本节内容摘自喻旭的书籍《新零售落地画布》

近年来，随着大数据概念的提出，企业逐渐认识了数据的重要性。IDC对大数据的理解为：大数据处理技术代表了新一代的技术架构，这种架构通过高速获取数据并对其进行分析和挖掘，从海量形式各异的数据源中更有效地抽取出富含价值的信息。关于大数据的应用，当下的企业不是考虑要不要应用的问题，而是要思考如何根据自身企业的发展战略、营销规划和产品策略更好地发挥大数据技术能力，带来企业竞争力的增强、企业利润的增加和客户忠诚度的提升。2017年7月易观联合德勤发布“第四张报表”产品，“第四张报表”是通过关注企业在运营过程中的数字资产，从用户数据分析、渠道数据分析和产品数据分析，使企业在竞争营销、提升用户价值和延长用户生命周期上有科学的数字依据，通过数字化的运营提升企业竞争力。未来企业价值的评估除了传统的财务三大报表，即利润表、现金流量表、资产负债表外，数字资产将成为“第四张报表”。由此，我们可以看到，以数据驱动的企业运营时代已经到来。

企业将从这些新的数据中获取新的洞察力，并将其与已知业务的各个细节相融合，对企业产生新的价值。可以说，数据就像血液，贯穿于企业的全身，帮助企业各个单元更有效地运营。本模块中，我们将更关注数据如何驱动新零售运营。

一、企业在建立数据资产中存在的问题

数据孤立：在“业务共享力”模块中，我们介绍了因为“烟囱式”开发，导致企业内部系统林立，数据被分散到各个系统中，比如：同样是会员数据，散落在电商部门、营销部门、服务部门、销售门店，为了收集完整的会员数据，你需要向不同部门要数据，这为后期的数据整理带来巨大工作量。

数据质量不高：因为企业缺少对数据的收集意识，或者在收集中存在重要数据遗漏的情况，导致数据不够完整；同时，企业各部门对数据的定义口径和推导模型不同，进一步加剧数据质量低下问题。

数据应用能力不够：很多企业将数据简单应用在销售报表上，制作周报和月报，通报当前的经营状况。他们不知道，数据如何帮助营销？数据如何提升产品吸引力？数据如何服务客户？

除此，还有：

缺乏面向整个公司的统一、完整的数据视图；

缺乏支撑公司日常业务运转的业务监测、评估体系；

缺乏客户360度视图，客户行为分析和预测无法实现；

缺乏面向公司业务运营管理的关键绩效指标体系；

……

这里，我为你准备下表，你可以简单评估下，当前企业的数据能力成熟度：

成熟度	描述
初始级	数据需求的管理主要在项目级体现，没有统一的管理流程，被动式管理。
受管理级	组织已经意识到数据作为资产的价值，根据管理策略制定了相应管理流程。
已定义级	数据已被当成组织实现绩效目标的重要资产，组织层面制定了系列的标准化管理流程。
量化管理级	数据被认为是获取企业竞争优势的重要资源，数据管理效率能够进行量化分析和监控。
优化级	数据被认为是组织生存的基础，管理流程能够实时优化，能够在行业内进行最佳实践分享。

目前，大多数企业还处于“初始级”，企业对数据资产管理的紧迫性不足，没有专门制定数据资产的管理方法和流程。

二、数据产品催生商家数据意识

好在传统企业在这10年的电商平台销售过程中，逐渐培养出数据驱动店铺运营的认识和习惯，如天猫商家，感受到利用数据魔方、生意经这类数据化产品应用的好处，借助数据产品建立了监控、评估和规划的流程体系。利用数据规划流量、分析转化、优化商品结构、优化页面、数据测图、数据测款和动态调整营销策略。不仅于此，随着“全域营销”概念的提出，数据的应用从平台之内的“小数据”，真正向消费者为中心的“全数据”扩展。

2017年4月24日，阿里在“新网商营销大会”上提出了全域营销概念，这是以数据为能源，实现全链路、全媒体、全数据、全渠道的一种智能营销方式。简单说就是“在消费者所能接触的全域范围内，利用数据驱动营销”。接着，在贯彻“数据能源、全数据”理念上，2017年6月7日，阿里巴巴集团正式发布服务于品牌商家的消费者数据资产管理中心——品牌数据银行（Brand Databank），该产品帮助品牌商家建立全面的消费者数据资产管理。借助该产品，品牌商家可以融合企业自有数据、CRM、电商数据、广告数据、媒体数据、以及阿里生态里社交属性数据（微博、陌陌、商品评论等），打通一个个“数据孤岛”，实时融合成商家自己的消费者数据资产。此举真正把数据能力开放出来，并且通过平台化、产品化的方式赋能品牌商家。

