1. 創(chuàng)業(yè)頭條
  2. 前沿領(lǐng)域
  3. 大數(shù)據(jù)
  4. 正文

零售數(shù)字化必經(jīng)哪四個階段?CCFA這場高質(zhì)量專題講座值得一聽!

 2019-04-23 10:28  來源:A5專欄  我來投稿 撤稿糾錯

  域名預(yù)訂/競價,好“米”不錯過

一年時間從0到540家門店,生活家居品牌NOME做對了什么?

本文整理自NOME CIO劉湛在CCFA專題分享的演講實錄,演講主題為《NOME數(shù)字化零售之路》

本文的主要內(nèi)容如下:

• 未來零售潛力來源于AI+BI

• 零售數(shù)字化演進(jìn)的四個階段

• AlphaZero的啟示

• 零售核心主數(shù)據(jù)及相關(guān)分析

未來零售潛力來源于AI+BI

謝謝蘇總邀請,首先說一下我們?yōu)槭裁催x擇和觀遠(yuǎn)數(shù)據(jù)合作。觀遠(yuǎn)數(shù)據(jù)是一家非常出色的新興數(shù)據(jù)公司,在經(jīng)過深入了解后,發(fā)現(xiàn)我們對數(shù)據(jù)賦能的理念非常相似,所以一拍即合、很快就決定達(dá)成合作。

為什么覺得理念非常相似呢?我覺得未來零售潛力一定是來自于AI+BI。我們不但要看數(shù)據(jù),更要知道怎么用數(shù)據(jù)。不但要分析已知的數(shù)據(jù),我們還要預(yù)測未來的數(shù)據(jù),這是我們始終堅信的。

使用觀遠(yuǎn)后我們只用了很少的人就迅速把分析看板搭建起來了,因為觀遠(yuǎn)數(shù)據(jù)智能ETL工具很成熟,我們通過拖拉拽的方式就能匹配各種數(shù)據(jù)源,比如數(shù)據(jù)庫、EXCEL配置表等等,還有篩選組合。通過配置方式把這個定制出來,卡片或者定制看板就生成了。而且每個部門可以有不同的分析看板,也可以進(jìn)行自主分析,非常高效。業(yè)務(wù)部門也比較滿意,覺得我們數(shù)據(jù)團(tuán)隊人比較少,但是響應(yīng)速度快,早上提需求,下午看板已經(jīng)出來了,比之前的傳統(tǒng)工具要快很多。而且這個學(xué)習(xí)門檻也比較低,現(xiàn)在我們的產(chǎn)品經(jīng)理和運營經(jīng)過簡單的培訓(xùn)和學(xué)習(xí)都能夠自己定制數(shù)據(jù)看板了。

零售數(shù)字化演進(jìn)的四個階段

我先講一下自己怎么看待數(shù)據(jù)賦能這件事情。以前我是在電商公司做線上業(yè)務(wù),現(xiàn)在我發(fā)現(xiàn)線上和線下有很多相似之處,也有很多不一樣的地方。但我覺得不管我們做實體零售,還是做線上,以及任何行業(yè)可能都要經(jīng)歷這四個階段。

一年時間從0到540家門店,生活家居品牌NOME做對了什么?

1. 一體化

第一個階段,必須先把業(yè)務(wù)數(shù)據(jù)化,也就是去EXCEL化,從而消除信息孤島。舉個例子,傳統(tǒng)公司將大量信息通過EXCEL傳遞,可能會牽涉六個業(yè)務(wù)部門,然后六個部門單點溝通,A傳B,B傳C,C傳A,溝通復(fù)雜,而且有很大的延時性。于是部門之間約定每個星期同步一次,但是一星期已經(jīng)太晚,為什么不可以每天看到、每刻看到、實時看到?所以我們應(yīng)該把所有數(shù)據(jù)寫到一個地方去,讓所有人從一個地方讀數(shù)據(jù),讓數(shù)據(jù)一體化,全部打通,這是第一步。

