京公网安备 11010802034615号
经营许可证编号:京B2-20210330
新零售下,当大数据遇上了心理学
7-Eleven的创始人铃木敏文早年曾经在日本出版科学研究所工作,这个研究所是东京出版贩卖公司为谋求出版业现代化而成立的调查机构,主要任务是搜集分析各类出版物的出版数量、读者的类型和需求等等。
在这项工作中,铃木先生白天搜集大量的出版物的数据资料,对各种出版物、读者的数据进行分类、总结和归纳,同时他还要实地走访众多的读者,如何让各种形形色色的读者能够快速地对自己敞开心扉,并且探知他们对于不同书籍和杂志的真实需求,也成了铃木先生的一项重要工作。在晚上他则会参加由公司所聘请的大学老师讲授的统计学和心理学方面的课程。
在这一过程中,铃木先生逐步掌握了有助他未来零售经营的两个至关重要的基础学科——统计学和心理学。他曾经说道:“在学习和实践的过程中,我看重数据,从数据里挖掘价值,同时也锤炼出了一双不会盲目轻信数据的眼睛,能在第一时间捕捉数据的细微变化,并深层次的思考变化原因,这是因为我理解他人的心理。”
这两个学科分属不同的学科领域,貌似没有什么直接的联系,但仔细观察7-Eleven商店的日常经营,这两个学科无不融入各种细节当中,包括选品、预测、订货、服务、库存、陈列、整洁、店员的态度等等。
铃木先生认为一个数据(data)就是一个故事,一个故事就有它的时间(when)、地点(where)、人物(who)、事件(what)、起因(why)、 经过(process)、结果(result)、成本(cost)等。
在7-Eleven中,数据化管理的流程为分析需求、搜集/整理数据、数据可视化、分析数据、模型建立、决策应用,通过这个过程将数据分析的结果以及所产生的各个场景中的决策建议甚至是直接的决策运用到生产、销售、采购、物流等各个环节中去,用于支持业务、运营、经营策略、战略规划。
而作为7-Eleven经营重要根据的方法论——“假设、实践、验证”,其实也是数据化管理的一种重要体现。在其经典的订货管理模式中,7-Eleven从来不认为“昨天卖了5个,今天一定也会卖5个”,今天和昨天相比,消费者有可能会发生改变,例如零售店周边的学校今天要举行运动会,同时市场环境、竞争对手会发生改变。
例如竞争对手在对某一品牌的巧克力进行促销;甚至气温、风向、湿度、雨水等也会发生变化,例如绝对温度上升的时候饮用水的销量会大增,而绝对湿度上升的时候碳酸饮料的销量会大增,所有变化都会影响消费者的需求,让每天订货的内容都会有所不同,这些的实现都依仗于其高度发达的商品和供应链计划管理体系所打造的精准、快速的供应链反应能力。
在其总部层面,计划职能根据之前所搜集到的大量影响销售的各种因素如人口组成、消费特点、历史销售、商品特征等,同时结合各种实时数据如气温、活动、促销、竞争对手行为等因素建立数学模型,为各个区域和门店建立中长期和短期销售预测计划,这些预测计划会牵引后端的采购计划、物流计划、仓储计划、加工生产计划等等。
同时会直接指挥各个单一门店的日常单品补货计划,而最终的补货计划则更是融入了各个门店各种实际的、突发的、不可预知的事件的数据,这通常会由各个门店的店长和其他工作人员来判断,结合了总部和各个门店的综合因素的补货计划则会让补货的精准度大大的提升,同时降低整个供应链的成本。
而门店的各种实际情况,各种假设,以及后来的验证过程,对于数学模型也是一种领域知识深度学习的过程。随着学习的深入,整个商品和供应链管理体系的不断完善,其预测、补货、库存、物流、生产等环节就会构建成一套完整、深入、动态、有自我学习能力的良性系统。