在互联网平台的赋能下，传统品牌企业的数据能力成熟度又向前迈进一步。除此，国内还出现若干像“易观国际、百分点”这类数据公司，如下所示：

（一）易观国际

易观是中国领先的大数据分析公司，公司成立18年以来，形成了以海量数字用户资产及算法模型为核心的大数据分析工具、产品及解决方案，帮助企业高效管理数字用户资产和对产品进行精细化运营，有效升级业务，从而实现收入增长，成本降低和效率提升。易观产品家族包括易观千帆、易观方舟以及行业解决方案。截止2018年3月31日，易观覆盖22.9亿智能终端以及5.8亿用户。

（二）百分点

作为国内领先的大数据智能场景解决方案提供商，专注于大数据操作系统、智能认知产品以及智能决策应用场景的搭建，使企业能高效、便捷地进行数据资产管理和价值实现。其产品包括：智能全媒体服务系统、智能营销系统、舆情洞察系统、智能消费者洞察系统等。数据赋能的领域涵盖金融、制造、公共事务、媒体出版、能源、交通、零售、电商等多个行业，目前上万家企业通过该系统实现了数据化运营。

（三）神策数据

是一家专业的大数据分析服务公司，为企业提供深度用户行为分析平台、以及专业的咨询服务和行业解决方案，致力于帮助客户实现数据驱动。公司在大数据领域积累的核心关键技术，包括在海量数据采集、存储、清洗、分析挖掘、可视化、智能应用、安全与隐私保护等领域。数据赋能的领域包括：互联网、金融、零售快消、高科技、制造等为代表的十多个主要行业。

三、方法论：数据驱动“人、货、场”，及关键分析指标

综合各家数据化产品的应用范围，我用一张图，清晰告诉大家当前数据可支持的范围以及企业在数据驱动中的获益。具体如下图：

通过对“人”的数字化改造提升“客效”，我们将能清晰洞察消费者，帮助企业知道顾客是谁、有什么偏好、什么时候来、他们在哪，从而为消费者提供精准差异的服务与产品，提升消费者体验；对“货”的数字化改造提升“品效”，能更加精准迎合消费者的需求，匹配高价值的产品供给，帮助企业知道卖什么、卖多少、怎么卖、赚多少，从而提升店铺的动销能力，实现企业的产品服务创新；对“场”的数字化改造提升“坪效”，优化渠道布局、调整商品陈列、制定客户动线，帮助企业选择终端业态和销售渠道，进而提高投资回报。后续，我也将根据“人、货、场”依次展开。

（一）数据驱动“人”

围绕“5W+1H”，即：谁、在什么时间、在什么地点、做了什么事情、他为什么要做、他是如何做的，全面获取用户行为数据。这类用户数据将帮助我们，具体如下：

1、识别客户

在《新零售落地画布》的第一个模块“营销数字化”中，我们介绍了通过建立客户标签体系，为消费者画像。客户的数据标签越完整，客户的识别度也就越高。客户识别包含：个体和群体两个对象。

• 个体识别：了解单个消费者的画像，其中包括：人口属性、购物场景、信用评分、浏览场景、兴趣关注、位置信息等，你试想一下，客户一旦走入店中，店员就能在第一时间了解客户各方面的信息，然后开展差异的服务营销工作。再或者，客户走到电子屏幕前，看到的是近期关注的商品，这背后都是系统的“个体识别”功能，然后实施“千人前面”的营销服务。客户体验得到提升，商家的服务成本也得到降低。如下图所示：

• 群体识别：看到商家品牌对应的群体在各个维度的分布状况。商家对客户群体特征的了解，将有助于制定整体的营销计划，选择合适的地点、合适的人群，合适的渠道，投放他们喜欢的商品或内容，从面上更精准的覆盖客户群体，成本投入也得到降低。如下图2-29所示：

年龄分布	性别分布

2、洞察客户关系

在《新零售落地画布》的第二个模块“关系数字化”中，介绍了客户“浅、粘、深、铁”四种关系类型，对应的客户动作分别为：连接认知——>品牌互动——>商品交易——>分享推荐，于是问题来了，如何界定客户发生了“连接认知”行为、如何界定客户发生“品牌互动”行为，这一系列客户行为事件，都需要被量化，而量化的基础便是客户数据。另外，在“关系数字化”中，我们介绍了衡量客户价值的“购买力”和“影响力”模型，同样的问题，如何界定客户的购买力，如何界定客户的影响力呢？两个“力”同样需要被量化，这也需要以客户的数据来做支撑。我们只有根据关系模型里的指标参数，有目的的收集用户数据，才能分清楚客户关系等级。比如下表所示：

客户	收集数据（依据购买力和影响力模型参数）	关系界定
A客户	购买力：2个月内购买过、累计购买7次、累计购入1763元 影响力：点赞13次、公众号文章好评12条、分享转发9次	铁关系
B客户	购买力：3个月内购买过、累计购买5次、累计购入1338元 影响力：点赞2次、公众号文章好评3条、分享转发1次	深关系
C客户	购买力：尚未购买 影响力：点赞3次、公众号文章好评1条、分享转发2次	浅关系

