写点什么

未来营销更像人?百分点杜晓梦为你开启一场百货商场大数据之旅

  • 2020-03-08
  • 本文字数:6113 字

    阅读完需:约 20 分钟

未来营销更像人?百分点杜晓梦为你开启一场百货商场大数据之旅

01 百货商场如何使用大数据

2014 年,王府井百货与百分点开始合作,至今已有四五年时间。杜晓梦表示,目前他们已完成数据的梳理,以及数据基础层面的规划,正在做数据的价值变现。


数据能在哪些价值层面变现?


首先,百货商场需要了解自己的会员,在日常经营中,使营销活动精准触达会员群体。



杜晓梦介绍,他们的每个门店,百分点都创建了会员的全景视图,比如会员画像,会员消费轨迹分析。通过全景视图,任意搜索一群人或一个人,他何时购买了哪些商品,花费多少,递增还是递减,他的品牌偏好以及多年的消费轨迹都能一清二楚。


在会员了解基础上,即可进行客群管理。比如在营销时,能够自定义客群,从而精准触达,并促进活动效果回流。


其次是品牌经营。对于百货业态,百货通常并不拥有品牌,它只是将租赁的物业再分租给品牌商,百货收取租金。


一般来说,百货商场覆盖的客流是周围数公里内的人群,如果人群发生变化,其中的品牌商也应该做对应的调整,而一个品牌从入驻到鼎盛再到衰退,也有自己的生命周期。在这个周期中,它的经营有哪些变化?比如客流量如何,坪效如何?百分点将这些指标形成品牌的经营指数,帮助百货商场了解品牌,使集团下的各个商城能够管理品牌的上新或淘汰。


而通过统一视图,展示某个品牌和某个大类,集团也能了解它们在全国的销售情况,从而对比或管理。


杜晓梦介绍,在以往,百货商场通常更愿意服务将单位面积收益最大化,且能带来最大客流的品牌商。但现在,百货商城的思维和理念也在改变,因为百货商城发现,他们收集的数据,能够更好地服务他们的租户,也就是品牌商。因此百货更愿意用数据帮助入驻的品牌商吸引顾客,从而更好地销售,对百货商场来说,也可以促进自身客流量的黏性。


因此,百货商场也会帮助品牌进行经营。比如在品牌画像和客群画像的基础上,帮助品牌进行潜客挖掘。杜晓梦举例,一家百货引入某化妆品牌,百分点为这家百货推出一个精准营销的活动,通过挖掘该品牌的潜在客群并进行触达,三天之内带来的新客占该品牌一年中新客户的 30%。


除了为品牌商导流,还可以联合品牌进行联合营销,让跨品类的不同品牌交叉引流,充分激活不同品牌共有客群的力量。比如联合无印良品和星巴克进行营销,既可以互相引流,也不会互相竞争。


杜晓梦介绍,这些数据所带来的价值变现,正是他们帮助百货商场做的事情。接下来,他们会使整个营销决策更智能,实时监控营销过程,在活动前中后都有及时精准的反馈,并持续评估效果并优化投放。02

02 应用大数据的难点

对于百货商场来说,很多都是全国性品牌,全国各地都有门店,而转型一般都是集团总部在推进,要想很好地使用大数据,在实际操作中并不容易。


杜晓梦表示,他们需要将全国各地每个门店的数据传到总部才能进行深入分析,但每个门店 IT 的软硬件能力参差不齐,不同门店网络情况、数据量都不一样,这导致计算的时间窗口和数据采集的稳定性都不相同。


如何保证总部能有效地应用不同门店的数据?百分点的做法是设立容错机制。比如在一定时间内如果出现数据问题,就在下次采集时补全。


通过容错机制,还要保证数据采集具有一定弹性,使数据采集能够顺畅执行,并避免出现一次采集不成功就失败的情况。


除了数据的采集和传输,另一方面,数据也缺少规范。由于集团下的每个门店都是自己负责上新,负责经销商的入库,因此不同的门店里即使是同一个品牌使用的名字也有细微差别。杜晓梦解释,对于连锁经营企业来说,不同门店数据结构不一致很普遍。


