帆软消费零售行业案例集

让数据成为生产力 案例集 CONSUMERRETAIL E-COMMERCE 帆软消费零售事业部帆软数据应用研究院 TPANSFOPMDATA INTOVALUE 前言 在当今快速发展的社会中，消费零售行业面临着前所未有的挑战。市场竞争日益激烈，消费者需求不断变化，供应链管理的复杂性增加，运营成本上升等问题，让许多消费零售企业感到压力重重。在这个背景下，数字化成为了消费零售行业的重要发展趋势。通过数字化技术，消费零售企业可以更好地提高效率，优化供应链，实现会员管理的个性化营销，线上线下融合以及创新业务模式等。 本案例集旨在探讨2023年消费零售行业面临的挑战以及数字化对其的帮助和作用。我们将从市场竞争、消费者行为、供应链管理、运营成本等多个角度出发，深入分析数字化如何帮助消费零售企业应对这些挑战。同时，我们也将通过案例分析和实践建议等方式，为消费零售企业提供更好的数字化转型的具体方法 和策略。 希望通过阅读，您可以更好地了解数字化对消费零售行业的重要性和作用，同时也能够获得一些实用的指导和建议。我们相信，在数字化的推动下，消费零 售行业将会不断创新和发展，让数据成为生产力！ 新零售的发展趋势 什么是新零售？ 随着传统零售与电商零售的冲突日益激烈，单一线上或线下的经营模式早已突破原有明晰的分界线。新零售发展至今，消费品牌、消费渠道和消费者的关系，具备三个阶段性特征： -人找商品阶段：原来的交互方式是一个人去找商品的逻辑，就是有一个物理场景，人去找商品，这个阶段的显著特征是渠道为王，我的渠道越多，找到我的概率就越大。 -物找人的阶段：B2C电商的崛起，比如京东、天猫、拼多多，实现了人、货、场三者之间关系的变化。“场”相当于场景端，你既可以是一个物理的场景，也可以是个虚拟场景，我看了照片就可以下单，快递送上门，所以这个时候就出现了B2C，电商很火的一个阶段，显著特征是流量为王，流量大，买我的人就多。 -新零售的阶段：技术驱动使得消费零售的效率进一步提升，从而突破边际成本限制，实现业态的大融合；互联网的力量和线下门店终端形成真正意义上的协同互联，出现了一种新的流量方式——双向流量。彻底打破单向流量的销售模式，利用大数据，以消费者为中心，通过线上与线下的交互，满足消费者的多层次需求。 消费零售企业管理挑战以及趋势：“以人为本”的消费者深度运营+数字化经营，打造双轮驱动的端到端新模式 数字化经营 新零售通过大数据，让不同的渠道之间形成协同关系，线下和线上高效协作，实现渠道共赢。线上线下同款同价，避免恶性竞争，精准定位消费者。就像网络热门段子一样：数据比你都更了解你自己 -门店场景提效：大数据帮助新零售业务进一步提高便利性，提供更具互动性、精准化、个性化的营销方案；打造智能导购，增强客户体验。未来例如3D试装、无人餐饮等创新科技会深刻影响每个人的生活。 -企业经营赋能：大数据让企业能够追踪运营效果，推动组织协同提效，提高企业的经营管理的效率——智能优化供应链，大幅降低与库存管理和订单处理相关的劳动密集型任务的间接成本。 -辅助业务决策：消费零售企业可以利用数据分析，解码消费者行为，完善营销策略和定价模式，实现最大盈利，进一步提升决策水平。 消费者深度运营 新零售核心是以人为本，以消费者体验为核心，它用大数据消除了交互系统的所有障碍，打破传统，让商家、消费者、媒体等多元素自由流动，从而促进了整个商业生态系统互通 通过大数据精准定位顾客画像，挖掘潜在需求，把零散的、灵活的、多元化的消费者通过线上线下的全域渠道聚合起来，推送互动体验，打通购买的转化路径。 -用户画像沉淀：通过自动化营销，洞察沉淀自己的用户画像，优化消费触点。商品销售始终以人配货，优化库存管理，同时为门店选址提供决策依据 -全面的消费者触点：多渠道引流，线上线下渠道全面打通各系统的屏障 -会员身份统一管理：全量的会员数据管理，会员分层运营，面向不同类型的会员推送不同的活动，实现精细化的运营 消费零售数字化转型面临着多方面的挑战，需要企业具备全面的战略、组织和文化能力，不断推进创新和变革，以适应市场的变化和消费者的需求。