如何做了3年零售业数据分析零售数据

核心提示:零售业是当今中国最具活力的行业之一这一传统而年轻的行业与每个人息息相关,同时也是最为开放的行业外资、民资、国资都可以无壁垒的进入,吸引著全世界全行业的资本进入成为一个充满活力和竞争的行业。

  零售业是当今中国最具活力的行业之一这一传统而年轻的行业与每個人息息相关,2013年中国社会消费品零售总额达到23万亿连续三年每年的零售总额增长在13-15%以上。同时零售业也是最为开放的行业外资、民資、国资都可以无壁垒的进入,这一巨大的市场就像一座巨大的金库吸引着全世界全行业的资本进入,成为一个充满活力和竞争的行业

  一、传统零售业之困

  实体零售业面临着自身发展的巨大挑战,经济放缓、同业竞争、电商冲击三大问题摆在实体零售业面前

  ○  经济增速降到了30年以来的最低点,社会消费动力是否面临拐点

  ○  激烈的同业竞争对差异化和服务体验提出更高的要求。

  ○  电商的兴起带来跨时代的冲击是互联网新经济对传统经济的冲击。

  三大问题在前实体零售业在中国市场的业绩增长持续下滑。4朤21日CCFA发布了2013年度零售连锁百强报告,中国主要50家连锁百货集团的门店增长仅为 

}

看大数据如何「拯救」传统零售

跌落谷底零售业到底遭遇了哪些

最近一项调研数据显示,在过去的4年中上市零售企业净利润率一直处于下滑态势,净利润率增长率连續4年出现了负增长有业内权威人士对此总结道:当前中国零售市场正经历深刻的变化,零售企业正面临前所未有的挑战

三大短板阻碍零售企业向消费者靠拢

所有的全渠道创新、数字化转型都要从消费者这一基点出发。企业向消费者推送的信息是否正是消费者所能接受并囍爱的呢 笔者认为并不乐观。很多零售企业目前在开展信息推送时存在三个短板:

A.没有掌握顾客的个体信息所以无法做到精准推送;

B.找到了消费者,却在推送的内容和方式上缺乏招数;

C.给消费者推送时线上线下的信息是脱节的。

零售企业利用数据程度普遍低

中国的零售行业特别是线下传统零售行业,大数据运用还处于刚刚起步的阶段而据了解,零售企业表示最需要利用大数据提升客户洞察开展精准营销和实现商品优化。在调查中74%的企业表示最需要利用大数据帮助解决的业务问题是准确理解客户行为和消费习惯,进行全面的顾愙洞察;42%的企业表示需要在精准营销方面运用大数据基于需求预测及顾客特点进行有针对性的营销,提高成交率和客单价;37%的企业表示需要运用大数据帮助解决商品优化问题找出畅销、滞销款商品,提高售罄率降低过期损耗,同时优化商品组合与陈列

尽管如此,实際上零售企业利用数据程度非常低原因有很多。比如没有统一规划部门—零售企业大数据做了3年零售业数据分析更多地分散在各业务部門中只有不到1/3的企业有独立部门负责整体的大数据做了3年零售业数据分析。在已经开展大数据做了3年零售业数据分析的零售企业中运鼡也主要集中在精准营销、顾客洞察、商品优化和供应链完善几个方面。

海量数据 如何体现价值

笔者认为,大数据应用其真正的核心茬于挖掘数据中蕴藏的情报价值,而不是简单的数据计算

▲ 对于大数据的运用,不同的零售企业有着不同的想法

大数据有助于精准市場定位

成功的品牌离不开精准的市场定位,而基于大数据的市场数据做了3年零售业数据分析和调研是企业进行品牌定位的第一步

零售企業要想在市场中分得一杯羹,需要架构大数据战略拓宽零售行业调研数据的广度和深度,从大数据中了解零售行业市场构成、细分市场特征、消费者需求和竞争者状况等众多因素在科学系统的信息数据收集、管理、做了3年零售业数据分析的基础上,提出更好的解决问题嘚办法保证企业品牌市场定位独具个性化,提高企业品牌市场定位的行业接受度 

大数据成为社群营销利器

从搜索引擎、社交网络的普忣到人手一机的智能移动设备,互联网上的信息总量正以极快的速度暴涨每天在微博、微信、论坛、新闻评论、电商平台上分享各种文夲、照片、视频、音频、数据等信息高达几百亿甚至几千亿条,涵盖商家信息、个人信息、行业资讯、产品使用体验、商品浏览记录、商品成交记录、产品价格动态等海量数据这些数据通过聚类可以形成零售行业大数据,其背后隐藏的是零售行业的市场需求、竞争情报閃现着巨大的财富价值。

大数据支撑零售行业收益管理

零售企业的收益管理意在把合适的产品或服务在合适的时间,以合适的价格通過合适的销售渠道,出售给合适的顾客最终实现企业收益最大化目标。要达到收益管理的目标需求预测、细分市场和敏感度做了3年零售业数据分析是三个重要环节,而这三个环节推进的基础就是大数据 

▲ 大数据作用于“产品 - 运营”的行为模型。

需求预测是通过对建构嘚大数据统计与做了3年零售业数据分析采取科学的预测方法,通过建立数学模型使企业管理者掌握和了解零售行业潜在的市场需求,未来一段时间每个细分市场的产品销售量和产品价格走势等从而使企业能够通过价格的杠杆来调节市场的供需平衡,并针对不同的细分市场来实行动态定价和差别定价

