
大数据时代的百货经营变革
曾有人评论,马云之所以成功,就在于其通过支付宝和评价体系重塑了人与人之间的信任关系。而传统百货的O2O变革,将在大数据的助力下重塑人与商业、人与商品、人与服务、人与体验乃至于人与世界之间的了解与信任。
传统百货的现行O2O之路——被动的挣扎
百货行业投身于O2O转型背后的最大动力,毫无疑问是来自电商的冲击。
据华润创业方面的分析,来自电商行业的竞争对赢利造成了冲击,影响零售业务同店销售同比下降2.6%。广州友谊在年初也曾表示,去年网络零售对市场份额的分流明显,传统零售行业整体增长进一步放缓,多重困难与挑战交织。而王府井百货同样在公告中宣称,互联网零售和跨境电商的迅猛发展,对该公司以及行业的收入增长造成一定影响。
遗憾的是,传统百货业面对这一轮冲击后最初的反应,并不是一种基于对电商及自身特点理性分析后的沉着应对,而更多展现出的是一种惊慌失措之后的应激反应,这里最为典型的一个标志性行为便是自建B2C商城。据统计,2014年中国连锁经营协会百强调查所公布的50家主要百货企业中,有36家已经开展网络零售业务,多为自建B2C平台。
自建B2C平台行为本身并无可厚非,但其却折射出传统百货业从业者一个相对狭隘的竞争思维定式——就如同和过去的竞争对手拼商品一样,如果你某样商品卖得好,那么我也花力气引进并且卖得便宜就能赶超你!就这样,传统百货竞争力减弱的问题,被简单地解读为线上渠道的缺失,进而采取了同样简单粗暴的处理方式——自建线上渠道。其结果是显而易见的,尽管投入惊人,但无论是流量还是销售额均无法与纯电商抗衡,传统百货线上渠道的规模化发展遥遥无期。
部分企业选择了入驻开放平台的策略,虽然能够有效减少自身投入,但因为没有平台的主动权和话语权,很难取得突破性的成长。随着移动互联网的兴起,很多传统百货又开始投身于争夺移动端入口的竞争中,各个百货的APP层出不穷,但其结果与自建B2C平台大同小异。
尽管很多传统百货在形式上实现了多渠道的O2O模式,可实际上给企业带来的只有巨额的投入和不成比例的流量及销售额。以王府井百货为例,其电子商务项目建设一直面对着亏损严重的问题。据年报数据显示,截至2014年,王府井电子商务项目亏损已达到4206.28万元。
毋庸讳言,当下大部分传统百货的O2O转型,本质上是被电商所带来的焦虑驱动的,这使得它们的O2O之路从一开始便迷失了方向。
全渠道,看似美丽
在2014年,还出现了这样一个有趣的现象,在很多传统零售企业的思想中,比O2O热度更胜一筹的一个关键词是“全渠道”。
他们都觉得O2O太虚,不如全渠道实在。
这一点从很多企业的战略报告中就能够得以显现,“全渠道”的词频远超“O2O”,很多行业峰会上也将“全渠道”作为“O2O”的代名词。
这背后隐含的社会心理不难分析:“O2O”太深、太远、太晦涩,谁也一句话说不清楚,给人一种极其强烈的不安全感。而“全渠道”就不一样了,有渠道就意味着有客流量,有客流量就意味着能带来销售和利润,如果渠道能变全,那么将能带来更多的销售和利润,缓解目前传统百货的经营颓势。
这种简单的逻辑最容易迎合传统从业者目前的焦虑心理,是更实在的O2O思维。对此就曾有媒体人评论:“相比欧美国家,中国目前的O2O更急功近利,更看重利润,缺乏对社会进行数字化改造的诚意和理想。”
现实是残酷的,用简单的思维解决复杂的问题,必然带来复杂的结果。
传统零售企业的全渠道之路初步试水,就立即遇到了流量获取与流量转化这两大难题。基于各种流量入口的网络地产和线下盘踞黄金地段、坐等客户上门的商业地产,逻辑完全不同。目前电商的新客获取成本已经达到300元左右,加上纯电商不断加大投入力度,传统零售商在争取线上流量上已毫无优势可言。而把自身拥有的庞大线下客流转化到线上,也被事实证明只是一厢情愿。渠道与渠道之间的消费者,并不会想当然地实现互动。深耕湖南市场19年的步步高集团,年线下进店客流可达10亿人次,尽管喊出了要在三年内将转化率达到60%的宏伟目标,并采取了用电子小票取代纸质小票、加入各种引导性优惠活动的措施,可从目前云猴网的实际表现上看,还是与目标有着不小的落差。
