店面需要開(kāi)多大？店中要有多少種SKU？商品如何擺放？如何培養客戶(hù)忠誠度？客戶(hù)電商數據又有何意義？我們知道，不同于電商，實(shí)體店面的經(jīng)營(yíng)中店面、裝修等均有較大的邊際成本，合適的空間、合理的運用關(guān)系重大，更何況常常需要考慮本地特征，所以，數據運用對于零售商本地經(jīng)營(yíng)具有很大的意義。但另一方面，實(shí)體店面的數據獲取較難，而且多數商家未能有效應用以支持決策。實(shí)際上，BCG在研究中發(fā)現，店面面積、SKU數量、商品排列擺放等決策均可以通過(guò)數據來(lái)支撐，增加本地元素，保留與增加回頭客。
本文首發(fā)于BCG，作者Nicholas Goad、Jeff Robinson、Santiago Aviles。以下帶來(lái)億歐智庫精選。
連鎖雜貨店擴大了國際食品區的經(jīng)營(yíng)面積，寵物用品店將狗糧擺在了離店門(mén)更近的位置，這些做法絕非無(wú)心之舉。作為實(shí)體零售商的競爭對手，電商的軟肋在于缺乏實(shí)體經(jīng)營(yíng)空間，因此也無(wú)法利用商品的空間布局來(lái)吸引顧客。如今，實(shí)體零售商正在發(fā)揮其實(shí)體資產(chǎn)優(yōu)勢來(lái)改善顧客的購物體驗，增加銷(xiāo)售額。為達成這一目的，實(shí)體零售商越來(lái)越多地求助于大數據。
消費者當下幾乎能在網(wǎng)上找到任何想買(mǎi)的商品。實(shí)體店要讓顧客無(wú)用花費太多力氣，就能在正確的時(shí)間、正確的地點(diǎn)找到正確的產(chǎn)品。從更深的層次來(lái)看，數據分析的威力更加強大，能夠幫助零售商改進(jìn)商店設計、樓面空間布局、商品組合等其他本地化元素。
零售商對數據并不陌生。長(cháng)期以來(lái)，商店一直依靠銷(xiāo)售點(diǎn)以及其他系統提供的數據來(lái)優(yōu)化產(chǎn)品的銷(xiāo)售、定價(jià)和推廣方式。盡管當前一些零售系統也能夠生成海量的信息，但是零售商缺乏必需的分析工具來(lái)充分解讀這些信息，而且往往只在一些一次性的項目上使用這些數據，成果難以融入長(cháng)期戰略之中。
要想取得成功，零售商必須在本地經(jīng)營(yíng)中更廣泛地運用數據分析，必須提高使用一致性，而且采用更加精密的算法。這些算法應當將店面空間、商品品種以及商品的布局擺放與顧客忠誠度、網(wǎng)上瀏覽行為以及商店熱度圖數據聯(lián)系在一起。零售商無(wú)論是選擇自行開(kāi)發(fā)大數據工具，還是從外部直接購買(mǎi)現成的服務(wù)，都必須建立能夠有效進(jìn)行管理且可以被反復使用的流程。
這些成果可能會(huì )改變每個(gè)貨架和端架，改變商店的每一寸空間布局，從而獲得最大價(jià)值。在與客戶(hù)合作的過(guò)程中，我們發(fā)現各種各樣的零售商紛紛實(shí)施以數據為基礎的本地化來(lái)提升業(yè)績(jì)：
一家美國專(zhuān)業(yè)零售商采用本地化策略后，在其經(jīng)營(yíng)品類(lèi)全國銷(xiāo)售額普遍下滑的大環(huán)境下， 逆勢增長(cháng) 3%。
一家美國大型零售商通過(guò)開(kāi)展本地化試點(diǎn)項目，銷(xiāo)售額提高了 4%，從主要競爭對手處奪回了失去的市場(chǎng)份額。
一家分散式管理的日用百貨零售商使用大數據劃分了幾個(gè)績(jì)效集群后，銷(xiāo)售額增長(cháng)了 3% 到4%，成為企業(yè)成功扭虧的重要一環(huán)。
在本地化工作中采用大數據思維難度很大。因此，在開(kāi)展基于數據的本地化轉型時(shí)，最好將其作為大的變革戰略中一個(gè)組成部分。應指派銷(xiāo)售、規劃、營(yíng)銷(xiāo)、定價(jià)以及商店運營(yíng)方面的人員組成跨職能團隊，負責管理此類(lèi)計劃。零售商在向全公司推廣以前，應當開(kāi)展敏捷沖刺驗證以及其他短期項目，并充分運用本地化經(jīng)營(yíng)分析。