以上只是7-Eleven数据应用的一个侧影,而其在实际业务上则运用多种分析手段如一般性分析、差异分析、趋势分析、相关性分析、建模分析等等,将业务场景模拟、仿真成数据模型,通过变换场景、指标来观察业务走势、输出指标的表现来分析。这些分析手段中有的简单有的复杂,针对解决的目标问题不同而已。
然而,人类的复杂性决定了消费者的表现不仅仅为数据,消费者更是情感、情绪、思想的合成体。如何能够让大数据有更深刻的见解,如何能洞察数据的本质,则需要对消费者心理进行深刻的理解和把握。
一般的说来,消费者在消费时经常会进行理性的选择,但也会有对狂想、感情、欢乐的追求,根据一个针对日本消费者调查表明,购物时有86.5%的消费者是“到商店后才决定买什么”。
也就是说你的消费者想要的并不完全是商品或者服务的本身,而是以商品或者服务为道具,通过与商品或者服务、场景、服务人员的互动来投射出消费者可以拥有怎样的精彩生活、创造值得消费者回忆的活动,反应了消费者追求感性与情境的诉求,这种体验其实就是消费者亲身的经历、见闻、经验内容、情绪的波动。让消费者在购买商品之前,能够想到购买以后的生活方式。同时在购物的过程中,消费者动用自身所有的感官来在所有零售因素进行体验,让自己完全沉浸于购物的场景之中。
7-Eleven可以说是这个领域的先驱,其主要服务目的是“站在消费者的立场上”考虑,为消费者提供便利的产品和服务,而这种思想不是仅仅从消费者角度出发,而是真正的深度思考如何以产品为媒介向消费者传递信息,引起他们的内心共鸣。
其实就是穿着消费者的鞋子,来观察和感受消费者的体验,这就要求了零售商尽力以消费者的思想和情感感受、体会和反馈消费过程的中的人和事,以求得两方面之间的情感对焦和思维并轨。这样,7-Eleven在消费者心中的形象就不仅仅是家便利店而代表了自己的好心情、折扣后惊喜的满意感、被人尊重和重视的自豪感,以及与人交流沟通后的心理慰籍感等等形象。
7-Eleven认为自己最大的竞争对手不是同行而是“瞬息万变的消费者需求”,这其实就需要深度把握消费者内心真实而动态的需求。例如7-Eleven认为现代年轻人消费模式和之前相比有了很大的变化,年轻人用完就买,买的数量不多,而且不愿意成批购买做应急储备,所以其商品的包装数量和尺寸普遍偏少和小,让消费者能够快速使用和购买。
而日本也逐步进入老龄化社会,老年人到便利店购物不仅仅是物质的需求,还有和人沟通受人关注的心理需求,这就要求了日本7-Eleven的店员要有和老年消费者沟通的能力,并且处处关照到他们,如替他们把所购物品送回家。
而同时,其针对消费者需求精品严选的能力也非常值得称道,这样所开发出来的商品都是消费者真正喜欢的,例如为了制作口味正宗的红小豆糯米饭团,7-Eleven不惜重金购置了只适用这单一商品的蒸煮设备,目的就是让消费者找到自己小时候妈妈所做饭团的味道。总之,就是从细节出发,如餐巾纸等易耗品免费的提供、24小时的服务、消费者喜欢的商品、卫生间的设置、消费者意想不到的实惠、一个简单而又真诚的微笑等等真正的站在消费者的角度,满足他们物质和心理的需求。
7-Eleven在其超过40年的零售实践中并没有提及各种炫目的理念、趋势、方向等等,而是在身体力行的实践目前新零售所提倡的各种本质:大数据、场景消费、满足消费者需求、消费体验等等。
面对当今的中国消费者,中国的零售商不但需要借助数据来分析,来洞悉数据背后的逻辑、规律和趋势,同时也需要运用相关的心理学知识来准确体察和把握消费者大众的内心感受,真正站在消费者的立场上考虑经营,这才是新零售的精髓所在。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21