
在零售行业大数据分析还处于刚刚起步的阶段
大数据技术近年来持续落地到各个行业,各种案例层出不穷。但在零售业,特别是线下传统零售行业,大数据分析还处于刚刚起步的阶段。
可是零售业销售环境却已变得错综复杂:
百货商场受到购物中心冲击,怎么重新定位?如何与电子商务结合?互联网兴起后,80-90后消费者购物习惯发生变化,如何更好地理解客户,针对性设计、营销产品,并与客户互动?
在消费者都已经利用大数据武装自己,提出更多个性化的需求的时候,传统零售业如何寻找这些答案?
要回答这个问题首先要考虑如何搭建企业内部的大数据分析平台。作为时尚领军品牌的星期六鞋业,相比竞争对手来说,已是先吃螃蟹的企业,在2015年6月就已经与IBM签署了合作,通过使用PCI解决方案,深挖数据背后的价值,实现销量增加至少0.5%的结果。
但罗马不是一天建成的,具体怎么做的?星期六股份有限公司副总经理刘海金在今年IBM大数据与分析主题周中分享了其搭建平台、布局O2O的策略。
1如何做最佳决策,制定O2O策略?
营销决策的核心是要知道“客户在哪”,从观察到洞察客户,看到一个清晰的360°客户画像。大数据洞察与分析平台的最大价值就体现在支持决策上。
那么,如何做到最佳决策?
分析传统零售业面临的困境,比如星期六鞋业经过二十多年发展,从过去简单批发为主的销售模式,到百货公司兴起后带来零售商之间的竞争;再到现在面临的购物中心和电子商务的冲击,现实的困境和挑战都让管理者感到迫在眉睫,如何在这种变革中以数据化的方式衡量利弊,做出最好的决策,很有必要。
这也是星期六鞋业较早地开始搭建大数据分析平台的原因。PCI不仅可以将星期六鞋业的品牌、业务系统和数据集进行整合及分析,还能把营销和产品设计团队植入了新的客户洞察能力,并且实现自动预测分析及结果生成。
刘海金介绍,经过数据分析有一些新发现:
百货商场业绩存在下滑趋势,而购物中心和电子商务呈现高速增长趋势,且未来还会有更大增长。但这并不意味着盲目和购物中心、电商合作,有了大数据分析与洞察平台,就可以根据用户综合分析来合理规划投入占比,“冷静地”处理与各个平台的关系。
比如通过热力图分析,发现网上购买的用户恰巧在实体店周边,说明是品牌影响力带动的线上销售。 这样就可以“把有限资源投入到有价值的领域去,进行有针对性的营销活动,并且100万的市场活动经费,投入出去可以直接看到推广效果,有助于评估。”
除此之外,刘海金认为,通过针对性营销活动和精准运营还远远不够。目前来说,以淘宝、京东为主的电商都在支持线下传统品牌,主要是因为其有实实在在的产品。而星期六鞋业也正事迎合了这种趋势,有针对性的设计产品,因此近期在电子商务销售增量上非常明显。
这就涉及产品组合和定价策略。根据大数据洞察能力,不是简单的把信息归纳在一起,而是可以实现多角度分析,来调整线上、线下价格,使之趋于一致。并根据具体销售情况,来做产品组合策略,迎合线上客户需求。
这也是正星期六鞋业在2015年6月与IBM签署合作后第一步要做的,即设定公司五年战略规划,未来将更注重产品类别多元化、制定O2O策略、拓宽更多销售渠道。
2选择平台很重要 模型成为企业资产
也许你会问,做大数据解决方案的那么多,为什么IBM能够吸引星期六鞋业?刘海金表示,主要是因为IBM“拿出了实实在在的O2O应用场景案例”。而这也是得益于IBM在这方面做得比较早,具有先发优势。
那么如何落地?
针对具体情况,星期六鞋业是全链条的,涉及产品设计、采购、生产、营销、服务、售后,背后的IT技术如何支撑?这就需要建设统一的客户分析平台。
可以说,作为传统零售企业,其各个层面的决策的都可以在平台上根据数据来洞察。正如刘海金所说,“时尚企业要把握时机,知道客户在哪里、匹配什么产品?”
并且,在这个平台上,各部门之间的数据是共享的。最直接的体现是在管理人和库存这两个最重要的资产上,可以充分调动。他认为,“过去的工作模式比较粗放,在搭建这个平台后,发现可以开展更多工作,延伸出更多的商业模式”。
最吸引企业的是,平台中的模型对于企业来讲也是一个资产,利用模型能够帮助客户快速的利用已有的资源来落地和实现决策功能。比如客户细分模型、客户价值分析模型、社交媒体监控及分析模型、产品组合推荐模型、客户流失模型、客户响应(促销/客户活动)模型、门店选择分析模型、消费者转化模型等等。
3合作探讨 落地快
据了解,星期六鞋业的大数据分析与洞察平台在短短4个月之内已初步搭建完成,通过PCI解决方案整合并模型化了来自客户、外部(天猫、京东、互联网等)及星期六股份有限公司内部数据。
之所以进展这么快,刘海金认为,是因为IBM不仅有大数据分析技术,同时对传统行业有对口专家指导。进一步说,双方合作方式是,先探讨发展问题,再落地大数据解决方案,加之IBM团队提供咨询服务,配合星期六技术团队一起来实施。
当然,星期六领导层的重视也是推动项目落地的重要原因,在制定O2O策略、搭建平台后,集团层面明确了下一步发展方向,至于如何进一步落地到基层,还需要企业内部的宣讲会、培训,从管理层、开发、客户服务、销售不同层面推动,最后可以让购物中心经理层直接拿到数据开展工作。
除此之外,市场策略还受时意见达人的影响,因此与IBM第三部分合作还涉及到外部数据源的集成,据此可以进行尚领袖、舆情监控,与客户更好地互动。就像刘海金的比喻,“如同给企业一双眼睛,看到市场发生的变化,以及未来几年的战略规划”。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29