新零售的興起

 

“未來的十年、二十年，沒有電子商務這一說，只有新零售 。”這是馬云在2016年的云棲大會上提出的，也是“新零售”這個詞第一次出現在人們的視野里，一時間似乎每家品牌商/零售商都在思考自身的新零售轉型。

 

如今，新零售已成為了一個老生常談的名詞。我們也觀察到：

 

新零售領域正在通過連通全域數據、重構整體交互的方式來實現傳統人、貨、場三者的關系。

傳統零售模式面臨著數據割裂的狀態，無法實現品牌商與零售商、零售商與消費者、消費者與產品、產品與服務四個環節的聯通，形成閉環。

電商巨頭玩家的進入對新零售的整體架構進行了重組及再融合。

在整個新零售領域，由電商平臺，互聯網巨頭，以及傳統零售商扮演的玩家開始通過電商模式創新、線下模式創新和融合創新模式嘗試新零售下的不同實踐。

 

在這樣的大環境下，新風口、新技術、新物種、新玩法不斷涌現，資本、新玩家不斷涌入，零售行業呈現出了多年來未見的活躍氣氛。越來越多的品牌商開始強調以“消費者”為核心，他們希望了解消費者的心理并投其所好，提高經營效益。甚至連奢侈品牌也不得不放低他們高冷的姿態，開始關心起了流量，線上購買和小程序。

 

新零售的本質

 

同西方150年以來爆發的零售革命一樣，中國從20世紀90年代中期開始，也爆發了一場綜合性的零售革命。但無論是百貨商店 、連鎖商店、超級市場還是電子商務等不同形式，不同階段的零售發展始終圍繞著“成本、效率和體驗”展開。

 

從新零售的特點上來看，我們將其歸納為：線上線下同品同質同價。其中體現了成本、效率和體驗的全方位融合。為了實現這一融合，在新零售的背景下，渠道依然是核心的要素。線上企業與線下商家的全方位合作即是對渠道概念的進一步拓展，更是對渠道作用的再一次升級。

 

消費主權時代的到來使得需求越來越個性化和多元化。消費者的關注點從性價比、產品功能等共性特征轉向美學設計、價值標簽等個性特征，這對產品和零售的適配度提出了更高的要求。消費者正在扮演更加積極的角色，從被動接受和選擇到主動影響和創造。這也讓品牌方不得不從品牌為中心轉變為以消費者為中心。如何整合碎片化的媒介渠道，提供一體化的購物體驗，逐漸成為他們真正關心的內容，

 

零售業的本質沒有變過，依然是成本、效率和體驗，變化的只是著力點的不同。新零售時代，消費者和渠道的協同組合帶來了“無界”和“精準”的兩大要求。其背后的支撐很大程度上將由企業的數據能力所決定。

 

傳統零售的數據困局

 

為了更好的理解傳統零售的數據困局，讓我們先來看兩個例子：

 

家樂福

 

1995年進入中國的家樂福，以主打線下商超為主。2009年家樂福營業額開始下滑，但直到2016年底，家樂福才開始試水APP和線上購物等嘗試。但是APP的體驗反饋相當差，缺少用戶數據和瀏覽行為跟蹤，無法有效的將線下的流量吸引到線上。商品方面，品類相對固定，無法提供網紅產品。物流方面，不具備自有物流的能力，所以面對新零售的體驗，家樂福在消費者，商品銷售和物流效率的體驗上都非常的差。對市民特別是年輕人的吸引力明顯不足。運營模式日漸喪失其應有的活力。

 

盒馬鮮生

 

2015年成立后，利用兩年多的時間打造了獨有的“新零售”商業模式，在2017年底開設了25家門店。盒馬鮮生的商業模式來自于線上線下的整合模式：通過實體門店實現建設品牌與引流、提升消費體驗、同時還作為倉儲物流中心，而線下APP則成為主要銷售渠道以及搜集與分析消費者的界面。另外，盒馬鮮生基于“吃”的應用場景，把超市跟餐飲結合，建立新零售業態。

 