总的来说,“全渠道”打着“O2O”的旗号,却仍在延续着过去“以商品为核心”的思维导向,依然是在以企业自身为出发点,本质上没有为消费者创造出额外的价值,自然无法获得市场的认可。
O2O的真正意义与切入点——大数据应用
传统企业如何走上正确的O2O之路?想要回答这个问题就必须回归到商业的本质,即“以消费者为核心”,来看待Online与Offline的价值。简单地说,Online对于消费者来说,最大的魅力莫过于信息获取的便利性,而对于Offline,则是无可取代的现实体验感。因此对于传统企业来说,最好的O2O战略就是能让消费者在自己的平台上实现信息与体验的完美融合。而想实现这一融合就离不开大数据的帮助。
传统百货业必须突破的一个思维误区便是将渠道仅仅视为流量的入口,而没有意识到它更为重要的价值是数据的入口;把“O2O”中的“2”视为流量的转化,而忽视了数据之间的交互。事实上,在可以预见的未来,大数据将成为所有企业的核心资产,失去了数据就意味着丧失了竞争力,而作为渠道终端的零售业在这方面有着天然的优势。传统百货业对上游议价能力的来源,未来也将从占有渠道向占有数据全面转变。
没有把数据打通的O2O模式是有断层的,其结果是线上与线下之间的各自为战,无法创造出新的价值。
亚马逊2013年12月获得了一项名为“预测式发货”的新专利,可以通过对用户数据的分析,在他们还没有下单购物前,提前发出包裹。而这种超越性的分析预测能力,正是来源于亚马逊对客户之前的订单、商品搜索记录、愿望清单、购物车,甚至包括用户的鼠标在某件商品上悬停的时间这一系列大数据的综合分析所获得,进而实现在消费者实际下单前便将包裹发出。
线下在数据收集能力方面要滞后于线上,但是通过大数据平台的交互后,线下渠道可以有效地将线上平台反馈的数据用于消费者体验的升级工作,为消费者创造更多的超值体验。同时,随着增强现实技术、近距离技术、远红外客流检测、二维码扫描、电子支付……新兴技术不断涌现,将更好地武装线下实体店,也让线下渠道的数据收集能力不断增强,做到与线上数据互动补充。
线上线下数据的融合,将为传统百货勾勒出更为完整的消费者画像,将顾客的生理、心理、行为等特征全方位掌握,进而为经营决策提供强有力的支持辅助,实现对消费者的精准营销。
对于消费者来说,既能轻松地在线上端寻找到自己所需的商品,又能够在线下享受到优质的服务体验,将对平台产生极大的黏性。而对于企业来说,通过大数据所带来的运营能力提升,将最终体现为销售额的增长与赢利,真正实现摆脱同质化、转型升级的目标,这才是O2O的真正价值所在。
大数据时代的百货经营变革展望
对于传统百货的大数据升级,国外同行业者已走在了前面。梅西百货早在数年前便开始了基于大数据的O2O布局,具体方式包括:
线下门店配备订单处理系统。
通过店内无线热点了解消费者动线,优化门店动线设计,帮助品牌商开展营销服务。另外,与谷歌地图合作,提供品牌导航服务。
与谷歌钱包合作,提供手机支付服务。
门店内安装信息亭(Kiosk)供消费者查询商品基本属性、售价、库存情况等信息,支持在线下单、结算功能。
上线官方APP应用软件,消费者可通过APP查询商品和其他消费者评论信息、下单、支付、晒单,也可以填答线上消费满意度问卷,反馈体验感受。