「业务统计的数据口径不一致,因此拉通数据时,我们要做大量的数据转换和映射。比如皮尔卡丹这个品牌,在有些门店叫卡丹皮尔,在另外的门店就叫皮尔·卡丹。」杜晓梦说,「我们得去打通不同的门店,使它们在集团层面构建映射关系。通过映射关系,能知道 A 门店的品牌 1 是 B 门店的品牌 2。」


在打通不同的门店,完成数据的清洗、规划和数据结构的重新设计之后,如何保证后续输入的数据变得规范?


「因为一些习惯因素,有些门店还是想用自己原来那一套,就要不停说服,不停提醒他们,使用统一的新数据结构。」在技术层面,百分点会在系统中增加自动检测程序,如果发现品牌名称不一致,就会自动弹出,提醒修改。通过这样的方式,扭转门店原来的使用习惯,使门店的数据统一、规范。



杜晓梦认为,这不只是技术问题,更是意识问题,一定要从源头上把控数据采集的规范。「很多计算需要实时响应,后续数据越来越大,如果能很好地从源头上进行把控,就能节省后续计算的复杂度和计算资源。如果数据源头有问题,也会极大影响后续实现的功能。」


因此,除了在技术层面上提醒门店进行修改之外,还需要从集团层面与门店沟通,让门店理解数据规范的重要性。


一方面是数据架构的不同,另外一方面,不同门店使用的会员系统也不一样,比如同一个人在不同的渠道上,留下的资料也会有所不同。


杜晓梦首先承认,大数据的能力并不能达到百分之百准确,而是随着数据量增加,无限接近百分之百,将所有的数据都精准拉通不可能也不现实。但他们会在拉通时,设置一些规则和策略,比如会员卡、身份证、手机号等比较强的 ID,可以设计 ID 的优先级。


「比如同一张会员卡,如果出现两个手机号,我们就合并,因为会员卡的优先级比较高。另外一种情况,比如两个手机号登录过同一个设备号,那这个设备号就应该与后登录的手机号进行关联。」杜晓梦说,「很多规则是在不断发现情况后设计的,因此拉通的规则也会越来越完善。」


在规则设计之外,也要鼓励会员更新迭代自己的数据信息,「你可以给他一些好处,比如关联之后,积分可以翻倍,或者修改完善资料,赠送优惠券,或者填齐资料,赠送两小时停车券。你要不断刺激会员,让他去帮你维护数据的准确性。」杜晓梦说。03

03 数据化转型如何再深入

百货商城应用大数据面临门店之间数据结构、会员系统不一致的挑战,这些在集团内部相对比较好解决。但是,百货商场如果要进一步深入转型,通过大数据赋能,还需要处理与入驻的品牌商之间的关系。


目前百货的数字化转型,最主要的集中点还是采集会员信息,提升会员管理水平。对产品和品牌并没有进行深入挖掘。「此前百货一直在会员和营销方面发力,但门店运营更关注销量预测、库存优化、商品选择和调价,很多人工智能和数学模型可以应用于这些方面。」杜晓梦介绍,如今,百货也开始在这些方面发力。


然而,对于百货商城来说,尽管他们在提升自营比例,但大部分还是联营,品牌商租下百货商场的物业,拥有经营自主权,只需把租金和营业收入的扣点交给百货商场即可。


百货商场没有商品的经营权,因此百货商城很多措施依赖于品牌商的配合。比如灵活调价,基于销量预测的库存管理,或者是跨品牌的交叉营销,就需要品牌商的商品、库存等数据。如果百货商场想引入 AI 设备,也需要品牌商配合安装。