根據普華永道2017年零售業的調查，約52%的中國消費者通過移動設備或智能手機購物，41%的中國消費者通過社交平臺獲取促銷信息。相比之下，這一數字在全球僅達到14%和34%。（數據來源：pwc《中國零售業： 智慧開啟未來》）隨著時間成本的提升，以及大量信息來源可供選擇，國內消費者碎片化購物已成為常態。

 

傳統零售業迫切的希望跟上新零售的主航道，但當他們嘗試轉型的時候，卻發現了渠道分散、客戶體驗不一、成本上升、利潤空間壓縮等多個困局。當提及傳統零售企業面臨的巨大挑戰時，30%的決策者認為受限于預算，21%認為太多遺留系統需要變更，20%認為難以和現有系統集成。（數據來源：pwc《中國零售業： 智慧開啟未來》）

 

那么是什么造成了這些困局？又是什么讓傳統品牌商/零售商無法有效的整合自身的渠道資源，更好的實現以消費者為中心？為什么有著互聯網基因的零售企業就能打破這些困局呢？

 

答案或許正是傳統品牌商/零售商過早的擁抱了現代化IT建設。其龐大厚重的IT基礎設施無法支撐全渠道時代下，隨需應變的數據能力要求。

 

比起有著互聯網基因的零售企業，他們更早的采用了商業套件，更早的使用傳統的ERP，CRM等系統，通過數據倉庫來管理企業的商品數據，客戶數據，企業運營等數據。這些數據之間以相對獨立的方式運行了幾十年，橫向擴展性差，數據拉通性也不夠理想，最終造成的是實體門店、電商（自建官方商城或入駐平臺）、社交自媒體內容平臺、CRM會員系統的數據割裂嚴重。為了滿足新零售時代下對于消費者和渠道利用的要求，傳統品牌商/零售商開始被迫的使用獨立部署的方式響應業務發展帶來的需求。應用煙囪一個接一個的豎起。讓本身就無法實現數據拉通的IT架構雪上加霜。

 

對于IT部門，他們有心無力，既缺乏轉型的技術能力，又得不到企業內部的有效重視。對于業務部門，缺少有力的IT能力的支持，創新的業務實踐也無法快速展開，更別提擁抱新零售了。

 

突圍困局：建立數據能力

 

今天，以數據智能推進品牌建設，精準運營用戶，已經是全球眾多品牌的“戰略標配”。數據越精準，企業產品開發的風險便越小，生產成本和損耗也會變得更低。同時，企業對消費者的感知也會更精確，營銷費用也比較低。而這些數據，靠傳統渠道是無法獲知的。

 

新零售體系下，要求傳統品牌商/零售商以消費者運營為核心，以數據為能源，實現全鏈路、全媒體、全數據、全渠道的智能化運營。從上圖的零售業數據應用金字塔模型中我們能看到，用戶唯一ID（用戶畫像），數據拉通能力是企業進行業務運營（成本，效率），用戶洞察與體驗優化（體驗）的基石。因此，對于傳統零售業，數據能力的建設需要從三個方面進行考量：UNI-ID，數據中臺建設，應用場景規劃。

 

UNI-ID（統一身份識別體系）

 

目的

 

品牌商/零售商想要了解他們的顧客，必須先回答以下6個問題：

 

WHO——顧客是誰，他們到底長什么樣子，有什么偏好？

WHEN——他們一般什么時候來，多長時間來一次，一次來多久？

WHERE——他們一般都會去哪些位置，這些位置之間有什么聯系

WHAT——他們來的時候都做了一些什么事情

WHY——為什么要做？可不可以不做？有沒有替代方案？

HOW ——他們是怎么做這些事情的？如何提高效率？如何實施？方法是什么？

在全渠道時代，這些問題的答案分布在不同的消費，行為，興趣，社交等數據中。為了勾勒出真實的用戶，我們就需要建立基于消費個體/群的身份識別體系。匯聚碎片化的用戶信息，對應到個人/群體，才能360度地描繪出基于消費個體/群的畫像，幫助企業更好地進行消費者資產管理。進而對這個虛擬的人進行全景分析，分析內容興趣偏好、購買偏好、態度偏好等，基于這些數據，為品牌的決策提供數據支持。