在多变的大环境下，消费零售行业要具备更加敏锐的市场嗅觉，洞察消费者的消费行为习惯，这就需要大数据挖掘、品类管理等数据类工具，通过数据帮企业保持敏锐性，加强精细化运营，提高经营能力和水平。 数字化转型是消费零售企业的必然趋势 随着技术的飞速发展，消费零售企业必须适应消费者不断变化的期望和偏好，需要利用数字化技术，以消费者为中心串起全渠道的场景，通过数智化驱动消费零售效率的变革： -零售终端数据分析，建立分析场景，利用数据做决策：以往我们线下消费行为是不被记录的，零售商不知道今天他的门店销售的细致情况。现在的新零售实际上是越来越多地记录了你的行为，它用数字化的技术手段，把门店端的场景尽可能数据化。通过数据来分析决策。比如说门店选址，在商界流传着这样一句话：“选铺跟着麦当劳、肯德基走，肯定不会错。”上 海永安百货郭乐与郭泉兄弟也发明了一套选址方法——“黄豆”选址法：在一条上海最繁华的南京路商业街上，专门雇用两个人，一个站在路南，一个站在路北，每当他们身边走过一个人，就将一粒黄豆放进自己的口袋里，到晚上，根据口袋里黄豆的数目，统计南北两边行人的多少。就这样，连续几天的黄豆数量统计，上海永安百货就这样坐落在被誉为“中华商业第一街”的南京路步行街南侧。这个案例其实就是看人流量的数据来选择地址，而现在利用大数据，甚至可以选址的时候精准地分析这个地方男女比例是怎样的，消费能力、消费水平如何等等。像盒马的选址，就研究了支付宝里不同维度的数据，从而更好地进行选址，这套东西盒马有，别人就没有。数据分析将为企业提供更准确的市场预测，助力门店选品、货品调补配和库存控制，加速各个渠道的推广上新速度，进一步提高运营效率、降低成本，提升供应链精细化管理水平。 -全渠道整合，无缝的购物体验：由于消费者触点过剩，用户购买路径越来越分散，全渠道消费零售战略有助于整合和同步所有业务渠道，为如今互联的客户提供无忧的购物体验。这包括将电子商务平台与实体店整合在一起，使顾客能够通过多种渠道浏览、购买和退货商品，提供多样性的购买收货方式，更注重客户体验： ·线下体验，线上购物：在店里看好，线上的商店下单。比如周边的生鲜超市，如果你在店内想买，但是不想自己拿走，可以选择线上下单，周边3公里免费配送，半小时送货上门。 ·线上选品，线下购物：在平台查找产品，但在实体店购买。比如服装可以在各平台进行选品，线上信息量多，对比效率高，然后选择到线下门店去买。 ·线上预定，线下提货：线上预订商品，然后到实体店取货；比如茶饮消费，线上预定下单，到店里即可自取 -人工智能和自动化技术的应用：人工智能和自动化技术的应用可以帮助消费零售企业提高效率、降低成本、改善消费者体验。像现在的线上试穿，利用AR/VR技术，可以将消费者带入虚拟购物场景中，还能根据你的体重、身材、长相等智能推荐适合消费者的穿搭，提供更加沉浸式的购物体验。另外，像电子价签，价格实时变动，数据同步，实现线上线下价格一致。 当出现物品需要打折的情况，以前需要换标，如今现只需后台一键操作，所有价格同步变化。这种消费零售自动化技术的应用，使得门店场景端更加灵活，人货场的协同更加高效，商品交易频次进一步加速。 总之，推动消费零售数字化转型成功需要企业从战略、团队、能力、业务模式、用户体验等多个方面入手，全面提升自身的数字化水平和能力。同时，企业们需要不断学习和尝试新的数字化技术和方法，积极应对市场变化。 以消费者为中心全渠道运营策略 专家观点 奉光亲 潮宏基集团信息部总监 2消费零售企业做数字化的难点与突破 在数字化推进方面，品牌消费零售企业确实会面临着一些困难，特别 是在加盟商的数字化方面。由于数据越来越重要，销售预测等需要用到品牌和加盟商的数据，但很多加盟商不愿意将数据给到品牌，因为会员数据等被视为他们的命根子。