「一些大型品牌商,其实不太在乎百货商场的做法,你让我配合我就配合,你要是不找我,我也不会主动找你索要。而且越大的品牌商,向他们拿数据越难,因为他会担心数据外泄,担心竞品。另外,他也不觉得能交换到同等价值的数据。」杜晓梦说。


如果百货商城比较强势,他们会要求品牌商贡献数据,但这种数据也无法达到实时的共享,而是在一定时间内上交会员数据等统计表格。


另外一方面,「很多百货商城和 Shopping Mall 转型得不到支持,是因为他们只想品牌商提供数据,但并没有向品牌商展示数据带来的价值。」杜晓梦认为,百货商城需要让品牌商知晓数据带来的价值,并快速做出一两个案例,让他们看到使用效果,才能让品牌商自愿分享数据。


在这样的情况下,百货商场一般有四种做法:


一是,用案例说服品牌商,比如跨品类的联合营销,让品牌商看到数据共享的价值。


二是,百货商场目前在尝试向品牌商提供轻型的 SaaS 类技术服务,开发问卷调研、调价、销量预测等系统,吸引自身没有 IT 能力的小型品牌商,为他们提供 IT 服务。


三是,百货商场通过自己的力量,尽力采集力所能及的数据。百货商场实行中央收银,通过中央收银可以拉通更多的会员数据、商品数据和消费数据,从百货整体的角度盘活内部的商户和用户。


四是,激励消费者贡献数据,从会员端收集信息。比如会员积分可以交换停车券,会员同时给百货商场提供几张小票,百货商场就能得知这个会员在哪些商户购物,从而获得会员的消费数据。04

04 杜晓梦:未来的营销更像人

百分点在零售行业的客户不只是王府井百货,在杜晓梦看来,零售行业以后总体肯定会越来越注重数据和数据价值,越来越注重智能,并利用技术解决问题。而大数据也会更加深入业务细节中,从营销到供应链,再到设计并用于生产环节。


由于这些内容与百货领域并没有太大的关联,因此在本文中以问答的形式独立呈现。


白圭零售实验室:百分点现在有哪些产品可以应用于线下零售企业或品牌商?


杜晓梦:针对零售或品牌商,我们有几个产品。一,大数据平台产品 BD-OS,能够帮助品牌商进行数据的归一和拉通,打好数据基础。二,在数据基础之上,我们有用户的画像标签系统,将商品和用户打上标签,进行画像。三,我们的自动化营销产品可以在营销投放的时候,进行精准触达,并进行效果评估。四,我们还有基于供应链的智能供应链系统,可以进行销量预测,库存优化调配,个性化定价,这是做运营支撑的智能运营系统。另外,我们还会根据客户的定制化需求,定制小程序或活动的模板管理。


白圭零售实验室:说到营销的精准触达,目前还是将人打上不同维度的标签,将对应的活动人为推荐给他们。能否完全依靠机器推荐,比如让机器自动找到这些人,自动将相应的营销活动推荐给他们?


杜晓梦:目前我们也推出了半自动化推荐,比如我们的营销自动化系统,业务人员可以提前配置规则模板,让机器自动触发。比如说,我们配置一些模板,如果具有某些标签的人群,在一定时间范围内没有再登录,或者浏览了某个商品,但三天之内没有购买,或者添加了购物车,两天之内没有结账,就采取一些营销手段刺激他们。当用户的行为触发这个规则后,机器就会自动推荐。如果是人为筛选,人为触发,就很难抵达到个人,但自动化能触达到个人层面。


白圭零售实验室:你认为精准营销的下一步是什么?是智能营销吗?


杜晓梦:精准营销的定义很简单,每一个群体,乃至每一个人的需求都不一样,根据他们的需求向他们推荐不一样的商品,就是精准营销。


智能营销应该如何定义?如何定义智能?机器完全知道一个人的偏好是什么,在什么时间应该给他推荐什么。这其实是把精准营销做得更极致,不只是知道个人喜欢什么,而且根据这个人的行为,知道如何跟他互动,给他什么样的反馈。收集的数据越来越丰富,就会越来越了解这个人,给他的营销就会越来越精准,越来越智能。


白圭零售实验室:现在的精准和将来的智能还差一些什么?如何才能从精准达到智能?