要想基于數據有效開(kāi)展本地化，必須把商店內銷(xiāo)售的所有商品囊括進(jìn)來(lái)，而不僅僅是那些最明顯的商品。要想制定綜合全面的策略，就要充分考慮各類(lèi)元素，例如店內的布局、貨架如何組合，如何擺放、有哪些季節性的商品和新的品牌或單品。
以下是本地化的一些主要元素以及零售商可以用來(lái)改善這些元素的一些數據分析方法。
樓面空間
零售商必須決定應向某個(gè)產(chǎn)品或產(chǎn)品類(lèi)型分配多大的空間，從而實(shí)現銷(xiāo)售額和坪效最大化。通常來(lái)說(shuō)，在規劃空間布局時(shí)， 依據的往往是歷史銷(xiāo)售數據和未來(lái)銷(xiāo)售預測。為了進(jìn)一步優(yōu)化布局， 零售商應當評估空間邊際經(jīng)濟效益，確定某類(lèi)產(chǎn)品在特定空間創(chuàng )造每平方英尺利潤有多少，與另一類(lèi)產(chǎn)品在同一空間創(chuàng )造的利潤有何差異。例如，某雜貨連鎖店在思考應當給雞肉商品分配多大的空間， 這時(shí)必須考慮的是，相對于增加豬肉、羊肉或魚(yú)肉的擺放空間，增加雞肉擺放空間會(huì )給銷(xiāo)售和利潤帶來(lái)什么樣的影響？
在分配樓面空間時(shí)，零售商可以使用大數據來(lái)評估交易層面的具體細節，揭示潛在的種種聯(lián)系，從而利用這些信息來(lái)提振銷(xiāo)售。這些細節與聯(lián)系包括搭配銷(xiāo)售，也就是顧客在計劃購買(mǎi)的品類(lèi)中額外購買(mǎi)了哪些產(chǎn)品，以及因購買(mǎi)該類(lèi)產(chǎn)品隨之產(chǎn)生的未來(lái)銷(xiāo)售。大數據還能揭示另一種隱含聯(lián)系，即分攤后的分銷(xiāo)成本，該數據往往要到整個(gè)商店的成本被分攤到具體的商品之后才能得到。
要得到能夠實(shí)現利潤最大化的最佳樓面空間分配方式，需要零售商使用分析技術(shù)來(lái)調整銷(xiāo)售數據， 從而說(shuō)明各個(gè)商店在商品組合上有哪些差異，缺貨的原因是什么，有哪些季節性商品。
商品分類(lèi)
商店采購的商品以及上架的每種商品的品牌、款式和種類(lèi)，共同組成了其經(jīng)營(yíng)的商品分類(lèi)，或稱(chēng)為商品組合。零售商試圖創(chuàng )建最佳的商品組合，從而令旗下所有商店的可實(shí)現長(cháng)期利潤最大化。
為了優(yōu)化商品分類(lèi)，零售商可以利用收集的大數據，按照品牌、大小或風(fēng)味等屬性，將銷(xiāo)售類(lèi)似商品的區域劃歸為不同的集群。通過(guò)分析這些集群，能夠識別同類(lèi)商店之間存在的共性，從而提高對每個(gè)商店未來(lái)銷(xiāo)售預測的準確性。
顧客交易數量
此外，零售商可以利用顧客交易數據來(lái)評估增量，也就是某件商品相比類(lèi)似的商品，給銷(xiāo)售和利潤帶來(lái)的增量有多大。再次以雞肉為例，從顧客購買(mǎi)數據中可能會(huì )發(fā)現提供切塊包裝雞肉對雞肉整體銷(xiāo)售有什么幫助，去掉或提供更多的這種包裝會(huì )給其他雞肉商品帶來(lái)什么影響。
鄰近擺放
零售商在制定庫存和采購決策時(shí)，依據的往往是常見(jiàn)的數據點(diǎn)，如整個(gè)企業(yè)某個(gè)時(shí)期的銷(xiāo)售額、單個(gè)商店的銷(xiāo)售額、已售商品的成本以及存貨成本。通過(guò)分析可以發(fā)現一些同樣寶貴但卻不常見(jiàn)的數據。店內兩件商品之間的相對距離，即鄰近性對銷(xiāo)售的影響， 就是一個(gè)往往未得到充分考慮的數據點(diǎn)。鄰近性數據可以用來(lái)比較擺放在相鄰位置、對面或同一個(gè)過(guò)道的商品品類(lèi)的銷(xiāo)售和交叉銷(xiāo)售情況。
