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
在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26