 

做法

 

很多企業的管理者都已經意識到，在新零售的環境下，不僅要采集用戶的線上數據，更需要采集線下的數據，這樣才能讓用戶的行為數據從獨立的信息孤島，真正串聯起來，實現由點到面的質變。

 

為了實現UNI-ID，可以從兩種方式進行切入：

 

運營驅動型UNI-ID

 

不是每一個傳統的品牌商/零售商都可以一蹴而就的實現UNI-ID的能力建設。面對割裂嚴重，甚至是殘缺少量的用戶數據，企業需要一個較長的改造過程。在這期間，回歸本源，通過運營流程的設計引導用戶按企業希望的方式提供關聯性數據，可能是一個更加理性和有效的方式。

 

所謂的運營驅動型UNI-ID，是指品牌商/零售商先以可作為唯一ID的手機號碼或者身份證號來標識不同的顧客；通過對現有渠道數據采集方式和內容的梳理，分析線上、線下不同用戶觸點間為了達到統一身份識別所存在的差異；針對這些差異，設計對應的運營流程來補全缺失的數據。如：線下表單注冊，到店注冊好禮，手機互動等。逐漸積累數據過渡到以數據驅動的UNI-ID的建設上來。

 

數據驅動型UNI-ID

 

數據驅動的UNI-ID屬于相對高階的玩法，需要企業已經積累了一定量的消費者數據，且在多個渠道上有不同的觸點可以不斷跟蹤獲取消費者行為的增量數據（如：Wi-Fi指紋、MEMS、藍牙推送、NFC會員卡、3D傳感+視頻監控、線上埋點等）。

 

在建立UNI-ID體系的時候，不再需要通過手機號碼或身份證號這些信息來形成用戶唯一標識（當然，如果存在，效果更好），而是通過采集所有消費者賬號、行為數據等重構為一個虛擬的人。通過數據分析、機器學習等技術對用戶建模，將增量的用戶行為數據歸并到虛擬消費者身上，隨著行為的越來越多，數據越來愈大，標簽越來越多，這個虛擬消費者就會越來越趨近于真實世界的那個他。

 

數據中臺

 

目的

 

無論是UNI-ID，還是智能零售應用，它們都需要依靠底層打通的數據進行支撐，這點十分考驗品牌商/零售商對數據采集、整理、分析和應用的能力。所以數據中臺的建設是企業避不開的環節，也是懸在企業頭上的達摩克利斯之劍。

 

數據中臺為品牌商/零售商提供了一個場所和工具，以數據-業務一體化為核心，將跟品牌，消費者相關的多維度數據，沉淀到數據中臺中形成數據資產，通過數據的閉環能力進行分析、再利用和再營銷，幫助實現營銷和用戶運營的再優化。

 

新零售時代，不再區隔線上和線下消費者，消費者與品牌商/零售商互動的過程，跨越了實體渠道和數字化渠道的多個觸點。因此，在架構上，要求把零售主數據（包括：商品、顧客、價格）、動態數據（包括：庫存、訂單）集中處理，沉淀到數據中臺中，作為唯一可信數據來源的數據中臺在其中可以對接多樣的業務前端，支持業務前端的靈活變化，將這些功能從相對死板的ERP，CRM中解放出來，解決了商業套件不適應全渠道時代的問題。

 

做法

 

數據中臺的架構大同小異，相信很多傳統品牌商/零售商已經聽出了繭。但同時，他們又對平臺，中臺等詞匯有著一種抵觸的情緒，覺得太大了，太重了。其中牽涉到的業務環節太多了，可謂牽一發而動全身。甚至連阿里巴巴如此雄厚的技術能力，也需要花費多年，投入巨大的財力和精力才成功的完成了數據中臺的轉型。傳統品牌商/零售商的IT能力本身就相對薄弱，所以雖然知道了概念，理解了數據中臺能帶來的好處，但是遲遲未曾有實際的動作。

