零售业大数据应用 线下与线上资源打通是趋势

随着我国经济结构调整步伐的加快，2014年，我国零售业的发展形态出现了进一步的变化。根据商务部的数据，2014年全国实现社会消费品零售总额26.2万亿元，同比增长12.0%，其中电子商务交易额（包括B2B和网络零售）达到约13万亿元，同比增长25%，电子商务业务已占消费品零售业的半壁江山。

毋庸置疑，零售业已成为前端同质化竞争激烈，且受线上冲击影响最为剧烈的行业之一。在强烈的冲击下，零售企业对后端精细化运营的需求正在显著提升，使得越来越多的企业开始关注利用大数据提升自身的经营和营销水平。

零售业数据管理特点

从零售企业当前的数据积累来看，线下企业由于强地域性特点，通常辐射范围仅在周边10-15公里，线下会员人数的增长空间十分有限。这类企业拥有大量的交易类数据，但由于大量线下企业仍未建立完善的会员体系，或数据采集不够全面，因而数据难以进行定向追踪，关联性差。另一方面，领先线上零售企业由于可以辐射全国，早已获得了上亿的注册用户。但这类企业非结构化数据多，需要挖掘才能得到价值。

2015年，包括数据采集、整合、分析、可视化展现及与营销平台的整合在内的完整大数据营销方案已成为大量零售企业信息化的重点建设方向。而其中，线上数据资源与线下数据资源的打通已成为重中之重。

零售业大数据应用特点与方向

易观智库研究认为，随着零售业同质化竞争的加剧及新用户人口红利的消失，企业所面临的市场环境已发生显著变化，充分竞争的市场环境推动了零售业对数据的关注重点逐渐从走货、渠道转向关注消费者，即怎样经营好核心用户群已成为众多企业的核心目标。以购物中心为例，如何在将购物中心打造成周边社区的生活重心的同时，获知人群在购物中的行动轨迹、消费行为、偏好，并将各触点的用户行为精确匹配到对应的个人，已成为领先企业大数据营销拓展的切入方向。

此外，数据采集能力的提升也使零售企业可利用的数据资源迅速扩展，随着智能手机、Wi-Fi、蓝牙等技术的日益普及，零售企业得以更加便捷地定位和追踪线下的消费行为，并有触点可以到达这样的消费者。

在这样的趋势下，零售企业对大数据的应用需求也逐渐聚焦在两大方向——业务的优化与业务的预测。

在业务的优化方面，零售企业需要借助大数据了解客户群的属性及活动规律，制定自身的定位，并制定出精细化的招商、营销方案，包括：

老客户营销——实现精准的消费行为挖掘

个性化服务——提升客户体验的新鲜感及满意度

互动营销——微博、微信等新媒体营销，让粉丝更好互动

而在预测方面，企业不仅需要知道过去及现在客户用了哪些产品，更要帮助企业预测客户将来最适合应用什么产品，以及配套什么样的服务。由此，企业一方面可以合理调整产品服务经营重点，另一方面也能够通过预警可能会出现流失的客户群体，提早进行针对性的客户挽留，帮助企业巩固客户的忠诚度。

企业对大数据提供商的选型

Analysys易观智库研究发现，零售企业在选择大数据服务提供商时，往往会面临多类服务商竞争的局面，包括传统IT提供商、垂直行业方案提供商等。各类厂商的优势不尽相同：

Analysys易观智库分析认为，零售企业在选择大数据服务提供商时应着重考察厂商的三方面能力：

一、数据源的采集与整合能力

与在线零售企业相比，线下零售企业的数据采集难度更高。实际应用中，厂商需要考虑Wi-Fi定位精度、免打扰设置、数据的易用性、投入产出比、智能POS等新设备的整合等因素。因此，当前部分大数据服务提供商会选择与各类外设提供商合作实现基础数据采集，而将更多的资源用于实现零售企业用户线上数据与线下数据的整合，包括实现企业POS数据与CRM数据的打通、会员卡数据与会员微信数据的打通、社交行为数据与在线购物数据的打通、GPS数据与通信数据的打通等。可以说，在零售业大数据应用中，能否实现各类线上资源与线下资源的打通已成为企业能否成功精确挖掘用户需求潜力关键能力。

二、分析模型的产品会抽象能力

企业在整合线上与线下数据资源后，还需要将分析的模型进行产品化抽象，实现规模化地解决行业共性问题，而这也是当前各厂商的产品能否经受市场检验的一大难点。Analysys易观智库分析认为，分析模型的质量不仅取决于是否能与企业的业务流程数据实现整合，还会取决于厂商是否具备数据分析和行业经验两方面的能力。在高质量的模型中，数据分析能力决定多维度数据的关联性，行业经验决定数据的因果性，两者技术不可或缺。

正因如此，当前大量大数据服务提供商已经越发注重对数据科学家人才的争夺，未来2-3年间，零售业大数据建模与分析人才仍将炙手可热。

三、所整合的营销平台的自动化水平

零售企业在整合并分析海量用户数据后，还需要与自身的营销平台进行整合，实现营销手段的推送。这时，营销平台能否实现与大范围用户的及时沟通，并即时实现效果评估至关重要。

这其中，企业需要考量厂商所建营销平台的四大能力：

自动化程度——系统操作条件设定是否丰富；

营销的精准性——能否实现精准的用户标签及精准的消费行为预测；

操作的灵活性——是否具有丰富的客户分组及组合方法；

易用性——界面是否友好等等。

此外，零售企业还需关注的因素包括：方案中对数据隐私的保护；以及新技术应用后，及时进行必要的组织架构调整等。

零售业大数据应用趋势

当前，一、二线城市中零售企业对大数据营销的意识已经逐渐成熟，但已经具备成熟应用的企业比例仍然偏低。Analysys易观智库研究统计，即使在购物中心这样信息化水平较高的企业中，目前全国已能够实现利用大数据实现营销支持的企业比例仅为1%-2%，而在百货、超市、便利店等业态中，这一比例更是会低于1%。因此未来3-5年中，大数据服务在零售业的拓展空间十分巨大。

Analysys易观智库研究认为，未来零售业大数据应用趋势将具有如下特点：

1、如何进一步通过数据驱动经营和营销——各零售企业会以会员为核心进行管理优化，如忠诚度的区分等。通过以人为中心的数据驱动，实现决策优化及精准营销。

2、行业会探索越来越多的大数据营销新模式——各类零售企业会积极尝试新机会，如微店等，寻找消费者偏好的新潮流。

3、不断丰富外部数据源——零售业大数据营销中，丰富的线上数据与线下数据的打通是趋势。在企业自身线下数据采集能力不断提高的同时，与更丰富的外部数据源合作将快速提升营销的精准度，包括权威市场研究机构、领先互联网巨头等。可以说，只要是合法的、不侵犯隐私的数据源都将成为外部合作的数据源。

4、通过大数据“知彼”后，企业被倒逼“知己”的压力将进一步加大——当企业获取翔实的用户数据后，为了突破自身实现快速营销的瓶颈，将会倒逼企业利用移动销售巡检、库存盘点等手段进一步完善自身的采购、库存、员工行为等信息采集，从而实现进一步“知己”，最终为实现全产业链的大数据应用打下基础。