接下來(lái)為了提升銷(xiāo)售和利潤，零售商就可以調整上架商品的擺放方式，比如，將有正向鄰近關(guān)系的兩組產(chǎn)品擺放在一起，就能同時(shí)提高這兩種商品的銷(xiāo)售額。
對整個(gè)商店的商品陳列進(jìn)行鄰近性?xún)?yōu)化非常復雜。零售商在挖掘鄰近關(guān)系時(shí)，可以先使用商店層面的數據，尋找過(guò)去效果最好的商品擺放方式。這樣做有助于確定，例如：當把冷凍披薩放在冰激凌或冷凍蔬菜旁邊時(shí)是否銷(xiāo)售最佳？與將發(fā)膠放在其他護發(fā)品旁邊相比，放在發(fā)梳旁邊是否能帶來(lái)更多的銷(xiāo)售等。研究鄰近性數據還能夠幫助零售商決定將黃金位置，如店內前部、通道分配給哪些商品品類(lèi)。
其他元素
大數據有助于優(yōu)化其他的本地化元素，包括商店設計、價(jià)格和促銷(xiāo)。零售商可以使用量化的客戶(hù)體驗細分數據，通過(guò)分析客戶(hù)調查結果來(lái)確定不同類(lèi)型顧客的購物意愿如何，從而改善店內空間的觀(guān)感。還有一些數據也可以用于改善商店設計，例如忠誠行為評估， 即當現有消費者鐘愛(ài)的商品缺貨時(shí)，他們會(huì )做什么；另外還有典型的投資回報評估，即在整體方案中增加不同的店內元素會(huì )帶來(lái)什么影響。
從某些數據中能夠發(fā)現本地顧客愿意購買(mǎi)哪些商品。為了優(yōu)化價(jià)格，零售商可以對這些數據進(jìn)行分析評估。舉例來(lái)說(shuō)，零售商可以研究對于某些產(chǎn)品，尤其是那些價(jià)格敏感商品，如牛奶和面包，本地競爭對手的售價(jià)是多少，并利用該信息來(lái)設定自己的定價(jià)。還有的數據能夠顯示過(guò)去哪種促銷(xiāo)類(lèi)型的效果最好，零售商可以分析評估這些數據，幫助自己規劃今后的促銷(xiāo)活動(dòng)。
為本地化元素運用大數據能夠帶來(lái)很多改變。例如，如果通過(guò)分析空間邊際生產(chǎn)力，發(fā)現午餐期間人流量有所增加，雜貨店就可以擴大其預加工食品區和熟食區。如果通過(guò)分析發(fā)現其他商店通過(guò)增加類(lèi)似商品的銷(xiāo)售排面提升了銷(xiāo)售，那么可以將這些產(chǎn)品——例如受歡迎的冷凍土豆的銷(xiāo)售排面增加一倍。另外，根據現有商品類(lèi)別相對于其他商店的受歡迎程度以及消費者特征，還可以擴大國際食品區，從而迎合本地市場(chǎng)的需求。
盡管開(kāi)展大數據變革的潛在收益非?？捎^(guān)，但在我們和客戶(hù)合作的過(guò)程中，發(fā)現很多零售商并沒(méi)有堅持收集數據用于提升本地化。還有一些企業(yè)，現有的銷(xiāo)售、定價(jià)或銷(xiāo)售管理系統無(wú)法運行必要的復雜分析來(lái)挖掘這些信息。為充分發(fā)揮基于大數據的本地化戰略?xún)?yōu)勢，零售商需要根據特定要求和環(huán)境來(lái)量身定制系統。這需要尋找能夠提供定制服務(wù)的外部合作方。不管在產(chǎn)品本地化方面采用什么樣的大數據工具，這些工具與已有系統的對接必須相對簡(jiǎn)單。
即便如此，將大數據納入本地化的過(guò)程難度也很大。企業(yè)需要做的不僅僅是采取新的方法來(lái)利用已有技術(shù)，或是整合新的分析方法。首先，需要組織上下靈活和開(kāi)放地接受新方法。由銷(xiāo)售、規劃和定價(jià)人員組成的跨部門(mén)團隊必須加快工作速度，提高工作活力，避免增加這一過(guò)程的復雜度。尚未做好準備接受這些全新、敏捷工作方式的企業(yè)組織，需要考慮如何在這一旅程中培訓團隊。