 

其次，現成的一些平臺套件也無法完全滿足傳統零售差異化的業務需求，所以勢必需要企業采用完全定制化的做法。數據和智能創新所帶來的不確定進一步讓品牌商/零售商裹足不前。

 

數據資產的安全性又是另一方面的考量，不得不承認阿里中臺能力的對外開放，能夠幫助傳統品牌商/零售商快速建立數據中臺的相應能力，但如果從長遠來看，企業的數據無法沉淀下來為己所用，數據安全性上的擔憂勢必要求企業進行取舍。

 

面對這樣的一種業界需求，ThoughtWorks結合自身多年來在敏捷實踐和微服務架構的技術能力，采用精益數據資產中臺的方案，幫助企業完全定制化的快速建立數據中臺的基礎能力，通過后續的迭代演進，為企業實現數據資產的沉淀。

 

將原本橫向疊加的建設方式演變為縱向切分，逐步完善。 MVP階段就能滿足基本的數據應用能力。 輕量、敏捷的部署方式讓企業能夠快速試錯，迅速建立數據中臺能力。

 

應用場景的數據化

 

目的

 

無論是盒馬鮮生、超級物種、連咖啡，還是小米之家等，這些“新物種”無一不是基于消費者的場景化需求而出現的。電子小票、專屬導購客服、客戶到店數據采集也是諸多應用場景的成功實踐。

 

定位到正確的場景，就是成功了一半。品牌商/零售商之所以要做UNI-ID，要建設數據中臺，要搭建智能應用，其目的都是為了實現應用場景的下沉。所以無論數據中臺搭建得多么強大，UNI-ID體系建設得多么完善，沒有應用場景的支撐，數據就只是存儲著的0和1而已，沒有任何商業價值。

 

同時，有了成功的應用場景，消費者才愿意與品牌商/零售商進行互動，有效的互動過程中，才能幫助企業拿到真實的用戶數據，反哺和優化現有的“人-貨-場”數據資產，讓其發揮更高的價值。

 

做法

 

應用場景的規劃不是天馬行空式的，需要符合企業的戰略發展，滿足未來落地的實際需求。品牌商/零售商在面對行業中不斷涌現的“新玩法”，“新物種”時，總有一顆躍躍欲試的心，此時更要求決策者們冷靜的思考，根據實際的需求，現狀和數據能力判斷投入和產出。

 

長期的實踐讓我們對于這樣的規劃形成了一套獨有的探索-定義-驗證-規劃的方法。能夠幫助品牌商/零售商從戰略的角度出發，結合自身的業務現狀進行理性的調研和分析，通過發散-收斂的循環往復，勾勒出應用場景的雛形。 對數據的探索和關聯成為了數據化應用場景的關鍵，這一過程中涉及諸如：內部數據的勘查，外部數據的調研，數據成熟度分析，數據的場景化匹配等內容。

 

下圖展示了一個應用場景的規劃所涉及的內容（參考）：

 

效益指數和緊迫性指數將決定著應用場景列表中有哪些場景是需要優先被測試模擬的。通過POC驗證高優先級的應用場景，便于對數據需求進行調整和優化。通過創建-設計-定義-測試的閉環進行迭代后，最終形成了數據化后的應用場景。

 

結語

 

零售業是一個數據密集的行業，商品、供應鏈以及用戶挖掘等方面有極多的數據應用。除了上文提到的UNI-ID、數據中臺和應用場景，品牌商和大型零售企業還需要關注數據治理，數據安全等多個新零售時代下的難題。

 

在傳統零售時代，從產品的規劃設計到送達消費者使用的整個供應鏈中，我們依靠人力來做出聯動和商業決策，自然會流失很多的商機。也無法整體發掘我們為消費者帶來的價值。

 

在新零售時代，品牌商/零售商端到端的轉型已迫在眉睫。在通過數字賦能優化決策和轉型的過程中，數據令品牌能夠快速反應，及時改進銷售策略、調整產品。

 

數據能力決定了誰能把握新零售的機會，誰又將被歷史所淘汰。