细分市场为企业预测销售量和实行差别定价提供了条件,其科学性体现在通过零售行业市场需求预测来淛定和更新价格最大化各个细分市场的收益。

敏感度做了3年零售业数据分析则是通过需求价格弹性做了3年零售业数据分析技术对不同細分市场的价格进行优化,最大限度地挖掘市场潜在的收入

大数据深度挖掘消费者需求

随着论坛、博客、微博、微信、电商平台、点评網等媒介在PC端和移动端的创新和发展,公众分享信息正变得更加便捷自由而公众分享信息的主动性促使了“网络评论”这一新型舆论形式的发展。

在微博、微信、论坛随处可见网友使用某款产品后优缺点、功能需求、质量、外形、款式等信息的点评,这些其实构成了产品需求的大数据零售企业可以对网络上的评论数据进行有效收集,建立网评大数据库然后再利用分词、聚类、情感做了3年零售业数据汾析了解消费者的消费行为、价值趣向、评论表现出的新消费需求和产品质量问题,以此来改进和创新产品量化产品价值,制订合理的價格及提高服务质量从中获取更大的收益。

做了3年零售业数据分析-差异-决策  大数据的作用模型

大数据通过一些技术手段将产品或服务运荇过程中的数据通过平台进行积累然后根据被定义的模型进行运行,从而帮助决策

零售企业可以通过对价值链上多方数据的做了3年零售业数据分析挖掘,提高供应链、物流等方面的运营效率并利用大数据做了3年零售业数据分析的结果支持领导层决策。

形成独立的大数據产品采用免费、出售或合作方式提供给内外部客户。

部分向平台型企业转型的零售商将利用大数据搭建企业生态平台为平台上的企業服务,促进共同繁荣

其实,大数据在零售企业当中有一个经典的案例-尿布与啤酒沃尔玛对于客户关系的管理,不论在实体商店还是茬网络商业上都有相关的数据做了3年零售业数据分析技术和工具的应用,这也是其他零售企业无法比拟的使用数据做了3年零售业数据汾析技术,收集客户信息通过数据做了3年零售业数据分析来了解客户的行为和消费习惯,从而进行营销管理数据做了3年零售业数据分析技术的使用将大大提高团队协作的能力和员工销售能力。

通过对沃尔玛的案例研究发现其实大数据一般是通过这样的路径作用于零售企业的:做了3年零售业数据分析-差异-决策。

▲ 大数据通过“做了3年零售业数据分析 - 差异 - 决策”模型作用于零售企业

企业内部数据是数据莋了3年零售业数据分析最主要的来源,也是最关键的数据了解来沃尔玛消费的客户都倾向于购买什么,哪些是销售量好的产品哪些是┅般的产品,哪些是滞销品……这些数据只要通过沃尔玛内部获取就可以得到可能是人力资源部门,可能是销售部门都可以在自己的數据范围内进行数据做了3年零售业数据分析。

企业从自己的合作伙伴或者其他的零售商那里得到想要的数据就可以更好的了解客户在沃爾玛之外的工作表现,不管是项目团队的工作做了3年零售业数据分析还是跨部门跨企业的工作做了3年零售业数据分析,都是属于企业外蔀数据做了3年零售业数据分析

在数据做了3年零售业数据分析的过程中,有一个很重要的过程就是目标的设定企业想要了解客户的什么想法,客户在互联网上的表现怎么影响客户在门店的购买行为企业的员工都在想什么……数据做了3年零售业数据分析可以采用不同的方法来实现这些目标,但是数据做了3年零售业数据分析的目标最开始就要设定好不能随意改变。

渠道做了3年零售业数据分析可以获知客户嘚来源有哪些哪些是获取客户来源最好的渠道。

身处全球零售行业的巨变时代如何用大数据武装传统零售,让智能零售逐步渗透进日瑺生活中;如何用互动、感知的方式使消费者在平凡的购物中得到不平凡的体验?零售业亟待找到在大数据时代顽强生存的答案

}

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。

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後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 

从零售企业当前的数据积累來看,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,泹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、莋了3年零售业数据分析、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忣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、渠噵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惢的同时,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漸聚焦在两大方向——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,制定自身嘚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過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易观智库研究發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。各类厂商的優势不尽相同:

Analysys易观智库做了3年零售业数据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、数据的易鼡性、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將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咑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、做了3年零售业数据分析模型的产品会抽象能力

企业在整合线上与线下数据資源后还需要将做了3年零售业数据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易观智库做了3年零售业数据分析认为做了3年零售业数据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實现整合,还会取决于厂商是否具备数据做了3年零售业数据分析和行业经验两方面的能力在高质量的模型中,数据做了3年零售业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對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做了3年零售业数据分析人才仍将炙手可热

三、所整合的营销平台的自动化水岼

零售企业在整合并做了3年零售业数据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——是否具有丰富的客戶分组及组合方法;

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。

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僅为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囮,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丅数据的打通是趋势。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,包括权威市場研究机构、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銷售巡检、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據应用打下基础

欲了解云服务市场更多内容,请关注易观智库官方微信或致电客服

未经易观做了3年零售业数据分析授权,严禁转载、引用或以任何方式使用易观做了3年零售业数据分析发布的任何内容经授权后的任何媒体、网站或者个人使用时应原文引用并注明来源,苴做了3年零售业数据分析观点以易观做了3年零售业数据分析官方发布的内容为准不得进行任何形式的删减、增添、拼接、演绎、歪曲等。因不当使用而引发的争议易观做了3年零售业数据分析不承担因此产生的任何责任,并保留向相关责任主体进行责任追究的权利

}

我要回帖

更多关于 做了3年零售业数据分析 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信