第6章 新零售數(shù)據(jù)化運(yùn)營-1

新零售數(shù)據(jù)化運(yùn)營第六章6.1零售數(shù)據(jù)化6.1零售數(shù)據(jù)化6.1.1零售數(shù)據(jù)化概述1.零售數(shù)據(jù)化的定義零售數(shù)據(jù)化就是通過互聯(lián)網(wǎng)、人工智能等新興技術(shù)，將傳統(tǒng)零售業(yè)的人、貨、場指標(biāo)進(jìn)行數(shù)字化，將其變?yōu)橹庇^的、可供分析的數(shù)據(jù)，并對其進(jìn)行處理分析，最終實(shí)現(xiàn)全渠道覆蓋、全鏈條連通的新零售轉(zhuǎn)型。6.1零售數(shù)據(jù)化6.1.1零售數(shù)據(jù)化概述2.零售數(shù)據(jù)化的條件完善的數(shù)據(jù)軟件系統(tǒng)企業(yè)的數(shù)據(jù)系統(tǒng)結(jié)構(gòu)要更加科學(xué)合理，能滿足多場景的應(yīng)用需求。完整的基礎(chǔ)數(shù)據(jù)從某種意義上講，更準(zhǔn)確、更及時、生成面更廣的數(shù)據(jù)導(dǎo)入，將更有價值，能對企業(yè)發(fā)展起到更大的指導(dǎo)作用。完善的數(shù)據(jù)中臺服務(wù)數(shù)據(jù)應(yīng)用需要建立一個完整的數(shù)據(jù)中臺，指提取各個業(yè)務(wù)的數(shù)據(jù)，統(tǒng)一標(biāo)準(zhǔn)和口徑，通過數(shù)據(jù)計(jì)算和加工為用戶提供數(shù)據(jù)服務(wù)。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)①解析人的數(shù)據(jù)分析用戶數(shù)據(jù)，準(zhǔn)確識別用戶，企業(yè)需要回答六個問題：What——消費(fèi)者進(jìn)店都做了一些什么事情？Why——消費(fèi)者進(jìn)店為什么要做某件事？Who——誰是消費(fèi)者，有哪些特征？Where——消費(fèi)者一般去哪些位置？When——消費(fèi)者訪問的時間一般是什么時候？How——消費(fèi)者是怎么做這些事情的？6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)②“人”的數(shù)據(jù)化實(shí)現(xiàn)的步驟采集數(shù)據(jù)：消費(fèi)者的原始數(shù)據(jù)采集可以通過線上采集和線下采集兩個渠道。建立標(biāo)簽：通過分析數(shù)據(jù)建立一個標(biāo)簽庫，然后對符合要求的人群打上相對應(yīng)的標(biāo)簽。人群建模：對提取的標(biāo)簽特征進(jìn)行統(tǒng)計(jì)分析，發(fā)現(xiàn)之間的關(guān)聯(lián)和模式，進(jìn)一步理解消費(fèi)者的行為和偏好。用戶畫像：給人群匹配各種不同的標(biāo)簽組合，然后為每個人建立一個很清晰的畫像，即“人”的全息畫像。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)③“人”的數(shù)據(jù)類型根據(jù)人口學(xué)特征進(jìn)行劃分：可以分為性別、年齡、地域以及職業(yè)等。這些指標(biāo)的差異也預(yù)示著消費(fèi)者的需求不同，可以據(jù)此進(jìn)行市場細(xì)分，再對選定的目標(biāo)市場進(jìn)行重點(diǎn)運(yùn)營。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)③“人”的數(shù)據(jù)類型根據(jù)活躍度進(jìn)行劃分：可以分為新用戶和老用戶。新用戶的分析指標(biāo)包括“新注冊UV”“新UV轉(zhuǎn)化率”“新客客單”等；老用戶根據(jù)“活躍天數(shù)”“復(fù)購率”等又可以進(jìn)一步劃分為活躍用戶、沉睡用戶以及高危用戶，企業(yè)可以據(jù)此對各類用戶采取相應(yīng)的措施。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型1.新零售“人”的數(shù)據(jù)③“人”的數(shù)據(jù)類型根據(jù)用戶價值進(jìn)行劃分：可以選取“客單價”“轉(zhuǎn)化率”“復(fù)購率”等等作為分析指標(biāo)。