|
阅读大约需要8分钟
2016年10月云栖大会上最抢眼的词大概就是“新零售”，时隔半年阿里和京东又分别推出了“零售通“和”新路通“直指零售行业的业务。如何看待零售行业的变革？变革中的本质究竟是什么？传统零售商如何快速准确的踩住“新零售”的脚尖？
1、传统零售行业与的新零售最本质的区别就3点
传统零售行业的用户是匿名的，即使某个忠实用户已经产生了1万次的购买行为零售商也不知道甚至不关心用户是谁。
传统零售行业从生产制造到商品最终触达用户，之间隔着众多环节，比如批发、分销、物流等，各环节之间呈连贯纵向排开；而新零售改顺序列队为多点贯穿，商品与用户之间可直接触达，呈现点对点模式。
传统零售行业之于新零售4.0只是闷头生产、投放市场、观测市场反馈、调整产品策略。传统零售行业无法或者是很难识别最终用户的多样性、善变的需求。他们的步伐总比用户和市场慢半拍。
新零售关键词：识别用户、去中间环节、个性化
2、传统零售商该怎么办？
答案肯定无疑的是大数据。传统零售商需要从原有的商品驱动销售转为数据驱动销售，将数据视为企业的重要资产并加之利用。在识别用户、去中间环节、个性化用大数据作为支撑。
从一个真实例子谈起，带你用大数据识别用户 Rachel打算买一台电视机，于是她打开了搜索引擎开始了这次购物之旅。她先找到了多个电子产品测评网站，逐一查看多个品牌多个款式的产品并阅读了产品介绍，然后她又去了若干电商平台淘宝、京东、亚马逊进行对多款商品进行了逐一的价格、服务、评价的比较，确定了购买某一款产品。然后她又到实体店去看看那款产品询问了导购，然后将电视的照片发布到了社交媒体上寻求朋友的建议。
此时，零售商遇到了第一个问题，公司知道有潜在客户进行了一系列触点操作，但却不知道所以这些行为都是Rachel进行的。公司可以通过触点跟踪这些行为，但是不知道如何把他们关联到某个顾客身上。由于每个触点都代表着一份独立的数据，这实际上是一个复杂数据管理的挑战。
零售商迫切想知道如何解开这个难题，这样他们就能给用户提供更加个性化的服务。研究表明，个性化可以带来市场营销5-8倍的投资回报率，并提升10%或更多的销售额。
3、传统零售商该怎么做？
若想成功的跟踪多渠道化的客户，以下四点是关键
3.1 系统思维
许多企业都为客户分配了唯一的客户身份识别码（User ID），但是缺少系统的方法整合多渠道的客户信息，建立统一客户视图。
系统化的方法需要分辨并评估客户与企业之间的全部触点。
有太多零售商错失了唾手可得的高价值数据洞察机会，其实他们稍微分析一下手边的数据，或者进行一些用户数据匹配，比如一个用户的多卡消费记录，就能获得有价值的洞察。
在建立统一客户视图的过程中，应注意的是需要先从优先级高的客户或客户群开始做客户唤醒和商品推荐。
3.2 关注重要数据
尽管你的目标是追踪全部用户触点数据，但是不要做完美主义者，试图掌控100%的数据。大多数公司已经有了大量的用户数据，只是没有将它们关联起来，为每个客户创建丰富的行为数据画像。
经验告诉我们，最有价值的信息往往是整合了交易数据（比如一段时间内的消费数额）、浏览数据（包括移动终端，各个不同的PC端）、以及客服数据（比如各个地域的送货、退换货信息）而得到的。所以，要关注那些帮你达成某些市场营销目标的数据而并非100%的数据。
如果目标是要建立顾客忠诚度，那么重点就应该放在售后部分的触点数据采集上，比如客服日志或者对追加销售（up-sell）或者交叉销售（cross-sell）的数据。
部分数据缺失，也可以进行用户画像。数据无需大而全，只关注重要数据。必要时可以进行下一步“补全数据”
3.3 补全数据
有三种外部数据资源价值不可估量。下面给出了每一种的例子，但现实公司运营过程中以下的例子只不过是冰山一角。 1）第三方数据
来自国家统计局有大量的人口普查数据，可以和上百种公共或私有的数据资源匹配来识别每一位客户，比如通过电话号码或者身份证号匹配。
来自像尼尔森这样的市场咨询公司的面板数据可以提供大约200万人的全方位用户行为数据，提供客户的概括视图报告，比如网页的浏览记录或者1-2年的用户交易数据
2）多渠道获取的用户数据
零售商应该鼓励客户通过登录网站、在店内办理会员卡，或者通过客户服务中心追踪用户完备用户个人信息。比如，家乐福会在你每次结账的时候询问是否有会员卡，如果没有会员卡会推荐用户办理会员卡以获得积分。有些其他公司会通过提供手机优惠券的方式来获取用户的电话号码或者提供附加赠品的方式获取用户的家庭住址等。
3）合作获取数据
拥有互补数据集的公司可以通过数据合作整合洞察。比如阿里大数据：4亿人，每人打了3000个标签入股新浪微博，如此，淘宝用户数据就与社交媒体数据进行了整合，用户在社交媒体上的分享从原有淘宝平台上的单点购买行为变为了社交网络中某个圈子内的传播，特别是通过KOL传播的声量会给零售商带量巨大的销售额增长和品牌传播度。
3.4 匹配用户
这些丰富的数据通过复杂的算法，将数据流和用户唯一ID联系起来产生价值，在每次用户发生新的触点行为时自动升级和完善用户画像（Profile）从而得出有价值的信息。 下图是经过以上4步不断验证和完善的女性用户，用户画像：
随着新零售时代的到来，大数据收集、整合和应用的能力不再是企业运作的锦上添花之笔，而是在竞争中想要存活下来的必备的核心竞争力。快速、准确的收集用户数据是企业用数据驱动销售的第一步也是最重要的一步。
| 
发表于 2017-3-20 12:05:07