因此，推进加盟商的数字化需要克服业务上的变革带来的阻力，这种重构业务模式和组织形式的事情，往往需要从老板层面至自上而下的重视。 3一个好的数据分析师需要具备的素质，又该如何去进阶 12023年对数字化领域有没有一些自己新的想法或者新的感受？ 在23年的数字化领域，不同企业处于不同的发展阶段，因此对于数字化实现的需求也有所不同。对于刚成立的企业而言，他们可能需要选择像BI这样的解决方案来满足业务需求，而对于已有成熟数据应用经验的企业来说，他们需要考虑如何将数字化基础扩展到更广泛的业务范围。在疫情之后，潮宏基开始思考如何将AI与品牌消费零售相结合。 AI的应用领域很广泛，包括NLP自然语言处理、CV照片视频处理、机器学习等。在品牌消费零售企业中，AI可以通过机器学习等技术应用于云店等商城推荐领域。此外，AI还可以用于销售预测等方面，通过建模利用商品品类、规格、颜色、区域、门店天气、节假日等因素，发现销售规律并预测未来的趋势。在探索过程中也发现对于一些规律不明显的稀疏数据或偶尔出现波峰的数据，AI可能难以学到有价值的东西。据悉，目前潮宏基已经在销售和供应等核心领域，做出探索，也取得了一些成效。 我认为数据分析师可以分成三个层级：第一个层级，数据分析师需要了解业务，知道哪些数据是有价值的，并掌握好的分析体系和方法，以发现数据背后的规律和价值点。第二个层级，数据分析师需要熟悉数据库，包括SQL等查询语言，并能够解决大数据查询的优化问题，以便快速呈现关键数据维度。最后，具备ETL能力的数据分析师能够更好地建立分层的数据仓库，并灵活地组织数据维度。掌握Python等开发语言的数据分析师可以快速发现和处理数据中的规律，并通过图形化方式呈现。 除了专业技能，数据分析师还需要横向拓展，了解大数据、实时数仓和大数据分析技术，如Flink和Spark等工具的使用。同时当前的技术发展速度也要求数据分析师面对一些新兴技术也需要及时响应，因此目前我们潮宏基也需要熟悉AI模型的数据分析师，以便能更好地处理数据特征工程，发现数据规律，并清理和处理脏数据。 了解业务是最基础也最重要的，潮宏基为了可以更好的培养具备上述能力的数据分析师，我们更倾向于从业务部门培养数据分析师，虽说 他们在技术储备上可能会面临一些困难，但他们对业务的熟悉度是无可替代的。 从技术出身的数据分析师则需要与业务紧密结合，深入理解数据。每个企业的数据理解和标准维度都有所不同，因此数据分析师需要与相关业务人员紧密合作，熟悉业务，甚至要与业务人员一起工作。 至于对企业数据文化的培养，这要根据企业的规模来确定。在我们公司，用户的这种对于数据的习惯已经逐渐培养起来了。我们通过培训让员工从简单的数据入手，培养他们发现数据背后真正的价值和如何利用数据来改变以往的经验决策，让他们养成依靠数据进行运营策略决定的习惯。在我们企业中，大部分员工对业务人员、财务、商品等都有自发地对数据指标维度的需求。因此，用户对于数据的感知度相对来说是较好的。 目前，潮宏基数据应用方面比较成熟，数据从PC端和移动端都可以获取，涵盖了商品、会员和财务等各个维度。用户已经形成了良好的使用习惯，经常查看数据，并接收预警通知。在销售分析方面，如果销售同比下滑，业务人员都可以通过自助分析的方式，深入分析具体原因。例如是订单数量下降、客单价下降、客流量减少还是转化率降低等问题。这种分析方式方便快捷，已经为用户所习惯并广泛应用。 黄杰 交个朋友直播电商数据分析负责人 12023年对数字化领域有没有一些自己新的想法或者新的感受？ 数据分析师面临的压力主要来自于业务部门对增长和竞争压力，比如以前做直播电商只需要把基础的一些数据给业务看，比如榜单信息、融资信息等等，他们就可以选品了，但是23年的话，需要我们更加深入到相关的运营节点中，获取更多的信息，比如头部对比、利润计算、平台对比等等 那么为了帮助业务部门缓解压力并寻找新的增长点，数据分析师需要在