2. 精細(xì)化

實現(xiàn)這一步,接下來會想怎么把業(yè)務(wù)做得更好。我先說線上運營APP的例子,我們發(fā)現(xiàn)男性用戶和女性用戶差異很大,新客和老客也不一樣,后面還會有年齡段、消費水平、人生階段(有沒有家庭、孩子這種)等等不同的細(xì)分維度,各種維度組合起來可能會劃分出好幾十個不同的人群,運營的復(fù)雜度和對人力的要求也會呈幾何級數(shù)上升。我們要從這種“千人千面”里看到個體差異,因為差異大的地方做精細(xì)化的機會更大,ROI會提升很多。

那么線下怎么做精細(xì)化運營?人、貨、場三大主數(shù)據(jù),人不一樣,貨不一樣,全盤統(tǒng)一策略是不可行的。像百貨和服裝差異很大,服裝下面男裝和女裝又很不一樣,越往下分運營需要考慮的數(shù)據(jù)就越多,決策也越來越細(xì)。門店也一樣——加盟店、直營店、社區(qū)店、非社區(qū)店......人口有常住人口、流動人口,就連每個門店附近潛客人群也不一樣,那么配貨策略肯定也不一樣。

3. 自動化

我們都知道精細(xì)化很好,可以帶來很多收益,但是人力無法支撐怎么辦?只有通過自動化運營來實現(xiàn)。通過可視化報表實現(xiàn)不同維度、不同視角的數(shù)據(jù)分析,并且將人工經(jīng)驗沉淀為固化的自動規(guī)則,讓機器執(zhí)行這些復(fù)雜的細(xì)化規(guī)則。自動化還有一個好處是能夠快速迭代優(yōu)化,整個運營的決策過程也數(shù)據(jù)化了,還可以通過AB測試不斷優(yōu)化運營策略。

4. 智能化

零售公司大多是腦力勞動,并且遵循一個邏輯。之前我們覺得把這個邏輯變成規(guī)則,讓機器自動去執(zhí)行,最多再加一個人工校驗和優(yōu)化就夠了。后面發(fā)現(xiàn),零售運營的終極目標(biāo)應(yīng)該是智能化,通過AI、機器學(xué)習(xí)、算法去突破人工的局限性。

AlphaZero的啟示

去年阿爾法狗和AlphaZero轟動一時,所有人都知道AlphaZero和阿爾法狗能下圍棋。但這其實是通用的算法,不僅可以下圍棋,也可以下中國象棋或者國際象棋在內(nèi)的任何棋類,只要博弈類的它都可以做。有一個公認(rèn)的神一樣存在的趨于完美的國際象棋程序叫stockfish,它是多年來很多頂尖棋手不斷地把自己的經(jīng)驗通過程序員轉(zhuǎn)化成精心構(gòu)造的算法和評估函數(shù),結(jié)果AlphaZero僅經(jīng)過4個小時的學(xué)習(xí)就完敗stockfish。

一年時間從0到540家門店,生活家居品牌NOME做對了什么?

但是阿爾法狗到alphazero之間發(fā)生了什么變化?阿爾法狗做的是我們說的演進(jìn)史第三步自動化,它的訓(xùn)練方式是讀所有棋譜并記下來:人類棋手怎么做決策,什么樣的局面走怎樣的定式,找到一個最優(yōu)解。Alphazero是一個質(zhì)變的升華版,它腦子里面沒有經(jīng)驗,定式都是不存在的,它只有一個客觀規(guī)則就是棋類的落子規(guī)則是什么,怎么計算輸贏,這是唯一原則。

AlphaZero上來就左右互博先自己和自己博弈個幾十萬局,再用MCTS(蒙特卡羅樹搜索)評估,然后對網(wǎng)絡(luò)重新訓(xùn)練優(yōu)化,最后看這個算法是否是最優(yōu)解,這應(yīng)該是可以給零售行業(yè)很多啟發(fā)。我們面對復(fù)雜的零售規(guī)則,拍腦袋做的決策能保證都是最優(yōu)解嗎,肯定不是,我們只能相信機器,靠算法、靠AI來解決。

零售核心主數(shù)據(jù)及相關(guān)分析

零售業(yè)有“人、貨、場”三個主數(shù)據(jù),“人”是會員數(shù)據(jù),“貨”是商品數(shù)據(jù),“場”是門店數(shù)據(jù)。

人—會員數(shù)據(jù)

一年時間從0到540家門店,生活家居品牌NOME做對了什么?

