看来,这样的商品推演可以给不同的商品大商独特的标签,通过类似技术在不同品类、品牌上的应用,最终可以分析出每个单品的成长周期,“什么时候衰退,什么时候下架,什么时候做一个预设品种的引入,这些都会加快零售行业周转的效率,非常关键。”
数据应用对运营效率的提升,同样体现在零售超市门店运营环节。例如,日本零售企业非常关注天气的变化,因为天气变化会直接影响到消费的波动。如果今天天气特别热,可能冷饮会卖得特别火爆,但是如果大风天,牛羊肉商品会卖得非常好。“国外这些数据分析的应用研究非常成熟,我几年前就一直在搜索有没有这样的渠道,但是现在发现开始有了。所有的技术都可以为我们的超市带来不一样颠覆性的变化。”赵萌表示,目前超市发已在使用相关技术,“以往通过店长经验做出进货判断的情况,未来会由技术来解决,通过预测外部因素对客流量变化的影响,进行精准定货,准确性将远远高于人工的预测,高于经验的判断。”
经营流量经营顾客
随着消费升级和行业竞争加剧,顾客的时间和注意力日益成为稀缺资源,因此,在经营商品之外,经营顾客越来越成为零售商日常经营的重要一环,并成为零售企业提升顾客满意度、创造顾客价值的重要拓展空间,当然,这同样离不开数据技术的支撑。
“说到客群经营,或者顾客经营,我们之前更多的分析是聚焦在我们自己已有的顾客数据库上的,但现在我们同时将数据放在外部的数据生态系统内。希望拿到线上线下的数据,希望借助数据共享、标签共享的方式,在对顾客的理解上做出数据化的乘法,而不光是加法。”王雨晴说。
在上海静安大悦城,对于向顾客传达什么样的内容,是建立在对顾客历史偏好、群组偏好,共享标签的了解上的。“此外,我们还构建了客户到店的场景,内容和产品两者的结合上,我们需要传达出的效果就是创造惊喜,超出预期。这就是一个购物中心全体验的互动场景。我们想要发现顾客在整个购物体验中被遗漏到的环节,客户为什么没有购买,当我们主动挖掘这些问题的时候,是超出顾客预期,创造惊喜的。”
而在林逸飞看来,作为零售行业,或者是消费行业,消费者心智和触达便利性已经发生了很大的变化,迁移到了更方便的形式,用流量与顾客做沟通的时候,如何去管理,如何营造、经营与顾客之间的沟通渠道,这些都是零售企业要面对的现实问题。“零售业传统的信息流、现金流、产品流要再上一个客流。这个客流不只是指线下大家消费者的足迹,在今天流量已经被数字化可经营的时候,你的所有经营手段是不是用上了。是不是对客户做相应的经营?”
“有目的的经营流量和顾客,比如开始经营我们的泛客户,把我们客户的底层数据做扎实,在进行不同渠道的客户整合。这个时候重新看我们的客户,从产销角度上经营他们,不管是僵尸客户还是活跃客户,都可以用新媒体的手段刺激他们,相应的整合和推进消费活动的发生。”林逸飞介绍道。
“过去我们对顾客、对于所有的消费是看不见的,但是在未来有的数据,所有的顾客将会是透明的呈现在我们的面前,而且他们的消费行为是可以预期,甚至可以被干预的。”赵萌从消费者感知的角度看待经营顾客的重要性。“顾客沟通,就是零售商要对目标客群的顾客说话,把自己更好的表达给这些顾客,让这些顾客觉得我们就是他的菜。因此,经营顾关最最关键的是明确目标顾客的定位和顾客需求的定位。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15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