京公网安备 11010802034615号
经营许可证编号:京B2-20210330
|
围绕着每一款新品或营销策略决定背后,不同于其他体育用品公司仍要依靠专业运动员、第三方数据调研等手段收集数据,耐克独有的社交运动平台Nike+正在成为耐克新品设计、营销推广等商业决策的重要依据。 先讲2个例子: 10月22日,包括两届网球大满贯冠军李娜、奥运金牌获得者埃里森·菲利克斯等在内的27位世界顶级运动员齐聚纽约,为耐克公司揭幕其Nike Women全新的春夏季系列,这也是耐克首次在全球如此大规模的推广其女子运动系列。 如此重视女性消费者,加码女性业务增长,背后主要的驱动力并不仅是传统数据调研或经验判断,而是耐克发现,其Nike+ Training Club应用程序已被下载1600万次,而其中900万竟然是女性下载了Nike+Running应用程序。 这也是耐克基于对其数字社区里的6500万名女性的研究。 9月26日,在上海,耐克宣布推出全新的zoom air系列跑步鞋,还请来了 2012 年伦敦奥运会万米冠亚军 Mo Farah 和 Galen Rupp 分享他们对于耐克跑鞋的体验。 与此前的诉求点不同,耐克此次主打“跑得更快”,提高跑步速度成为其此次产品的主要卖点。这是由于通过对Nike+数据研究,耐克发现,与第一阶段中国的跑者更多集中于40岁左右的中年人出于其健康担忧开始跑步不同,在耐克的社交运动网上,更多是19岁左右的跑者,他们自己组成年轻的跑团,自己上传数据,能不能跑得更快,对速度的追求成为其主要目标。 对耐克而言,通过Nike+这个硬件、软件、社区配合在一起的大平台,Nike每天都能收获源源不断的用户数据,这些数据能为Nike带来什么? 正是这些跑者上传的数字,成为耐克在比如产品设计、新品推广、线上线下营销等商业决策背后的重要依据,它能通过对用户跑步信息的收集帮助Nike找到用户、了解用户,从而更加精准地开展营销活动。 比如通过Nike+,耐克发现用户多数在夜间跑步锻炼,于是他们的研发部门就在设计鞋和衣服时,都加上了反光材料,提高了可见度和安全性。 也看到跑者对于速度的需求,耐克今年还在社区上新增加了“Nike+教练”功能,通过集合耐克教练资源与顶尖运动员的意见,根据每个跑步爱好者的比赛目标和能力,定制专属的跑步计划。 耐克提供的最新数据显示,现在Nike+全球注册用户共有2000多万。尽管在耐克的财报上,某款产品的效力多大还无从体现,但对一直占据营收前列的跑步业务来说,“Nike+正在成为拉动该公司业绩增长的新引擎。”张庆认为。 耐克2015年第一季度财报称,整个季度的营业收入增长15%,达到了近80亿美元,而在中国区,扣除了汇率波动造成的差价影响后,其业绩营收增长达20%。 Nike+无疑是耐克数码创新上的里程碑。2006年,耐克总部的工程师发现,在俄勒冈大学校园里,几乎每个人都使用iPod。在与苹果公司接触后,Nike+iPod的方案一拍即合。这让耐克第一次尝到了数字化社区带来的甜头。 经过几代的升级,Nike+支持多种系统下载,通过手机,跑者可以获得自己的运动时间、步伐、消耗热量、路线等数据。如今通过Nike+而衍伸出来的产品,正在通过更多形式的载体涉猎更多的运动,例如Nike+Training以及fuelband等。技术的革新也推动着耐克新的商业模式的应用——即“用户+ 数据+服务+终端。” 行业里目前的一个共识是,Nike+背后还是大数据的应用,即通过对用户行为的分析,以更了解用户的需求。体育行业资深人士认为,“靠卖智能的鞋子和衣服赚不了多少钱,但背后的数据却具有巨大的想象空间。 但耐克如何能够挖掘这一宝矿还有待考验。虽然商业逻辑还不清楚,但是这肯定是耐克未来与竞品的核心竞争力之一。” Nike+对于耐克的意义还在于,它将完全改变公司与用户间的沟通模式,将以往耐克的单向发出声音,转变为公司和全球用户在同一个“社区”下生活的情景。这无疑会大大增加耐克了解消费者的机会,加强用户的黏度。 而Nike+或许可以帮助耐克更快地找到它的目标客户,从1%的运动精英转而影响9%普通运动者到90%的潜在消费者,如同在跑步领域一样,把某项运动或品类做得更为精深,助推销售。 |
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07