线下零售企业在数据驱动上的三个挑战和三条思路

从零开始学运营,10年运营老司机带路,2天线下集训+1年在线学习,做个优秀的运营人。了解详情

数据分析渗透传统企业是互联网时代大势所趋,这是我一直思考的重点。这次我把问题圈定在线下零售企业。我从数据的视角探讨问题,并不是针对线下零售的全方位解决方案。我的思考总结为三个挑战和三条思路。

挑战一:数据采集能力不足

线下零售相比线上电商,在数据采集上有天然的劣势。对于电商来说,我们把一个用户的渠道来源、浏览的商品详情、注册登录信息、加入购物车、购买等完整的行为路径记录下来。

而线下门店只能通过 POS 机记录下来交易流水,虽然大多数的大型商超都有会员卡,但是激活率可能不到 20%。

这种交易流水,不只是不知道是谁购买的,对于同一个人的交易记录,也没有办法通过匿名的方式串通起来。这样就不能很好的进行用户喜好分析,也不能通过漏斗转化的方式赶鸭子上架,更多的时候是通过店内摆放和导购员推销。

当然,线下门店有它天然的好处,比如来店人群一般就居住在周边,天然带有 LBS 信息。

一家门店开在哪里,自然就是一个流量入口,而线上的流量可以说是越来越贵,流量红利在消失。

我听到的数据是目前线上电商花多少钱的广告费,只能换来等量的收入。

如果用户留存度不高,这可是亏本的买卖。

挑战二:IT 化程度低

中国的 IT 化可以说从 2000 年才真正开始的,到 2015 年算是完成了第一个阶段。在这个阶段里,虽然针对个人网民的娱乐消费带来的极大的发展,如三大门户、BAT 等,但在 To B 领域的进展并不理想,我总结主要干了这四件事:

  1. 官网
  2. ERP
  3. CRM
  4. 财务软件

特别是 ERP 这样的系统,有时候并不是效率提升的工具,可能只是官僚工具。而从 2015 年开始,又进入了 IT 化的第二个阶段,这个阶段才是真正解决企业的效率问题。

比如蘑菇租房提供房东进行房租、水电煤之类的缴费管理,易订货方便厂商管理渠道。数据化的前提是 IT 化,如果 IT 化本身做的不够好,数据驱动就无从谈起了。

挑战三:数据意识薄弱

我曾经和一个连锁零售的创业者一起探讨数据驱动,在交流中,我发现他在数据方面非常关心,数据意识也非常好,不禁的赞叹他。

可他给我说光他自己有数据意识可不行,重点是怎么让企业里的每一个部门都能有数据意识,通过数据来做决策。

也经常有朋友问我对中美两国在数据分析水平上有多大差异。

在我看来,对于 BAT 和 Facebook、Google 这些比较靠前的公司来说,它们的数据分析水平可以说在一个水准。但是整个美国的 IT 化程度高,数据意识好,而中国的庞大基数却欠缺很多,也就是中位数差距比较大。对国内的数据驱动来说,重点还是把庞大的基数提升到一个新的层次。

说完了三个挑战,我再说一说在数据驱动上的思路。

思路一:线上、线下数据打通

我不时听到有人说理想状态是客户从线上下单,然后线下提货,我对此并不是特别认同,我觉得更有可能的是线下店体验,然后直接扫码下单,快递到家。

这个逻辑很简单,中国的物流这么发达,远超过美国,都已经下单了,为啥还要跑店里提货呢,要知道跑一趟的成本是很高的,特别是在北京这种到处拥堵的城市。

像衣服、鞋子之类的,有时候只有线下体验了,才知道是否合身,这个时候如果直接扫码下单,就省得营业员要到仓库取货,这里仓储和营业人工成本就会得到极大下降,甚至很容易做到无人值守的门店。线上统一发货显然有更高的效率。

所以在这里,线上店的作用,可能就是展示新品,引导客户到店体验,满意后扫码下单。当然,用户看到线上产品很有信心,那直接下单就可以了,这就是典型的电商。对于已经购买的顾客,我们可以有会员营销,提供折扣券之类的,这就是 Social-CRM(SCRM)。

还有一点就是不管是线上的客户还是线下的客户,我们尽量把他们的行为给串到一起,这样方便综合分析一个用户。

思路二:行为数据和业务交易数据的打通

前面提到数据采集能力的问题,相比线上,线下店的顾客,都看了什么商品,停留在某些货架的时间等,这些信息都不能记录下来,虽然有些创业公司进行了有益的尝试,但现在还不是特别理想,至少远没有达到线上应用所能记录的水准。在围绕线下用户数据的采集上,我把它分成三个层次。

  • 第一个层次是通过 WIFI、Beacon、红外、摄像头等统计人流量,这类信息可以说是锦上添花,并不能真正给商家带来多大的实际价值,可以说是半吊子的产品。这也比较接近互联网早期的访问量统计,当然,访问量统计相比价值还更大一些;
  • 第二个层次是通过摄像头识别人脸,然后进行回头客的验证。国内有好几家人脸识别的公司,像商汤科技、格灵深瞳等,在少量的用户上进行识别是没有问题的。但要在几百上千万的用户里准确识别,这个不管是技术本身还是成本上,都还是非常有挑战的;
  • 第三个层次就是像互联网一样详细跟踪每一个用户的行为,这点目前还是做的很不好。一些图像识别的公司的方案主要还是用于安防领域,并不能进行海量的用户行为跟踪。对于线下门店来说,成本是个不容忽视的因素。

但现在有了一些比较好的趋势,特别是微信、支付宝的移动支付迅速普及,我了解的情况是有些线下店的移动支付比例已经超过了 50%,可以预期的是未来两三年这个比例将会达到新高。在移动支付的情况下,虽然我们不知道这个用户具体是谁,但却可以讲同一个用户的交易记录给串起来。另外是移动支付时,注册会员和激活会员的成本变得非常低,这样至少可以很好的进行用户交易数据的分析。

在行为数据和业务交易数据的打通方面,无疑 Amazon Go 商店做了有益的尝试,打出了“No lines, No checkout”的口号,这听上去是生了收银员,但实际来说它会通过传感器记录你每一次的取商品、放商品之类的操作,这些对经营分析非常的有意义。

思路三:全部门、全场景的数据驱动

虽然许多数据的采集非常困难,但数据驱动意识的培养,却是可以先行的。

对于一个线下零售企业来说,即使只用好交易数据和进销存数据,也可以产生很大的价值。不要因为数据量太少,就觉得不值得分析。不要因为是线下门店,就觉得不好实现数据驱动。

用数据说话的意识应该灌输到公司的每个人心中,在做一些经营决策时,首先考虑是不是能够通过一些数据做支撑。这种意识就像思考要有逻辑性一样重要,要让它成为一种条件反射。

这其实对老板提出了更高的要求,如果老板本身具有数据意识,在做决策时基于数据,下面的人也会跟着学习。相反,如果一线的人花很大功夫整理的数据,老板根本就不看一眼,下面的人自然就没了动力。

以上是最近的一些思考,希望对你有所启发。

 

作者:桑文锋,神策数据创始人&CEO,前百度大数据部技术经理。

本文由 @桑文锋 原创发布于人人都是产品经理。未经许可,禁止转载。

祝给予赞赏的伙伴,2017年发大财!

评论( 0

写下你的想法

推荐阅读