杜晓梦:现在的精准营销是基于基础数据或简单算法,未来随着内外部数据的打通、积累和完善,以及算法和规则的多样化,营销将让你感觉到它更加智能。比如,你刚想购买一个商品,就立即被感知到并被精准推荐。或者你到了一个地方,不用你说,它就知道你想喝一杯咖啡或者是想买一个玩具。


把精准营销做得更加极致,我能知道你在什么时间,什么地点,你要干什么,我应该跟你说什么话,什么样的沟通方式,是短信还是微信,会更了解你的习惯,这是量变引起质变的过程。


另一方面,沟通可以更软,现在的精准营销,比如促销话术,或者发放优惠券,消费者能看出这是一个促销或营销。未来的智能营销可能会更软、更场景化,而不是一个简单的促销。可能它会成为你的个人助理或个人导购,告诉你在什么时候去哪儿,应该有什么东西,你喜欢什么等,他也会提醒你,你的小孩需要哪些新的维生素,哪个地方有一个早教班,你要不要去参加等等。沟通方式不会让你觉得这是机器,而是更像人。


白圭零售实验室:你们在跟一家免税品集团进行合作,为他们搭建大数据平台和分析系统,帮助他们提升招商、采购、物流、配送、市场营销、运营管理等核心能力。市场营销和运营管理很好理解,但你们如何为他们招商采购?


杜晓梦:集团有很多门店,招商采购之前都是门店自己在做,现在我们从集团层面为他们定制四大模型,比如主推商品的模型、淘汰商品的模型、畅销滞销商品的模型、脱销商品或断货缺货的模型,通过这些模型,提前为采购做决策预判。何时要断货,哪些商品要脱销或滞销,帮他们去分析和预测,为他们的采购提供基础。


集团的每个门店有品类规划部,每个门店也有自己的买手团队。我们以服务品类规划部和买手团队为核心,帮他们提供门店评效模型、库存周转率模型、库存预警模型、供应商供货指标模型、全链条毛利率计算模型等等。


通过这些模型,我们一是建议集团采购什么商品,二是建议他采购的数量,三是向哪些供应商采购,四是何时采购。如果能很好地解决这四个问题,不仅能减少滞销库存,还能提高采购时的溢价能力,从而提升毛利率。比如同样是采购雅诗兰黛,每个门店采购的时间都不一样。如果集团能够预测哪个商品会火爆,提前批量采购,那么溢价能力就会上升,利润也会提升。


白圭零售实验室:物流配送呢?


杜晓梦:物流配送有一个可视化的供应链系统,它支持物流系统。我们抽取可视化系统的数据,形成数据标准,进行数据源采集。通过标准化的接口平台,将可视化供应链系统里的数据传回到百分点的大数据平台,及时监测商品的库存情况以及在哪个物流中心,基于库存周转,对高库存商品及时预警,并提升配送效率。


白圭零售实验室:对大数据或人工智能,目前更多是集中在精准营销的环节。但一些品牌商是集设计、研发、生产、销售一体的,他们认为如果只是用于精准营销,对他们的产业链帮助不是特别大。那么,大数据或人工智能如何应用在他们的设计、研发和生产中?如何与他们整个纵深产业链结合,提升效率或者降低成本。


杜晓梦:先从产品设计的角度来说,我们有一个保险行业的客户,通过消费者标签、特征和需求,帮他设计不同的产品,比如白领人群,高净值人群或 90 后人群各需要什么保险。同时通过数据分析预测新产品在市场上的销售情况。这种将消费者数据与产品数据结合的思路,品牌商也可以借鉴。