其中“復(fù)購率”是較為直觀地能夠反映運(yùn)營數(shù)據(jù)好壞的指標(biāo)。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型2.新零售“貨”的數(shù)據(jù)①解析“貨”的數(shù)據(jù)“貨”即商品。商品數(shù)據(jù)主要包括商品的各項(xiàng)參數(shù)數(shù)據(jù)、庫存數(shù)據(jù)、價格數(shù)據(jù)、銷售數(shù)據(jù)、評價數(shù)據(jù)等?！柏洝钡臄?shù)據(jù)化主要為企業(yè)解決“賣什么比較好、賣多少較恰當(dāng)、怎么把商品賣出去、賺多少”這四大核心問題。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型2.新零售“貨”的數(shù)據(jù)②“貨”的數(shù)據(jù)化作用“貨”的數(shù)據(jù)化可以幫助企業(yè)實(shí)現(xiàn)按需生產(chǎn)實(shí)現(xiàn)供應(yīng)鏈前端和后端的銜接，使各個環(huán)節(jié)數(shù)據(jù)有效對接?！柏洝钡臄?shù)據(jù)化可以改進(jìn)線下門店經(jīng)營線下店鋪利用線上數(shù)據(jù)，分析出應(yīng)該如何設(shè)計(jì)商品展示櫥窗，如何向消費(fèi)者推薦符合需求的商品等，從而直接促進(jìn)交易的達(dá)成。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型2.新零售“貨”的數(shù)據(jù)③“貨”的數(shù)據(jù)類型根據(jù)商品的銷售情況進(jìn)行分析“退貨率”“售罄率”可以直觀地反映商品的受歡迎程度；“周轉(zhuǎn)天數(shù)”“庫銷比”“平均單價”則可以衡量商品的周轉(zhuǎn)情況。根據(jù)庫存管理進(jìn)行劃分可以通過“品類庫存量”“商品SKU動銷率”“銷售庫存結(jié)構(gòu)”“異常庫存”等指標(biāo)進(jìn)行分析。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型3.新零售“場”的數(shù)據(jù)①解析“場”的數(shù)據(jù)“場”也就是消費(fèi)的場所或渠道。新零售的“場”是一場多用的“場”，線下門店也融合了線上數(shù)據(jù)。在交互場景中實(shí)現(xiàn)了商品數(shù)字化，交易場景中實(shí)現(xiàn)了支付自動化。6.1零售數(shù)據(jù)化6.1.2新零售數(shù)據(jù)類型3.新零售“場”的數(shù)據(jù)②“場”的數(shù)據(jù)類型根據(jù)流量趨勢分析包括“獨(dú)立訪問者數(shù)量”“重復(fù)訪問者數(shù)量”“頁面瀏覽數(shù)”“門店客流量”等，以此反映門店或者網(wǎng)頁訪問情況。根據(jù)流量來源分析包括“流量來源頻次分析”“流量來源權(quán)重分析”等，以此反映客戶的獲取渠道。6.1零售數(shù)據(jù)化6.1.3新零售數(shù)據(jù)收集1.線上數(shù)據(jù)收集①“數(shù)據(jù)中臺數(shù)據(jù)收集包含數(shù)據(jù)采集、數(shù)據(jù)處理、對企業(yè)提供數(shù)據(jù)支撐等環(huán)節(jié)，從而緊密地和業(yè)務(wù)、運(yùn)營結(jié)合在一起。②社交網(wǎng)站數(shù)據(jù)收集的核心是利用圖文和社交網(wǎng)絡(luò)分析方法來認(rèn)識和預(yù)測消費(fèi)者在社交網(wǎng)站上的行為。③搜索網(wǎng)站數(shù)據(jù)收集搜索網(wǎng)站根據(jù)特定的計(jì)算機(jī)程序向用戶提供互聯(lián)網(wǎng)上的各色信息，并對信息進(jìn)行整理，為用戶提供檢索服務(wù)。6.1零售數(shù)據(jù)化6.1.3新零售數(shù)據(jù)收集2.線下數(shù)據(jù)收集①線下門店CRM系統(tǒng)數(shù)據(jù)收集通過數(shù)據(jù)采集傳感器技術(shù)，在線下門店一定范圍內(nèi)定位到用戶，再結(jié)合用戶歷史購買數(shù)據(jù)和線上操作數(shù)據(jù)，經(jīng)過計(jì)