根據我們與零售業(yè)客戶(hù)的合作經(jīng)驗，能夠遵循以下指導原則的企業(yè)組織，往往能夠成功使用大數據提升本地化。
采取分析沖刺。借鑒敏捷原則，包括使用最小可行產(chǎn)品工具，以及采用快速測試和學(xué)習的心態(tài)。選擇一個(gè)使用場(chǎng)景，開(kāi)展基于分析的沖刺項目，并評估其工作方式。采用同樣的方法開(kāi)展下一個(gè)沖刺。
將基于分析的本地化納入工作流程中。各個(gè)團隊在制定銷(xiāo)售決策時(shí)，必須始終堅持以數據為依據， 而不是只在每年自上而下重新設定品類(lèi)時(shí)這樣做。因此品類(lèi)經(jīng)理需要多承擔一份職責，即要確保本地化推薦工具不會(huì )增加他們團隊的工作難度。
協(xié)調一致。零售商銷(xiāo)售部門(mén)下屬的不同分支在改變本地化元素時(shí)可能采用不同的數據分析工具，或分析的是不同的數據，但得到的最終成果應當融為一體，無(wú)論顧客購買(mǎi)什么，都能為顧客帶來(lái)一致的店內體驗。
合并多個(gè)大數據集，包括線(xiàn)上銷(xiāo)售數據。借助分析方法，零售商可以研究不同來(lái)源的各種數據集， 從而獲得從單一數據集中無(wú)法獲得的洞察。大數據集可以包括網(wǎng)站流量以及搜索關(guān)鍵詞、當商品線(xiàn)上售罄時(shí)顧客采取的行動(dòng)、以及顧客放棄虛擬購物車(chē)的頻率和商品種類(lèi)。零售商還可以使用分析方法來(lái)研究從實(shí)體店銷(xiāo)售得到的數據，包括退貨、結賬排隊長(cháng)度、缺貨等信息， 以及不同商店或地區在商品類(lèi)別和銷(xiāo)售上存在的差異。
企業(yè)還應當跟蹤線(xiàn)上購物活動(dòng)，從中發(fā)現某個(gè)地區受顧客歡迎的產(chǎn)品是什么，然后為該地區的實(shí)體店采購更多這類(lèi)產(chǎn)品。
錯誤的輸入只能得到錯誤的產(chǎn)出，這一原理依然適用。如果決策依據的信息本身就不正確，那么即便決策有數據依據，仍然毫無(wú)價(jià)值。在開(kāi)始之前，零售商可能需要花費一些時(shí)間發(fā)現和解決一些一次性問(wèn)題。然而即便最整潔的數據也無(wú)法提供完美的先見(jiàn)，因此在使用大數據的同時(shí)，還要結合一些應急計劃， 從而應對可能出現的異?；蝾A料之外的情況。
了解價(jià)值和復雜性之間的取舍。分析方法能夠為復雜的本地化配置提供精密復雜的解決方案，但與因過(guò)于復雜而導致相關(guān)人員難以落實(shí)的方案相比，較為簡(jiǎn)單的解決方案反而更受歡迎。例如，商店層面的本地化可能會(huì )帶來(lái)更大的價(jià)值，但是執行落地難度更高；但若是對商店群進(jìn)行本地化，則能夠讓零售商實(shí)現合理的平衡，提高現場(chǎng)的遵循程度，從而實(shí)現更大的價(jià)值。
雖然中等家庭收入持續增長(cháng)，美國的消費支出依然居高不下，但時(shí)代的瞬息萬(wàn)變，加之亞馬遜等科技巨頭的電商崛起，實(shí)體零售商迎來(lái)史上最嚴重的破產(chǎn)大潮。當前競爭環(huán)境下零售商的利潤空間在不斷縮水，因此需要絞盡腦汁地節省實(shí)體店的經(jīng)營(yíng)空間。其中一種辦法是使用大數據更深入地了解顧客的偏好以及購物習慣，這些信息能夠幫助零售商優(yōu)化樓面空間，產(chǎn)品組合以及其他本地化元素。但是采用改進(jìn)后的分析方法和技術(shù)，只是取得了一半的成功。對于尚不習慣基于數據制定決策的商店，變革還需要包括企業(yè)文化的重大轉變。零售商若想成功，來(lái)自不同部門(mén)的產(chǎn)品相關(guān)人員必須加強協(xié)作，并且以沖刺式的速度工作。這是一套致勝的組合拳，有助于保留和增加回頭客。
聯(lián)系客服
微信登錄中...
請勿關(guān)閉此頁(yè)面