觀遠(yuǎn)數(shù)據(jù)會員相關(guān)分析示意圖

“人”這一端,我們做得比較晚,三月份全國門店推行會員,是用觀遠(yuǎn)智能分析平臺迅速搭建出看板和會員畫像,可以清晰看到門店直營情況,改變了不知道這個貨誰買的尷尬局面。

我們做會員的思路,覺得首先要提升會員開通率,積累了一定數(shù)量的會員后,接下來就可以做千人一面和千人千面的營銷策略。

千人一面:會員開通后系統(tǒng)發(fā)放組合券,組合券有不同周期:7天、15天、30天......這是為了促成用戶二次復(fù)購,幫他先爬一個坡,優(yōu)化用戶的生命周期。千人千面:先拿用戶開卡提供的靜態(tài)屬性,用戶的基礎(chǔ)畫像,包括性別、年齡和地區(qū),以及用戶購買行為得出的RFM以及品類偏好和折扣偏好等數(shù)據(jù)衍生成標(biāo)簽,這個標(biāo)簽里面既包含自動衍生標(biāo)簽也包含人工打上的標(biāo)簽,然后再對用戶進(jìn)行分組、結(jié)合用戶生命周期做精準(zhǔn)營銷。

做營銷必須考慮幾個問題:

營銷成本有沒有最大化?假設(shè)今天成本有限,怎么讓營銷成本最大化?哪些用戶發(fā)券也不來?哪些用戶不發(fā)券也會來?不發(fā)券也來不用給他發(fā),發(fā)了浪費成本。還有一些人只有發(fā)券才會來,這是目標(biāo)人群。

......

通過精細(xì)化運營,一層層往下分析思考,發(fā)券才會來的人里面,給他發(fā)什么樣的券,什么樣的優(yōu)惠類型,滿減、還是折扣?券的力度要設(shè)置多大?什么時間點發(fā)?發(fā)在哪些渠道?這些都需要進(jìn)行計算。

貨—商品數(shù)據(jù)

一年時間從0到540家門店,生活家居品牌NOME做對了什么?

觀遠(yuǎn)數(shù)據(jù)商品相關(guān)分析示意圖

看下貨這塊可以做的事情特別多,目前我們重點也是在做缺貨的智能配補調(diào)。缺貨分為門店缺貨和總倉缺貨。

門店缺貨決定最晚什么時候給門店配貨,保證門店不被“餓死”??倐}缺貨是決定最晚什么時候向工廠下訂單,才能保證總倉有貨可以發(fā)給門店,保證門店不“餓死”。

就這么兩個問題,說起來簡單,其實挺復(fù)雜,涉及到線下門店特性和陳列空間約束,還有門店差異化。我們首先做的一個是缺貨監(jiān)控,再考慮基于缺貨數(shù)據(jù)怎么做配補調(diào)。缺貨還有一個維度看全景庫存,總倉缺貨再往上推一步,考慮上游的工廠訂單生產(chǎn)進(jìn)度,那邊有三個環(huán)節(jié):1. 工廠已確認(rèn)訂單但還未開始生產(chǎn);2. 已生產(chǎn)進(jìn)度多少?3. 生產(chǎn)完成,準(zhǔn)備發(fā)往總倉,這個公式本身并不復(fù)雜。

另外一塊,基于商品本身的分析,跟商品企劃、商品生命周期有關(guān)系。每個品類應(yīng)該怎么樣結(jié)構(gòu)最優(yōu),達(dá)到最大化的寬度、深度比例怎么樣啊等等。每個品類,首先看貨值占比,貨值占比固定以后,可以想象這個品類是一個二維形狀,面積恒定,但是它的寬度和深度比例不一樣,它可能是一個正方形、長方形......這也是今天中午和觀遠(yuǎn)團(tuán)隊吃飯時候探討的問題。

以及選品指數(shù)。我們結(jié)合內(nèi)外的數(shù)據(jù),一個是外部爬蟲數(shù)據(jù),還有內(nèi)部銷售數(shù)據(jù)分析,來預(yù)測什么商品成為爆款、我們到底應(yīng)該選擇什么商品。

商品這邊還有非常重要的一點是做預(yù)測,只有把預(yù)測做準(zhǔn)了才能把配補掉做準(zhǔn),以前端銷售引領(lǐng)后端供應(yīng)鏈生產(chǎn)和采買計劃。

