
“小数据”成实体零售O2O竞争核心_数据分析师
1990年代,美国沃尔玛从销售数据中发现了尿布和啤酒的潜在关联,从而产生了利用销售数据满足消费者需求的经典案例,让大家发现被忽略的用户需求可以通过购买行为的数据,呈送到超市决策者的面前。
时间到达2015年的中国零售市场,逢会必O2O,逢O2O必大数据。
作为传统企业转型最重要的战略性资源之一(其次是技术),数据当然是企业发展的助推剂。按麦肯锡公司的数据,当公司将数据和分析深入结合到业务中时,其生产率和盈利比将比竞争对手高出5%-6%。
光华管理学院更预测,中国将很快成为全球最大的一个数据市场。
但是众所周知,金光闪闪的中国数据市场的未来属于高大上的BAT们—在数据市场,诸如阿里巴巴、腾讯、百度等因为大型线上营运商的身份而拥有天然的无线数据储存的基因和优势,BAT们将会占据绝大部分的市场份额。
每一个在互联网上的点击或搜索行为,背后都是消费者最真实的声音和需求。互联网线上运营商因此将每一个消费者的行为进行记录,以此实现精准营销和全渠道覆盖,两者正是互联网时代的营销关键。这就是通常所谓的“大数据”。
显然,掌握消费者行为,能实现精准营销和全渠道覆盖,这对任何一家面向消费者的企业而言都是一堆超级宝藏。
然而,4月,加拿大Loyalty One高级副总裁Caroline Papadatos在中国连锁经营协会主办的2015中国连锁业O2O大会上提出一个颇为逆行的观点:实体零售业参与线上线下全渠道体系竞争的优势不是大数据,而是要抓住小数据。
“小数据”是实体零售优良资产
解决了数据问题才有O2O核心—供应链变革的推动,数据是先决条件。
Caroline Papadatos的观点,让实体零售商如获知音。
永辉电子商务总经理黄志雄在2015中国连锁业O2O大会上直言“非常认可小数据”。他说,实体零售行业还处在诸多企业不知道如何有效获取顾客信息的初级阶段,先思考如何通过移动互联网的手段获取小数据,对实体零售业的线上线下全渠道突围会更现实。
在黄志雄看来,实体零售业通过线下顾客行为的数据化,追踪到顾客的消费行为,以此帮助零售业务流程升级,并支持更好获取顾客数据,这样才能产生数据的推动力,最后形成大数据。
斑马技术公司技术市场总监高峰也表示,在整个零售行业关注O2O全渠道“怎么去实现”的时间点上,零售业需要搜集的数据不是大数据,而是小数据。
高峰认为,零售业实现O2O全渠道的第一步是需要“感知”所有的结构化数据,然后将之精耕细作、分析,最后才是去执行。
认同“小数据”最深刻的还有步步高(002251,股吧)云猴数据有限公司CEO杨军。
也是在2015中国连锁业O2O大会上,杨军说,实体店和电商平台最大的区别在于后者利用数据做好了用户和供应链,而实体店对顾客的最基本的分析能力都没有。
此前在百货营销岗位,杨军往往习惯在巡店时向一线门店管理人员发问:这个月进店总顾客多少人?有多少会员在里面?会员喜爱购买哪些品牌?会员停留时间多长……
而一线门店管理人员,往往回答不出来。
“实体店拥有的是虚拟的流量。”杨军说,京东作为网络零售商目前有4700万用户,与之相比实体零售商实际并不逊色,几乎都有5000万甚至到1个亿的年进店客流,但实体零售商的痛点在于—顾客看得到但抓不到。
为什么会出现这种现象?“一线门店关注的是用打折、用价格来做促销,而不是用商品来做促销;一线门店关注的是用简单粗暴的方式引流,媒体广告、电话、短信,所谓的精准营销都是空话。”杨军直言,实体零售商从来不知道顾客在哪里。
为此,杨军在步步高集团内部会议上,用一个比喻揭示实体零售业发展思维的待转变:步步高好比是一座山,每年所有人都在研究这座山上今年又该种些什么树,但大家有没有考虑过山下面蕴藏什么样的宝藏?怎么去开发挖掘出山下的宝藏?