3、分析购买决策

将消费者购买决策中考虑的各种因素进行量化，收集量化数据形成可分析的研判模型。比如：

• 停留客户中购买商品的比率分析：该数据是店铺招商、商品陈列调整、关联商品调整以及判断商品结构是否存在问题的重要依据；
• 未购买行为分析：该数据对后续商品质量提升、服务体验改善、商品定价等提供参考依据；
• 触摸率、试穿率、使用率等：这些判断消费者和商品的接触比率，用来反应商品的被关注程度，一般来说商品的触摸率和成交数量成正比； 

这里，我列举了消费者购买决策的相关因素，供你参考，我们将这些决策因子进行量化，然后采集相关数据做综合分析，将能有效提升客户的购买率和客单价。如下表2-9所示：

分析对象	分析内容
人	店员销售技巧、店员服务态度、新员工比例、员工满意度。
货	商品陈列、商品包装、是否有促销活动、是否有赠品、是否缺货断货、是否 应季、是否限量、是否有抵扣券、是否有礼品卡。
场	空间面积（拥挤度）、支付方式、场地氛围（背景音乐、香味、卫生）、闭店信号。
情感因素	从众心理、焦虑感、激动高兴、尊贵体验。
时间因素	节假日、生日、品牌季、早中晚。

（二）数据驱动“货”

对商品、销量、价格、库存、订单等在不同应用场景中产生的海量数据进行分析，实现商品品类的管理、销售预测、动态定价、促销安排、自动补货、安全库存设定、仓店和店店之间的商品调拨、供应计划排程以及物流计划制定等等。阿里零售通和京东新通路通过智慧门店系统，帮助线下的实体商家选款便是典型应用。系统打通了线上和线下商品销售数据，消费者在线上商城的交易数据和线下实体店的消费数据融为一体，于是可以清楚知道哪些商品好卖，然后推荐给系统加盟商家进行销售。具体应用包括：

1、商品结构优化

• 单店智慧选品：借助数据分析，把销售量大的受欢迎商品放在店铺货架第一排，分析出某区域最受欢迎的品牌、款式等，降低选品门槛，从品牌池中选择符合店铺定位的商品；
• 多店商品选型：针对有多个店铺的商家，如：商场、超市（自营+他营）、百货公司，提供各个店铺之间的商品结构建议，合理分配各区域各店铺之间的商品结构关系，提升商家整体的销售业绩。

2、商品布局优化

• 货架级陈列：通过商品的关联性销售分析，改变了店铺的商品陈列方式，将关联性强的商品放在一起销售，多重维度的组合建立起场景式营销的购物体验；
• 店铺级陈列：分析消费者的消费动线，优化整个店铺的商品布局。

3、商品销量预测

• 店铺级销量预测：分析近年店铺的整体销售额/销售量，对比行业标准，从而分析店铺的整体经营状况，并判断店铺经营的业绩变化趋势；
• 商品级销量预测：分析商品结构，了解整体商品布局及整体销售表现，尤其检索重点商品的销售表现，如销售量、销售变动，进而判断整体商品和重点商品的销售趋势。

4、智能定价

• 通过总体价格结构分析，了解优势价格区间，提供价格的合理性调整建议；
• 寻找主导价位，分析主导价位区间的销售趋势、商品构成特点、成长空间。

5、商品库存管理

• 对商品库存进行分析，包括：滞销、正常、慢销、不动销、库存周转率、库存金额等；
• 对商品的补货时间、补货批次提出推荐方案，以及推荐清理呆滞库存解决方案。

（三）  数据驱动“场”

1、区域分析

分析指定区域的销售表现，尤其针对重点销售区域的分析。从综合数据上发现销售异动，并进一步对造成销售异动的关键要素进行解析；并与同区域或跨区域的店铺横向比较，找准优势和劣势，从而制定改善计划；

2、智慧选址及招商

分析区域的整体人群属性（人口规模、年龄、性别、收入、阶层、工作、品牌偏好……），根据选址模型，选择合适区域作零售终端布点；根据消费偏好模型，进行选择性的品牌招商，优化商品类、服务类、休闲类、体验类、文化类等功能布局；

3、客流分析制定客户动线

对店内顾客从进入卖场直到退出卖场的实际行走轨迹，进行科学的测量、图示和分析，进而有效地改善卖场布局，促进和增加销售达成。比如：

• 通过率：通过客户的数量、客群构成；
• 进店率：进店的客群构成；
• 停留率：停留时间、停留区域、接待时长；
• 购买率：客单价、商品数、连带销售率、成交时长。

另外，动线的分析也可应用于商品品类管理、价格带调整、店铺生动化设计等门店运营方面。

四、关键成功要素

关键要素	要素描述
经营分析	对店铺进行整体经营分析，了解客户、客流、商品的整体销售情况，找出问题和原因，为未来经营给出预测。
客户分析	洞察客户，了解客户画像、进店、停留、偏好、购买和离开各项数据，为客户营销和店铺优化提供数据支持。
商品分析	收集商品数据，提供商品结构优化、商品布局优化、商品销量预测和商品库存管理。
场区分析	能够进行区域总体分析、重点区域分析、区域销售异动分析和区域品类分析。

关注：喻旭 公众号	关注：喻旭 个人号