京公网安备 11010802034615号
经营许可证编号:京B2-20210330
传统零售与O2O零售之间差着一个“大数据”
O2O火了,也让更多人将目光聚焦到了实体零售,国内电商的强大有目共睹,但近期的“关店潮”证明O2O的另一只腿依然是“瘸”的。
错过电商化的时代,O2O时代很多实体零售商都不甘就此消亡,大企业纷纷开始自救,苏宁2011年就开始发力线上,近期更是联手阿里,万达拉来百度苏宁做非凡电商,沃尔玛各种折腾最终将1号店收归囊下,朝阳大悦城建立“悦界”从Shopping Center向Lifestyle Center快速转型……大公司自救,中小实体零售靠平台“拥抱互联网”,于是饿了么、美团外卖聚集了一大批餐饮店铺,唯品会、聚美优品是服饰类零售商的聚集地……
与其艳羡电商覆盖面大,不如保有自己本色
全民“电商化”带来了什么呢?移动支付成了“抢手饽饽”,前有阿里布局支付宝,后有微信的钱包,百度、京东也各有自己的移动钱包,大众点评的张涛也表示转型做移动支付……大家纷纷为O2O铺路是为实体零售商创造了复兴的机会,但扎堆做移动支付,并不能满足实体零售扭转“O2O”劣势的愿望。
实体零售与电商最大差别之一在于:电商覆盖面积往往远广于实体零售。一家中小型超市的覆盖面积是2500㎡,基本是附近居民步行10分钟或5分钟自驾的距离,理论上来说淘宝的小店铺的覆盖面积也远大于国内任何一家大型商场。实体零售既然不能做大,与其临渊羡鱼,不如专心经营自己那一亩三分地,做“精”用“小而美”吸引用户。
像现在非常火的黄太吉、雕爷牛腩,以及西少爷,是单以味道取胜吗?黄太吉的成功,营销的因素远高于商品本身价值,不仅利用微信微博与粉丝大量互动,同时还针对三里屯特定的白领消费场景打造自身服务特色,一家满足了用户所有需求的店铺,顾客又怎会去另一家店“探险”?
大数据让实体零售“小而美”不是梦
如何做到“小而美”呢?目前最便捷的方法就是大数据。
马云在去年互联网大会上曾说:“上世纪做企业一定要做好IT(Information Technology),这个世纪做企业要做好DT(Data Technology)。“DT就是数据技术,对实体零售而言,大数据就是粉丝,就是精准营销。
“客来乐”支付终端近期推出的线下收银台整体解决2.0方案也暗合大数据时代的精准营销,这套方案的收银终端有两个显示屏的体态装扫码器,与人体呈90度的屏幕显示二维码,以及优惠券和优惠活动,与人体称呈60度的屏幕用来扫码,主扫与被扫可以在一个机器上完成,收银员的操作与传统方式无异,避免了收银环节的核对与找零。
简化收银环节是一个优势,最值得实体零售关注的创新是收银打印出的发票上附有店铺的微信公众号二维码,同时使用微信支付,在手机端的支付面会提示顾客是否关注该企业微信公众平台,此举目的是收集用户数据以便最终可以达成精准营销等行为。据客来乐CEO介绍,目前这款产品已接入200多家支付方式,此前曾有店铺25%的进店消费用户选择关注该店铺公众号,这部分用户就成为了该店铺的核心用户,利用微信公众号可以向这些用户推送优惠券、店铺最新活动,最终形成自己的粉丝圈。
日本实体零售遭电商冲击小,秘诀亦在数据收集
为什么电商对日本实体零售影响不大?也是因为大数据的收集。
日本7-11株式会社培训部部长蒲哲介绍到:一是7-11整体销售额的60%来自自主研发,每周推荐的新商品约占100 SKU,行业壁垒较高,其二是因为日本传统零售商的互联网+起步比国内早十年,实体零售商已经习惯用互联网收集用户数据,从而形成精准营销,第三点是不仅对中高龄的用户会推荐产品,针对新生用户,更是与之不断互动,且通过各种方法将年轻用户吸引到店里来,譬如购买市面上的热门游戏,以供到店用户免费下载。7-11也因此越做越大,其地位难以被电商撼动。
各种杂、大、全的网购就像快餐,适于应急但由于“不接地气”所以与用户的感情难以培养,但实体零售却很容易利用大数据了解用户需求从而建立精准营销,当你常去的店,店主记住了你吃饭不喜辣,喝水要温,喜欢靠窗的座位······他已不仅是在满足用户的消费需求,而是在满足用户情感需求,这种顾客又怎会不是“老顾客”呢?
最后,用北大零售业研究中心主任王向阳的对实体零售的一句话结束本文:不是电商太强,而是实体零售太弱。请实体零售快马追上吧,否则,你做不到的,你的竞争者会做到!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22