被整个线下实体零售业忽视的“山下宝藏”就是数据。
以步步高为例,其一年成交数达3亿笔,进店成交顾客覆盖超过5000万人。CRM系统里沉淀的会员虽有2000万,但对顾客的数据抓取是非常糟糕的。
而数据的重要性几乎维系整个实体零售转型的成败。杨军认为,解决了数据问题才有O2O核心—供应链变革的推动,数据是先决条件。
杨军直言,云猴在3月份开拓全球购,步步高开始到全世界买货,到全球招募合作伙伴,但若不能解决“卖给谁”的问题,也就做不成供应链的变革。
小金鱼和大鲨鱼的战争
实体零售商巨大的竞争优势在于跟顾客有物理接触的门店,由此产生出的利于竞争的优良资产是基于门店顾客的小数据。
在Caroline Papadatos看来,小数据才是实体零售商参与O2O全渠道竞争的优良资产。
但必须承认,线下零售在数据利用这块是落后的。数据显示,在中国,有用的数据信息为33%,但实际收集和分析的数据仅为0.5%。
拥有超级数据宝藏的线上运营商、网络零售商都已开始大规模加码布局、并利用数据去带动其创新,试图全面地打赢这场数据仗,而实体零售商还在很辛苦地从头开始建立系统,还在做基础建设,甚至有些还在挣扎和徘徊中。
当前,线下零售商业务里或多或少都有一些CRM系统的存在,但Caroline Papadatos指出,客户群数量极其庞大,现在实体零售商建立的CRM系统只是在一个很初级的阶段,相对同一时间线上市场的数据存储和数据分析,供应相对很少。包括数据科学家的人才市场,能提供给线下的也鲜少。
用Caroline Papadatos富有火药味的话说,小金鱼如何斗得过大鲨鱼?
好在,BAT们对大数据的征战也才刚刚开始。“BAT们现在做的也仍在表面层面上”,Caroline Papadatos认为,实体零售商巨大的竞争优势在于跟顾客有物理接触的门店,由此产生出的利于竞争的优良资产是基于门店顾客的小数据。
Loyalty One在全球市场的经验显示,小数据能帮助实体零售业提升决策程序的质量、加快决策的速度、改善计划及预测、开发新产品及收入来源。
如何抓住小数据
小数据需要先从顾客开始,100%聚焦在顾客身上。
小数据定义是什么?Caroline Papadatos认为,小数据就是顾客从什么地方来,顾客来到门店的消费习惯。
“小数据对顾客有更精准的分析和画像,通过不同业态数据的分析,完全可以鉴定顾客的需求在什么层面,以及给出怎样的产品给到顾客。”
宽泛而言,优化促销组合、品类管理等实体零售业日常的经营就时刻跟小数据打交道。
诚如杨军的观点,相比实体零售业,电商平台只是多了娱乐化和社交化的元素,两者本质上没有区别。“实体店若在消费者和供应链两方面去突破,建立实体店的真正信息化和数据的能力,就能找到出路。”
但线上网络零售商很容易做到这点。“每次网络零售商在线上做任何活动都能看到消费者留下的踪迹,顾客再回来,网络零售商们也都知道你是谁。”
杨军前述的介绍表明,线下实体零售商此前都没有这样做。山下会藏着什么样的宝藏,对于实体零售商而言过去是未知的空白。
那在小数据挖掘上,实体零售商能比肩线上网络运营商吗?没有线上的用户优势,实体店如何跟成千上万来到门店的顾客建立关系?
小数据需要先从顾客开始,100%聚焦在顾客身上。
Loyalty One在全球范围做的调查发现,80%左右的零售商所提供的促销方案令顾客不满意,顾客不觉得门店内促销与其自身有相关性存在。“顾客很希望他的消费被零售商认可并记住。”
“顾客希望被奖励”也是Loyalty One在全球的经验。根据消费记录给顾客有效的奖励,推动顾客增加来店频次成为忠诚顾客是相当有效的方式。
Caroline Papadatos说,小数据意味着维护顾客关系,提升来店数。“这不是高尖深的科技技术,而是零售业的本质。”
而无论是获取大数据还是小数据,更困难的在于拿到数据并建立平台以后,应该如何根据小数据做相应的分析,如何推动业务实现提升。
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