? 銷售預(yù)測

我們自己做了一個比較粗糙的銷售預(yù)測,沒有觀遠(yuǎn)做的那么精準(zhǔn)。在我們做預(yù)測的時候,我覺得可以分為這四大類。

1. 整個大盤的銷售預(yù)測

2. 單店銷售預(yù)測

3. 單品全局銷售預(yù)測

4. 單店單品銷售預(yù)測(包括品類預(yù)測之類)

如果做上層預(yù)測,正負(fù)相互抵消,有的門店多10%,有的門店少10%,差距不會很大,但是做單店、單品差距就很大,我有兩個提升精準(zhǔn)度的思路跟大家分享。

1. 時間周期拉長,不做單店單品單日銷售預(yù)測,可以做成七天預(yù)測。

2. 把尾部商品放棄掉,因為它的誤差最大,而我們最關(guān)心的其實也是頭部商品。

我們做門店銷售的時候看到尾部商品差異大,且占比并不高。為什么差距大?數(shù)據(jù)少、日均銷的少。我們關(guān)注頭部top300或者top500商品,這樣準(zhǔn)確率就會提升。

場—門店數(shù)據(jù)

一年時間從0到540家門店,生活家居品牌NOME做對了什么?

觀遠(yuǎn)數(shù)據(jù)門店相關(guān)分析示意圖

? 智能選址

“場”這塊的智能選址,我們實踐的效果非常不錯,比目前渠道團(tuán)隊人工銷售預(yù)測的精度高一倍以上。我們是將數(shù)據(jù)分為兩大類:

1. 宏觀選址外圍數(shù)據(jù)

2. 微觀選址內(nèi)在數(shù)據(jù)

這個怎么用起來呢?我們思路是做盲測,先不給渠道人員看結(jié)果,他們必須按照自己的原有思路先做預(yù)測,預(yù)測之后會把它的結(jié)果和我們模型預(yù)估結(jié)果相對比,找出那些差異大于20%的門店,然后分析這些門店到底出了什么問題。

? 同類店對比參考

除了這個之外,我們還做了同類店對比參考,找出相似店給某一店鋪做參考。這邊我們非常期待能用上觀遠(yuǎn)另外一個模塊——虛擬標(biāo)桿店,根據(jù)門店特征做擬合,圖譜應(yīng)該什么樣,哪一點比較弱,知道哪個方向改進(jìn),并且賦能店長看到每個品類排行榜。

? 貨架陳列可視化

怎么讓貨架效能產(chǎn)出最大化?我們首先開發(fā)一個小程序,小程序里能看到門店貨架陳列方式,然后點這個地方可以看到貨架上幾個面板,點面板看到貨架上放幾款商品、每個商品放幾個,然后形成陳列標(biāo)準(zhǔn)。未來把商品掃碼上架,就知道這個貨架放哪些商品,用它的銷售除以它的面積得到單位面積產(chǎn)出,這個貨架對比其他貨架到底做得好還是壞就能很快清晰了。知道貨架A面和B面到底哪個產(chǎn)出更高,結(jié)合門店助手里面的品類銷售排行榜,我們就能做優(yōu)化了,賣的不好的往下擺,賣的好的東西放顯眼地方。

? 智能排班

每個門店流量高峰、銷售高峰、流量低谷、銷售低谷時間段不一樣,我們可以先畫出來看一看。怎么通過曲線分析減少店員,讓他們?nèi)诵ё畲蠡?。一般來說,零售門店分兩班,上午一班,下午一班,其實中間可以插一個動態(tài)排班,不一定9點上班,可能下午3點、也可能12點上班,需要算法推測什么人排在什么時段,通過靈活排班達(dá)到效率最大化。這些觀遠(yuǎn)也都想到一塊了,我們在關(guān)于零售數(shù)據(jù)賦能方面有很多觀點不謀而合,所以合作起來非常默契。

申請創(chuàng)業(yè)報道,分享創(chuàng)業(yè)好點子。點擊此處,共同探討創(chuàng)業(yè)新機遇!

相關(guān)標(biāo)簽
零售電商

相關(guān)文章

編輯推薦