另外,对于生产环节的库存,我们会基于销量的预测,预判大概需要多少产品,然后指导生产的数量。通过这些方式,可以减少库存。很多服装鞋帽高流转品牌商,库存下降一个点,就可能是数百万或上千万纯利。


实际上,生产过程也可以量化。我们有一个客户生产酒,传统时代是靠师傅品尝。但实际上,酿酒的工艺有很多数据,比如菌群、湿度、温度、压力等数据,都可以用来分析,而不同批次酒的口味也可以进行关联分析。


所以未来大数据在行业里的渗透,从营销这样的后端会越来越靠近前端,向设计、生产、库存环节蔓延。这肯定是未来的趋势。


这些环节的解决方案,百分点都有。但我们会根据客户的需求帮他排列优先级,优先做什么事情,能解决他现在的问题,哪些事情他想做而做不了,所以我们会根据客户的实际情况调整方案。


白圭零售实验室:对于传统企业来说,他们本身的利润就很薄,如果要投入大数据等技术,需要花费很大的成本,他们也有这些方面的考虑。


杜晓梦:不同的体量解决方案不一样,大规模体量的企业,会投入上千万预算,规模小一点的企业,投入几百万也有可能。主要是看投入产出比,如果是库存很严重的大品牌商,压缩一个百分点的库存,成本可能会节省几千万。


2020-03-08 16:44631

评论

发布
暂无评论
发现更多内容

Ceph集群部署

雪雷

分布式存储 Ceph rdb pvc

微服务API网关-Kong详解

雪雷

kong api 网关

SonarQube集成gitlab/jenkins

雪雷

jenkins sonar gitlab ci 代码扫描

记一次混合云API发布的反思

雪雷

iptables API api发布

Python利用sphinx构建个人博客

雪雷

sphinx Blog

RabbitMQ实践

雪雷

RabbitMQ 消息队列

记一次混合监控的反思

雪雷

监控 zabbix redis监控 监控宝

Golang领域模型-开篇

奔奔奔跑

微服务 后端 领域驱动设计 架构设计 Go 语言

同态加密

soolaugust

学习 加密 同态加密

微服务注册发现配置中心-consul

雪雷

Consul 服务注册与发现 配置中心

Docker Web管理工具

雪雷

Docker shipyard dockerui

Linux系统检查脚本

雪雷

Shell 系统检测

Linux自定义快捷工具

雪雷

Linux Shell tools scripts

Apache常用配置指北

亻尔可真木奉

Apache 代理 跨域

性能优化-技术专题-并发编程

洛神灬殇

Java 多线程

Guacamole实战

雪雷

guacamole 远程登录 堡垒机

Flink高可用性设置-4

小知识点

scala 大数据 flink 流计算

lower_case_table_names参数详解

Simon

MySQL

业务容器化改造

雪雷

Docker 容器 微服务 服务化改造

Jenkins部署Python项目实战

雪雷

Python jenkins CI/CD

Serverless初探

雪雷

Serverless Lambda 无服务器云函数

Docker+Jenkins+Gitlab+Django应用部署实践

雪雷

DevOps jenkins CI/CD

MySQL线程状态详解

Simon

MySQL 线程状态

Elasticsearch安装

北漂码农有话说

JVM-技术专题-GCViewer调优GC

洛神灬殇

JVM

一文带你检查Kubernetes应用是否为最佳实践

雪雷

k8s k8s最佳实践

Gitlab Pipeline+Supervisor 实战Python项目CI/CD

雪雷

gitlab jenkins CI/CD Supervisor

API统一管理平台-YApi

雪雷

YAPI API接口管理

Jenkins 详解

雪雷

jenkins

探测mysqldump详细过程

Simon

MySQL

JVM-技术专题-管程技术分析

洛神灬殇

JVM 管程

未来营销更像人?百分点杜晓梦为你开启一场百货商场大数据之旅_文化 & 方法_百分点科技技术团队_InfoQ精选文章