
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
机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 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 ...
2025-09-01