梅西百货的示范效应不仅在于其技术应用层面的创新,还在于其软性服务的优化。例如,梅西百货在每一个Kiosk旁都配备客服人员,引领顾客到相应的品牌店试用产品,并帮助顾客在自己携带的移动设备上下单结算。顾客在这种消费体验中感受到方便、目标性强,更重要的是被重视,复购率自然提升。这一点也提醒着我们,对于大数据应用来说,硬件设施和软性服务同样重要。
国内的百货业在经过最初的渠道焦虑后,也逐步开始理性认知大数据价值。2013年,王府井、银泰、新世界、天虹等国内大型连锁百货企业纷纷铺设Wi-Fi,面向消费者提供免费服务。据了解,铺设Wi-Fi平均每个单店初期投入在40万—60万元之间,全部完成后可实现以下功能:
精准营销,用户连接Wi-Fi后其联系方式、行动路线等数据信息会同步传输至后台系统,后台参考此用户的网购数据反馈用户属性,然后推送相关产品优惠券或活动信息。
商场动线优化,根据长期用户行动路线数据积累,商场可优化柜台位置。
对于国内传统百货业来说,在构建以大数据为基础的百货O2O模式过程中,有两个方向值得重点关注。
1、建立有效的大数据分析与应用转化能力。大数据概念尽管已经被业界广泛接纳,但在技术层面上还并不成熟,分析与应用转化还远未达到自动化、智能化的阶段,并且相应的投入也十分高昂。如何低成本地将大数据转化成有效的生产力,是摆在传统零售企业面前的一个难题。在这一方面,国内一些百货企业摸索出了“让企业成为O2O平台,让员工成为大数据云处理端”的创新模式,为当下阶段的传统零售企业提供了一个解决思路。其中的代表企业为天虹的“天虹微品”。
天虹在去年年底正式推出了“天虹微品” 全员销售APP,天虹微品通过精选商品传送至手机端,员工“店主”可根据需要在自己开设的网店编辑商品,再利用微信、微博、QQ等社交工具将商品分享至自己的社交圈,提供服务,形成销售。公司负责商品采购和库存管理、营销图文制作、订单处理、物流配送和统一客服等工作,并对“店主”销售和服务行为进行严格管控。
天虹微品产生的效果是,天虹公司通过大平台在提供商品和支持服务的同时,做出共性的大数据分析(推荐爆款商品)。而员工作为小前端,则在此基础上根据自己面对的客户迅速做出调整,实现了有效的大数据应用互动。
而对于消费者来说,可以通过线上线下平台随时随地找到天虹任何一家门店一个楼层一个品类甚至是一个专柜的店员,相当于天虹60余家门店的上万名实体店员,都是“天虹移动端”上的“店小二”,线上与顾客开展一对一导购服务,无论是售前、售中还是售后,顾客预约后,线下专属服务和售后都会更加便利有保证。
2、通过大数据分析,获得自营能力,摆脱差异化。目前,中国大部分传统百货商场均处于大品类管理层面,其商品编码方式是按照一个专柜下扣点率定义的不同大类编码,此编码只与柜台扣点率相关,并无商品基本属性、价格、库存等深入数据。在不掌握商品信息的情况下,百货企业很难帮助柜台开展个性化的营销活动,零售商角色弱化,更接近“二房东”定位。
大数据分析将通过线上线下两重通道对数据的分析把控,牢牢掌握进出平台每一个商品的单品信息,帮助企业实现从品类管理到单品管理的转变。单品管理的实现,意味着企业将能够有效把握商品进销存节奏、控制库存风险的能力,进而全面掌握商品自营能力。传统百货将有望完成从简单联营→深度联营→单品管理→数据共享、独有商品→经销商品、集合店→自有商品的一级级蜕变,成为真正有差异化竞争优势的市场单元。
业内曾有人评论,马云之所以成功,就在于其通过支付宝和评价体系重塑了人与人之间的信任关系。而传统百货的O2O变革,将在大数据的助力下重塑人与商业、人与商品、人与服务、人与体验乃至于人与世界之间的了解与信任。只有为这个世界在数字化、互联网化进程中扮演贡献力量的角色,才能够在这个浪潮中傲然屹立。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15